绒山羊绒毛品质遗传研究进展

李学武，王瑞军，王志英，娜 清，李宏伟，王振宇，苏 蕊，张燕军，李金泉

（内蒙古农业大学动物科学学院，动物遗传育种与繁殖自治区重点实验室，呼和浩特010018）

绒山羊绒毛品质遗传研究进展

李学武，王瑞军＊，王志英，娜 清，李宏伟，王振宇，苏 蕊，张燕军，李金泉＊

（内蒙古农业大学动物科学学院，动物遗传育种与繁殖自治区重点实验室，呼和浩特010018）

摘 要：绒毛品质不仅影响绒山羊养殖的经济效益，还影响绒毛纺织品的质量。近年来，随着产绒量的提高，绒毛品质有下降趋势，为了提高生产效益，在生产过程中提高绒毛品质势在必行。绒毛品质是绒山羊育种中重要的选择参数，而控制绒毛品质的主要性状是数量性状，通过数量遗传学和分子遗传学寻找控制数量性状的主效基因，从而研究其生长机理和控制绒毛生长的基因的表达机制。作者综述了近年来有关绒毛品质的研究成果，其中包括通过表型选择来提高绒毛品质，且找到控制绒毛品质性状的HOX、BMP、KAP基因和色素基因等，还有寻找控制目标性状相应的QTL和对不同序列的SNPs进行GWAS分析，通过基因型的选择来提高绒毛品质，这些研究为提高绒毛品质奠定了理论基础，也为今后研究绒毛品质的遗传因素提供借鉴。

关键词：绒毛品质；表型选择；基因家族；QTL技术；GWAS分析

绒山羊是经过长期自然选择和人工选育而形成的一类绒毛用山羊品种，所产羊绒纤细柔软、强度大、洁白光亮，其纺织品轻薄舒适、保暖性能好、造型高雅，是国际上享有盛誉的天然毛纤维之一。在生产过程中绒毛品质是衡量绒山羊是否优良的重要指标，同时也影响绒山羊养殖的经济效益，所以在育种过程中提高绒毛品质具有重要意义。影响绒毛品质的大多数经济性状为数量性状，如纤维直径、绒毛强度、绒毛长度等。随着分子技术的发展，绒山羊在选种过程中不仅仅局限于传统的数量遗传选择，还结合了分子遗传学进行基因型的选择，为遗传育种的发展提供了准确可靠的理论依据，可以更好地指导实践生产。

1 绒毛品质的表型选择

1.1单性状表型选择

绒毛品质性状大多数是数量性状，数量性状在最早选择时是通过表型进行选择，即通过对表型分析实现选种选育，经典数量遗传学是假设定量的特征都是由数量性状引起的，且数量性状受微效多基因控制［1］。由于数量性状受环境影响较大，不同的方法和模型计算的结果均不同，所以在选择过程中根据不同的需要和数据结构采用不同的方法和模型进行计算，使结果更加准确，从而合理地进行选种选育。在研究早期，孟德尔通过豌豆杂交试验得出的分离定律和自由组合定律与摩尔根通过果蝇试验得出的连锁与互换定律合称遗传学的“三大定律”，这三大定律为群体数量遗传学提供了坚实的遗传理论基础，且孟德尔又利用方差分析和统计学原理与遗传学相结合的方法阐述了连续变异性状的遗传规律并为现代数量遗传学奠定了科学的理论基础，现代数量遗传学是结合统计方法和数学分析，利用相关系数和方差分析等参数解释数量性状之间关系的科学。

数量性状是指在一个群体内的个体间表现为连续变异的性状，群体内个体的差异一般呈连续的正态分布，难以在个体间明确地分组，但是数量性状可以通过一定的表型来反映，所以可以通过表型选择来提高数量性状的基因效应值。因为在遗传育种中表型值（P）＝基因效应值（G）＋环境效应值（E），表型是基因的外在体现，在同一环境条件下环境效应值可以忽略不计，所以能够通过对表型进行遗传参数评估来进行选种选育。Fisher等提出了方差分析（analysis of variance，ANOVA）的思想，通过对表型平均值的方差分析确定变异的来源并且找到主要的影响因素，如通过1岁龄的污毛重（GFW）可以对安哥拉山羊进行有效的大规模选择，由于纤维直径、毛长和活体重遗传反应选择比较小，通过这些性状选择可以对有髓的羊毛纤维（大于1岁龄）进行遗传改良［2］。但是在不同条件下环境效应值不可以忽略，因此Henderson等提出了最佳线性无偏估计（best linear unbiased prediction，BLUP）法，在动物遗传育种中BLUP是一个估计随机效应的方法，有助于人们理解模型中固定效应和随机效应［3］，而基因组BLUP则利用连锁不平衡（LD）和加性遗传相关，找到在数量性状遗传位点（quantitative trait loci，QTL）的共分离关系，用来估计基因组育种值的准确性［4］。随着BLUP法的规范和完善，BLUP法成为世界上使用最广的估计育种值方法。Patterson等又在BLUP法的基础上提出了限制性最大似然估计（restricted estimation maximum likelihood，REML），REML模型被用来估计动物体重、机体消耗和产仔数等遗传参数［5］，Vaez等［6］通过REML法得出母体效应对体重有显著影响。

研究表明，通过表型选择可以控制一些绒毛品质性状的数量性状表达，如通过对毛纤维脱落很少的绒山羊与普通绒山羊进行杂交来改良品种，从而提高绒毛的产量和质量。在表型选择过程中数据测量的客观性、合理性和准确性对数量性状的参数评估具有重要意义，McGregor等［7］指出客观地测量各个目标性状非常重要，通过测量腹中部、腹下部、胸部、后肋、臀部、蹄腕部、背中部、颈部和肩部9个部位的平均纤维长度来计算不同性别和群体之间纤维长度的相关性，又通过测量平均纤维直径和视觉评估羊毛长度相结合方法对安哥拉山羊的羊绒进行分级［8］。但是在实际生产中计算个体育种值所需的数据较多，测量较困难，所以一些性状可以通过家系选择进行早期选种，降低劳动强度。McGregor等［9］研究发现，在实际生产中生长迅速的长纤维和生长缓慢的短纤维容易发生黏连从而影响纤维的长度，同样，品种、损伤、年龄等都是发生黏连的原因，其中羊毛曲率和净洗率是羊毛发生黏连的主要原因，通过选择低纤维曲率和高净洗率可以减少羊毛发生黏连，提高纤维的长度和品质。Iniguez等［10］还发现异质毛含量增多会降低羊毛质量，通过选择异质毛含量较少的个体留作种用，可提高后代的绒毛品质，所以利用表型选择是在育种中提高绒毛品质必要的方法。

