Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion 2.0

Transkript

1 Züchtungskunde, 83, (4/5) S , 2011, ISSN Verlag Eugen Ulmer, Stuttgart Original Article Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion 2.0 R. Fries 1 und H. Pausch 1 Zusammenfassung Referenzsequenzen der Genome landwirtschaftlicher Nutztierarten stehen erst seit wenigen Jahren zur Verfügung. Sie haben jedoch zu unerwartet schnellen Veränderungen der Tierzuchtmethodik geführt. Die genomische Vorhersage von Zuchtwerten auf der Basis von anonymen Quantitative Trait Loci (QTL) und dichten Markerkarten anstelle (oder in Ergänzung zu) der Nachkommenprüfung ist beim Milchrind bereits weitgehend Realität. Wir bezeichnen diesen genomischen Ansatz zur züchterischen Verbesserung von Nutztieren als genomische Selektion 1.0. Die Sequenziermethodik entwickelt sich rasant weiter und ermöglicht nun die Sequenzierung der Genome einer größeren Anzahl von Tieren. Dadurch ergeben sich neue Möglichkeiten zur systematischen Identifizierung von DNA-Varianten, die der Variation züchterisch wichtiger Merkmale zu Grunde liegen, so genannten Quantitative Trait Nucleotides (QTN). QTN werden vorab für QTL mit einem maßgeblichen Beitrag zur quantitativ-genetischen Variation (very important QTL, viqtl) feststellbar sein. Die explizite Berücksichtigung von QTN im Bereich von viqtl ist die Grundlage der genomischen Selektion 2.0, die vor allem im Hinblick auf die züchterische Verbesserung von Gesundheitsmerkmalen von Bedeutung sein wird. Schlüsselwörter: Genomische Selektion, Genomsequenzierung, Sequenziertechnologie der nächsten Generation, Quantitative Trait Locus, Quantitative Trait Nucleotide Summary Individual genome sequencing of livestock animals en route to genomic selection 2.0 Since reference genome sequences of livestock species have become available few years ago, animal selection methodology is changing at an unexpected rate. Predicting breeding values on the basis of anonymous quantitative trait loci (QTL) tagged by densely spaced markers instead of (or supplementary to) progeny testing is widely applied in dairy cattle. We dub this approach to genomic animal improvement as genomic selection 1.0. The rapid developments of sequencing technologies now enable sequencing of numerous individuals and open new avenues to the systematic identification of DNA variants that affect quantitative traits, so called quantitative trait nucleotides (QTN). QTN will be explored mainly within QTL with large effects (very important QTL, viqtl). The explicit consideration of QTL within viqtl is the main feature of genomic 1 Lehrstuhl für Tierzucht der Technischen Universität München, Liesel-Beckmann-Straße 1, Freising-Weihenstephan, ruedi.fries@tum.de

2 372 R. Fries und H. Pausch selection 2.0, which will be particularly important to improving health traits by means of selection. Keywords: Genomic selection, genome sequencing, next-generation sequencing technology, quantitative trait locus, quantitative trait nucleotide 1 Einleitung Als in den achtziger Jahren des 20. Jahrhunderts die Sequenzierung von Genomen höherer Organismen zum ersten Mal vorgeschlagen wurde, wurden solche Pläne vielfach als Utopie abgetan. Manche warnten vor der Verschwendung von Forschungsgeldern für ein aussichtsloses Großprojekt. Die Entwicklung des ersten Sequenzierautomaten im Jahre 1986 durch Leroy Hood und Kollegen (Smith et al., 1986) und der breite Einsatz dieser Geräte in den neunziger Jahren des letzten Jahrhunderts ließ die Utopie trotz aller Unkenrufe Realität werden. Die Sequenzierung des Humangenoms wurde mit einem Artikel in einer neuen Zeitschrift mit dem Namen Genomics lanciert (Hood et al., 1987). Mit dieser Zeitschrift wurde auch die neue