文章中心

了解、体验、感悟、分享——汇聚平台使用教程与科研动态。

新闻资讯

整合基因组与调控组揭示家鸡复杂性状分子架构

Genelibs文献解读 2026-10-26 01:35 35 次阅读

原文：Integrative genomics and regulomics reveal the molecular architecture of complex traits in domestic chickens.
期刊：iMeta（影响因子 44.4） | PubMed | PMC 全文（含 PDF）

家鸡（Gallus gallus domesticus）不仅是全球最重要的蛋白质来源之一，也是研究人工选择、驯化与复杂性状演化的经典模型。数千年的驯化与定向育种，使家鸡在生长速度、体组成、繁殖力和抗病性等方面产生了极其丰富的表型多样性。然而，尽管家禽基因组学研究已取得长足进展，“基因组变异如何经由调控网络转化为表型差异”这一核心问题仍未完全阐明。

近日，一项发表于 iMeta（影响因子 44.4）的大规模研究，通过整合全基因组重测序、多组织转录组与表观基因组数据，系统绘制了中国家鸡复杂性状的“调控图谱”，并提出了新的分析框架 iWRNA（Integrated Weighted Regulatory Network Analysis，整合加权调控网络分析），为理解驯化、适应与经济性状的分子机制提供了全新视角。

研究背景：从基因组序列到调控网络的跨越

中国拥有丰富多样的地方鸡种资源：从快速生长的商业肉鸡，到适应不同生态环境的本地土鸡、观赏型品种，它们在形态、生理和生产性能上差异显著。全国范围的采样能够捕捉这种遗传与表型多样性，从而识别与驯化、品种形成及区域特异性选择相关的基因组信号。

既往研究表明，单纯依靠群体基因组学可以找到选择印记，但复杂性状往往由大量非编码变异通过组织特异性的调控元件发挥作用。因此，只有把群体遗传信号、染色质开放状态（ATAC-seq）和基因表达（RNA-seq）结合起来，才能真正把“关联位点”推进到“候选因果基因与调控模块”。

核心发现一：2913 只鸡、4800 万变异，勾勒中国鸡遗传全景

研究团队对来自中国 44 个品种、共 2913 只鸡进行了深度全基因组重测序（每个品种 25–231 个个体），覆盖地方土鸡、商业育种系和引进品种；同时整合了已发表的 164 只红原鸡及其他原鸡物种数据作为进化参照。经过严格质控，研究获得了约 4800 万个高质量 SNP，是目前覆盖度最高的中国鸡群体高深度变异目录之一。

系统发育与 PCA 分析清晰区分了野生原鸡与家鸡；中国地方鸡进一步聚为多个支系。ADMIXTURE 祖先推断显示，商业肉鸡集群 ancestry 高度单一，反映强人工选择与封闭育种；而中国地方鸡则呈现不同程度的混合祖先，包含野生祖先成分，提示历史渗入或共享祖先变异。

尤为重要的是，中国地方鸡呈现出明显的“南—北”地理遗传结构：以秦岭—淮河线为界，南方、西南、东部品种多属 Cluster I，而东部、北部、东北、西北品种多属 Cluster II。选择清除分析（F_ST、π ratio、XP-CLR）以云南德宏鸡为参照，发现南北群体共有选择区域包含 AKT3、NELL1、APBA2、PCDH10、ROBO1、SEMA5A、INHBA 等基因，涉及生长、行为、免疫与繁殖。

北方群体检测到的选择区域通常更大、包含更多基因，说明其基因组受选择足迹更广；而南方特异信号如 BMPR2、CTNNA2、DIP2B，北方特异信号如 SLIT2、LIPA、FOXP2、VAV3，则暗示南北土鸡在发育、代谢与神经生理过程上受到差异化选择。

