编辑推荐：
为解决商业SNP芯片（多为Bos taurus taurus设计）在Bos taurus indicus牛种（如Nelore）中应用效果受限的问题，本研究利用巴西Zebu牛育种者协会（ABCZ）超30.5万头Nelore牛的基因型数据，系统评估了FImpute、Beagle、Minimac和Findhap四种主流填充工具，在从13种低/中密度（LD/MD）商业芯片向定制120k及777k HD芯片两步填充中的准确性与计算效率。研究发现所有软件均能达到高精度（Corr: 0.82–0.98），其中FImpute综合表现最佳，其高精度、高效率及对稀有等位基因（MAF ≤ 0.03）相对稳健的填充能力，证实了利用现有商业芯片在Nelore牛中实现准确基因型填充的可行性，为热带地区肉牛基因组选择提供了关键技术支持。
在巴西广阔的牧场上，Nelore牛（一种Bos taurus indicus亚种，即瘤牛）是肉牛生产的绝对主力，对保障粮食安全和畜牧业的可持续发展至关重要。基因组选择技术的出现，为更早、更准确地筛选出优质种牛带来了革命性的希望。然而，一个现实的“瓶颈”摆在育种学家面前：市面上绝大多数商业化的基因分型芯片（SNP芯片）都是基于另一亚种——普通牛（Bos taurus taurus，即家牛）——的基因组特征设计的。由于两个亚种在连锁不平衡（Linkage Disequilibrium, LD）模式和次要等位基因频率（Minor Allele Frequency, MAF）上存在显著差异，这些“为家牛量身定制”的芯片在应用于瘤牛时，其信息量和有效性可能会大打折扣。许多标记位点在瘤牛群体中可能是固定不变的，在质控中会被过滤掉，导致可用于基因组预测和关联分析的标记减少，统计效力下降。
有没有一种经济高效的解决方案，能让育种者既使用成本较低的低、中密度芯片，又能获得近似高密度芯片的基因组信息呢？基因型填充（Genotype imputation）技术正是为此而生。它通过利用一个高密度参考群体的基因型数据，来预测和填充那些仅用低、中密度芯片分型的个体中缺失的基因型。虽然这项技术在普通牛中已被广泛研究，但在像Nelore这样具有重要经济价值的瘤牛品种中，其实际表现如何，尤其是使用当前市面上琳琅满目的各种商业芯片时，不同填充软件的性能优劣，仍然缺乏系统性的评估。这正是本研究要回答的核心问题。
为了填补这一知识空白，一个国际研究团队开展了一项大规模的分析。他们获得了巴西Zebu牛育种者协会（ABCZ）提供的超过30.5万头Nelore牛的基因型数据，这些数据来自14种不同密度的商业SNP芯片，涵盖了从低密度（如14k、30k）到中密度（如50k、70k），再到高密度（777k）的完整谱系。研究团队设定了明确的目标：系统评估四种广泛应用且算法各异的基因型填充软件——FImpute、Beagle、Minimac和Findhap——在Nelore牛群体中的表现。考虑到从极低密度直接填充到高密度可能面临的挑战，他们采用了更贴近实际育种项目操作的两步填充策略：第一步，将所有低、中密度芯片的基因型填充到一个自定义的、包含约12万个位点的中间密度面板（120k）；第二步，再将这个120k面板填充到最终的777k高密度（HD）面板。研究的评估维度非常全面，既包括填充的准确性（采用皮尔逊相关系数Corr和正确填充基因型百分比PERC衡量），也涵盖了计算性能（运行时间和内存占用）。
关键技术方法简述
本研究利用了巴西Zebu牛育种者协会（ABCZ）官方数据库，包含了约1400万头Nelore牛的系谱信息，其中309,640头动物使用14种商业SNP芯片进行了基因分型。经过严格质控（如call rate < 0.90， MAF < 0.01， 偏离哈代-温伯格平衡HWE < 0.15），最终305,184头动物的基因型数据用于分析。研究评估了FImpute v3、Beagle v5.4、Minimac4和Findhap四款软件。填充过程分为两步：首先将所有LD/MD芯片数据填充至一个定制的120k SNP面板，然后将此120k面板填充至777k HD面板。准确性评估通过从HD群体中随机划分验证集，将其基因型掩膜以模拟各LD/MD芯片，再比较填充值与真实值来计算Corr和PERC。计算效率通过记录在58个处理器上并行运行时的CPU时间和内存占用来评估。
研究结果
不同SNP芯片和软件的填充准确性及正确填充基因型百分比
总体而言，所有软件在各种场景下都取得了较高的填充准确性。Corr值范围在0.82（14k芯片，Findhap）到0.98（70k1芯片，FImpute）之间，PERC范围在89.35%到99.26%之间。对比FImpute使用和不使用系谱信息的情况，结果显示使用系谱信息并未带来准确性的显著提升。由于Corr和PERC的结果趋势高度一致，后续分析主要聚焦于Corr。从低密度（LD）或中密度（MD）芯片填充到120k面板时，MD面板的平均Corr略高于LD面板。填充准确性随着待填充的SNP数量减少而提高。有趣的是，尽管从120k到HD面板需要填充的SNP数量最多（496,610个），但这一步骤的准确性却是所有场景中最高的。FImpute、Beagle和Minimac的Corr值非常接近（0.981-0.984），而Findhap的准确性最低（0.948）。