1.2 多性状表型选择

在遗传过程中各性状间均存在或多或少的遗传相关，使其表型表现有所差异，如等位基因之间的效应、非等位基因之间的效应均影响基因型值，进而影响性状的表型。所以在育种中将基因型值进行如下剖分：基因型值（G）＝加性效应（A）＋显性效应（D）＋上位效应（I），其中加性效应值是育种值，也是表型值的主要成分，如果在育种中只考虑加性效应值就会影响育种的结果，因为在育种工程中基因的相互作用还有显性效应和上位效应，这些都会影响基因的表达而导致表型的差异。目前，测量基因相互作用的效应模型有两个：一是统计模型，用于检测统计参数、估计遗传效应和遗传方差；二是功能模型，通过基因型－表型图谱来计算遗传参数。Álvarez－Castro等［11］结合这两种模型建立了自然和正交的交互（natural and orthogonal interactions，NOIA）模型。这种模型的应用也越来越广泛，因为即使这些数据没有平衡或进行无偏估计，该模型也在一定程度上表现了随机效应［12］。

在动物种群中性状之间的相互作用是普遍存在的，根据其表型可推断其基因型，如利用角位置是否有肿块区分N－型基因型的纯合子和杂合子，因为基因型杂合的羊羔在出生后角上没有肿块，且纯合子的绒毛比杂合子含有更多的粗毛，通过选择杂合子留作种用可以提高绒毛品质。但是在单性状选择中往往会忽略其他性状对该性状的影响，所以一般都用多性状选择（顺序选择法、独立淘汰法、综合指数选择法），但在混合选择分析时由于所需目的性状的不同就会影响遗传参数的估计，所以这样建立的估计育种值会影响目的基因的选择效应和准确性，选择频率越高其偏差越大，因为真实的环境效应值和连续性状之间相关关系的遗传参数会存在一定的误差，建议使用二次线性模型以降低遗传评估的偏差［13］。Vostry等［14］研究发现使用阈值模型比线性模型估计育种值测定的遗传参数更好，尤其在测定同一品种内较多个体的基因型，可以在育种过程中改变生产效率、产品质量和产品多样性，特别是在两个或两个以上品种杂交所得的经济性状尤为重要［15］。在生产实践中无法通过少量数据说明大部分遗传相关性，因此不能建立明显的遗传相关，相关性的大小会引起纤维色素（PPF）、髓质（PMED）、斑点（PS）和光晕（PH）的变化，PS和PH容易得到，一般不用来作为遗传评估指标，而且研究发现PPF似乎与PH并未有密切的联系，但与PS呈中度或高度的正相关，因此，PS与PPF的相关性可能是一个很好的遗传评估指标，通过这些相关性可以提高绒毛质量［16］。另一方面，在选种时最好将羔羊纳入育种目标，否则可能导致基因下降，通过对同胞和半同胞的直接选择得到，对羔羊进行间接选择选种的精确度可达到93.4%，但还有待进一步研究［17］。个体之间的相互作用可能产生大量的遗传变异，严重影响自然种群的进化和人工选择的效应［18］，所以遗传育种中各个性状之间的相关性是必须考虑的。

提高绒毛品质最简单的方法是引入优秀个体进行杂交，而且品种越纯杂交效果越好，即获得更大的杂种优势，杂种优势主要是利用基因的显性效应等各种基因间的相互作用，一般遗传改良可能是基于一个简单的方法识别、测量和记录所需的形态特征和生产性能进行育种值估计并且在商品群中得到广泛应用［19］。如在利用安哥拉山羊改良建昌黑山羊育种中，利用分子遗传标记和生化遗传标记结合形态遗传标记综合确定合适的横交方案，绒毛产量显著提高即杂种优势明显，再选择F2和F3代的同质个体进行横交，提高绒毛产量和质量［20］。由此可知，影响绒毛品质的基因不仅可以各自表达，还具有一定的相关关系，通过基因间的相互关系可以提高选种的准确性。随着分子生物学技术和分子遗传标记的结合，一些常见的研究方法更容易找到山羊经济性状的候选基因间的相互关系［21］，利用混合模型方法估计遗传参数，并建立最优的模型使绒山羊育种目标达到最大效率。

2 绒毛品质在分子遗传学中的研究进展

随着分子标记技术和分子遗传学的进步，在育种中不再仅仅局限于通过表型进行遗传参数评估，而是利用表型结合基因型辅助选择进行育种，以提高选种的准确性和选择效率，缩短世代间隔。绒山羊的皮肤毛囊分为初级毛囊和次级毛囊，初级毛囊产生的纤维是羊毛，而次级毛囊产生的纤维是羊绒，羊毛和羊绒均影响绒毛的品质。次级毛囊的一个重要特征就是周期性生长，Xiao等［22］在角蛋白15（K15）、酪氨酸相关蛋白2（Trp2）增殖细胞的细胞核抗原抗体3的基础上找到了控制开士米山羊绒毛再生的毛囊干细胞，进一步证明了毛囊的周期性生长规律。在绒毛的3个生长阶段（生长期、退化期和休止期）中发现可识别的microRNA有399个，其中，326个microRNA在3个生长阶段均有表达，但是在生长期、退化期和休止期分别有3、12和11个特殊的microRNA表达。对任意选定的microRNA表达水平进行实时荧光定量PCR检测，结果表明与高通量（Solexa）测序结果一致。Yuan等［23］通过GO分析和KEGG路径分析表明，有23.08%生物目标功能基因参与5种生物学途径（代谢途径、细胞通路、MAPK信号通路、内吞作用和黏着斑），表明这些基因可能与绒毛生长退化有关。随着分子技术和基因组测序技术的发展，Potter等［24］证明了无毛基因编码的蛋白质作为甲状腺激素受体的转录辅阻遏物（TR），通过控制该基因的表达可提高羊绒的生产力，Finocchiaro等［25］发现了RH基因，证明该基因与控制先天性绒毛稀少的遗传有关，通过调控RH基因的表达可改变表型的表达，从而提高绒毛的产量和质量。