Disziplin Genomik begründet, die laut Editorial der ersten Ausgabe folgendes ist: The new discipline is borne from a marriage of molecular and cell biology with classical genetics and is fostered by computational science (McKusick and Ruddle, 1987). Zuerst wurden die Genome der Bäcker- und Bierhefe, des Fadenwurms und der Fruchtfliege sequenziert. Schon zur Jahrhundertwende (Juni 2000) wurde die Fertigstellung der Entwurfssequenz der ersten Wirbeltierart, nämlich des Menschen, in einer Zeremonie im Weißen Haus der USA bekannt gegeben. Im Jahr 2001 erfolgte die offizielle Publikation der Genomsequenz (International Human Genome Sequencing Consortium, 2001). Im gleichen Jahr wurde, damals kaum beachtet, die genomische Selektion bei Nutztieren vorgeschlagen (Meuwissen et al., 2001). Für die Umsetzung der genombasierten Selektion in die Tierzuchtpraxis mussten zwei weitere Meilensteine erreicht werden: die Verfügbarkeit der Genomsequenz von Nutztieren und die Möglichkeit, aus der Genomsequenzierung resultierende Sequenzvarianten als Single Nucleotide Polymorphisms (SNP) in großer Anzahl bei vielen Tieren typisieren zu können. Eine Entwurfssequenz des Rindes steht seit 2004 zur Verfügung, wurde aber erst 2008 in einer Publikation beschrieben (The Bovine Genome Sequencing and Analysis Consortium, 2008). Technologien zur Hochdurchsatztypisierung von SNP wurden beim Menschen 2005 zum ersten Mal eingesetzt (Klein et al., 2005). Im Folgenden werden wir ausführen, wie ein weiterer Technologiesprung es nun ermöglicht, die Sequenzen von vielen Individuen zu ermitteln und wie sich auf dieser Basis die genomische Selektion von der gegenwärtigen Version 1.0 in eine Version 2.0 entwickeln könnte. 2 Sequenziertechnologie der nächsten Generation Der Technologiesprung, der nun die Sequenzierung von individuellen Genomen in großer Zahl ermöglicht, basiert auf Sequenzierautomaten der nächsten Generation. Damit ist die zweite Generation von Sequenziergeräten gemeint (Tab. 1). Sequenzierautomaten der ersten Generation, die auf der Sequenzierung nach Sanger beruhen, waren entscheidend bei der Erstellung der Referenzsequenzen, d.h. der prototypischen Sequenzen einer ganzen Reihe von Arten. Wegen des relativ geringen Durchsatzes beliefen sich die Kosten der Sequenzierung des Genoms des Menschen auf mehrere Hundert Millionen Dollar. Die Erstellung der Referenzsequenz des Rindergenoms kostete

3 Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion Tab. 1. Generationen der Sequenziertechnologie Generations of sequencing technologies Generation Jahr der Einführung Gerät (Firma) ABI 370 (Applied Biosystems) GS20 (454 Life Sciences, Roche Diagnostics) GA I (Solexa, Illumina) SOLiD 1 (Agencourt, Beckmann, Life Technologies) 3* HeliScope (Helicos Biosciences) PacBio RS (Pacific Biosciences) * Anm.: Einzelmolekül-Sequenzierung etwa 40 Millionen Dollar. Mit den Geräten der zweiten Generation können nun die Kosten der Sequenzierung eines Genoms um mindestens das Tausendfache reduziert werden. Der hohe Durchsatz wird durch eine massive Parallelisierung der Sequenzierreaktion erreicht (siehe z.b. den Übersichtsartikel von Metzker (2010)). Das Ausmaß der Parallelisierung nimmt ständig zu, so dass sich die Kosten pro sequenzierter Base seit 2006 jeweils innerhalb weniger Monate halbieren. Diese Entwicklung ist dramatischer als jene der Halbleitertechnologie, wo sich die Komplexität integrierter Schaltkreise alle Monate verdoppelt (Mooresches Gesetz). In Tabelle 2 ist der Durchsatz für die wichtigsten Sequenziergeräte der zweiten Generation im Vergleich mit einem Gerät der ersten Generation dargestellt. Die erste individuelle Sequenz eines Menschen, nämlich des Genomikpioniers Craig Venter, wurde noch mit Sequenziertechnologie