大黄鱼抗盾纤毛虫病的基因组选择研究：遗传改良与抗病育种新策略

　　针对大黄鱼(Larimichthys crocea)养殖中盾纤毛虫病爆发且缺乏有效防治手段的产业难题，福建科研团队通过极端表型分组（400易感/400抗病个体）开展基因组选择(GS)研究。采用5种模型(GBLUP/Bayes系列)分析发现，GBLUP模型在50K SNP标记密度和800样本量时预测精度达0.62，揭示该病遗传力为0.53±0.06，为抗病育种提供量化依据。发表于《Aquaculture》的成果为海洋经济鱼类抗病育种建立标准化GS技术体系。

　　

大黄鱼作为我国海水养殖的支柱品种，近年来却饱受盾纤毛虫病的困扰。这种由纤毛虫纲Philasteridae科的寄生虫引发的疾病，能在低氧、低盐环境下存活，通过释放蛋白酶破坏宿主免疫系统，造成30%-95%的苗种死亡率。更棘手的是，现有药物对其几乎无效，每年给养殖业带来数亿元损失。面对这一产业痛点，福建的研究团队另辟蹊径，尝试从遗传育种角度突破——既然无法消灭病原体，能否培育出具有先天抗病力的大黄鱼新品种？

这项发表在《Aquaculture》的研究开创性地将基因组选择(GS)技术应用于大黄鱼抗病性状改良。研究团队从宁德育种中心获取3500尾同批苗种，通过引入700尾病鱼模拟自然感染。在33天攻毒实验中，科研人员精准捕捉到两个极端表型群体：最先死亡的400尾作为易感组，最终存活的400尾作为抗病组。这种极端表型分组策略(selective genotyping)虽可能高估遗传力，但能最大化区分抗病相关基因位点。

技术路线上，团队采用平均8×深度的全基因组测序，从800个样本中鉴定出13,301,890个SNP位点。通过5折交叉验证比较GBLUP(基因组最佳线性无偏预测)与四种贝叶斯模型(Bayes A/B/C/LASSO)的预测效能，同时系统评估样本量与标记密度对GS准确性的影响。

【关键发现】
Scuticociliate challenge and sample collection
攻毒实验显示第9天为死亡高峰，26天累计死亡率达78.2%。通过设置7天观察缓冲期确保抗病组筛选可靠性，建立迄今最大规模的大黄鱼抗病GS研究队列。

Sequencing and genotyping
基于13.3M SNP构建的遗传力模型显示，抗病性状遗传力达0.53±0.06，表明该性状具有中等遗传度。但研究者谨慎指出，极端表型分组可能导致估计值偏高。

Discussion
模型比较揭示GBLUP综合表现最优，其预测精度随样本量增加呈指数增长(100样本时0.007→800样本时0.62)。标记密度实验表明50K SNP即可达到全基因组标记的预测效果，这对降低育种成本具有重要指导价值。

Conclusion
研究证实GS技术在大黄鱼抗病育种中具备可行性，但强调需满足两个关键条件：足够大的训练群体(>800)和适度标记密度(50K)。特别值得注意的是，相比哺乳动物中常见的"贝叶斯模型更适合主效QTL性状"规律，本研究发现GBLUP对大黄鱼这种复杂抗病性状预测更优，暗示其可能受多基因微效位点共同调控。

这项研究的意义不仅在于建立首个大黄鱼抗盾纤毛虫病GS技术体系，更开创了海水鱼类抗寄生虫育种的新范式。研究者特别指出，下一步需验证该模型在不同家系和养殖环境中的稳定性。成果为破解"无药可治"的养殖病害提供了遗传解决方案，对实现《中国渔业统计年鉴》倡导的绿色养殖目标具有重要实践价值。