亞丁牦牛和拉日馬牦牛遺傳多樣性及遺傳結(jié)構(gòu)分析

紀(jì)會(huì) ，官久強(qiáng) ，王會(huì) ，周建旭 ，阿農(nóng)呷 ，何宗偉 ，樊珍詳 ，邱龍康 ，曹詩(shī)曉 ，安添午 ，柏琴 ，鐘金城 *，羅曉林 *

（1. 四川省草原科學(xué)研究院，四川 成都 611731；2. 西南民族大學(xué)，四川 成都 610041；3. 小金縣科學(xué)技術(shù)和農(nóng)業(yè)畜牧水務(wù)局，四川 阿壩州 624200；4.甘孜藏族自治州畜牧站，四川 甘孜州 626099；5. 稻城縣農(nóng)牧農(nóng)村和科技局畜牧站，四川 甘孜州 627750；6. 新龍縣農(nóng)牧農(nóng)村和科技局畜牧站，四川 甘孜州 626800）

牦牛（Bos grunniens）是分布于以青藏高原為中心，及其毗鄰的高山、亞高山地區(qū)的特有珍稀牛種［1］。青藏高原地域環(huán)境復(fù)雜，不同區(qū)域的牦牛在生態(tài)適應(yīng)性方面存在明顯差異，表現(xiàn)為體型外貌和生產(chǎn)性能的差異，形成了各具特色的地域類型和亞型［2］。家牦牛約在7300 年前由野牦牛馴化而來(lái)［3］，中國(guó)有18 個(gè)地方品種（遺傳資源）和2 個(gè)培育品種，是世界上擁有牦牛數(shù)量和品種類群最多的國(guó)家。然而由于長(zhǎng)期過(guò)度選育和純繁，導(dǎo)致現(xiàn)有家養(yǎng)牦牛出現(xiàn)品種流失的現(xiàn)象，尤其是與其抗病性、肉質(zhì)等相關(guān)性狀的退化已相當(dāng)嚴(yán)重，極大地影響了青藏高原及周邊地區(qū)農(nóng)牧業(yè)生產(chǎn)的穩(wěn)定性［4］。因此，加強(qiáng)地方牦牛群體遺傳多樣性研究，挖掘新種質(zhì)資源，對(duì)于遺傳資源保護(hù)、新品種培育和牦牛生產(chǎn)性能提高等都具有積極的理論和現(xiàn)實(shí)意義。

亞丁牦牛和拉日馬牦牛是肉乳兼用型優(yōu)良地方牦牛資源。亞丁牦牛分布于四川省甘孜藏族自治州稻城縣，經(jīng)產(chǎn)母牛 153 d 平均擠奶量 434 kg，產(chǎn)奶量居中國(guó)牦牛之最［5?6］，2005 年亞丁牦牛存欄量約 7.5 萬(wàn)頭，2015 年降至4.6 萬(wàn)頭，由于飼草料缺乏，背山封閉，近親交配嚴(yán)重，繁殖性能差，其群體有退化趨勢(shì)。拉日馬牦牛中心產(chǎn)區(qū)位于四川省甘孜藏族自治州新龍縣拉日馬鎮(zhèn)，2016 年存欄量約8.7 萬(wàn)頭，具有凈肉率高的特性，公牛凈肉率達(dá)45.7%［7］。然而，關(guān)于兩個(gè)群體分子遺傳背景的研究尚未開展。