der ersten Generation erstellt (Levy et al., 2007). Bald darauf wurde die Sequenz des Genoms des Nobelpreisträgers James Watson mit Sequenziertechnologie der zweiten Generation ermittelt (Wheeler et al., 2008). Die erste individuelle Genomsequenz eines Nutztieres, nämlich des Fleckviehbullen Vanstein, wurde 2009 publiziert (Eck et al., 2009). Dabei wurden 2,4 Millionen Abweichungen von der Referenzsequenz des Rindes als so genannte Single Nucleotide Polymorphims (SNP) festgestellt. Im Rahmen des 1000-Genom-Projektes wurde die Sequenz von 179 menschlichen Individuen ermittelt (Durbin et al., 2010) und über 15 Millionen SNP identifiziert. Die SNP und kurze Einschübe und Ausfälle (Insertions-/Deletionsvarianten, kurz Indels ) werden durch Angleichung der Sequenzfrag- Tab. 2. Durchsatz verschiedener aktueller Sequenziergeräte Throughput of current sequencing machines Firma Fabrikat ABI ABI 3730* Roche GSFLX ABI SOLiD 4 Illumina HiSeq 2000 Basen/Lauf 70 Kb 400 Mb 300 Gb 600 Gb Leselänge 750 bp 400 bp 75 bp 100 bp Anm.: * Gerät der 1. Generation; Kb: Kilobasen (Tausend Basenpaare); Mb: Megabasen (Millionen Basenpaare; Gb: Gigabasen (Milliarden Basenpaare); bp: Basenpaare

4 374 R. Fries und H. Pausch mente an die Referenzsequenz festgestellt. Diese Fragmente betragen je nach Fabrikat und Version des Sequenziergerätes zwischen dreißig und mehreren hundert Basenpaaren. Ob eine Abweichung von der Referenzsequenz einen echten Polymorphismus darstellt oder als Artefakt verworfen werden muss, hängt von der so genannten Abdeckung ab. Je mehr Sequenzfragmente vorliegen, desto größer ist die Abdeckung. Ab Mai 2011 werden von den Geräten der Firma Illumina pro Spur mehr als 300 Millionen Sequenzfragmente zu 100 Basen produziert, also 30 Milliarden Basen. Bei einer Länge des haploiden Genoms von drei Milliarden Basen ergibt sich eine Abdeckung von mehr als 10 aus den in einer Spur generierten Sequenzfragmenten, d.h. jede Base wird im Durchschnitt 10 gelesen. Mit einer Abdeckung von 7 und mehr können mehr als 98% der SNP richtig festgestellt werden (Aigner et al., 2011). 3 Genomische Vorhersage Version 1.0 Die genomische Selektion beruht auf der Vorhersage des genomischen Zuchtwertes eines Tieres, d.h. der Schätzung der allelischen Zustände von sehr vielen Quantitative Trait Loci (QTL). QTL wurde übrigens vom deutschen Tierzuchtforscher Hermann Geldermann geprägt (Geldermann, 1975). Da die genauen genomischen Koordinaten der QTL nicht bekannt sind, erfolgt diese Vorhersage indirekt über Marker (SNP), die in der Nähe der QTL liegen. Entscheidend für eine möglichst zuverlässige Schätzung der QTL-Allele ist ein hohes Kopplungsungleichgewicht zwischen QTL- und Markerlocus, so dass ein bestimmtes Marker-Allel das entsprechende QTL-Allel mit hoher Sicherheit vorhersagt. Das Kopplungsungleichgewicht zwischen Markern und QTL wird durch die Abstände der Marker sowie von Populationsparametern bestimmt. Wenn eine Population auf relativ wenig Ahnen zurückgeht, welche die gegenwärtige Population vor wenigen Generationen maßgeblich beeinflussten, ist das Kopplungsungleichgewicht von Markern und QTL hoch. Diese Situation trifft für die meisten züchterisch bearbeiteten Rinderpopulationen zu. Die QTL-Allele können in diesem Fall mit relativ wenig Markern zuverlässig vorhergesagt werden. Beim Rind wird die genomische Selektion inzwischen routinemäßig angewendet. Es werden dazu SNP des Bovine SNP50 Genotyping Bead- Chip der Firma Illumina typisiert, wovon etwa in die Analyse eingehen. Die Beziehung von Marker- und QTL-Allelen (genomische Zuchtwertformel) wird bei Bullen ermittelt, für die möglichst sichere, konventionell geschätzte Zuchtwerte vorliegen. Die Sicherheit der genomischen Zuchtwertschätzung hängt