Husdyrsektoren er under økende press fra bønder, myndigheter og samfunnet generelt for å maksimere veksteffektivitet, produktkvalitet og økonomisk avkastning, samtidig som miljøpåvirkning, dyrevelferd og risiko for langsiktig bærekraftig produksjon minimeres. Avelsselskapen for husdyr står i frontlinjen i møte med denne utfordringen, og må benytte alle tilgjengelige verktøy samt utvikle nye, banebrytende metoder for å møte disse kravene. CAUSATIVE-prosjektet har gjort det mulig for forskere og næringen å samarbeide om å utvikle nye ressurser og fremme avl av norsk storfe og svin.
Avlsprosessen for storfe og svin har utviklet seg raskt, og spesialiserte avlsselskaper tilbyr nå sæd fra individer vurdert som "superior" basert på observerbare egenskaper som vekst og fruktbarhet. I tillegg vurderes mer subtile mål som melk-komposisjon, sykdomsresistens, dyrevelferd og atferd. For å styrke ønskede egenskaper i populasjonen, benyttes avanserte genetiske metoder og målrettet paring. Den vanligste tilnærmingen er analyse av tusenvis av små DNA-variasjoner, kalt enkelt-nukleotid-polymorfismer (SNPs), som samlet gir et bilde av dyrets genetiske verdi.
Den etablerte SNP-tilnærmingen fanger ikke opp genetisk variasjon i strukturelle variasjoner (SVs), som inkluderer store delesjoner, insersjoner og omorganiseringer av DNA med potensielt stor biologisk betydning. I tillegg er SNP-verktøyene utviklet med utgangspunkt i raser fra USA og Storbritannia, og overser genetiske særtrekk ved norske raser. Den unike genetiske sammensetningen til norske storfe og svin tas dermed ikke tilstrekkelig hensyn til ved valg av fedre for fremtidig bærekraftig produksjon. CAUSATIVE-prosjektet søker å løse dette ved å utvikle DNA-representasjoner for norske raser som fanger SVs fra flere individer. Disse dataene vil forbedre beregning av genetisk verdi basert på SNPs, gjøre det mulig å inkludere SVs i avlsvurderinger.
Vår aktivitet startet med innsamling av biologiske prøver fra 15 råner (Landrase) og 17 okser (Norsk Rødt Fe; NRF) som samlet representerer et genetisk tverrsnitt av rasene. Etter rensing ble deres fragmenterte kromosomale DNA oversatt fra genetisk kode til datakode ved hjelp av langlesende sekvenseringsteknologier. Når tilgjengelig som datafil, ble de 2,5 milliarder tegnene i koden rekonstruert til sammenhengende DNA-sekvenser som representerer kromosomer fra hvert individ.
Fra én okse og én råne ble det generert ekstra data for å produsere høykvalitets referansegenomer uten sekvenshull. Disse ble analysert for å lokalisere kjente gener og identifisere nye gener. Sammenlignet med nåværende referansegenomer ble mange millioner baser (Mb) med ny sekvens lagt til for Landrase og NRF, noe som gjorde det mulig å plassere hundrevis av tidligere manglende eller feilplasserte gener. En omfattende analyse av sentromer- og telomerinnhold viste at de nye referansegenomene er uten hull og nesten komplette, med bare noen få manglende sekvenser. Inkluderingen av disse komplekse sekvensene i referansen gjør dette til en verdifull ressurs ikke bare for avlsselskaper, men også for andre forskere som studerer svin og storfe.
Disse referansene (som er offentlig tilgjengelige) gir et solid grunnlag for å bygge genomgrafer (også kjent som pan-genomer). Hovedfordelen med en genomgraf sammenlignet med et lineært referansegenom er at den representerer genomer fra flere individer og inkluderer genetisk variasjon, og gir dermed en mer realistisk representasjon av en rase eller populasjon.
Ved å utvide vår populasjon av dyr til nesten 30 individer for hver art og bruke disse genomgrafene, klarte vi å identifisere over 100 000 tidligere ukjente SVs i NRF og like antall i Landrase. En betydelig andel av disse (en tredjedel) forekommer innenfor genregioner, noe som tyder på at de kan påvirke genuttrykk og dermed egenskaper. Våre estimater antyder at disse listene inkluderer de fleste vanlige SVs i disse rasene, og at videre sekvensering vil avsløre flere sjeldne varianter.
Videre ble en referansepopulasjon på flere hundre dyr, som representerer et utvalg av svin og storfe med komplett sekvensdata, brukt til å registrere hvilke av de ~22 millioner SNPs og nesten 100 000 SVs som var til stede i hvert individ. Denne informasjonen ble deretter brukt til å predikere (imputere) hvor mange av disse variantene som var til stede i de mange hundretusener av individer registrert i avlsselskapenes databaser.
Det komplette datasettet, som inneholder millioner av genetiske varianter på tvers av hundretusener av dyr, ble analysert sammen med informasjon om flere viktige avlsegenskaper for de samme dyrene. Disse egenskapene inkluderer for eks. hvor mye melk eller kjøtt de produserer, hvor raskt de vokser, hvor ofte de blir syke osv. De genetiske forskjellene mellom dyr som for eksempel ofte blir syke og de som ikke gjør det, indikerer områder i genomet som kan ha stor innflytelse på denne egenskapen. Dette er informasjon som avlsselskaper kan bruke til å avle sunnere dyr.
For centuries, farmers bred superior livestock by observing how particular individuals, or their offspring, perform in terms of growth, fertility etc. In recent decades, the challenge of producing superior animals has been addressed by breeding companies by implementing elaborate systems to methodically record production traits. By considering this information within a known pedigree structure, it was possible to ensure that animals with superior potential were maintained and used for breeding. This success is based on the fact that genetic variation explains (to varying degree) trait variation. Over the last 10 years, breeding companies have transitioned towards genetic testing as a strategy to measure individual genetic variation with unprecedented accuracy; so called SNP genotyping. Combined with extensive measurement recordings and classical methodology this has allowed them to significantly improve multiple traits simultaneously, and today thousands of cattle and pigs are genetically tested each year and their genetic value calculated. Unfortunately the entire approach is founded on testing one specific type of genetic variation and disregards the important class structural variants (SVs) present in all genome. Moreover, all analysis is founded on a gold-standard reference genome representing a single individual from non-Norwegian breeds. In CAUSATIVE, scientists at NMBU and from Norwegian breeding companies (Geno and Norsvin) will use state-of-the-art sequencing and bioinformatic tools to build novel reference genomes for Norwegian breeds that capture all structural variations present in the population. Breeding companies will use these resources to improve their ability to calculate breeding values and to find ways to select for SVs that until now have been invisible in SNP genotyping data. Finally, we will use our new understanding of genome architecture to identify SVs associated with increasing sustainable production.