限制性內(nèi)切位點(diǎn)相關(guān)的DNA 標(biāo)記（restriction site-association DNA，RAD）簡(jiǎn)化基因組測(cè)序，即利用限制性酶切法獲得目的基因組部分片段進(jìn)行高通量測(cè)序，獲得可代表目的基因組信息的高密度SNPs 分子標(biāo)記，具有簡(jiǎn)便、有效及低成本等特點(diǎn)，已廣泛用于群體遺傳多樣性研究，如探究孟加拉虎出現(xiàn)白色條紋的遺傳機(jī)理［8］，對(duì)鹿苑雞不同保種群保種現(xiàn)狀的評(píng)估［9］及中國(guó)家兔地方品種的遺傳地位研究［10］。本研究利用RAD 簡(jiǎn)化基因組測(cè)序?qū)?個(gè)地方牦牛群體進(jìn)行全基因組限制性酶切檢測(cè)，以期在DNA 分子水平分析亞丁牦牛和拉日馬牦牛的遺傳多樣性，探明各群體間的進(jìn)化關(guān)系，為今后進(jìn)一步開展兩種牦牛遺傳資源的保護(hù)、遺傳改良和育種提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)動(dòng)物和方法

以亞丁牦牛、拉日馬牦牛、九龍牦牛、麥洼牦牛、金川牦牛、昌臺(tái)牦牛、中甸牦牛、玉樹牦牛、類烏齊牦牛為試驗(yàn)動(dòng)物。每個(gè)群體隨機(jī)選擇9～11 頭，采集類烏齊牦牛的組織樣本以及其他8 個(gè)牦牛群體的血液樣本（表1）。具體操作：用一次性注射器從牦牛頸外靜脈采集5 mL 血液于EDTA 抗凝管，放入冰盒中帶回，放置?80 ℃冰箱中保存；對(duì)類烏齊牦牛進(jìn)行屠宰后采集組織樣品，經(jīng)DEPC（diethyl pyrocarbonate，焦碳酸二乙酯）沖洗后，錫箔紙包裝迅速置于液氮保存，帶回實(shí)驗(yàn)室備用。牦牛群體地理分布情況見圖1。

表1 牦牛樣本來(lái)源及樣本量Table 1 Source and number of yak sample

圖1 牦牛樣本的地理分布Fig.1 Geographical distribution of yak sample

1.2 基因組電子酶切評(píng)估

建庫(kù)測(cè)序前，為檢測(cè)酶切效率和對(duì)所有標(biāo)記進(jìn)行分析，按照PstI 酶（CTGCA，G）切位點(diǎn)對(duì)參考基因組（GCF_000298355.1）進(jìn)行模擬酶切（電子酶切），統(tǒng)計(jì)獲得限制性酶切片段的數(shù)量及覆蓋率。共獲得2959206 條限制性酶切片段（restriction fragment，RF），基因組覆蓋率為41.89%，其中有效限制性酶切片段（effective RF：長(zhǎng)度大于300 bp）共1558672 條。有效限制性酶切片段在基因組中分布均勻，PstI 酶對(duì)牦牛參考基因組的酶切效果較好，可用于建庫(kù)測(cè)序（圖2）。

圖2 基因組中有效限制性酶切片段分布圖Fig.2 Map of effective restriction fragments（effective-RF）in the genome

1.3 全基因組限制性酶切

采用血液基因組DNA 試劑盒（北京天根）提取血樣DNA，CTAB（cetyltrimethylammonium bromide，十六烷基三甲基溴化銨）法提取組織樣DNA。采用PstI 酶對(duì)全基因組進(jìn)行酶切，88 個(gè)樣本共構(gòu)建88 個(gè)簡(jiǎn)化基因組測(cè)序（restriction site-association DNA，RAD）文庫(kù)，在HiSeq3000 測(cè)序平臺(tái)上用150 bp 雙端序列進(jìn)行RAD 測(cè)序。

1.4 數(shù)據(jù)處理

測(cè)序數(shù)據(jù)的質(zhì)量控制和原始數(shù)據(jù)過(guò)濾：通過(guò)分析堿基的質(zhì)量值和組成評(píng)估數(shù)據(jù)的質(zhì)量。對(duì)原始序列（raw reads）中低質(zhì)量的reads 進(jìn)行過(guò)濾，獲得高質(zhì)量的凈數(shù)據(jù)（clean reads），用于后續(xù)的信息分析。過(guò)濾條件：去除帶接頭的reads；去除含未知堿基比例大于10%的reads；去除低質(zhì)量reads（質(zhì)量值Q≤20 的堿基數(shù)占整條reads 的50% 以上）［11］。