von der Anzahl Tiere mit gut geschätzten Zuchtwerten ab, die für die Ermittlung der genomischen Zuchtwertformel herangezogen werden können. Beim Rind werden etwa Bullen benötigt, um Sicherheiten von genomischen Zuchtwerten zu erzielen, die beträchtlich über denjenigen der Pedigree-Zuchtwerte liegen. Dieses Erfordernis kann bei kleineren Populationen kaum erfüllt werden. Eine Übertragung der genomischen Zuchtwertschätzformel von großen Populationen auf kleine Populationen ist jedoch nur bei einer sehr hohen Markerdichte zielführend, denn nur unter dieser Voraussetzung sind die Marker-Allel-QTL-Allelkombinationen über die Populationen hinweg konstant. Inzwischen stehen für das Rind zwei Produkte zur Genotypisierung zur Verfügung, die (BovineHD Genotyping Bead Chip, Illumina) bzw (Axiom TM Genome-Wide BOS 1 Array Plate, Affymetrix) polymorphe Markerpositionen abdecken. Die Markerdichte ist somit um mehr als das Zehnfache höher als für den zur Zeit am häufigsten verwendeten Chip der Firma Illumina mit nominell Markern (BovineSNP50 Genotyping Bead Chip). Zurzeit wird untersucht, ob und in welchem Ausmaß die höhere Markerdichte eine Übertragung der genomischen Zuchtwertformeln von großen auf kleine Populationen ermöglicht. Die genomische Selektion auf der Basis einer hochdichten Markerabdeckung, die neben der Über-

5 Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion tragbarkeit der Schätzformeln auch zu etwas höheren Sicherheiten der genomischen Zuchtwertschätzung führt, könnte man als genomische Selektion 1.5 bezeichnen. 4 Genomische Vorhersage Version 2.0 Bei den erwähnten Ansätzen zur genomischen Zuchtwertschätzung werden die QTL als anonyme Größen betrachtet, die je nach Markerdichte und Populationstruktur mehr oder weniger gut durch die Marker vertreten werden (= genomische Vorhersage 1.0 bis 1.5 ). Das Ziel ist jedoch, möglichst die kausale DNA-Variation von Merkmalsvariation festzustellen. Kausale DNA-Varianten werden auch als so genannte QTN (quantitative trait nucleotides) bezeichnet (Long et al. (1998); Weller and Ron (2011)). Mit der Identifizierung eines QTN im Bereich eines QTL wird der Schleier seiner Anonymität gelüftet. Es wird offenbart, welches Gen, welches Genprodukt und welchen Stoffwechselweg die kausale Variante betrifft. Des Weiteren kann auch die Frequenz der im Hinblick auf ein Merkmal positiven bzw. negativen Variante in jeder interessierenden Population genau ermittelt werden. Kürzlich wurde in den Rassen Jersey und Holstein-Friesain ein QTN für die Körpergröße identifiziert (Karim et al., 2011). Es handelt sich um eine Variante, die sich auf die Regulation mehrerer benachbarter Gene auswirkt, deren Produkte Wachstumsfaktoren beeinflussen. Wir gehen davon aus, dass ein QTL für den paternalen Kalbeverlauf beim Fleckvieh und damit wahrscheinlich für fötales Wachstum ebenfalls im Bereich dieser Gene lokalisiert ist, und dass das für die Körpergröße verantwortliche QTN auch für den Kalbeverlauf beim Fleckvieh verantwortlich ist (Pausch et al., 2011). Es wird nicht möglich sein, für alle QTL, die ein Merkmal beeinflussen, QTN zu identifizieren. Es stellt sich jedoch heraus, dass für die meisten Merkmale einige wenige QTL einen großen Teil der Variation erklären, während sehr viele Loci je nur sehr wenig zur gesamten genetischen Variation beitragen (Abb. 1 und Abb. 2). Wir bezeichnen die QTL mit einem großen Effekt als very important QTL (viqtl). Für viele viqtl wird die Identifizierung der relevanten QTN möglich sein. Hier kommt nun die individuelle Genomsequenzierung ins Spiel. Obwohl die Kosten für die Re-Sequenzierung eines Individuums sich inzwischen nur noch auf wenige Tausend Euro belaufen, ist die Sequenzierung ganzer Populationen keine realistische