Jin等［26］利用RT－PCR表明GPRC5D仅在皮肤上表达，又通过原位杂交显示GPRC5D只在内根鞘表达，推测GPRC5D可能调节羊绒的增长。Tian等［27］利用SPSS 16.0分析皮肤毛囊结构和数量与绒毛产量和纤维直径的关系，得出次级毛囊的密度与羊绒产量有显著正相关关系，而次级毛囊的直径与羊绒细度有显著正相关关系，即次级毛囊的数量和直径决定了羊绒的产量和细度。Geng等［28］利用DPCs分析显示，次级毛囊在生长发育的休止期一方面促进超高频率的变性和抑制羊绒增长，而另一方面抑制细胞的凋亡并为恢复和真皮乳头再生做准备。这些发现均有助于认识和调控绒毛生长周期生长发育机制。另外，Dicks等［29］研究得出提高血浆中泌乳素浓度可以重新激活毛囊，有利于绒山羊春季的换毛。同样，Ibraheem等［30］也提出了催乳素和褪黑素通过影响机体内的生物活动从而影响毛囊的生长。随着分子遗传学的发展发现了许多影响绒毛品质的基因，并且在基因组、转录组和蛋白组等方面均有绒毛品质性状的相关研究［31－32］。

2.1同源框基因（HOX基因）

同源异型盒（homeobox）简称同源盒或同源框，是存在于真核生物中的一段约180bp高度保守的DNA序列；含有同源异型盒的基因统称为同源异型盒基因，其表达的蛋白是一类转录调节因子，在真核生物的细胞分化、代谢、受体信号转导等过程中发挥重要作用，同源盒序列自身编码的61个氨基酸组成同源结构域（homeodomain），形成螺旋－转角－螺旋的结构。通过该结构与DNA特异的核苷酸序列结合，实现对下游靶基因的调控。影响羊毛质量的基因主要是N－型基因，现在已经改为“halo－hair1”（HH1）基因［33］。HOX基因包含39个复杂的集群，并分成4个组参与细胞分化和发展［34］。角质细胞的增殖和分化受特定基因组的特定转录因子控制，蛋白激酶C可以调控HOX基因，HOXA4、HOXA5、HOXA6基因分别在绒山羊胚胎期和兴盛期毛囊的不同部位表达，说明HOX基因在绒山羊毛囊生长发育过程中扮演着重要的角色［35］，而HOXA7联合HOXA5、HOXAB7和一些特殊的分化诱导因子控制角质细胞的表达［36］，HOX13基因的表达与皮肤厚度和毛囊形态变化是一致的［37］，经过研究还发现HOX基因转录因子在胚胎发育期间具有重要的作用［38］。HOX基因与转录因子存在一定的关系，如HOXB5基因（模式基因）直接诱导Foxd3的发展（调控基因和生存基因）［39］。这些研究表明HOX基因家族对绒毛的生长发育影响较大。

2.2骨形态发生蛋白基因（BMP基因）

骨形态蛋白分泌的信号分子，属于转化生长因子（β）家族的一类，最早是从骨提取物中分离获得的，后来在其他组织器官的形态发生中也被检测到，在整个胚胎发育期间均有表达，经过研究发现BMP基因与胚胎早期器官的形成和分化有关［40］，目前已经发现BMPs包括20多个成员。Su等［41］研究发现，山羊皮肤中BMP2基因在毛囊静止期和生长期的初级阶段表达量要高于生长末期，表明它可能对毛囊具有再生作用。张驰［42］研究发现BMP4基因在机体生长发育过程中扮演着重要角色，可以诱导骨骼的形成并调控机体的生长发育，且BMP4基因的表达与体高、体重之间存在显著差异，由此推测该基因可能是山羊生长性状的主效基因。倪蓉等［43］研究发现，安哥拉山羊BMP7基因在绒毛生长的同一时期中大花的表达量显著高于小花，由此推测，BMP7可能参与毛囊发育过程并且调控被毛生长，可以作为选育的候选基因。Khosa等［44］研究发现，BMP15不仅与品种的繁殖力有密切的关系，还可以通过研究其新的多态性识别不同的品种，即不同的BMP基因功能不同，对绒毛品质的影响机制也不尽相同，所以在实际生产中可以利用该基因进行遗传改良的识别，了解其遗传的基础，提高绒毛品质并加速遗传进展。