單核苷酸多態(tài)性（single nucleotide polymorphisms，SNP）的識(shí)別與過(guò)濾：使用比對(duì)軟件 bwa［12］（0.7.12）采用mem 算法將過(guò)濾后的clean reads 比對(duì)到參考基因組上，比對(duì)參數(shù)為-k32-M；比對(duì)結(jié)果使用picard（1.129）軟件標(biāo)記 duplicates reads（PCR 過(guò)量擴(kuò)增所形成的 reads）。使用軟件 GATK［13］檢測(cè)群體 SNP/indel，參數(shù)：-filter“QD＜2.0”，得到可信度較高的SNP/indel 數(shù)據(jù)集。Indel（insertion-deletion）全稱為插入或缺失突變，指在DNA 或RNA水平上，發(fā)生于個(gè)體間的單核苷酸突變位點(diǎn)。為提高分析準(zhǔn)確性，對(duì)原始SNP 進(jìn)行過(guò)濾，過(guò)濾條件為：缺失率（missing rate）不超過(guò)20%，第二等位基因頻率（minor allele frequency，MAF）不小于0。

1.5 群體遺傳多樣性分析

雜合度統(tǒng)計(jì)：雜合度指同源染色體上的一個(gè)位點(diǎn)存在不同等位基因的狀態(tài)，用于衡量群體中的遺傳變異程度［14］。應(yīng)用 Stacks populations v 2.41 軟件［15］，其參數(shù)設(shè)置如下：最小等位基因頻率（MAF）＞0.05；標(biāo)簽最低覆蓋倍數(shù)＞3×；在每個(gè)等位基因位點(diǎn)處，每個(gè)品系至少75%的個(gè)體存在序列信息，至少3 個(gè)品系存在有效信息［16］。雜合度取值在0～1 之間，雜合度越高，表明群體內(nèi)遺傳多樣性系數(shù)越高。

連鎖不平衡（linkage disequilibrium，LD）分析：連鎖不平衡指群體內(nèi)不同座位等位基因之間的關(guān)聯(lián)。采用PopLDdecay 3.31［17］軟件，通過(guò)計(jì)算一定序列范圍內(nèi)兩兩位點(diǎn)間的LD 系數(shù)（r2），來(lái)估算LD 衰減的趨勢(shì)。r2代表兩位點(diǎn)的相關(guān)性，它在0＜r2＜1 的區(qū)間內(nèi)變化，如果r2=0，表示兩位點(diǎn)發(fā)生重組的可能性是100%，如果r2=1，則表示位點(diǎn)完全連鎖。通常位點(diǎn)間的關(guān)聯(lián)性會(huì)隨著基因組上位點(diǎn)間距離的增加而不斷下降，稱為L(zhǎng)D 衰減速度。使用LD 衰減距離來(lái)描述LD 衰減速度的快慢，衰減距離越長(zhǎng)，其衰減速度越慢，群內(nèi)等位基因間連鎖程度越強(qiáng)。