Option. Durch die Sequenzierung von einflussreichen Ahnentieren einer Population kann die individuelle Sequenz jedes Tieres dieser Population mit einer großen Zuverlässigkeit durch Imputation (Hochrechnung) via hochdichter Genotypisierung ermittelt werden. Wir haben beim Fleckvieh die Sequenz von über Tieren auf der Basis von 23 bei einer durchschnittlich sechsfachen Abdeckung re-sequenzierter Gründertiere imputiert (Aigner et al., 2011). Total wurden mehr als 15 Millionen variable Positionen identifiziert. Durch die Imputation können die Genotypen an diesen Positionen mit einer Sicherheit von mindestens 90% angegeben werden. Man kann davon ausgehen, dass mit den 15 Millionen variablen Position bereits der Großteil der genomischen Variation der Fleckviehrasse und somit auch die QTN der viqtl erfasst werden. In Abbildung 3 ist das Resultat einer Assoziationsstudie im Bereich eines viqtl für den Proteingehalt der Milch dargestellt. Unter den hoch assoziierten Markern dürfte auch die Position vertreten sein, die den QTN ausmacht. Es wird nicht trivial sein, unter mehreren Markern, die sich zueinander in hohem Kopplungsungleichgewicht befinden, die QTN-Position oder die QTN-Positionen auszumachen, zumal es sich abzeichnet, dass für quantitative Variation verantwortliche DNA-Variation eher im regulatorischen als im kodierenden Bereich der Gene lokalisiert ist. Wenn z.b. Enhancer-Regionen betroffen sind, können sich kausale Varianten mehrere zehntausend Basenpaare entfernt vom betroffenen Gen befinden. Es kann auch sein, dass mehrere Positionen

6 376 R. Fries und H. Pausch Abb. 1. Assoziation von Single Nucleotide Polymorphisms (SNP) mit dem Zuchtwert für Eiweiß-Prozent von 3579 nachkommengeprüften Fleckvieh-Bullen. Zur Berücksichtigung der Populationsstratifikation wurde ein gemischtes Modell verwendet, in dem die genomische Verwandtschaft (Van Raden, 2008) berücksichtigt wurde. Offene Symbole repräsentieren genomweit signifikant assoziierte SNP. Association of 654,639 single nucleotide polymorphisms (SNPs) with the estimated breeding values for protein-percentage in 3,579 progeny-tested Fleckvieh bulls. The genomic relationship (Van Raden, 2008) was considered in a mixed model based approach to account for population stratification. Open symbols represent significantly associated SNP on a genome-wide level. für die Variation eines viqtl verantwortlich sind (Bickel et al., 2011). Assoziationsstudien auf der Basis der imputierten Sequenz werden in den meisten Fällen zu einer starken Eingrenzung der QTN-Region(en) eines viqtl führen (siehe auch Abb. 3). Populationsübergreifende Analysen und die vergleichende Genomik werden bei der Identifizierung von QTN eine wichtige Rolle spielen. Mit der Typisierung einiger weniger Kandidaten-QTN kann der viqtl-genotyp jedes Tieres als Diplotyp (= Haplotypen-Genotyp) mit großer Zuverlässigkeit vorhergesagt werden, ohne dass die kausale Rolle der QTN eindeutig nachgewiesen ist. Die explizite Berücksichtigung von Genotypen an viqtl (zusätzlich zu den genomweit ermittelten Zuchtwerten) ist die Grundlage der genomischen Selektion 2.0. Die Genotypen-Information von viqtl für ein bestimmtes Merkmal und ein bestimmtes Tier kann z.b. als Verhältnis der Anzahl positiver Allele zur Gesamtzahl Allele an den viqtl angegeben werden. Die direkte Bestimmung des QTL-Genotypes ermöglicht auch die Identifizierung nicht-additiver Allel-Effekte, indem nicht Zuchtwerte, sondern phänotypische Werte in die Assoziationsstudien einbezogen werden. Die Berücksichtigung pleiotroper Effekte von viqtl kann für die Auflösung unerwünschter Korrelationen von Bedeutung sein. Um effizienter auf einen hohen Eiweißgehalt der Milch bei gleich bleibendem oder abnehmendem Fettgehalt zu