《Poultry Science》：Identification of central regulators related to residual feed intake in Huainan chickens based on weighted gene co-expression network analysis
编辑推荐：
为解决家禽饲养成本高、饲料效率需提升的产业难题，研究人员通过对高、低剩余采食量（RFI）的淮南鸡开展表型与小肠转录组研究，结合差异基因分析与加权基因共表达网络分析（WGCNA），鉴定出与RFI显著相关的多个核心调控基因（如ACE2、PCK1、FABP2等），涉及线粒体功能及糖脂代谢通路。该研究为深入理解RFI的遗传调控网络、指导家禽分子育种以改善饲料效率提供了重要依据。
在畜牧业，尤其是家禽生产中，饲料成本占据总成本的六到七成，因此，提高饲料效率、降低生产成本是实现产业可持续发展的关键。剩余采食量（Residual Feed Intake， RFI）作为一种衡量饲料效率的重要指标，其定义为个体实际采食量与基于其维持和生长所需预测采食量之间的差值。由于RFI与生长速率、体重等生产性状表型上相对独立，且具有中等遗传力，使其成为选育高饲料效率家禽的理想指标。然而，RFI对肉鸡屠宰性能与肉品质的影响，以及其背后复杂的分子遗传调控网络，仍不完全清楚。为解决这些问题，深入研究RFI的调控机制，对推动家禽高效育种具有重要的理论和实践意义。
近期，一项发表在《Poultry Science》上的研究，以中国地方鸡种——淮南鸡为研究对象，为我们揭开了RFI相关分子调控网络的一角。这项题为“Identification of central regulators related to residual feed intake in Huainan chickens based on weighted gene co-expression network analysis”的研究，通过系统的表型测定、转录组测序和生物信息学分析，旨在比较不同RFI表型鸡只的生产性能差异，并挖掘调控RFI的关键基因，为分子育种提供新的靶点。
为了开展这项研究，研究人员主要应用了以下几个关键技术方法：
- 1.
表型测定与分组：研究对315只49至91日龄的雄性淮南鸡进行了个体饲养，精确记录其采食量和增重，并计算RFI值。根据RFI值，将最高的30只鸡定义为高剩余采食量（HRFI）组，最低的30只定义为低剩余采食量（LRFI）组，构成了研究的基础样本队列。
- 2.
高通量转录组测序（RNA-seq）：从两组中随机各选取9个个体，采集其小肠组织进行RNA提取，构建cDNA文库，并利用Illumina NovaSeq 6000平台进行150 bp双端测序，获取基因表达谱数据。
- 3.
生物信息学分析：
- •
差异表达基因（DEG）分析：使用DESeq2软件包对HRFI组和LRFI组的转录组数据进行差异分析，筛选显著上下调的基因。
- •
加权基因共表达网络分析（WGCNA）：利用R语言的WGCNA包，基于所有样本的表达数据构建基因共表达网络，识别与RFI表型高度相关的基因模块。
- •
功能富集与蛋白互作网络分析：对筛选出的关键基因进行基因本体（GO）富集分析，并使用STRING数据库和Cytoscape软件构建蛋白-蛋白相互作用（PPI）网络，以探索其参与的生物学过程和核心调控节点。
- 4.