1.6 群體間遺傳關(guān)系分析

成對(duì)遺傳分化值（Pairwise Fst）［18］：分析不同品種間的遺傳距離。應(yīng)用Stacks populations v 2.41 軟件，參數(shù)設(shè)置與雜合度統(tǒng)計(jì)一致。根據(jù)每個(gè)等位基因位點(diǎn)SNP 信息，進(jìn)行雙向選擇家系內(nèi)Pairwise Fst 統(tǒng)計(jì)，并對(duì)各Fst 進(jìn)行Fisher 精確檢驗(yàn)，使用P 值對(duì)Fst 值進(jìn)行校正（Corrected Fst），進(jìn)而根據(jù)高斯核函數(shù)，計(jì)算Smoothed pairwise Fst，利用 40 kb-Slid Windows 對(duì)全基因組上的 Fst 進(jìn)行平均值統(tǒng)計(jì)。采用 Wright［19］理論，如群體 Fst 值為 0.00～0.05，說(shuō)明群體間不存在分化；Fst 值為0.05～0.15，說(shuō)明群體間處于中度分化；Fst 值為0.15～0.25，則說(shuō)明群體間分化程度較大；Fst 值大于0.25，說(shuō)明群體間存在極大分化。

主成分分析（principal component analysis，PCA）：使用軟件GCTA［20］從中獲得各個(gè)樣本的主成分值。根據(jù)各個(gè)樣本在第一主成分（PC1）、第二主成分（PC2）、第三主成分（PC3）3 個(gè)綜合指標(biāo)中的數(shù)值大小，使用R 語(yǔ)言繪制PCA 散點(diǎn)圖。散點(diǎn)圖中每一個(gè)位點(diǎn)代表一個(gè)樣本，圖中兩個(gè)樣本距離越遠(yuǎn)，則說(shuō)明兩個(gè)樣本遺傳背景差異越大［21］，遺傳背景相似的個(gè)體則會(huì)在圖中聚為一類。

系統(tǒng)進(jìn)化樹構(gòu)建：基于群體SNP 數(shù)據(jù)運(yùn)用MEGA 4.0［22］軟件計(jì)算樣品間距離，得到個(gè)體間的序列差異度矩陣，然后使用IQ-Tree 軟件，最大似然法構(gòu)建系統(tǒng)進(jìn)化樹（maximum likelihood tree，ML-tree）。

1.7 群體結(jié)構(gòu)分析

應(yīng)用Structure［23］軟件進(jìn)行群體結(jié)構(gòu)分析，用于推算測(cè)序樣本分屬幾個(gè)群體，群體間基因交流程度以及每個(gè)樣本的混血程度?；诙辔稽c(diǎn)基因型將遺傳相似的個(gè)體聚類。先預(yù)設(shè)88 個(gè)樣本由若干亞群K（K=1～n）構(gòu)成，根據(jù)每個(gè)SNP 位點(diǎn)的基因型采用隱馬科夫?蒙特卡羅鏈模型算法（markov-chain monte carlo，MCMC）［24］，在每個(gè)群體均最大程度符合哈代溫伯格平衡檢驗(yàn)前提下，輸出88 個(gè)樣本被分為K個(gè)亞群時(shí)的最佳分類狀態(tài)，同時(shí)每一個(gè)K值均會(huì)對(duì)應(yīng)產(chǎn)生一個(gè)似然值（likelihood），最后對(duì)似然值取自然對(duì)數(shù)后輸出Inlikelihood，Inlikelihood 越大，說(shuō)明K值越接近于真實(shí)情況，一般Inlikelihood 值先隨著K值增大而不斷升高，之后進(jìn)入平臺(tái)期，最佳K值即為ΔK值最大時(shí)。

2 結(jié)果與分析

2.1 牦?；蚪M的SNP

對(duì)RAD 簡(jiǎn)化基因組文庫(kù)進(jìn)行Illumina Hiseq 3000 雙端高通量測(cè)序，88 個(gè)牦牛樣本測(cè)序獲得4.2 G reads 原始序列數(shù)據(jù)，經(jīng)過(guò)濾后有效數(shù)據(jù)量為3.9 G。各群體原始數(shù)據(jù)有效率在89.82%～95.54%，測(cè)序質(zhì)量數(shù)值大于20、30 的堿基占總體堿基的百分比為Q20≥96.93%、Q30≥91.47%，GC 含量在48.35%～49.07%，說(shuō)明堿基組成平衡，測(cè)序質(zhì)量較好，數(shù)據(jù)可靠。將過(guò)濾后的高質(zhì)量reads 與參考基因組比對(duì)，比對(duì)率均在98.00%以上。平均測(cè)序深度6.8×，88 個(gè)樣本基因組覆蓋率在30.99%～38.70%，與電子酶切參考基因組預(yù)測(cè)的覆蓋率相近，預(yù)期率達(dá)92.48%，說(shuō)明RAD 簡(jiǎn)化測(cè)序預(yù)測(cè)牦?；蚪M效果較好（表2）。