züchten, könnte man Tiere mit möglichst vielen viqtl-allelen mit einem stark positiven Effekt auf den Eiweißgehalt aber einem geringen positiven oder sogar negativen Effekt auf den Fettgehalt selektieren. Beim Rind wird die genomische Selektion 2.0 vor allem bei der Remontierung von Kühen und im Hinblick auf Gesundheitsmerkmale von Bedeutung sein. Dadurch, dass die Marker sehr nahe am QTN positioniert sind oder die QTN direkt bekannt sind, ist die Nutzung von viqtl-information nicht auf die Rasse beschränkt, in der ein viqtl initial festgestellt wurde. Es kann

7 Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion Abb. 2. Der Beitrag der einzelnen Chromosomen zur Zuchtwertvarianz von Fleckvieh Bullen in Abhängigkeit der Chromosomenlänge. Schwarzen Nummern stehen für Chromosomen mit identifizierten QTL für Eiweiß-Prozent. Die graue Linie ist die Regressionsgerade mit ß=2, (r 2 = 0,11). Der Anteil der erklärten Zuchtwert-Varianz wurde simultan für alle Chromosomen mit GCTA (Yang et al., 2011) mit folgendem Modell geschätzt: y 30 = g i + e, i = 1 wobei y der Vektor der Zuchtwerte für Eiweiß-Prozent und g i der Vektor der genetischen Effekte des i-ten Chromosoms ist. g i ist normalverteilt 2 N( 0, G i σ gi ), wobei G i die genomische Verwandtschaftsmatrix basierend auf Single Nucleotide Polymorphisms (SNP) des i-ten Chromosoms ist (Van Raden, 2008). The proportion of EBV variance of 3,579 Fleckvieh bulls attributable to a particular chromosome as a function of the chromosome length. Black numbers indicate chromosomes with identified QTL. The grey line is a regression line with slope (r 2 = 0.11). The proportion of EBV variance explained was estimated with the effects of all chromosomes estimated simultaneously using GCTA (Yang et al., 2011) to fit the model: y 30 = g i + e, i = 1 where y is a vector of EBVs for protein percentage, g i is a vector of genetic effects attributable to the i th chromosome. g i is normally distributed 2 N( 0, G i σ gi ), where G i is the genomic relationship matrix built based on single nucleotide polymorphisms (SNP) on the i th chromosome (Van Raden, 2008). sein, dass in einer Rasse ein QTL nicht als viqtl festgestellt werden kann, da die Frequenz des seltenen Allels sehr niedrig ist. Die in einer Rasse gewonnene viqtl-information kann aber zum Aufspüren von Trägern des seltenen Allels in einer anderen Rasse genutzt werden.

8 378 R. Fries und H. Pausch Abb. 3. Detaillierte Übersicht des Eiweiß-Prozent QTL auf Chromosom 6 aus der in Abb. 1 genomweiten Assoziationsstudie. Im Bereich von 87 87,5 Mb lieferte die Sequenzierung von 23 Gründerbullen der Fleckviehrasse insgesamt Single Nucleotide Polymorphisms (SNP), die mit einer Kombination aus Beagle (Browning and Browning, 2009) und MaCH (Li et al., 2010) für insgesamt Fleckvieh Bullen imputiert wurden (A). Mit der 777K-Typisierung werden in diesem Bereich Genotypen für 121 SNP abgefragt (B). Das Kopplungsungleichgewicht (r 2 ) mit dem am stärksten assoziierten SNP wird durch die verschiedenen Grautöne dargestellt. Die Annotation der SNP und Gene basiert auf dem UMD3.1 Assembly des Rindergenoms (Zimin et al., 2009). Detailed view of the protein-percentage QTL on chromosome 6 from the genome-wide association study in Fig. 1. Whole-genome sequencing of 23 founder bulls resulted in the detection of 3,531 SNP, which were imputed for 3,579 Fleckvieh bulls applying Beagle (Browning and Browning, 2009) and MaCH (Li et al., 2010) (A). 777K-genotyping provided 121 SNP within the respective region (B). Different shades of grey indicate the linkage disequilibrium (r 2 ) with the most significantly associated SNP. SNP and genes were annotated based on the UMD3.1 assembly of the bovine genome (Zimin et al., 2009).