2.3角蛋白辅助蛋白基因（KAP基因）

影响羊毛质量的主要成分是角蛋白，角蛋白可分为角蛋白中间丝（IF）蛋白和角蛋白联合（KAP）蛋白，角蛋白是一个大型异构群蛋白质，约占羊毛纤维的90%，聚合的Ⅰ型和Ⅱ型角蛋白（包括各自编码的KRT1.n和KRT2.n基因家族）可以编码超细毛纤维。根据蛋白质序列主要分为3组：高甘氨酸／酪氨酸KAPs基因组（多基因KAP6.n和单基因KAP7、KAP8）、高硫KAPs基因组（多基因KAP1.n、KAP2.n、KAP3.n）和超高硫KAPs基因组（至少包含KAP4.n、KAP5.n两个多基因）［45］。刘桂芬等［46］利用PCR－SSCP分子标记，得出在KAP1.1和KAP1.3的W08667位点以及KAP6.1的外显子W06933位点与羊毛细度有密切的关系。张亚妮等［47］利用SPSS软件分析了KAP基因与产绒量、体重和羊绒细度性状之间的关系，结果发现S1和S2位点的BB基因型可以作为产绒量性状的标记基因型，S2位点的BB基因型和S3位点的AA基因型可以作为体重性状的标记基因型，以及S5位点的BB基因型可以作为绒细度性状的标记基因型。由此可以看出，S2位点的BB基因型，可以作为多性状（产绒量和体重）标记辅助选择的标记基因型。汪玲［48］利用实时荧光定量PCR检测了辽宁新品系绒山羊初级毛囊和次级毛囊中KAP7.1和KAP8.2基因的表达情况，利用原位杂交技术对KAP7.1和KAP8.2基因在初级毛囊和次级毛囊中表达进行定位发现，KAP7.1和KAP8.2基因在次级毛囊中表达均高于初级毛囊，说明KAP7.1和KAP8.2基因与绒毛品质差异有关，并推测这两个基因与绒毛细度有关。近年来研究得出KAP9.2基因对羊绒生长具有抑制作用［49］，有的研究还表明毛透明蛋白尽管在其他的表皮组织中均有表达，但也是毛囊重要的编码蛋白［50］。通过对KRT和KAP基因家族多态性研究可以筛选构建遗传连锁图谱，寻找其控制绒毛表达的基因，通过调控这些基因来提高绒毛质量。

2.4色素基因

绒毛颜色的表达主要是绒毛色素的沉积，而且绒毛色素沉积由多种基因控制的，主要是Agouti基因，Agouti信号蛋白（ASIP）在mRNA表达水平上影响真黑素的合成［51］，Agouti基因通过限制黑素皮质受体1（MC1R）编码蛋白质，从而使黑素细胞刺激激素（αMSH）结合到MC1R，进而产生真黑素（黑色、棕色色素）［52］。Smit等［53］在后来的研究中发现存在两个基因位点，如果在外显子2中删除5bp的基因片段将会导致毛色表达的差异，表现为全黑，经过研究发现Agouti基因ASIP位于羊的第13条染色体上，除了扩展轨迹影响毛色的表达，其他的功能尚未确定。唐春娟等［54］利用PCR－RFLP技术检测发现，Agouti基因如果缺少第1内含子T128则会引起山羊毛色的多态性，马森［55］还发现MITF、ASIP、TYR家族基因参与绒毛生长旺盛期的着色过程。在实际生产中，具有特定颜色的动物皮毛具有一定的需求和较大的经济价值，所以在研究中找到影响绒毛颜色的基因位点和了解其表达机制是很有必要的。

2.5其他研究

据研究，褪黑素可能是绒毛的周期性生长发育受体内内分泌系统的调节的主要影响因素。褪黑素是由松果体分泌的一种胺类激素，Ibraheem等［30］认为催乳素和褪黑素通过影响机体内的生物活动从而影响毛囊的生长；赵德超等［56］通过对绒山羊进行埋植褪黑素处理后对4个信号通路（Wnt、TGF－β、MAPK和Notch通路）进行实时荧光定量PCR检测得出，Wnt信号通路在个体发育和细胞稳态等方面发挥作用，TGF－β信号通路因子与胚胎发育和骨的形成有关，MAPK信号通路可以促进毛囊干细胞的增殖与分化，Notch信号通路与多种组织和器官早期发育有关，由此说明褪黑素在毛囊的生长发育中发挥重要的作用。随着对绒毛品质基因的进一步研究发现，Wnt3不仅具有Wnt家族基因及编码蛋白所具有的特性，而且在进化过程中较为保守。马森［55］研究发现，Wnt／β－catenin信号通路不仅与绒山羊绒毛周期性再生有关，还能够促进绒毛的快速生长。血管内皮生长因子（vascular endothelial cell growth factor，VEGF）在人和动物的毛囊中可以表达，是毛乳头细胞的一种自分泌生长因子。毕兆伟［57］研究发现，VEGF与动物毛囊发育和毛发生长密切相关，且目的基因在皮肤组织的高表达可显著提高羊绒产量。Pan等［58］为了改变羊毛的蛋白质组成和提高羊毛的质量，利用转基因体细胞核移植技术将Ⅱ型角蛋白中间丝蛋白（K2.9）转入绒山羊胚胎生产转基因山羊，转基因体细胞核移植可以携带K2.9基因，通过转基因K2.9调控绒山羊胎儿成纤维细胞的生长发育。由此看来，分子调控对绒毛品质也有重要影响。

3 QTL和GWAS技术的发展

近年来，由于基因组学和统计方法的发展，数量遗传学有了很大的进步。现在分子标记技术的发展包括QTL和全基因组关联分析（genome－wide association study，GWAS）。通过分子标记辅助选择扫描基因位点的方法来推断共同的祖先、家族成员和遗传历史［59］。

3.1绒毛品质的QTL技术发展

目前，提高家畜的育种值不仅仅局限于表型的估计育种值，还有在DNA水平上利用分子标记对生物群体进行遗传改良，随着分子技术的发展，分子遗传与数量遗传相结合形成了分子数量遗传学，通过分子标记技术和基因连锁图谱分析进而找到控制目标性状的目的基因，将这些控制数量性状的单个基因或基因簇（染色体片段）称为QTL。根据QTL定位和构建遗传连锁图谱，对QTL进行分析研究，借用分子标记技术追踪QTL的遗传动态性，从而达到标记辅助育种的目的。其原理是：分子标记与控制数量性状的QTL紧密连锁，在连锁互换过程中，处于连锁不平衡状态，导致群体中分子标记的基因型与数量性状的分布间呈现一定的统计关系，可以基于对QTL一系列的假设和统计方法，对QTL作检测和定位。Thoday等通过对1对侧翼标记定位了第一个QTL，发现存在显著差异个体之间的不同QTL等位基因是不被识别的，所以通过遗传标记的方法可以得到准确的QTL，还可以使用不同的分子标记方法进行识别。Cano等［60］通过对安哥拉山羊基因检测发现了影响羊毛构象特征的QTL，且首次报道了影响绒毛结构性状的QTL。Cano等［61］使用微卫星标记得到了25号染色体上影响羊毛性状的QTL，并且找到了位于1、2、5和13号染色体的4个山羊基因组区域QTL，是定位绒毛增长和性状候选基因组的重要DNA区域。Abadi等［62］在开士米山羊的基因上找到了影响羊毛生长和羊绒产量的QTL。