定量实时聚合酶链式反应（qPCR）验证：挑选部分关键基因，利用qPCR技术在独立的样本中验证RNA-seq结果的可靠性。
研究人员通过严谨的实验设计与分析，得出了一系列重要的结果：
比较不同RFI组的生长性能
结果证实，与HRFI组相比，LRFI组的平均日采食量（ADFI）和RFI值均显著降低，料重比（FCR）也显著更低。同时，两组的初始体重（BW49）、末体重（BW91）和代谢中间体重（MMW）均无显著差异，这验证了RFI作为独立于体重的饲料效率指标的可靠性。
比较不同RFI组的屠宰性能
在屠宰性能方面，研究发现LRFI组的腹部脂肪率显著低于HRFI组，而胴体率、半净膛率、胸肌率和腿肌率等指标在两组间虽无统计学差异，但LRFI组均呈现数值上更高的趋势。这一表型差异可能与HRFI组中磷酸烯醇式丙酮酸羧激酶1（PCK1）基因的高表达有关，该基因可能通过增强糖代谢促进腹部脂肪沉积。
比较不同RFI组的肉品质
在肉品质指标上，包括pH值、肉色（L*、a*、b*值）、蒸煮损失和剪切力在内，HRFI与LRFI组之间均未发现显著差异，表明RFI对淮南鸡的肉品质基本无影响。
差异基因表达与功能分析
通过对小肠转录组数据的分析，共鉴定出279个差异表达基因（DEGs），其中HRFI组相对于LRFI组有170个基因下调，109个基因上调。功能富集分析显示，这些差异基因显著富集于“肠道吸收”、“消化系统过程”和“代谢途径”等生物学过程。例如，分化簇36（CD36）和ATP结合盒转运蛋白G8（ABCG8）与营养吸收相关；谷氨酰胺合成酶（GLUL）和PCK1则与脂质沉积和糖代谢密切相关。
关键基因鉴定与PPI网络分析
利用WGCNA，研究人员从23097个基因中构建了共表达网络，并识别出27个基因模块。其中，洋红色模块（magenta module）与RFI呈显著正相关（R=0.66），而粉色模块（pink module）与RFI呈显著负相关（R=-0.6）。通过设定模块成员度（MM）> 0.8和基因显著性（GS）> 0.4的标准，并结合差异表达分析，最终筛选出86个与RFI相关的关键基因。对这些基因进行蛋白互作网络和功能富集分析，发现了多个可能的核心调控因子：
- •
线粒体功能相关基因：如血管紧张素转换酶2（ACE2）和氨基羧粘康酸半醛脱羧酶（ACMSD）。ACE2可通过Akt/FoxO1和PKA通路激活线粒体功能，影响能量消耗；ACMSD则调控烟酰胺腺嘌呤二核苷酸（NAD+）合成，影响线粒体功能。它们在HRFI组中上调，可能意味着更高的能量消耗，从而降低了用于生长的能量分配，导致饲料效率下降。
- •
糖代谢相关基因：如脂肪酸结合蛋白2（FABP2）、胎球蛋白B（FETUB）和PCK1。FABP2影响脂肪酸摄取和葡萄糖代谢；FETUB会抑制胰岛素刺激的葡萄糖摄取；PCK1是糖异生的限速酶，其蛋白激酶活性对脂肪生成至关重要。这些基因在HRFI组中的上调影响了机体的葡萄糖代谢，进而影响饲料效率和脂肪沉积。
- •
脂代谢相关基因：如载脂蛋白AI（APOA1），它是脂蛋白代谢和脂质稳态的调节因子。
定量实时PCR验证
研究还通过qPCR对9个筛选出的关键基因进行了表达验证。结果显示，qPCR与RNA-seq测得的基因表达变化趋势高度一致，两者相对表达量（log2倍变化）的皮尔逊相关系数高达0.9744，证实了转录组数据的准确性和可靠性。
综上所述，本项研究通过系统的表型比较和深入的分子机制探索，得出以下核心结论：在淮南鸡中，低剩余采食量（LRFI）个体具有更低的腹部脂肪沉积，但在其他肉品质和屠宰性能指标上无明显劣势。更重要的是，研究成功鉴定了多个与RFI显著相关的核心调控基因，这些基因主要涉及线粒体功能（如ACE2、ACMSD）、葡萄糖代谢（如FABP2、FETUB、PCK1）和脂质代谢（如APOA1）等关键生物学过程。这些发现不仅加深了我们对RFI这一复杂数量性状遗传调控网络的理解，揭示了饲料效率与特定代谢通路之间的内在联系，而且为通过分子标记辅助选择（MAS）等手段培育饲料效率高、脂肪沉积少的优质肉鸡新品种提供了宝贵的候选基因和理论依据。这项研究将分子生物学技术与传统育种需求紧密结合，对降低家禽养殖成本、提高产业经济效益和推动可持续畜牧业发展具有重要的科学意义和应用前景。