9 Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion Schlussfolgerungen und Ausblick Die Genomik hat sich innerhalb weniger Jahre zu einer Schlüsseldisziplin der Tierzuchtforschung entwickelt. Diese Entwicklung kulminiert zunächst in der genomischen Selektion, die auf der Referenzsequenz und davon abgeleiteten Sequenzvarianten sowie Technologien der Hochdurchsatzgenotypisierung basiert. Das Potenzial der genomischen Selektion in ihrer ersten Version wird zurzeit nur beim Milchrind konsequent genutzt. Bei anderen Arten fehlen zum Teil die genomischen Ressourcen und/oder die erwarteten Vorteile sind z.b. wegen der kurzen Generationsdauer nicht so prägnant wie beim Rind. Die relativ kostengünstige Re-Sequenzierung von Individuen eröffnet nun neue Perspektiven für die Weiterentwicklung der genomischen Vorhersage beim Rind und wird bei anderen Tierarten erst die Voraussetzungen für die genomische Selektion schaffen. Nachdem Genomik und quantitative Genetik über viele Jahre rivalisierende Disziplinen darstellten, haben sich die Grenzen der beiden Disziplinen weitgehend aufgelöst. Die genomischen Befunde bestätigen das im Hinblick auf Zuchtfortschritt bei Tieren und Pflanzen sehr erfolgreiche quantitativ-genetische Modell, nämlich dass die allelische Variation an sehr vielen (anonymen) Loci für die quantitativ-genetische Variation verantwortlich ist. Die genomische Selektion in ihrer ersten Implementierung ist mit diesem Modell ohne Abstriche kompatibel, eine Tatsache, welche die hohe Akzeptanz des genomischen Ansatzes in der Tierzucht erklärt. Die Fortschritte in der Genomtechnologie, die in ihrer Dynamik die Entwicklung der Computertechnologie übertreffen, werden es nun ermöglichen, den Schleier der Anonymität über vielen züchterisch wichtigen Genorten zu lüften. Die resultierenden Erkenntnisse werden vor allem für die genetische Verbesserung der Gesundheit von Nutztieren neue Möglichkeiten eröffnen und damit maßgeblich zu einer nachhaltigen, tiergerechten Produktion von Lebensmitteln tierischer Herkunft beitragen. 6 Danksagung Assoziations- und Re-Sequenzierungsdaten, die den Abb. 1 3 zu Grunde liegen, wurden im Rahmen des FUGATO-plus Projektes GenoTrack sowie des Kompetenznetzes Synbreed erarbeitet. Wir bedanken uns beim Deutschen Bundesministerium für Bildung und Forschung für die finanzielle Unterstützung (Förderkennzeichen: D und B). Literatur Aigner, B., S. Jansen, H. Pausch, M. Wysocki, S. Eck, A. Benet-Pagès, T. Wieland, T. Strom, T. Meitinger and R. Fries, (2011): Assessment of the genomic variation in the Fleckvieh breed by re-sequencing at low to medium coverage. In preparation. Bickel, R.D., A. Kopp and S.V. Nuzhdin, (2011): Composite Effects of Polymorphisms near Multiple Regulatory Elements Create a Major-Effect QTL. PLoS Genet 7, e Browning, B.L. and S.R. Browning, (2009): A unified approach to genotype imputation and haplotype-phase inference for large data sets of trios and unrelated individuals. Am. J. Hum. Genet. 84, Durbin, R.M., G.R. Abecasis, D.L. Altshuler, A. Auton, L.D. Brooks, R.M. Durbin, R.A. Gibbs, M.E. Hurles and G.A. McVean, (2010): A map of human genome variation from population-scale sequencing. Nature 467, Eck, S., A. Benet-Pages, K. Flisikowski, T. Meitinger, R. Fries and T. Strom, (2009): Whole genome sequencing of a single Bos taurus animal for SNP discovery. Genome Biology 10, R82.

