路易斯安那州和切萨皮克湾地区的东部牡蛎（Crassostrea virginica）种群中，通过基因组选择培育出耐低盐性的品种

《Aquaculture》：Genomic selection for low salinity tolerance in the eastern oyster Crassostrea virginica in Louisiana and Chesapeake Bay populations

基因组选择提升美国东部牡蛎低盐度耐受潜力，对比路易斯安那州与切萨皮克湾群体。路易斯安那州样本因野生基因混杂导致模型精度下降，需优化参数与标记密度（≥25,000）；切萨皮克湾模型表现稳定，5000标记即可满足需求。研究证实GS在改善极端低盐耐受（≤2）方面有效，预测精度0.45-0.55，为牡蛎育种提供新工具。

　　

林赛·C·施瓦茨（Lindsey C. Schwartz）| 贝丝·A·斯陶弗（Beth A. Stauffer）| 罗曼·拉沃德（Romain Lavaud）| 梅根·K·拉佩尔（Megan K. La Peyre）| 安·费尔利·潘德利德斯（Ann Fairly Pandelides）| 亚历山德拉·J·麦卡蒂（Alexandra J. McCarty）| 杰西卡·M·斯莫尔（Jessica M. Small）| 路易斯·V·普洛（Louis V. Plough）

美国路易斯安那州拉斐特市路易斯安那大学生物学系，邮编70503

摘要

随着针对水生养殖物种的基因组资源的日益丰富，利用基因组选择（Genomic Selection, GS）来改良目标性状的尝试也在不断增加。东部牡蛎（Crassostrea virginica）是美国中大西洋和墨西哥湾沿岸的主要养殖产品，同时也是关键物种。然而，C. virginica的种群和产量正受到多种环境压力的威胁；在某些沿海地区，偶发的低盐度条件甚至导致了大规模死亡事件。本研究探讨了通过基因组选择提高东部牡蛎对极端低盐度（≤2）耐受性的潜力，并评估了在路易斯安那州和切萨皮克湾两个地区应用的基因组选择模型。我们从实验室盐度挑战实验（盐度2，温度28°C）中收集了死亡和存活牡蛎的组织样本，并使用66K C. virginica SNP阵列对其进行了基因分型。我们针对这两种挑战情况进行了全基因组关联分析（Genome Wide Association Study, GWAS），随后评估了多种参数对基因组选择预测准确性的影响，包括模型类型（GBLUP、贝叶斯模型和加权模型）、数据过滤方法、贝叶斯建模参数以及性状编码方式（高斯编码、序数编码和截断编码）。分析结果显示，切萨皮克湾的样本在1号染色体上存在显著关联区域，而路易斯安那州的样本仅显示出少数几个显著关联位点。在切萨皮克湾的样本中，模型类型对预测准确性没有显著影响；但在路易斯安那州，模型类型对预测准确性有显著影响。此外，在切萨皮克湾的挑战实验中，即使使用较少数量的标记（5000个），预测准确性也能保持稳定；而在路易斯安那州的挑战实验中，当标记数量少于25,000个时，预测准确性开始下降。这可能反映了由于野生个体间的亲缘关系较低所致。总体而言，尽管两个地区的预测准确性均为中等水平（约0.45–0.55），基因组选择仍显示出改善东部牡蛎低盐度耐受性的潜力。这一成果将有助于提高那些依赖该性状提高牡蛎存活率的地区的选择性育种计划和恢复工作。

引言

东部牡蛎（Crassostrea virginica）是美国的主要贝类养殖品种，过去10年的年均产值超过1.82亿美元（NOAA渔业科学技术办公室，2025年数据）。美国两个主要的东部牡蛎养殖区是切萨皮克湾和墨西哥湾沿岸，其中路易斯安那州、弗吉尼亚州、德克萨斯州和马里兰州的C. virginica年捕捞量始终位列前五（NOAA渔业科学技术办公室，2025年数据）。自然种群和养殖种群都面临着海表温度变化（Lowe等人，2017年；Clements等人，2018年）、水质问题（Sarinsky等人，2005年；Levinton等人，2013年；Lavaud等人，2021年）以及疾病问题的日益严重威胁（Motes等人，1998年；Jesse等人，2021年），尤其是河口水域的变异性更高。

