《Journal of Dairy Science》：Multi-omics integration deciphers the metabolic–genetic regulatory network underlying milk composition in dairy goats
编辑推荐：
为解决山羊乳重要经济性状背后的复杂调控网络黑箱问题，研究人员对西北农林科技大学培育的西农萨能奶山羊展开研究。通过极端表型分组和多组学整合分析，系统鉴定了795种乳代谢物，并通过代谢组全基因组关联分析（mGWAS）揭示了与乳脂、非脂固形物（SNF）、乳蛋白及乳糖性状显著关联的关键代谢物（如胞苷、柠檬酸）与候选基因（如JAK2、SRP54、ADCK1）。该研究首次从代谢-遗传多维视角解析了奶山羊乳成分形成的调控网络，为优质羊乳的分子精准育种提供了新靶点。
羊奶以其独特的营养价值和更高的消化吸收率，被视为婴幼儿配方奶粉及功能性乳制品的重要原料。乳中的脂肪、蛋白质、乳糖以及非脂固形物等组分的含量和构成，是决定其营养品质、加工特性和经济价值的关键。然而，这些成分的合成受到复杂的代谢网络与遗传因素协同作用的精细调控，其背后的“指挥系统”长期以来犹如一个黑箱。传统研究往往通过单一组学方法，如寻找与性状关联的基因组位点或关键基因，虽有所发现，却难以系统揭示从基因变异到最终代谢产物生成的全链条调控逻辑。例如，前人虽已发现一些影响山羊乳脂率和乳蛋白率的数量性状位点（QTL），以及像ELF5这样能通过激活MAPK和FoxO通路促进乳脂合成的转录因子，但这些信息是割裂的。如何将“基因蓝图”与“代谢工厂”的输出直接联系起来，是理解并最终改良乳品质的核心挑战。近年来，整合多种组学数据（如基因组、转录组、代谢组）的策略，为系统性揭示复杂性状的调控网络带来了曙光。特别是在代谢组学领域，代谢物作为基因表达的终产物和表型调控的中心枢纽，为理解生物过程提供了直接窗口。将代谢组数据与全基因组关联分析结合的代谢组全基因组关联分析，已成为解析复杂性状遗传基础的强有力工具，在动植物重要经济性状研究中展现出巨大潜力。然而，针对奶山羊乳成分，特别是系统性地整合代谢组与基因组数据来构建“代谢-遗传”调控网络的研究仍非常缺乏，这限制了对基因型与代谢表型之间功能联系的理解，也制约了旨在提升乳品质的精准分子育种策略的发展。
针对这一研究空白，西北农林科技大学动物科技学院的研究团队，选取了我国奶山羊产业中的重要品种资源——以高产和优质乳成分著称的西农萨能奶山羊作为研究对象。他们旨在通过极端表型筛选、广泛靶向代谢组学和基因组关联分析等多组学整合策略，系统阐释乳成分形成的代谢与遗传调控机制。相关研究成果发表在《Journal of Dairy Science》期刊上。
为了开展这项研究，作者团队主要采用了以下几项关键技术方法：首先，他们构建了一个由130头健康西农萨能奶山羊组成的样本队列，在泌乳高峰期对称采集乳样和血样。其次，利用广泛靶向代谢组学技术，通过超高效液相色谱-串联质谱（UPLC-MS/MS）系统对乳样进行分析，鉴定和定量了乳中的代谢物。再者，通过对乳成分（乳脂率、乳蛋白率、乳糖率、非脂固形物率）进行测定，并根据各指标值筛选出高、低极端表型组进行对比分析。最后，对全血样本进行全基因组测序，获得高质量单核苷酸多态性（SNP）数据，进而将标准化后的代谢物表型数据与SNP数据进行代谢组全基因组关联分析，以寻找与特定代谢物丰度显著关联的遗传位点及邻近的候选基因。
研究结果
群体遗传结构
对130头西农萨能奶山羊的基因型分析显示，该群体具有同质的遗传背景，主成分分析未发现明显的亚群分层，连锁不平衡衰减较快，个体间亲缘关系较低，为后续的关联分析提供了理想的遗传基础。
乳成分表型分析与代谢物谱
研究共从乳样中鉴定出795种代谢物，并分为17个大类，其中氨基酸及其衍生物数量最多。根据乳成分测定值，成功建立了乳脂、非脂固形物、乳蛋白和乳糖四个性状的高、低极端表型比较组。