表2 測(cè)序數(shù)據(jù)質(zhì)量匯總情況Table 2 Summary of sequencing data quality

所有樣本共檢測(cè)到20413266 個(gè)SNP 位點(diǎn)，亞丁牦牛SNP 數(shù)量最多，為7596791，昌臺(tái)牦牛SNP 數(shù)量最少，為5472579，拉日馬牦牛SNP 數(shù)量為6163048，不同群體SNP 信息見圖3。另檢測(cè)到插入變異位點(diǎn)（insertion）有 362758 個(gè) ，缺 失 變 異 位 點(diǎn)（deletion）487510 個(gè)，插入和缺失位點(diǎn)長(zhǎng)度集中在1～10 bp，其中1～3 bp 最多（圖4）。

圖 3 9 個(gè)群體 SNP 數(shù)量Fig.3 Number of SNP in 9 populations

圖4 Indels 長(zhǎng)度統(tǒng)計(jì)Fig.4 Indels length statistics

2.2 群體遺傳多樣性

2.2.1 牦牛群體的雜合度 9 個(gè)牦牛群體的觀測(cè)雜合度差異較小，在0.2172～0.2440 之間，均低于期望雜合度（表3）。九龍牦牛雜合度最低為0.2172，遺傳多樣性最貧乏。亞丁牦牛的觀測(cè)雜合度較低為0.2186，遺傳多樣性貧乏；拉日馬牦牛觀測(cè)雜合度為0.2233，低于9 個(gè)群體平均觀測(cè)雜合度0.2276，遺傳多樣性偏低。

表3 9 個(gè)牦牛群體的雜合度Table 3 Heterozygosity of 9 yak populations

2.2.2 牦牛群體的連鎖不平衡 9 個(gè)群體SNP 距離在0～50 kb 范圍內(nèi)的LD 衰減速度較快，LD 系數(shù)約從 0.5 降至 0.2 以下，SNP 距離在 50～300 kb 范圍內(nèi)LD 水平較低在 0.1～0.2 之間，顯示在 0～50 kb 范圍內(nèi)各等位基因連鎖不平衡程度較高。當(dāng)LD 系數(shù)r2=0.2 時(shí)，各群體對(duì)應(yīng)LD 衰減距離基本相等，說(shuō)明各群體LD 衰減速度差異不大（圖5）。

圖5 LD 隨距離增長(zhǎng)的衰減大小Fig.5 Attenuation of LD with distance

2.3 牦牛群體間的遺傳關(guān)系

通過(guò)Pairwise Fst 統(tǒng)計(jì)分析不同地方牦牛群體間的遺傳距離。亞丁牦牛、九龍牦牛、中甸牦牛以及類烏齊牦牛平均分化指數(shù)高于0.05（表4），遺傳分化程度較大；拉日馬牦牛、麥洼牦牛、金川牦牛、昌臺(tái)牦牛以及玉樹牦牛平均分化指數(shù)低于0.05，遺傳分化程度較低。亞丁牦牛平均分化指數(shù)最高為0.0653，與其他8 個(gè)群體存在中等程度（0.05＜Fst＜0.15）的遺傳分化；拉日馬牦牛的平均分化指數(shù)最低為0.0443，與玉樹牦牛、麥洼牦牛群體間的遺傳分化程度最小。