土地利用变化（如溢洪道使用和河流改道（Drinkwater和Frank，1994年；Gillanders和Kingsford，2002年；Montagna等人，2018年）以及风暴事件的频率和强度增加，导致河口盐度环境的变异性加大（Donat等人，2016年；Pfahl等人，2017年）。过去几十年里，路易斯安那州的水域盐度有所下降且变异性增加（Teal等人，2012年；La Peyre等人，2016年；Turner等人，2019年），模型预测未来几年切萨皮克湾的盐度将进一步降低（Gibson和Najjar，2000年）。研究表明，盐度≤5的环境会导致C. virginica的死亡率上升，尤其是在高温条件下（La Peyre等人，2013年；Lowe等人，2017年；Southworth等人，2017年；Du等人，2021年；Marshall等人，2021年；McFarland等人，2022年）。

低盐度对牡蛎的影响是多方面的。虽然低盐度（<5）会抑制牡蛎的生长，但它还能降低某些常见牡蛎疾病的感染率，例如由Perkinsus marinus引起的皮肤病（La Peyre等人，2009年；Bushek等人，2012年）。低盐度主要通过降低牡蛎的摄食率（Lavaud等人，2017年；Casas等人，2018年）来影响其生存，同时可能增加代谢成本（Jones等人，2019年），从而导致能量供应不足。研究表明，C. virginica对极端低盐度（≤2）的耐受性具有中等程度的遗传性（h² = 0.4）（McCarty等人，2022年），使其成为选择性育种的理想对象。

基因组选择（Genomic Selection, GS）是一种利用基因组中的标记来估算目标性状遗传价值的选择性育种方法。这些预测结果可用于选择最优亲本，从而在后续世代中改善该性状。GS已广泛应用于鲑科鱼类（D'Agaro等人，2021年）和其他具有商业价值的鳍鱼（Palaiokostas等人，2018年；Vallejo等人，2018年），以提升体重、上市时间、疾病抵抗力等性状。GS在虾类、软体动物和其他无脊椎动物中的应用也越来越受欢迎（Houston等人，2020年综述）。由于已有公开的C. virginica基因组（Gómez-Chiarri等人，2015年）和SNP阵列（Guo等人，2023年），该物种非常适合采用GS方法。GS已在太平洋牡蛎Crassostrea gigas中得到应用，用于改善生长性状（Gutierrez等人，2018年）、市场性状（Jourdan等人，2023年）以及对抗疱疹病毒（Gutierrez等人，2020年）和弧菌病（Yang等人，2024年）的能力。当目标性状的遗传结构复杂或未知时，GS相比传统的标记辅助选择方法更具优势（Hayes等人，2010年；Spindel等人，2015年）。

遗传结构和种群结构对基因组选择模型的效果有显著影响（Spindel等人，2015年），不同种群之间的交叉预测通常较为困难或无法实现（Werner等人，2020年）。美国墨西哥湾沿岸的C. virginica种群与中大西洋地区的种群存在显著差异（Hoover和Gaffney，2005年；Murray和Hare，2006年），因此它们对低盐度耐受性的遗传基础可能也有所不同。了解具有不同育种和环境历史的种群之间的遗传结构差异，对于评估该性状通过基因组选择进行改良的潜力至关重要。

为了评估C. virginica的遗传结构及其通过基因组选择提高低盐度耐受性的潜力，我们在路易斯安那州和切萨皮克湾分别进行了两次实验室低盐度挑战实验。实验中，牡蛎在27–28°C的温度下暴露于低盐度环境中，并监测30–45天内的死亡率。实验结束后，所有牡蛎的组织样本均使用66K C. virginica SNP阵列进行了基因分型（Guo等人，2023年）。我们的主要目标是：i) 测试66K C. virginica SNP阵列在路易斯安那州牡蛎中的基因组选择效果；ii) 探究路易斯安那州牡蛎对极端低盐度的耐受性遗传机制；iii) 分析野生路易斯安那州牡蛎与养殖切萨皮克湾牡蛎在基因组选择模型构建和参数设置上的差异。

