大奖888注册体育真人 网上江南 | 出处:水生动物健康评估公众号 作者:夏洪丽 vrbet888 2020-04-06 22:40:00 | 选择性筛选对于水产养殖业的可持续发展起着至关重要的作用。 对于像鲑鱼,虾和罗非鱼在内的重要物种,目前越来越多地选育集中在筛选高抗病力的种苗上,以发展更健壮和更有抵抗力的养殖种群。链球菌病是影响罗非鱼水产养殖的主要疾病。在泰国,养殖罗非鱼疾病主要是由无乳链球菌引起的。在养殖的所有阶段,链球菌都会感染罗非鱼,但是在鱼苗期和鱼种期的流行率很低,而两到四个月大的罗非鱼更容易被感染。链球菌导致的急性感染使得罗非鱼在十天内死亡,死亡率高达70%。一般而言,链球菌病的传播是通过与死鱼/受污染的水直接接触而发生的。据报道,红罗非鱼中的链球菌也存在垂直传播。链球菌病的爆发似乎有很多诱因,包括高密度养殖,应激,水温升高等。 选择性育种是通过开发更具抗性的遗传种群来改善动物健康的有效途径。对传染病的抵抗力是一项重要的经济特征。 抗病育种的遗传改良可以获得累积性的经济利益。据报道,对鲑鱼,虾和罗非鱼进行攻毒试验后,已成功提高了这些品种对特定病原体的抗病性,从而降低死亡率。在这些研究中显示了每一代品系的高遗传增益,例如,白虾的桃拉综合征的存活率为18.4%,大西洋鲑的传染性胰腺坏死抗性为18.7%,红罗非的链球菌抗性为9%。此外,Shoemaker报道了尼罗罗非鱼对海豚链球菌的显著性抗性反应。 线性和阈值模型通常用于评估养殖品种的抗病性状,攻毒期间的抗病力可以分析为二元特征(动物在攻毒结束时的状态)或正态分布的连续特征(从攻毒到出现死亡的天数)。但是,大多数研究中采用的模型没有利用这些特性的全部信息,而Cox frailty模型提供了一种替代方法,该方法利用了包括适用于鱼类死亡率的数据等完整的信息进行评估。 本研究的目的是确定影响攻毒后罗非鱼死亡率的因素,并使用Cox frailty估计罗非鱼抗无乳链球菌的遗传力,最后筛选抗链球菌的罗非鱼。 本研究利用现有泰国的尼罗罗非鱼品种,评估了筛选高抗链球菌的潜在新品种可行性。 基本代(G0)由98个父系和149个母系后代组成。孵化后60天,将每个家系的30条鱼腹腔内注射无链球菌链球菌(1×109 CFU / ml)并进行14天的观察。疾病抵抗力记录为从攻毒到死亡(DD)的天数,以及第14天的性状(死/活)。 结果显示,受感染的罗非鱼表现出眼球突出,皮肤出血,嗜睡且迷失方向,出现漩涡状的游动行为。 濒死的鱼体检查证实死亡的原因是无乳链球菌感染所致。攻毒14天后,第1批G0中149个家系(4386条鱼)的存活率从0%到33.3%,第2批从0%到71%,平均存活率分别为9.9%和18.7%(表1)。只有一个家系的存活率为71%。 在G1中,抗病组(60个家系)的平均存活率为35%,易感组(9个家系)的平均存活率为21.1%。 在两个世代的6425条鱼中,有1312条鱼(27%)存活到了实验结束。Kaplan-Meier生存函数(图1)显示了第1代不同批次的生存曲线之间以及第2代抗性和易感组之间的生存曲线存在显着差异(p <0.05)。总体而言,死亡率在第2天最高,在第5、6和7天趋于平稳。中位生存期约为4天。从第5天到第7天,批次和组内的死亡率均低于1%,并且在第8天后没有再出现死亡。 Kaplan-Meier生存函数的六个群体的曲线(图2),表明风险在各组和Cox假设之间是成比例的。逐步回归方法得出了最佳模型,其中包括攻毒时的年龄,当代群体和家系。每个风险因素与死亡率之间的关联通过回归系数进行量化。攻毒时的年龄对死亡率有显著影响(χ2= 8.79,p <.003)。参数估计值代表预测变量增加一个单位时预期死亡率的增加,而其他预测变量则保持不变。年龄与死亡风险之间呈负相关关系,表明随着年龄的增长,每天的预期死亡率下降0.0056单位,同时保持当代群体和家系的不变。当代群体和家系的影响也很重要,这取决于每个群体/家系的水平。在G0中,共有149个家系中有102个的危险比小于1,被归类为抗病力型,而其余46个为易感型(图3)。 表2显示了不同模型的参数和遗传力估计值。在各代中,从Cox模型得出的遗传力估计值是中等的(0.22和0.21),而死亡天数很低(0.14±0.02和0.06±0.04)。线性动物模型估算的二元观测值(0.08±0.02和0.03±0.03)。动物模型估计的生存表型方差为7%。表3给出了来自两个数据子集的中亲估计育种值之间的皮尔森相关性。线性(DD)模型和Cox模型在相关值(0.8154和0.8133)和选择精度(0.9030和0.9018)相似的情况下均表现出色。线性(BIN)模型的预测能力较低(相关性= 0.7442,选择准确度= 0.8627)。 表4列出了对选择生存的表型和遗传反应,以死亡天数和性状观察结果表示。基于Cox模型的危险比,估计的死亡风险使表型反应降低了53.7%,平均死亡风险下降至36.4%。 对于线性动物模型,选择表型反应为3.4天,相对获益为98.8%。 死亡天数的平均增加到0.58天。 对于binary数据,第14天的生存率从14%增加到36%,而育种的评估率增加到0.029(3%)。 以上结果表明, Cox frailty模型,线性DD模型和线性BIN模型,G0的遗传力估计分别为0.22、0.14±0.02和0.11±0.02。 选择反应表明死亡风险降低到54%,生存时间增加到3.4天,生存率增加到21%。这些结果表明以上品系的遗传改良是可能的。 (本文已被浏览 9031 次) | | | | 文章分类 | | | | 相关文库: | | 相关资讯: | | 文章链接 | | | |