印度鲶鱼（Clarias magur）中与生长相关的基因和SNP的转录组分析

《Aquaculture》：Transcriptome analysis for growth-related genes and SNPs in the Indian catfish Clarias Magur

印度鲶鱼遗传改良研究通过转录组测序和SNP分析鉴定了与生长相关的基因及分子标记。采用高生长（HG）和低生长（LG）家系，完成F0至F2代全转录组测序，发现肌红蛋白基因及其变体仅在HG鱼中表达，并通过RNASeq2验证了38519个SNP，其中13个SNP的表型关联度超过0.25。该研究为分子辅助选择和种子认证提供了新工具。

　　

作者名单：Chandan Haldar、Raju Ram、Annam-Pavan Kumar、Gireesh-Babu Pathakota、Prakash Koringa、C.G. Joshi、Aparna Chaudhari

印度孟买Versova的ICAR-中央渔业教育研究所鱼类遗传学与生物技术部门，邮编400061

摘要

Clarias magur是印度次大陆上一种受欢迎的鲶鱼，被归类为Clarias batrachus的新类型，其分布范围更广，遍布亚洲。目前，ICAR-中央渔业教育研究所（ICAR-CIFE）正在进行一项旨在提高Clarias magur体重的遗传选择项目。该项目从F0和F1代中选取了五个高生长（HG）家族和五个低生长（LG）家族（包括亲本和十个成年后代）。使用Illumina MiSeq平台（RNASeq1）对这十个家族的cDNA文库进行了测序。随后，还对F2代的22条高生长和22条低生长鱼进行了转录组重测序（RNASeq2）。通过对9GB的RNASeq1数据进行分析，生成了52,237个contigs，其中70.14%被注释为与生长相关的基因，包括49个关键基因的完整编码序列。在157个独特表达的基因中，myoglobin mb和mb-X1变体仅存在于高生长鱼类中。在差异表达基因中，高生长鱼类中富集的生物过程/分子功能主要与脂质代谢有关，尽管黏液肽酶cathepsin L1的表达量增加了52倍。从RNASeq1数据中总共挖掘出38,519个SNP，其中19,849个通过RNASeq2得到了验证。有634个SNP仅存在于高生长鱼类中，其中48个位于40个关键生长相关基因中。有13个SNP的等位基因频率差异超过0.25，被认为与生长相关，其中7个位于UTR区域，6个位于编码区域。本文首次研究了生长选择后的Clarias magur中类型1 SNP的验证情况，并报告了具有标记辅助选择和种子认证潜力的DNA标记。

引言

鲶鱼在渔业和水产养殖中具有重要的商业和生态价值。Clarias magur（Hamilton, 1822；科：Clariidae）这种受欢迎的印度鲶鱼自然分布在印度北部和东北部的恒河和布拉马普特拉河流域（Ng和Kottelat, 2008）。由于其口感、营养价值和药用价值，这种鲶鱼备受青睐（Debnath, 2011），是一种有吸引力的水产养殖对象（Sahoo & Ferosekhan, 2021）。然而，野生种群数量的减少导致该物种被列为“濒危”物种（IUCN, 2017）。此外，它的人工繁殖难度较大，繁殖力较低，生长速度也比非法引入该国的非洲鲶鱼Clarias gariepinus慢得多，后者对本地鲶鱼种群构成了威胁。除了保护工作外，还需要通过遗传改良来提高Clarias magur的水产养殖潜力，例如通过促进更快生长（Rameez et al., 2020）、提高繁殖力（Sahoo et al., 2016）、改进人工繁殖技术（Agarwal et al., 2020）以及提高幼鱼存活率（Mir et al., 2020）。

生长受多种因素影响（Imsland et al., 2020; Zhang et al., 2020; Ndandala et al., 2022），了解生长背后的关键机制有助于优化繁殖策略并实施其他分子干预措施。与其他硬骨鱼类一样，参与鲶鱼生长的主要器官/组织是下丘脑、垂体和肝脏。生长激素（GH）/胰岛素样生长因子（IGF）轴包括生长激素释放激素GHRH、GH、IGF I、IGF II、IGF结合蛋白（IGFBPs）、酸不稳定亚单位（ALS）和胃饥饿素（ghrelin），这些成分构成了调节脊椎动物生长的主要内分泌系统（Moriyama et al., 2000; Qing et al., 2024; Yao et al., 2024）。最近的研究加深了人们对GH/IGF轴调节机制的理解。最近在虹鳟鱼中证明了GHRH–生长抑素（SST）–GH–IGF轴的多效作用（Hou et al., 2020; Xiang et al., 2022）。其他研究还强调了能量状态与GH/IGF调节之间的相互作用，例如通过瘦素（Gong et al., 2022）和胃饥饿素（Rodríguez-Viera et al., 2025）。