表4 群體間Pairwise FstTable 4 Pairwise Fst between population

基于個(gè)體基因組SNP 差異程度，按主成分將不同個(gè)體聚類成不同亞群（圖6）。亞丁牦牛群體明顯與其他地方牦牛群體分開，而且分布距離較遠(yuǎn)，與Fst 統(tǒng)計(jì)結(jié)果一致，遺傳分化程度較高。在PC2 負(fù)值方向，有2個(gè)拉日馬牦牛樣本（LRM-4、LRM-7）與九龍牦牛群體聚集，在 PC2 正值方向，金川牦牛 JC-3、JC-4 樣本、麥洼牦牛（MW-4、MW-5、MW-6、MW-8）樣本分別獨(dú)立成群，遺傳變異現(xiàn)象明顯，其余個(gè)體以及拉日馬牦牛、昌臺(tái)牦牛、玉樹牦牛、類烏齊牦牛群體間出現(xiàn)嚴(yán)重重疊，親緣關(guān)系較近。

圖6 9 個(gè)牦牛群體的主成分分析Fig.6 Principal components analysis of 9 yak populations

為了解9 個(gè)地方牦牛群體間的親緣關(guān)系，通過(guò)最大似然法構(gòu)建系統(tǒng)進(jìn)化樹（圖7），結(jié)果顯示亞丁牦牛與中甸牦牛親緣關(guān)系最近，拉日馬牦牛雖有3 個(gè)樣本（LRM-4、LRM-7、LRM-6）與九龍牦牛聚為一支，其余7 個(gè)樣本聚集明顯，先與麥洼牦牛聚為一支，說(shuō)明拉日馬牦牛與九龍牦牛存在基因交流，與麥洼牦牛親緣關(guān)系近。類烏齊牦牛與玉樹牦牛分群明顯，親緣關(guān)系近。金川牦牛和昌臺(tái)牦牛聚為一支，無(wú)明顯分群，存在嚴(yán)重基因交流現(xiàn)象。

圖7 最大似然法構(gòu)建系統(tǒng)進(jìn)化樹Fig.7 Phylogenetic tree construction by maximum likelihood method

2.4 牦牛群體的遺傳結(jié)構(gòu)

對(duì)牦牛群體進(jìn)行群體結(jié)構(gòu)分析，確定最佳分群情況，揭示各牦牛群體的血統(tǒng)構(gòu)成，以及每個(gè)個(gè)體的血統(tǒng)潛在來(lái)自哪些群體以及對(duì)應(yīng)比例（圖8），可追溯其品種的形成歷史及親緣關(guān)系。結(jié)果顯示從K=2～9，亞丁牦牛始終分為一個(gè)獨(dú)立群體，分化程度最高，與Fst 統(tǒng)計(jì)、PCA 分析結(jié)果一致。Inlikelihood 計(jì)算結(jié)果顯示（圖 9），當(dāng)K=3 時(shí)，ΔK值最高，即 9 個(gè)地方牦牛群體88 個(gè)個(gè)體可分為3 個(gè)群體：亞丁牦牛、九龍牦牛、其他7 個(gè)地方群體（拉日馬牦牛、昌臺(tái)牦牛、金川牦牛、類烏齊牦牛、麥洼牦牛、玉樹牦牛、中甸牦牛）為一個(gè)群體，最接近牦牛群體的理論分群情況。亞丁牦牛、九龍牦牛血統(tǒng)純正，僅部分個(gè)體出現(xiàn)極少量混雜現(xiàn)象，其他7 個(gè)群體血統(tǒng)組成相似。中甸牦牛每個(gè)個(gè)體均含少量（≤25%）亞丁牦牛和九龍牦牛血統(tǒng)，存在基因交流現(xiàn)象，與亞丁牦牛、九龍牦牛親緣關(guān)系近，與系統(tǒng)進(jìn)化樹分析結(jié)果一致。K=3～9，拉日馬牦牛血統(tǒng)中含有一定比例九龍牦牛血統(tǒng)，K=6 時(shí)起，麥洼牦牛部分個(gè)體（MW-4、MW-5、MW-6、MW-8）被歸為一個(gè)獨(dú)立群體，與PCA 分析結(jié)果一致，拉日馬牦牛含有一定比例麥洼牦牛血統(tǒng)，說(shuō)明拉日馬牦牛與九龍牦牛、麥洼牦牛均存在基因交流，與麥洼牦牛血統(tǒng)組成較相似，親緣關(guān)系較近，與系統(tǒng)進(jìn)化樹分析結(jié)果一致。