**FIGURE 1** FIGURE 1: 中国鸡的基因组景观、适应性进化及复杂性状的遗传基础。(A) 中国各地采集的家鸡品种的地理分布和品种组成，包括地方品种、育种品系和引进品种，以及作为野生参考的原鸡。圆圈大小代表采样个体数量。(B)中代表各品种的颜色代码在全图中一致使用。(B) 基于全基因组SNP构建的最大似然系统发育树，显示原鸡与家鸡品种间的遗传关系。内部彩色环表示主要群体分组。(C) 全基因组SNP变异的主成分分析（PCA），个体按鸡品种身份（左）或地理来源和群体分组（右）着色，揭示原鸡与家鸡群体间的分离以及中国地方鸡的遗传结构。(D) 基于ADMIXTURE分析在K=2–5时的祖先推断。每个竖条代表一个个体，按其推断的祖先比例着色。(E) 六个主要群体分组的地理组成。饼图显示原鸡、中国地方鸡、肉鸡和欧洲起源鸡的地理来源。(F) 使用FST和log2(π比值)统计量比较中国北方（NC）和南方（SC）地方鸡群体与德宏鸡（DH）的全基因组选择清除分析。突出显示共享的和区域特异的候选选择基因。(G) 本研究分析的20个胴体相关表型性状概览。代表各性状的颜色代码在全图中一致使用。(H) 所有20个胴体性状的表型和遗传相关矩阵。基于Spearman秩相关鉴定出六个主要表型组：体质量和器官质量（P1）、消化器官（P2）、腹脂（P3）、肠道长度（P4）、免疫器官（P5）和肌肉相关性状（P6）。(I) 汇总20个胴体性状全基因组SNP–性状关联的Circos图。外圈代表基因组坐标，内圈使用所有性状相同的垂直尺度显示−log10(p)值。为便于可视化，仅显示p<1×10−3的SNP。(J) 腹脂重GWAS结果的代表性曼哈顿图。注释位于候选关联信号内或附近的候选基因。(K) 候选性状–SNP关联的基因组注释，显示其在远端、启动子、内含子、非翻译区和编码区的分布。超过一半的关联变异与ATAC-seq定义的开放染色质区域（OCR）重叠或位于其附近（<1 kb）。

核心发现二：20 项屠宰性状 GWAS，非编码变异主导调控

在 443 只具表型测定的个体中，团队对 20 项胴体与生产相关性状开展 GWAS，包括活重、腿肌/胸肌重、腹脂重与腹脂率、单翅重、头重，以及心、肝、肺、腺胃、肌胃、脾等内脏重量，还有十二指肠、空肠、回肠、盲肠、直肠长度等。

表型相关分析将 20 项性状归为六大类：体与器官质量（P1）、消化器官（P2）、腹脂（P3）、肠长（P4）、免疫器官（P5）和肌肉相关性状（P6）；BOLT-REML 遗传相关与表型相关高度一致（Mantel r=0.882）。

GWAS 共鉴定出 3177 个显著性状—SNP 关联（p<1.0×10^-5），从空肠长度的 10 个到肝重的 605 个不等。例如腹脂重关联位点落在或邻近 VIPR1、IPMK、RASGEF1A、SPAG9、STAC、CCN2、TOB1 等基因，呈现多基因基础。

关键结果是：97.8% 的候选关联变异为非编码变异，主要位于内含子或基因间区；其中 55.3% 与 ATAC-seq 定义的开放染色质区域（OCR）重叠或距离小于 1 kb。这说明大多数 GWAS 信号并非直接改变蛋白序列，而是可能通过顺式调控元件影响基因表达。

方法亮点：iWRNA 框架把“关联”变成“调控网络”

为了系统解析上述非编码变异的调控基础，研究者开发了 iWRNA 框架。该方法扩展了经典的 WGCNA 算法，同时建模多组织 RNA-seq 的基因共表达与 ATAC-seq 的染色质共开放性，从而识别将顺式调控元件与其假定靶基因耦合的调控模块。

利用该框架，研究解析出 70 个基因模块（g1–g70）与 105 个 OCR 模块（p1–p105），并发现 9006 条显著的 OCR–基因关联（|r|>0.7）。模块—组织关系热图进一步聚为 12 个高阶“元模块”，每个元模块内基因与 OCR 模块具有一致的组织特异活性。