为了鉴定找到的QTL是否准确，Allainl等［63］在候选染色体区域的基因插入一个2kb的多态性基因片段，初生羔羊的绒毛中粗毛减少。McGeachie等［64］通过两个全基因组关联分析不仅得到了各自基因组的信息还得到了其相关的生物信息，由此可知，基因之间的相关性也影响绒毛的品质，所以在育种过程中各个基因组之间的相关性是必须考虑的因素。为了快速、准确地估计特定性状的遗传参数，Mathew等［65］提出了马尔可夫链蒙特卡尔理论（Markov Chain Monte Carlo，MCMC），该理论是通过方差和协方差建立随机效应的最大似然函数。Broman等［66］通过利用R统计软件和函数估算结合多种计算方法对单个－QTL（single－QTL）和二维－QTL（two－QTL）基因组扫描来确定基因型。在随机的环境条件下新基因的表型性状在改进育种策略和建立模型中是至关重要的［67］，随着测序技术的发展，通过mRNA调控表达和小分子核糖核酸在组织中的表达相结合可以建立一个大规模的山羊基因组作为参考［68］，通过对皮肤组织中14个候选基因进行实时荧光定量PCR检测mRNA差异表达与绒毛细度之间的相关性，发现KPT26基因表达越高，纤维细度越细，因此，可以把KPT26基因作为与纤维细度有关的候选基因［69］。Visser等［70］通过DNA标记信息辅助传统选择增加选择的准确性，在安哥拉山羊遗传评估中利用微卫星标记开发了新的多样性连锁图，根据QTL定位和结合角蛋白基因序列可以理解和利用表型变异，以便更好地理解生理背景特征，加速遗传改良进展。所以利用基因定位可以找到影响绒毛品质相应的基因，通过分子数量遗传学改变其功能提高绒毛品质。研究结果表明，绒毛质量并不是由单一基因决定的，而是多基因共同作用的结果，在研究某一基因作用时，该基因与其他基因的相关性是不可忽视的。利用分子标记技术找到待测基因的位点就可以确定影响该性状的候选基因。找到这些基因位点就可以进行克隆和诱导基因突变，在大多数情况下，新突变的等位基因是中性的，没有选择优势，有时是有害的，但可以迅速地消除。在极少数情况下，它是有益的，可以逐渐取代原来的等位基因［71］。通过选择QTL定位可以更好地理解和利用表型变异并且加速遗传进展。

3.2绒毛品质的GWAS研究

GWAS是利用全基因组范围内筛选出高密度的分子标记对所研究的群体进行扫描，分析扫描得出的分子标记数据与表型性状之间关联性的方法，即GWAS是利用全基因组范围内的LD来确定影响某些表型性状或数量性状的基因。1996年，Risch最早提出了GWAS的设想，他认为未来人类复杂疾病的研究不再需要候选基因的预测，能够在全基因组水平检测每一个基因的变异，进行更大规模的基因检测。2001年，Hansen等［69］在植物中应用GWAS对海甜菜（sea beet）的生长习性进行分析发现，决定海甜菜抽薹前是否需要进行春化处理的基因（B基因）与分布于全基因组范围内的440个AFLP标记中的2个显著关联。山羊SNP芯片不包含任何品种的纤维生产，这种芯片目前正结合特定角蛋白基因的测序在南非安哥拉山羊群体中进行验证。近年来，可用的山羊全基因SNP数组遗传多样性显著增加［72］，当前可用的山羊SNP面板识别标记可以超过50 000种不同的基因组。随着分子技术的发展，成本低的低密度SNP面板可以更多地检测待测山羊全部或一部分的基因型，有助于遗传评估。而且在同一物种上进行GWAS分析开发的山羊SNP50芯片做为遗传基础为研究表型性状提供了机会［73］，所以在测量影响待测性状的基因时必须对该基因进行准确的定位。无论是哪种解释，都清晰地证明了毛囊密度和纤维直径存在关系，纤维直径随着毛囊密度的变化而变化，也证明了伸直长度（L）和纤维直径（D）有关系，如给定的动物在不同的环境中L／D（L／D2）的值是趋于恒定的，且毛囊的密度与纤维直径呈负相关，纤维直径越小、长度越长，绒毛品质越好［74］。近年来，随着GWAS的深入研究，Fariello等［75］在育种过程中选择了几个新的基因组进行精确的标记以区分与过去既定的规范约束和有关的现代育种目标，新发现的连同之前已经识别的区域，更广泛地揭示了基因组形态、颜色在适应新环境时的选择反应。Elbeltagy［76］通过对不同地域羊群的抗逆性和常染色体的候选基因进行研究测定，提出了自然选择的共识标签并启动了热应激的GWAS研究，为在沙漠地区可识别的适配基因提供了信息。随着大数据时代的来临，各种基因软件和分析软件层出不穷，通过数据得出的信息也越来越准确，在遗传改良上也可以获得更大的遗传进展。

4 展 望

近年来，对绒毛品质的研究已经取得了一定的进步，不仅仅是在表型上使用BLUP选择育种，而且找到了一些控制绒毛品质的基因并了解这些基因的表达机制，经过研究发现这些基因在绒毛生长发育过程中不仅仅是各自独立的表达，还有这些基因之间的相关表达。随着数量遗传学的发展、分子标记技术的进步、QTL技术的准确性和GWAS的深入研究分析，可以获得越来越多的基因信息以便筛选影响绒毛品质和相关表达的基因构建基因遗传图谱，由此可以更准确地定位影响绒毛品质的基因，了解目的基因的遗传生理特征和表达机制，通过调控这些基因的表达来影响表型从而提高绒毛品质，加速遗传进展，而且随着科学技术的进步，各种计算软件和分析软件的建立及新方法的提出，研究者会在基因中获得更多的遗传信息，为遗传育种建立准确可靠的理论基础。

参考文献：

［1］ Falconer D S，Mackay T F C，Frankham R.Intro－duction to quantitative genetics（4th edn）［J］.TrendsinGenetics，1996，12（7）：280.