对不同软件和芯片的个体填充准确性分布进行分析发现，对于LD芯片，平均Corr从0.950（Findhap）到0.979（FImpute）不等。其中，14k芯片在所有芯片中平均Corr最低。Findhap软件填充准确性低于0.8的个体数量最多（112头），而FImpute软件最少（10头）。
次要等位基因频率对填充的影响
稀有等位基因（MAF ≤ 0.03）的填充一直是基因型推断中最具挑战性的环节之一。在本研究使用的HD面板中，有16.5%的SNP属于稀有变异。结果显示，所有芯片都呈现出一致趋势：随着MAF的增加，填充准确性（Corr）也随之提高，表明填充稀有等位基因比填充常见等位基因更为困难。在从LD/MD面板填充到120k面板的场景中，FImpute在填充稀有等位基因方面表现出比其他软件更高的效率。当从信息量更丰富的120k面板填充到HD面板时，所有软件对稀有等位基因的填充准确性都有所提升，这表明120k面板已包含足够的信息来支持低频SNP的填充。在所有测试的芯片中，14k芯片对稀有和常见等位基因的填充准确性都是最低的。除Findhap外（其对14k芯片稀有等位基因的平均Corr为0.701），所有软件在14k芯片上对MAF ≤ 0.03位点的填充准确性均高于0.80。0.03) variants, using different software and SNP panels">
计算性能
在计算效率方面，FImpute展现了压倒性的优势。在从120k到HD面板的填充任务中（使用58个处理器并行），FImpute（不带系谱信息）仅需1分45秒即可完成，内存占用约8.87 GB；FImpute（带系谱信息）需2分4秒，内存占用约12.57 GB。相比之下，Beagle、Minimac和Findhap分别需要11分51秒、16分17秒和23分4秒，内存占用则分别高达76.30 GB、65.81 GB和110.13 GB。因此，FImpute在速度和内存使用效率上均显著优于其他被测试的软件。
研究结论与讨论
本研究通过大规模数据分析，系统地回答了关于Nelore牛基因型填充的关键问题，并得出了明确且具有实践指导意义的结论。
首先，研究证实了在Nelore牛中使用现有商业SNP芯片进行准确基因型填充是高度可行的。除了密度最低的14k芯片外，从其他所有低密度或中密度芯片填充到120k面板均能获得很高的准确性。这与之前在普通牛中的研究结论一致，即填充准确性随起始芯片密度的增加而提高。基于本研究结果，作者明确不建议在Nelore牛中使用14k芯片，这与前人研究推荐避免使用低于15k密度芯片的建议相符。
其次，在软件选择上，本研究给出了清晰的排序。FImpute软件在综合性能上表现最佳，不仅拥有最高的平均填充准确性（最高Corr达0.983）和最少的低准确性个体，而且在填充稀有等位基因时表现出最稳定的性能。尽管基于群体方法的软件（如Beagle和Minimac）也能达到相近的准确性，但它们的计算成本（时间和内存）远高于FImpute。Findhap软件则在准确性、速度和内存使用上均逊于其他三者。尤其值得注意的是，FImpute在利用系谱信息方面带来的额外准确性增益在本研究中非常有限。研究者认为，这很可能归因于本研究使用的系谱质量较高（在基因型个体中，未知父本比例仅为4%），以及多年来积累的庞大基因型数据量，使得基于群体的算法已经能充分发挥作用。因此，对于这个巴西Nelore牛群体，无论是否使用系谱信息，FImpute都是最推荐的填充工具。
再者，研究深入探讨了稀有等位基因填充这一难点。稀有变异通常包含功能性或有害突变，对经济性状有重要影响，准确填充它们对于关联研究和基因组评估至关重要。本研究发现，FImpute在填充稀有等位基因方面优于其他软件，这可能得益于其算法在识别长单倍型匹配方面的优势，而稀有等位基因常位于这些共享单倍型中。尽管Findhap也结合了系谱和群体算法，但其在填充稀有等位基因上表现最差，可能源于其在寻找长单倍型片段方面的效率较低。
最后，在计算资源日益受到关注的今天，本研究的效率评估极具现实价值。FImpute在速度和内存占用上的卓越表现，使其在处理像本研究这样超大规模（数十万个体）数据时具有显著优势，能够大大缩短育种决策的等待时间并降低硬件门槛。
综上所述，这项发表在《Tropical Animal Health and Production》上的研究，为热带地区主导肉牛品种Nelore的基因组选择实践提供了关键的技术路线图。它明确指出了应避免使用的芯片下限，推荐了最优的填充工具，并验证了两步填充策略的有效性。这些发现不仅增强了育种者利用成本效益更高的低、中密度芯片进行高效基因组选择的信心，也为进一步利用填充后的高密度数据开展更精细的遗传解析（如鉴定稀有致死单倍型）奠定了坚实基础，最终将推动巴西乃至全球热带肉牛育种事业的精准化和高效化发展。