实验细节

切萨皮克湾

C. virginica样本来自切萨皮克湾的不同来源，包括弗吉尼亚海洋科学研究所（VIMS）水产遗传与育种技术中心（ABC）的低盐度家族育种计划（n = 38个家族）（Allen等人，2021年），以及从马里兰州Choptank河（CTS）和Patuxent河（PTX）收集的个体的F₁后代。这些牡蛎在ABC进行Strip-spawn繁殖后，在美国弗吉尼亚州约克河的孵化场中饲养，随后被转移至...

盐度挑战实验

切萨皮克湾的盐度挑战实验持续了32天，最终死亡率为52%（图2A）。不同种群之间的死亡率存在差异，其中VIMS品系的死亡率低于来自马里兰州河流的品系（CTS和PTX）。实验前10天内几乎没有死亡现象。路易斯安那州的盐度挑战实验持续时间稍长，为44天，最终死亡率为42%（图2B）。路易斯安那州三个实验地点的死亡率相似。

讨论

我们进行了两次低盐度挑战实验，以评估基因组选择模型在提高东部牡蛎Crassostrea virginica对极端低盐度（≤2）耐受性方面的潜力。我们在切萨皮克湾和路易斯安那州的C. virginica样本中测试了贝叶斯模型、GBLUP模型和加权模型，以及多种数据过滤和模型构建参数。模型类型对切萨皮克湾实验的预测准确性没有影响，但在路易斯安那州实验中产生了显著影响。

结论

实验结果表明，尽管路易斯安那州样本缺乏预期的家族结构，基因组选择模型仍能成功预测极端低盐度条件下的死亡率。模型性能和参数设置具有地域性差异，切萨皮克湾的模型在所有测试模型中均表现出更高的预测准确性。家族结构和亲缘关系的差异...

资金支持

本研究由LO-SPAT项目资助，该项目得到了路易斯安那州野生动物与渔业部门、沿海保护与恢复管理局（通过路易斯安那州牡蛎战略计划的支持）、美国国家海洋和大气管理局（NOAA）的资助（拨款编号NA23NMF4770093-T1–01）以及路易斯安那州立法机构的资金支持。

作者贡献声明

林赛·C·施瓦茨（Lindsey C. Schwartz）：撰写——审稿与编辑、初稿撰写、数据可视化、验证、正式分析、数据管理。贝丝·A·斯陶弗（Beth A. Stauffer）：撰写——审稿与编辑、初稿撰写、监督、方法论制定、资金获取、概念构思。罗曼·拉沃德（Romain Lavaud）：撰写——审稿与编辑、方法论制定、研究实施、概念构思。梅根·K·拉佩尔（Megan K. La Peyre）：撰写——审稿与编辑、监督、资源协调、方法论制定、概念构思。安·费尔利·潘德利德斯（Ann Fairly Pandelides）：撰写——

未引用的参考文献

Aslam等人，2018年

Bangera等人，2017年

Barría等人，2018年

Liu等人，2018年

de los Campos等人，2015年

Pérez和de los Campos，无日期

Vallejo等人，2017年

Vallejo等人，2019年

Wang等人，2019年

Yoshida等人，2018年

Yoshida等人，2019年

利益冲突声明

作者声明：他们没有已知的可能影响本文研究的财务利益或个人关系。

致谢

我们感谢杰罗姆·拉佩尔博士（Dr. Jerome La Peyre）允许我们在LSU农业中心的动物与食品科学实验室使用牡蛎研究设施，并感谢他和桑德拉·卡萨斯博士（Dr. Sandra Casas）在设计和实施路易斯安那州盐度挑战实验中的帮助。同时，我们也感谢许多参与牡蛎采样的学生和工作人员，包括Melanie Bates、Devin Comba、Arianna Rioux、Genesis Mize和Nicholas Coxe。

同行评审声明：本手稿仅用于科学同行评审目的，其内容仅供参考。