［2］ Gifford D R，Ponzoni R W，Lampe R J，et al.Phenotypic and genetic parameters of fleece traits and live weight in South Australian Angora goats［J］.Small RuminantResearch，1991，4（3）：293－302.

［3］ Robinson G K.That BLUP is a good thing：The estimation of random effects［J］.StatisticalScience，1991，6（1）：15－32.

［4］ Habier D，Fernando R L，Garrick D J.Genomic BLUP decoded：A look into the black box of genomic prediction［J］.Genetics，2013，194（3）：597－607.

［5］ Beniwal B K，Hastings I M，Thompson R，et al.Estimation of changes in genetic parameters in selected lines of mice using REML with an animal model.2.Body weight，body composition and litter size［J］.Heredity，1992，69（4）：361－371.

［6］ Vaez T R，Nicolas F W，Raadsma H W.REML estimates of variance and covariance components for production traits in Australian Merino sheep，using an animal model.1.Body weight from birth to 22 months［J］.CropandPastureScience，1996，47（8）：1235－1249.

［7］ McGregor B A，Butler K L.Variation of mohair staple length across Angora goat fleeces：Implications for animal selection and fleece evaluation［J］.TheJournalof AgriculturalScience，2009，147（4）：493－501.

［8］ McGregor B A，Butler K L.The value of visual fleece assessment in addition to objective measurements in identifying Angora goats of greater clean mohair production［J］.SmallRuminantResearch，2014，120（1）：51－63.

［9］ McGregor B A，Butler K L.Lifetime and fleece quality traits associated with the occurrence of entangled mohair staples［J］.SmallRuminantResearch，2014，116（2）：165－175.

［10］ Iniguez L，Mueller J P，Ombayev A，et al.Characterization of mohair and cashmere in regions of Kazakhstan，Kyrgyzstan and Uzbekistan［J］.SmallRuminantResearch，2014，120（2）：209－218.

［11］ Álvarez－Castro J M，Carlborgö.A unified model for functional and statistical epistasis and its application in quantitative trait loci analysis［J］.Genetics，2007，176（2）：1151－1167.

［12］ Fry J D.The mixed－model analysis of variance applied to quantitative genetics：Biological meaning of the parameters［J］.Evolution，1992，46（2）：540－550.

［13］ Árnason T，Albertsdóttir E，Fikse W F，et al.Esti－mation of genetic parameters and response to selection for a continuous trait subject to culling before testing［J］.JournalofAnimalBreedingandGenetics，2012，129（1）：50－59.

［14］ Vostry L，CˇapkováZ，šebkováN，et al.Estimation of genetic parameters for hip dysplasia in Czech Labrador retrievers［J］.JournalofAnimalBreeding andGenetics，2012，129（1）：60－69.

［15］ Negahdary M，Majdi S，Hajihosseinlo A.Genetic effect ofIGF1，PIT1andLeptingenes on wool weights in Makooei sheep［J］.ElectronicJournalof Biology，2014，10（2）：46－51.

［16］ Sanchez A L，Urioste J I，Peñagaricano F，et al.Genetic parameters of objectionable fibres，skin spots and halo－hair in Corriedale sheep［A］.10th World Congress on Genetics Applied to Livestock Production Asas［C］.2014.

［17］ Brien F D，Hebart M L，Smith D H，et al.Opportunities for genetic improvement of lamb survival［J］.Animal ProductionScience，2010，50（12）：1017－1025.

［18］ Bijma P，Muir W M，Van Arendonk J A M.Multilevel selection 1：Quantitative genetics of inheritance and response to selection［J］.Genetics，2007，175（1）：277－288.

［19］ Shrestha J N B，Fahmy M H.Breeding goats for meat production：3.Selection and breeding strategies［J］.SmallRuminantResearch，2007，67（2）：113－125.

［20］ 王 杰，徐金瑞，沈富军，等.安哥拉山羊改良建昌黑山羊生产马海毛横交方案的研究［J］.畜牧兽医学报，2005，36（6）：550－554.

［21］ Yao N，Ma Y，Ye S.Research progress of candidate genes affecting economic traits in goat［J］.ActaEcologiaeAnimalisDomastici，2008，4：3.

［22］ Xiao W，Jun Y.Indirect location of hair follicle stem cell niche in Inner Mongolia White cashmere goat（Caprahircus）［J］.JournalofAgriculturalBiotechnology，2014，22（3）：326－332.

［23］ Yuan C，Wang X，Geng R，et al.Discovery of cashmere goat（Caprahircus）microRNAs in skin and hair follicles by Solexa sequencing［J］.BMCGenomics，2013，14（1）：511.

［24］ Potter G B，Beaudoin G M J，DeRenzo C L，et al.The hairless gene mutated in congenital hair loss disorders encodes a novel nuclear receptor corepressor［J］.Genes＆Development，2001，15（20）：2687－2701.

［25］ Finocchiaro R，Portolano B，Damiani G，et al.The hairless（hr）gene is involved in the congenital hypotrichosis of Valle del Belice sheep［J］.GeneticsSelectionEvolution，2003，35：S147－S156.

［26］ Jin M，Li X N，Piao J，et al.Expression of theGPRC5Dgene in Liaoning Cashmere goats［J］.TurkishJournalofVeterinaryandAnimalSciences，2014，38（4）：347－353.

［27］ Tian J，Wang Q，Liu L，et al.Correlation analysis between hair follicle traits parameters and production traits in Southern Xinjiang cashmere goat［J］.XinjiangAgriculturalSciences，2014，1：22.

［28］ Geng R，Wang L，Wang X，et al.Cyclic expression of Lhx2is involved in secondary hair follicle development in cashmere goat［J］.GeneExpressionPatterns，2014，16（1）：31－35.