圖8 牦牛群體結(jié)構(gòu)堆疊分布Fig.8 Groups structure clustering distribution in yak

圖9 運(yùn)用Inlikeliood 預(yù)估最佳K 值的4 個(gè)步驟Fig.9 Four steps to estimate the best K value with inlikelihood

3 討論

關(guān)于牦牛群體遺傳多樣性已開展大量的研究，柴志欣等［25］利用RAPD 分子標(biāo)記分析西藏地區(qū)11 個(gè)牦牛類群的遺傳多樣性并進(jìn)行分類；Zhang 等［26］利用16 種微衛(wèi)星標(biāo)記分析中國(guó)9 個(gè)牦牛品種的種群內(nèi)遺傳變異水平；郭松長(zhǎng)等［27］利用線粒體DNAD-loop 區(qū)部分序列對(duì)我國(guó)10 個(gè)家牦牛品種（類群）進(jìn)行遺傳多樣性及分類研究。亞丁牦牛和拉日馬牦牛是肉乳兼用型優(yōu)良地方牦牛資源，探究其分子遺傳背景，為開展亞丁牦牛和拉日馬牦牛遺傳改良和育種提供理論依據(jù)。

本研究利用RAD 測(cè)序技術(shù)在全基因組水平探究亞丁牦牛和拉日馬牦牛的遺傳多樣性及遺傳結(jié)構(gòu)。群內(nèi)遺傳多樣性分析結(jié)果顯示，9 個(gè)牦牛群體的觀測(cè)雜合度為0.2172～0.2440，均低于期望雜合度，說(shuō)明各地方群體內(nèi)存在一定程度近交率［28］。其中，麥洼牦牛、九龍牦牛、昌臺(tái)牦牛、類烏齊牦牛和中甸牦牛的觀測(cè)雜合度均低于運(yùn)用微衛(wèi)星標(biāo)記所測(cè)群體觀測(cè)雜合度（0.5650～0.9599）［29?32］，微衛(wèi)星標(biāo)記所測(cè)的雜合度較高與其標(biāo)記位點(diǎn)多態(tài)性高、分布集中有關(guān)，RAD 簡(jiǎn)化基因組測(cè)序較全面地反映整個(gè)基因組多態(tài)位點(diǎn)情況［9］。亞丁牦牛和拉日馬牦牛的觀測(cè)雜合度分別為0.2186 和0.2233。亞丁牦牛遺傳多樣性貧乏，可能因?yàn)閬喍〉貐^(qū)背山封閉，近親交配嚴(yán)重，導(dǎo)致繁殖性能降低，從而引起群體內(nèi)個(gè)體雜合性降低［5］。拉日馬牦牛遺傳多樣性偏低，推測(cè)其群內(nèi)存在一定程度近交率。9 個(gè)群體間LD 衰減速度差異較小，可能與各群體間遺傳多樣性差異小有關(guān)［33］。