以具体基因为例：APAF1 位点中与脾重相关的 SNP 簇落在脾特异性 OCR 内，且该基因在脾、肺、法氏囊、胸腺等免疫器官高表达，并与 ChickenGTEx 中脾特异性 eQTL 簇重叠，提示其通过组织选择性表达影响脾重。另一个肝重关联区域位于 AKR1D1 与 CGTL 之间，22 个关联变异均处于非编码区且被肝脏高开放性 OCR 密集覆盖，说明肝特异染色质状态可能调控这两个基因的表达。

在肝重相关模块（g17 与 p7）和心重相关模块（g28 与 p11）中， motif 富集分析还识别出显著富集的转录因子结合基序，进一步把调控元件与上游转录程序联系起来。

**FIGURE 2** FIGURE 2: 胴体性状背后调控模块和基因调控网络的多组学解析。(A) 整合加权调控网络分析（iWRNA）框架示意图。使用WGCNA从多组织RNA-seq和ATAC-seq数据构建基因共表达模块（g1–g70）和OCR共可及性模块（p1–p105）。代表各模块的颜色代码在全图中一致使用。鉴定显著的OCR–基因相关链接（|r|>0.7）以预测推定的调控关系。(B) 模块–组织关系热图，显示12个高阶元模块的层次聚类。每个元模块包含具有一致组织特异性活性的基因和OCR模块。突出显示正文中讨论的代表性模块。(C) 显示基因模块与OCR模块之间关系的桑基图。连接代表9006个显著的OCR–基因链接，阐明染色质可及性与基因表达间的协调关系。(D) 通过拓扑重叠矩阵（TOM）的UMAP投影可视化的性状关联模块的拓扑组织，阐明全局网络结构。突出显示肝重关联模块（g17和p7）、心重关联模块（g28和p11）和盲肠长度关联模块（g31、g69和p1）。(E, F) 肝脏关联p7模块和心脏关联p11模块中OCR的基序富集分析，显示由HOMER鉴定的显著富集的转录因子（TF）基序。(E) 基序标识与基于基序相似性的TF层次树状图一同展示。(F) 每个模块中显著过度代表的TF基序的富集得分。(G) 关联TF在肝脏和心脏中的相对表达谱，阐明与基序富集一致的组织限制性表达模式。(H) 肝脏关联基因调控网络，突出主要枢纽TF，包括HNF4A、HNF1B、FOXA1和PPARA，及其候选靶基因。每个节点代表一个基因，饼图指示其在肝脏和心脏组织中的相对表达水平。(I) 主要TF控制的调控子中所含基因的KEGG通路富集。显示前15个富集通路，条形长度代表基因比率。(J) 参与脂肪酸降解通路的基因在多组织中的表达谱。纳入推断的基因调控网络的基因以红色突出显示。(K) 脂肪酸降解通路示意图，显示纳入推断的调控网络的基因位置。UMAP，均匀流形近似与投影。

应用意义：从育种效率到脊椎动物表型演化

这项研究的价值不仅在于“又一张鸡基因组图谱”，而在于建立了一套可推广的多组学整合范式：

对家禽育种：通过锁定组织特异性调控模块与候选因果基因（如肝代谢网络中的 AKR1D1/CGTL、腹脂相关基因群），为分子标记辅助选择和基因组选择提供更精准的靶点，有望提升育种效率与肉品质。
对驯化与适应研究：南北土鸡差异化选择信号揭示了生态与人工压力如何在基因组中留下不同足迹，为理解本地适应提供分子证据。
对比较医学与演化生物学：研究所展示的“非编码变异—开放染色质—组织特异表达—复杂性状”链条，是脊椎动物表型演化的通用逻辑；鸡作为鸟类模型，其调控图谱也能为哺乳动物复杂性状研究提供方法学参照。

总之，该研究以 2913 只鸡的重测序数据为基石，结合 GWAS、多组织 ATAC-seq/RNA-seq 与创新的 iWRNA 框架，首次系统给出了家鸡复杂性状的调控图谱。它告诉我们：驯化与选择不仅写在基因序列里，更写在调控网络的组织特异性语言之中。

本文图片转载自 PMC 开放获取全文，仅供学习参考，请以原文为准。

返回文章列表