［29］ Dicks P，Russel A J F，Lincoln G A.The role of prolactin in the reactivation of hair follicles in relation to moulting in cashmere goats［J］.JournalofEndocrinology，1994，143（3）：441－448.

［30］ Ibraheem M，Galbraith H，Scaife J，et al.Growth of secondary hair follicles of the cashmere goatinvitroand their response to prolactin and melatonin［J］.JournalofAnatomy，1994，185（1）：135.

［31］ 王乐乐，赵 濛，韩文静，等.基于质谱的蛋白质组学技术及其在绒毛用羊中的应用［J］.中国畜牧兽医，2015，42（12）：3179－3185.

［32］ 李晓燕，王晓铄，王乐乐，等.转录组测序技术在绒毛用羊中的应用研究进展［J］.中国畜牧兽医，2015，42（7）：1692－1698.

［33］ Lauvergne J J.Mendelian inheritance in sheep 1996（Mis 96）［D］.Camerino，Italy，University of Camerino，1996.

［34］ Rawal L，Pathak D，Sehgal N，et al.Transcriptional dynamics of homeoboxC11gene in water buffaloBubalusbubalis［J］.DNAandCellBiology，2015，34（6）：400－411.

［35］ 张燕军，李金泉，尹 俊，等.内蒙古绒山羊Hox基因家族成员在毛囊中表达的研究［J］.中国畜牧兽医，2010，37（4）：128－130.

［36］ Xi S，Zhu H，Xu H，et al.Lsh controlsHoxgene silencing during development［J］.Proceedingsofthe NationalAcademyofSciences，2007，104（36）：14366－14371.

［37］ Wu J H，Zhang W G，Li J Q，et al.Hoxc13expression pattern in cashmere goat skin during hair follicle development［J］.AgriculturalSciencesinChina，2009，8（4）：491－496.

［38］ Zhang Y，Li J，Yin J，et al.Expressed on hair folli－cle of homeobox gene in Inner Mongolian cashmere goat［J］.ChinaAnimalHusbandry＆Veterinary Medicine，2010，4：37.

［39］ Kam M K M，Cheung M，Zhu J J，et al.Homeobox b5（Hoxb5）regulates the expression of Forkhead boxD3gene（Foxd3）in neural crest［J］.TheInternationalJournalofBiochemistry＆CellBiology，2014，55：144－152.

［40］ Wozney J M，Rosen V.Bone morphogenetic protein and bone morphogenetic protein gene family in bone formation and repair［J］.ClinicalOrthopaedicsand RelatedResearch，1998，346：26－37.

［41］ Su R，Zhang W G，Sharma R，et al.Characterization ofBMP2gene expression in embryonic and adult Inner Mongolia cashmere goat（Caprahircus）hair follicles［J］.CanadianJournalofAnimalScience，2009，89（4）：457－462.

［42］ 张 驰.山羊BMP4基因多态性及其与生产性状关联性的研究［D］.郑州：河南农业大学，2010.

［43］ 倪 蓉，孙 伟，殷金凤，等.湖羊羔皮候选基因在不同花纹间的表达与毛囊发育特性关联的研究［J］.中国农业科学，2015，8：1616－1623.

［44］ Khosa A N，Babar M E，Nadeem A，et al.Identification of molecular markers in bone morphogenetic protien 15（BMP15）gene of Balochi sheep［J］.PakistanJZool，2013，45（5）：1351－1357.

［45］ Powell B C，Rogers G E.Differentiation in Hard Keratin Tissues：Hair and Related Structures［M］.Cambridge：CambridgeUniversityPress，1994.

［46］ 刘桂芬，田可川，张恩平.优质细毛羊羊毛细度的候选基因分析［J］.遗传，2007，29（1）：70－74.

［47］ 张亚妮，张恩平，吴 迪，等.内蒙古绒山羊KAP基因与经济性状关系的研究［J］.畜牧兽医学报，2007，38（5）：447－451.

［48］ 汪 玲.KAP7.1、KAP8.2基因在辽宁新品系绒山羊兴盛期毛囊中的表达及分析［D］.大连：辽宁师范大学，2010.

［49］ 赵志东.KAP9.2基因的群体遗传变异及羊绒生长期和休止期基因的表达研究［D］.杨凌：西北农林科技大学，2012.

［50］ O’Keefe E J，Hamilton E H，Lee S C，et al.Trichohyalin：A structural protein of hair，tongue，nail，and epidermis［J］.JournalofInvestigativeDermatology，1993，101：65S－71S.

［51］ Chandramohan B，Renieri C，La Manna V，et al.The alpacaAgoutigene：Genomic locus，transcriptsand causative mutations of eumelanic and pheomelanic coat color［J］.Gene，2013，521（2）：303－310.

［52］ Parsons Y M，Fleet M R，Cooper D W.Isolation of the ovine Agouti coding sequence［J］.PigmentCell Res，1999，12（6）：394－397.

［53］ Smit M A，Shay T L，Beever J E，et al.Identification of an Agouti－like locus in sheep［J］.AnimalGenetics，2002，33（5）：383－385.

［54］ 唐春娟，李祥龙，周荣艳，等.山羊Agouti基因第1内含子T128缺失在中国主要地方山羊品种中的变异［J］.畜牧兽医学报，2009，40（3）：320－326.

［55］ 马 森.Wnt／β－catenin信号通路相关基因在绒山羊绒毛周期性再生及着色过程中的表达分析［D］.杨凌：西北农林科技大学，2014.

［56］ 赵德超，付绍印，吕晓曼，等.褪黑素对绒山羊皮肤FGF5等绒毛生长相关基因的影响［J］.中国生物工程杂志，2012，6：20－26.

［57］ 毕兆伟.VEGF转基因绒山羊的检测［D］.呼和浩特：内蒙古大学，2014.

［58］ Pan X Y，Yu Y S，Liu X H，et al.Construction of cashmere goat embryos carryingK2.9gene by transgenic somatic cell nuclear transfer technology［J］.Scientia AgriculturaSinica，2012，45（10）：2067－2075.

