用于针对所需的且可遗传的性状来挑选反刍动物的方法
阅读说明：本技术 用于针对所需的且可遗传的性状来挑选反刍动物的方法 (Method for selecting ruminants for desirable and heritable traits ) 是由 伊扎克·米兹拉希 于 2018-08-06 设计创作，主要内容包括：本发明公开一种用于挑选一反刍动物的方法,所述反刍动物具有一所需的且可遗传的性状。所述方法包含：分析在所述动物的一微生物组中的一可遗传的微生物的数量,所述可遗传的微生物与所述可遗传的性状有关,其中所述可遗传的微生物的所述数量指示出所述动物是否具有一所需的且可遗传的性状。(The present invention discloses a method for selecting a ruminant having a desirable and heritable trait. The method comprises the following steps: analyzing a quantity of a heritable microorganism in a microbiome of the animal, said heritable microorganism being associated with the heritable trait, wherein the quantity of the heritable microorganism is indicative of whether the animal has a desired and heritable trait.)
技术领域及背景技术
在本发明的一些实施例中，本发明关于一种基于在一反刍动物的一微生物组中的特定细菌的存在，以针对一所需的且可遗传的性状来挑选所述反刍动物的方法。
牛只的瘤胃微生物组实质上使宿主反刍动物能够通过降解及发酵来消化其饲料。在此意义上，此关系为独特的，并且不同于在人类与非食草动物所演化出的宿主-微生物组的相互作用，在这种情况下不存在这种依赖性。建立于大约五千万年前的这种严格且强制性的宿主-微生物组关系被认为在宿主生理学中扮演一重要的角色。尽管它非常的重要，但对于在所述宿主中的自然遗传变异-通过有性繁殖及减数分裂所引起-对瘤胃微生物组的多个组成与多个宿主的生理性状之间的复杂关系的影响理解甚少。已经知道的是，所述瘤胃微生物组的多个特定的组成与动物生理之间存在有多个关联，主要是通过所述动物从饲料中获取能量的能力来进行例示[Kruger Ben Shabat S等人,2016.ISME J 10:2958-2972]。
这些近期的发现将所述牛只的瘤胃微生物组定位成为努力提高奶牛的饲料效率的全新领域。随着人口不断地增加，这可能对食物安全的多个议题具有多个重要的意涵，例如，针对补充可供人类消耗的多个食物来源，并同时在全球范围内降低环境冲击的努力。尽管它非常的重要，但对于瘤胃微生物组的多个组成与宿主的遗传及生理之间的复杂关系理解甚少。
背景技术包括Guan LL等人,2008.FEMS Microbiology Letters 288:85-9；RoeheR等人,2016.PLoS Genet 12:e1005846；Li Z等人.,2016.Microbiology Reports 8:1016-102；及WO2017/187433。
发明内容
根据本发明的一方面，提供了一种用于挑选一反刍动物的方法，所述反刍动物具有一所需的且可遗传的性状，所述方法包含：分析在所述动物的一微生物组中的一可遗传的微生物的数量，所述可遗传的微生物与所述可遗传的性状有关，其中所述可遗传的微生物的所述数量指示出所述动物是否具有一所需的且可遗传的性状。
根据本发明的一方面，提供了一种用于繁殖一反刍动物的方法，所述方法包含：利用来自于一雄性的反刍动物的精液使一雌性的反刍动物受精，所述雄性的反刍动物已经本文所描述的多个方法被挑选出，从而繁殖出所述反刍动物。
根据本发明的一方面，提供了一种用于增加多个反刍动物的数量的方法，所述多个反刍动物具有一所需的微生物组，所述方法包含：繁殖出所述多个反刍动物的一雄性及一雌性，其中所述雄性的反刍动物及/或所述雌性的反刍动物的任一个的所述瘤胃微生物组包含高于一预定水平的一可遗传的微生物，从而增加具有一所需的微生物组的所述多个反刍动物的数量。
根据本发明的一方面，提供了一种用于确定多个反刍动物的繁殖纯度的方法，所述方法包含：分析所述多个反刍动物的一微生物组，其中在所述微生物组中的一细菌的数量的一相似性指示出所述繁殖纯度。
根据本发明的一方面，提供了一种用于繁殖一反刍动物的方法，所述方法包含：利用来自于一雄性的反刍动物的精液使一雌性的反刍动物受精，所述雌性的反刍动物已经根据本文所描述的多个方法被挑选出，从而繁殖出所述反刍动物。
