Эпигенетические метки готовности генов повышают точность селекции креветок почти в полтора раза
Геномный отбор стал мощным инструментом для ускорения генетического улучшения в селекции животных, однако его более широкое применение часто ограничивается высокими затратами на генотипирование и снижением надежности прогнозирования среди популяций. Функциональные геномные аннотации предлагают многообещающую стратегию для определения приоритетов биологически значимых вариантов и повышения надежности прогнозов. Здесь, используя тихоокеанскую белую креветку (Litopenaeus vannamei) в качестве модели, мы провели исследование, подтверждающее концепцию, объединяющее полногеномное повторное секвенирование и фенотипические данные 972 особей. Эпигеномные карты высокого разрешения были созданы путем профилирования четырех меток гистонов (H3K4me1, H3K4me3, H3K27me3 и H3K27ac) на нескольких эмбриональных стадиях и в мышечной ткани взрослого человека с помощью CUT&Tag, а затем использовались для определения приоритетов SNP для геномного прогнозирования. Среди оцениваемых стратегий SNP, расположенные в состоянии специфичного для мышц бивалентного промотора/энхансера (E6), которое характеризуется совместным появлением активных и репрессивных меток, последовательно давали самую высокую точность прогнозирования. Примечательно, что даже при умеренной плотности (15 тыс.) SNP, полученные из E6, превосходили значительно более крупные полногеномные наборы SNP. Важно отметить, что при межпопуляционной проверке с использованием независимого штамма подмножество SNP E6 увеличило точность прогнозирования на 47.6% (увеличение с 0,21 ± 0,05 до 0,31 ± 0,04, P <0,05) по сравнению со случайными подмножествами при эквивалентной плотности. Эти результаты демонстрируют, что определение приоритетов SNP на основе эпигенетических аннотаций может повысить точность и надежность прогнозов, одновременно снижая требования к маркерам, обеспечивая практическую основу для интеграции функциональной геномной информации в селекцию аквакультуры.
## В чем суть открытия Десятилетиями селекционеры исходили из негласной аксиомы: чем плотнее покрыт геном молекулярными маркерами, тем точнее прогноз продуктивности особи. Однако переход к сплошному полногеномному пересеквенированию неожиданно завел генетическое прогнозирование в тупик. Огромный массив нейтральных точечных мутаций, возникших в результате случайного дрейфа, формирует статистический шум, размывающий истинные сигналы наследственности. Ситуация становится критической при переносе моделей между неродственными популяциями: сцепление между случайными маркерами и функциональными участками распадается, и точность отбора обрушивается. Исследовательская группа из Океанического университета Китая продемонстрировала изящный выход из этого концептуального кризиса на примере тихоокеанской белой креветки (*Litopenaeus vannamei*). Вместо того чтобы сканировать геном вслепую, биологи обратились к эпигеномному профилированию хроматина. Оказалось, что фокусировка на регуляторных участках с бивалентным хроматином — специфических зонах двойной эпигенетической готовности — позволяет очистить прогноз от информационного мусора и сохранить стабильность модели даже на чужеродных генетических линиях. ## Как это устроено: принцип работы Хроматин в ядре клетки упакован неравномерно, а его регуляторные элементы несут различные химические метки на белках-гистонах. Ключевую роль в координации развития играют бивалентные промоторы и энхансеры. В этих участках парадоксальным образом сосуществуют диаметрально противоположные метки: активирующая триметилирование H3K4me3 и репрессирующая триметилирование H3K27me3. Такое сочетанное состояние удерживает критически важные гены в положении «взведенного курка» — транскрипция заблокирована, но готова мгновенно стартовать в ответ на физиологические стимулы и сигналы среды. Авторы с помощью метода CUT&Tag картировали модификации гистонов на одиннадцати стадиях эмбриогенеза и во взрослой мышечной ткани креветок, после чего сегментировали геном на восемь хроматиновых состояний. Отбор единичных нуклеотидных замен (SNP), расположенных именно в бивалентных регуляторных зонах взрослой мышцы (состояние E6), позволил сфокусировать математические модели только на тех мутациях, которые непосредственно влияют на молекулярные переключатели роста. ## Результаты и доказательства Экспериментальная когорта включала 972 особи из трех селекционных линий креветок, для которых провели высокоточное полногеномное секвенирование и проанализировали темпы