［59］ Walsh B.Quantitative genetics，version 3.0：Where have we gone since 1987and where are we headed［J］.Genetica，2009，136（2）：213－223.

［60］ Cano E M，Marrube G，Roldán D L，et al.QTL affecting fleece traits in Angora goats［J］.SmallRuminantResearch，2007，71（1）：158－164.

［61］ Cano E M，Debenedetti S，Abad M，et al.Chromosomal segments underlying quantitative trait loci for mohair production in Angora goats［J］.AnimalGeneticResourcesInformation，2009，45：107－112.

［62］ Abadi M R M，Askari N，Baghizadeh A，et al.A directed search around caprine candidate loci providedevidence for microsatellites linkage to growth and cashmere yield in Rayini goats［J］.SmallRuminant Research，2009，81（2）：146－151.

［63］ Allainl D，Miari S，Usai M G，et al.SNP mapping of QTL affecting wool traits in a sheep backcross Sarda－Lacaune resource population［A］.Nantes，FranceSymposium on South American Camelids and other Fibre Animals 64th EAAP Annual Meeting［C］.2013.

［64］ McGeachie M J，Clemmer G L，Lasky－Su J，et al.Joint GWAS analysis：Comparing similar GWAS at different genomic resolutions identifies novel pathway associations with six complex diseases［J］.Genomics Data，2014，2：202－211.

［65］ Mathew B，Bauer A M，Koistinen P，et al.Bayesianadaptive Markov chain Monte Carlo estimation of genetic parameters［J］.Heredity，2012，109（4）：235－245.

［66］ Broman K W，Wu H，Sen S＇，et al.R／qtl：QTL mapping in experimental crosses［J］.Bioinformatics，2003，19（7）：889－890.

［67］ Letort V，Mahe P，Cournède P H，et al.Quantitative genetics and functional－structural plant growth models：Simulation of quantitative trait loci detection for model parameters and application topotential yield optimization［J］.AnnalsofBotany，2008，101（8）：1243－1254.

［68］ Amills M.The application of genomic technologies to investigate the inheritance of economically important traits in goats［J］.AdvancesinBiology，2014，2014：1－13.

［69］ 田月珍.中国美利奴羊（新疆型）羊毛细度相关候选基因的筛选及其关联性分析［D］.乌鲁木齐：新疆农业大学，2012.

［70］ Visser C，Van Marle－Köster E.Strategies for the genetic improvement of South African Angora goats［J］.Small RuminantResearch，2014，121（1）：89－95.

［71］ Guénet J L，Benavides F，Panthier J J，et al.Genetics of the Mouse［M］.SpringerBerlinHeidelberg，2015.

［72］ Kijas J W，Ortiz J S，McCulloch R，et al.Genetic diversity and investigation of polledness in divergent goat populations using 52 088SNPs［J］.AnimalGenetics，2013，44（3）：325－335.

［73］ Kijas J.GWAS and genome resequencing provide insights into polled and intersex goats［A］.Plant and－Animal Genome XXII Conference［C］.2014.

［74］ Hynd P I.Follicular determinants of the length and diameter of wool fibres.1.Comparison of sheep differing in fibre length／diameter ratio at two levels of nutrition［J］.CropandPastureScience，1994，45（6）：1137－1147.

［75］ Fariello M I，Servin B，Tosser－Klopp G，et al.Selection signatures in world wide sheep populations［J］.PLoSOne，2014，9（8）：e103813.

［76］ Elbeltagy A R.Heat stress in desert sheep and goats：Signatures of natural selection and initiation of GWAS［A］.Plant and Animal Genome XXII Conference［C］.2014.

（责任编辑 晋大鹏）

中图分类号：S827.9＋1

文献标识码：A

文章编号：1671－7236（2016）12－3275－10

doi：10.16431／j.cnki.1671－7236.2016.12.029

收稿日期：2016－05－05

基金项目：国家绒毛用羊现代农业产业技术体系（CARS－40－05）；国家公益性行业（农业）科研专项（20130305903、20100319）

作者简介：李学武（1991－），男，河北张家口人，硕士生，研究方向：动物遗传育种与繁殖，E－mail：nmgndlxw＠163.com

通信作者：＊王瑞军（1980－），男，内蒙古土默特左旗人，博士，助理研究员，研究方向：动物数量遗传学，E－mail：nmgwrj＠126.com李金泉（1957－），男，内蒙古土默特左旗人，博士，教授，博士生导师，研究方向：绒山羊遗传育种，E－mail：Lijinquan＿nd＠126.com

The Genetic Research Progress of Fiber and Wool Quality in Cashmere Goat

LI Xue－wu，WANG Rui－jun＊，WANG Zhi－ying，NA Qing，LI Hong－wei，WANG Zhen－yu，SU Rui，ZHANG Yan－jun，LI Jin－quan＊
（InnerMongoliaKeyLaboratoryofAnimalGenetics，BreedingandReproduction，CollegeofAnimalScience，InnerMongoliaAgriculturalUniversity，Hohhot010018，China）

Abstract：Fiber and wool quality not only affects the economic benefits of cashmere goat breeding，but also affects the quality of wool textiles.In recent years，fluff quality has declined with cashmere yield improvement.In order to improve production efficiency，improving fluff quality is imperative in the production process.At the same time，fiber and wool quality is important parameters of selection in breeding of goats.The main traits of controlling the fluff quality are quantitative traits.It can be to find the number of main effect genes by quantitative genetics and molecular genetics and to study its growth mechanism and gene expression.In this review，we summarize the recent achievements of the quality of cashmere，including the use of phenotypic select to improve the quality of the fluff and finding the genetics of controlling the quality of cashmere，for example，HOX，BMP，KAPgenes and pigments，and beginning to find the corresponding control target trait QTL and different sequences of SNPs by GWAS analysis to improve the quality by genotype selection，in order to improve the quality of cashmere and provide reference to study the cashmere quality of genetic factors for later research.

Key words：fiber and wool quality；phenotypic selection；gene families；QTL technology；GWAS analysis