本研究中亞丁牦牛的平均遺傳分化指數(shù)Fst 最高為0.0653，與其他8 個(gè)地方牦牛群體存在中度分化，群體結(jié)構(gòu)分析顯示從K=2～9 亞丁牦牛始終分為一個(gè)獨(dú)立群體，血統(tǒng)構(gòu)成純正，且Inlikelihood 計(jì)算結(jié)果顯示亞丁牦牛理論上應(yīng)歸為一個(gè)獨(dú)立群體。生物的進(jìn)化以自然環(huán)境為選擇主線，不斷修正和改變基因的頻率，從而引導(dǎo)生物的進(jìn)化方向［34］。據(jù)史料記載，亞丁地區(qū)飼養(yǎng)牦牛歷史悠久，公元619?786 年，藏王將吐蕃國(guó)牦牛遷徙至東義片區(qū)即現(xiàn)在的亞丁地區(qū)飼養(yǎng)，該區(qū)域受赤土河、東義河切割，山高谷深，立體氣候明顯，亞丁牦牛在對(duì)環(huán)境的適應(yīng)過(guò)程中同時(shí)受到人工選擇的作用，亞丁地區(qū)和中甸地區(qū)歷史上曾有相互交換種牦牛和在交界地混牧的習(xí)慣［6］，因此中甸牦牛血統(tǒng)中含有少量亞丁牦牛血統(tǒng)，具有親緣關(guān)系，經(jīng)過(guò)長(zhǎng)期的自群繁育，亞丁牦牛群體血統(tǒng)純正，與其他地方群體間產(chǎn)生了遺傳變異?？傊?，亞丁牦牛雖體遺傳多樣性貧乏，但血統(tǒng)純正，其遺傳背景與其他8 個(gè)地方群體差異明顯，肉奶性能良好，其產(chǎn)奶量居中國(guó)牦牛之最，建議亞丁牦牛單獨(dú)列為一個(gè)牦牛品種進(jìn)行開發(fā)利用和保護(hù)。

拉日馬牦牛的平均遺傳分化指數(shù)Fst 最低為0.0443，群體遺傳背景較復(fù)雜，與九龍牦牛和麥洼牦牛均存在基因交流，與麥洼牦牛親緣關(guān)系最近。拉日馬牦牛與九龍牦牛中心產(chǎn)區(qū)相距較遠(yuǎn)，存在基因交流的原因可能是九龍牦牛向拉日馬鎮(zhèn)發(fā)生過(guò)遷徙，九龍牦牛屬世界上最好的種牛，存在人工引種的可能。新龍縣志辦記載，在1925 年前后，瓦西洛爾龍作為當(dāng)時(shí)新龍縣拉日馬麥洼部落頭人（稱“麥本”），因部落內(nèi)部糾紛，帶著牲畜7000 多頭（主要是牦牛）背井離鄉(xiāng)前往現(xiàn)阿壩州藏族羌族自治州紅原縣境內(nèi)麥洼區(qū)定居。據(jù)文獻(xiàn)資料記載及牦?？蒲泄ぷ髡叨啻握{(diào)查，麥洼牦牛來(lái)自甘孜藏族自治州北部色達(dá)、德格、爐霍、新龍等縣［6］。本研究在全基因組水平上進(jìn)一步證明拉日馬牦牛與麥洼牦牛存在基因交流，屬麥洼牦牛的祖先群之一，拉日馬牦牛較麥洼牦牛在肉奶性能方面存在一定的優(yōu)越性，其凈肉率和產(chǎn)奶量均高于麥洼牦牛［8?9］。

4 結(jié)論

本研究以亞丁牦牛和拉日馬牦牛及其他7 個(gè)地方牦牛類群為研究對(duì)象進(jìn)行SNP 檢測(cè)和群體遺傳關(guān)系分析。亞丁牦牛遺傳多樣性貧乏，血統(tǒng)純正，與其他8 個(gè)地方牦牛群體存在中度分化，可列為一個(gè)獨(dú)立遺傳資源進(jìn)一步研究和保護(hù)。拉日馬牦牛遺傳多樣性偏低，屬麥洼牦牛的祖先群之一，其群體遺傳結(jié)構(gòu)較復(fù)雜，需結(jié)合其他研究方法、增加樣本量進(jìn)一步開展研究工作。