传统的基于表型的选择方法可以有效改善性状，但耗时较长，需要更多的养殖空间和资金。与数量性状位点（QTL）相关的遗传标记可以促进早期选择（Houston et al., 2009; Tsai et al., 2015），并可用于测量选定种群内的遗传变异（Salem et al., 2012; Houston et al., 2014）。单核苷酸多态性（SNP）由于其丰富性、全基因组分布、高基因分型效率、数据质量和分析简便性，成为遗传评估和标记辅助选择中最常用的标记（Seeb et al., 2011）。SNP可以解释个体间90%的遗传差异。转录序列中的I型SNP特别值得关注，因为它们可能改变蛋白质的氨基酸序列、密码子偏好以及效应子结合位点，从而影响蛋白质功能和稳定性，进而影响表现性状（Robert and Pelletier, 2018）。早期使用候选基因和全基因组关联研究（GWAS）的方法表明，I型标记最能解释表型性状（Salem et al., 2012; Geng et al., 2015; Tsai et al., 2015; Robledo et al., 2017; Zhou et al., 2021）。在条纹鲶鱼Pangasianodon hypophthalmus中，发现IGFBP-3基因中的一个非同义SNP与生长显著相关（Tran et al., 2023）。Jiang et al.（2022）在生长激素受体基因（GHRb）中发现了一个新的3′UTR SNP，该SNP与生长呈正相关。在尼罗罗非鱼中，Jawanjal et al.（2023）报道了肌生成蛋白（MyoG）和肌肉抑制素（MSTN）基因中的SNP与肌肉产量和体型指标的增加有关。最近的全基因组关联研究（GWAS）还在Cyprinus carpio（Luo et al., 2023）、大口黑鲈Micropterus salmoides（Han et al., 2024）和斑点海鲈Lateolabrax maculatus（Zhou et al., 2024）以及葡萄牙牡蛎Magallana angulata（Xie et al., 2024）中发现了与生长性状相关的候选基因。

ICAR-中央渔业教育研究所正在进行一项基于家族选择的遗传改良项目，旨在提高Clarias magur在一岁池塘年龄时的体重。该项目根据这些家族在该性状上的繁殖价值对其进行排名（Rameez et al., 2020）。本研究利用选定的高生长和低生长家族的转录组数据来识别与生长相关的基因和SNP。先前关于Clarias magur转录组的研究（Singh et al., 2012; Mohindra et al., 2016; Banerjee et al., 2019; Agarwal et al., 2020）生成了组织基因目录，或识别了与免疫、繁殖和非生物胁迫相关的基因。本研究旨在开发可用于生长性状遗传选择和遗传选择Clarias magur种子认证的DNA标记。

伦理声明

本研究遵循印度现行的动物福利法律。本研究中对动物的照料和处理符合印度环境与森林部（动物福利司）CPCSEA（动物实验控制和监督委员会）关于科学研究中动物照料和使用的指导方针。该研究得到了ICAR-中央渔业教育研究所研究委员会和相关部门的批准。

RNASeq组装与注释

使用Illumina? Miseq平台对五个高生长家族和五个低生长家族的Clarias magur cDNA文库进行测序，共产生了9GB的数据，产生了7896万个修剪后的读段，Q30值大于95%，Q50值超过88%。平均GC含量在45%到50%之间，映射率为92.84%。通过CLC Genomics WB软件采用de novo方法将这些读段组装成52,237个contigs。RNASeq的详细信息已总结在相应部分。

讨论

标记辅助选择（MAS）可将世代间隔缩短30–50%，允许在无需测量表型的情况下选择幼鱼，并能够同时考虑多个性状（如生长和疾病抗性），而这在仅依赖表型选择时较为困难（Yue and Wang, 2017; Abdelrahman et al., 2017）。在水产养殖中的成功应用包括使用Y染色体连锁标记来培育生长速度快20–30%的全雄罗非鱼群体（GIFT品系；Palaiokostas et al., 2015）；

CRediT作者贡献声明

Chandan Haldar：方法学研究、数据分析。 Raju Ram：方法学研究、数据分析。 Annam-Pavan Kumar：方法学研究、数据管理。 Gireesh-Babu Pathakota：方法学研究、数据分析。 Prakash Koringa：研究、数据管理。 C.G. Joshi：软件开发、数据管理。 Aparna Chaudhari：写作与审稿、初稿撰写、项目监督、方法学研究、资金筹集、数据分析、概念构思。

未引用的参考文献

Caelers et al., 2004 Chen et al., 2016 Ferose Khan et al., 2021 Haldar et al., 2019 Jiang et al., 2019 Kamga et al., 2012 Lemopoulos et al., 2019 Li et al., 2014 Mastrochirico-Filho et al., 2019 Matoskova et al., 1995 Niederreither and Dollé, 2008 Pimentel et al., 2018 Rivière et al., 2012 Singh and Hughes, 1971 Srivastava et al., 2017 Vong et al., 2003 Zhang et al., 2017 Zhou et al., 2018

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

作者感谢Clarias magur遗传选择项目的首席研究员Shrinivas Jahageerdar博士提供研究用鱼样本。同时，作者感谢印度孟买ICAR-中央渔业教育研究所的所长提供所有研究设施，并向第一作者提供了奖学金。