多组学整合揭示乳脂生物合成的调控特征
比较乳脂高、低组，共鉴定出57种显著差异代谢物。其中，胞苷和甘油磷脂在乳脂高组中上调最为显著。代谢通路富集分析显示，甘油磷脂代谢、产热、蛋白质消化吸收以及ABC转运蛋白通路被显著富集。mGWAS分析进一步发现了17个与乳脂显著关联的代谢物，并注释到330个候选基因，如JAK2、LIPC、LRP1B。对这些候选基因的功能富集分析揭示了其在分泌调节、质膜外成分等方面的潜在功能，KEGG通路富集到了Th17细胞分化、催产素信号通路等。
多组学整合揭示乳非脂固形物生物合成的调控特征
在非脂固形物高、低组间，共筛选出94种显著差异代谢物，其中柠檬酸和α-酮戊二酸在非脂固形物高组中上调。通路分析显示，蛋白质消化吸收、维生素消化吸收、辅因子生物合成以及ABC转运蛋白等通路被富集。mGWAS鉴定出33个与非脂固形物性状显著关联的代谢物，映射到177个候选基因，包括DGAT2、TGFB1、NPAS3。这些基因在GO分析中富集于肌肉调节相关的刺激反应等条目，KEGG分析则富集到蛋白质输出、胰腺癌等通路。
多组学整合揭示乳蛋白生物合成的调控特征
针对乳蛋白性状，共发现50种显著差异代谢物。2-羟基乙磺酸和5‘-脱氧-5’-氟腺苷等在乳蛋白高组中上调。通路分析再次强调了蛋白质消化吸收、ABC转运蛋白等的重要性。mGWAS发现了9个与乳蛋白显著关联的代谢物，对应18个候选基因，如SRP54、CABYR、PRRX1。功能分析表明这些基因与信号识别颗粒、内质网靶向等过程相关，并富集于辅因子生物合成和蛋白质输出通路。
多组学整合揭示乳糖生物合成的调控特征
在乳糖高、低组间，共鉴定出58种显著差异代谢物，其中甘氨鹅脱氧胆酸等52种代谢物在乳糖高组中上调。通路分析显示甘油磷脂代谢和ABC转运蛋白通路被富集。mGWAS分析找到了6个与乳糖性状显著关联的代谢物，映射到47个候选基因，包括HMGCS1、RXRA、ADCK1。GO分析显著富集于钙离子跨膜运输等生物学过程，KEGG分析则关联到了丁酸代谢、缬氨酸、亮氨酸和异亮氨酸降解等通路。
跨成分整合分析
综合分析发现，不同乳成分间存在共享的代谢物和基因调控网络。例如，L-犬尿氨酸同时与乳脂和非脂固形物关联，并映射到大量基因；2-(乙酰氨基)-2-脱氧-α-D-吡喃葡萄糖（N-乙酰葡糖胺）作为乳蛋白和乳糖的共同代谢物，与ADCK1基因关联；乳蛋白与非脂固形物共享多个代谢物（如2-羟基乙磺酸、D-别异亮氨酸）和相关基因。这些共享的调控节点揭示了不同乳成分合成之间存在协同机制。
研究结论与意义
本研究通过整合代谢组学与基因组学，系统解析了西农萨能奶山羊乳成分形成的代谢物-基因共调控网络。研究不仅鉴定了调控乳脂、非脂固形物、乳蛋白和乳糖合成的特异性代谢生物标志物（如胞苷、甘油磷脂、柠檬酸、2-羟基乙磺酸等）和关键候选基因（如JAK2、LIPC、SRP54、ADCK1、RXRA等），还揭示了不同成分间共享的调控因子与通路（如ABC转运蛋白、蛋白质消化吸收），从而构建了一个多维度的遗传-代谢调控框架。
该研究的重要意义在于：第一，从“代谢终点”回溯“遗传起点”，将具体的乳成分表型与潜在的遗传变异通过代谢物桥梁直接连接，极大地深化了对乳成分合成分子机制的理解。第二，所发现的候选基因和通路，如参与脂代谢的JAK2、LIPC，参与蛋白质翻译转运的SRP54，以及跨成分调控的ADCK1等，为通过分子标记辅助选择或基因编辑等精准育种技术改良山羊乳品质提供了全新的、具有明确功能指向的分子靶点。第三，研究揭示的共享调控机制表明，通过干预关键节点（如共享代谢物或基因），有望实现多个乳成分的同步改良，为育种实践提供了重要启示。尽管样本量等存在一定局限，但这项研究无疑为山羊乃至其他反刍动物乳成分合成的系统生物学研究树立了范例，并为提升乳制品营养价值和产业竞争力奠定了坚实的理论基础。