10 380 R. Fries und H. Pausch Geldermann, H., (1975): Investigations on inheritance of quantitative characters in animals by gene markers. 1. Methods. Theoretical and Applied Genetics 46, Hood, L.E., M.W. Hunkapiller and L.M. Smith, (1987): Automated DNA sequencing and analysis of the human genome. Genomics 1, International Human Genome Sequencing Consortium, (2001): Initial sequencing and analysis of the human genome. Nature 409, Karim, L., H. Takeda, L. Lin, T. Druet, J.A.C. Arias, D. Baurain, N. Cambisano, S.R. Davis, F. Farnir, B. Grisart, B.L. Harris, M.D. Keehan, M.D. Littlejohn, R.J. Spelman, M. Georges and W. Coppieters, (2011): Variants modulating the expression of a chromosome domain encompassing PLAG1 influence bovine stature. Nat. Genet. 43, Klein, R.J., C. Zeiss, E.Y. Chew, J.-Y. Tsai, R.S. Sackler, C. Haynes, A.K. Henning, J.P. SanGiovanni, S.M. Mane, S.T. Mayne, M.B. Bracken, F.L. Ferris, J. Ott, C. Barnstable and J. Hoh., (2005): Complement Factor H Polymorphism in Age-Related Macular Degeneration. Science 308, Levy, S., G. Sutton, P.C. Ng, L. Feuk, A.L. Halpern, B.P. Walenz, N. Axelrod, J. Huang, E.F. Kirkness, G. Denisov, Y. Lin, J.R. MacDonald, A.W.C. Pang, M. Shago, T.B. Stockwell, A. Tsiamouri, V. Bafna, V. Bansal, S.A. Kravitz, D.A. Busam, K.Y. Beeson, T.C. McIntosh, K.A. Remington, J.F. Abril, J. Gill, J. Borman, Y.-H. Rogers, M.E. Frazier, S.W. Scherer, R.L. Strausberg and J.C. Venter, (2007): The Diploid Genome Sequence of an Individual Human. PLoS Biol. 5, e254. Li, Y., C.J. Willer, J. Ding, P. Scheet and G.R. Abecasis, (2010): MaCH: using sequence and genotype data to estimate haplotypes and unobserved genotypes. Genet. Epidemiol. 34, Long, A.D., R.F. Lyman, C.H. Langley and T.F. Mackay, (1998): Two sites in the Delta gene region contribute to naturally occurring variation in bristle number in Drosophila melanogaster. Genetics 149, McKusick, V.A. and F.H. Ruddle, (1987): A new discipline, a new name, a new journal. Genomics 1, 1 2. Metzker, M.L., (2010): Sequencing technologies the next generation. Nat. Rev. Genet. 11, Meuwissen, T.H., B.J. Hayes and M.E. Goddard, (2001): Prediction of total genetic value using genome-wide dense marker maps. Genetics 157, Pausch, H., K. Flisikowski, S. Jung, R. Emmerling, C. Edel, K.-U. Götz and R. Fries, (2011): Genome-wide association study identifies two major loci affecting calving ease and growth-related traits in cattle. Genetics 187, Smith, L.M., J.Z. Sanders, R.J. Kaiser, P. Hughes, C. Dodd, C.R. Connell, C. Heiner, S.B. Kent and L.E. Hood, (1986): Fluorescence detection in automated DNA sequence analysis. Nature 321, The Bovine Genome Sequencing and Analysis Consortium, (2008): The Genome Sequence of Taurine Cattle: A Window to Ruminant Biology and Evolution. Science 342, Van Raden, P.M., (2008): Efficient Methods to Compute Genomic Predictions. J. Dairy Sci. 91, Weller, J.I. and M. Ron, (2011): Invited review: Quantitative trait nucleotide determination in the era of genomic selection. J. Dairy Sci. 94, Wheeler, D.A., M. Srinivasan, M. Egholm, Y. Shen, L. Chen, A. McGuire, W. He, Y.-J. Chen, V. Makhijani, G.T. Roth, X. Gomes, K. Tartaro, F. Niazi, C.L. Turcotte, G.P. Irzyk, J.R. Lupski, C. Chinault, X.-Z. Song, Y. Liu, Y. Yuan, L. Nazareth, X. Qin, D.M. Muzny, M. Margulies, G.M. Weinstock, R.A. Gibbs and J.M. Rothberg, (2008): The complete genome of an individual by massively parallel DNA sequencing. Nature 452,

11 Individuelle Genomsequenzierung von Nutztieren auf dem Weg zur genomischen Selektion Yang, J., S.H. Lee, M.E. Goddard and P.M. Visscher, (2011): GCTA: a tool for genome-wide complex trait analysis. Am. J. Hum. Genet 88, Zimin, A.V., A.L. Delcher, L. Florea, D.R. Kelley, M.C. Schatz, D. Puiu, F. Hanrahan, G. Pertea, C.P. Van Tassell, T.S. Sonstegard, G. Marçais, M. Roberts, P. Subramanian, J.A. Yorke and S.L. Salzberg, (2009): A whole-genome assembly of the domestic cow, Bos taurus. Genome Biol. 10, R42.