根据本发明的一些实施例，所述可遗传的微生物包含一种可遗传的细菌。
根据本发明的一些实施例，所述可遗传的细菌为表1所列举的多个操作分类单元(OTU)中的至少一种。
根据本发明的一些实施例，所述可遗传的细菌为拟杆菌门及厚壁菌门，其中所述数量指示出所述动物是否具有一所需的且可遗传的性状。
根据本发明的一些实施例，所述可遗传的细菌为拟杆菌目及梭菌目。
根据本发明的一些实施例，所述至少一OTU被挑选为SEQ ID NO:1、3、5、7、8、9、11至17、19、20或21中所列举的任何一个。
根据本发明的一些实施例，所述至少一可遗传的细菌是选自于由一可遗传的细菌属、一可遗传的细菌科及一可遗传的细菌目所组成的群组。
根据本发明的一些实施例，所述细菌表现出一种16S rRNA基因的序列，所述序列是选自于由SEQ ID NO:1至22所组成的群组。
根据本发明的一些实施例，所述至少一OTU包含至少五个OTU。
根据本发明的一些实施例，所述反刍动物为一奶牛。
根据本发明的一些实施例，所述方法进一步包含：使用所述挑选出的动物进行繁殖。
根据本发明的一些实施例，所述所需的且可遗传的性状是选自于由乳蛋白、干物摄入量、甲烷产量、饲料效率及乳脂所组成的群组。
根据本发明的一些实施例，所述微生物组为一非致病性的微生物组。
根据本发明的一些实施例，通过分析所述至少一细菌的一基因体的至少一基因的表现来实行分析所述数量。
根据本发明的一些实施例，通过定序源自于所述微生物组的一样本的DNA来实行分析所述数量。
根据本发明的一些实施例，通过定序源自于所述微生物组的一样本的DNA来实行分析所述数量。
根据本发明的一些实施例，所述细菌为表1所列举的多个操作分类单元(OTU)中的至少一种。
根据本发明的一些实施例，所述至少一OTU是选自于由属、科及目所组成的群组。
根据本发明的一些实施例，所述细菌表现出一种16S rRNA基因的序列，所述序列是选自于由SEQ ID NO:1至22所组成的群组。
根据本发明的一些实施例，所述至少一OTU包含至少五个OTU。
根据本发明的一些实施例，所述反刍动物为一奶牛。
根据本发明的一些实施例，述微生物组包含一瘤胃微生物组或一粪便微生物组。
根据本发明的一些实施例，所述雄性的反刍动物已经根据本文所描述的多个方法被挑选出。
根据本发明的一些实施例，所述可遗传的微生物与一可遗传的性状有关。
根据本发明的一些实施例，所述可遗传的微生物影响所述微生物组的多种微生物的一相对数量。
根据本发明的一些实施例，所述雄性的反刍动物或所述雌性的反刍动物两者的所述瘤胃微生物组包含高于一预定水平的一可遗传的微生物。
根据本发明的一些实施例，所述可遗传的微生物为一种细菌。
根据本发明的一些实施例，所述细菌表现出一种16S rRNA基因的序列，所述序列是选自于由SEQ ID NO:1至22所组成的群组。
除非另有定义，否则在本文所使用的所有技术及/或科学术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。虽然与本文所描述的那些类似或等同的方法及材料可被使用于本发明的多个实施例的实践或测试中，但下面描述了多个示例性的方法及/或材料。假如有冲突，则以包括有多个定义的专利说明书为准。另外，所述多个材料、方法及示例仅为说明性的，并不旨在进行必要的限制。
附图说明
本发明的一些实施例仅通过一示例的方式参考多个附图于本文中描述。现在具体且详细地参考多个附图，要强调的是，所显示的多个细节是以一示例的方式且出于本发明的多个实施例的说明性讨论的多个目的。在这方面，通过多个附图进行的描述使得本领域的技术人员清楚如何实施本发明的多个实施例。
在附图中：
图1：牛只的瘤胃微生物组的一可遗传的部分在系统发生上密切地相关。将随机挑选的相同大小的多个瘤胃OTU群组(n＝22)的16S rDNA基因的序列中的一平均成对相似度与所述22个可遗传的OTU的所述平均成对相似度进行了比较。Y轴代表所述多个群组的数量，X轴代表所述序列相似度。粉红色描绘的是在所述16S rDNA基因的序列具有72％的计算出的平均相似度的多个可遗传的OTU的所述群组。蓝色描绘的是随机挑选的多个瘤胃OTU的多个群组的分布。所有的随机群组均显示一较低的16S rDNA相似度(P<0.01)；
图2：多个可遗传的OTU显示出高存在率。在左边列出具有分类注释的多个OTU。左侧分图中呈现出沿着一奶牛组群的每个OTU的一相对丰度，右侧分图中显示出每个OTU的存在。绿色指示出来自于拟杆菌目(Bacterioidales)的一OTU，而棕色指示出来自于梭菌目的一OTU；
图3：多个可遗传的OTU与多个宿主的属性及多个瘤胃代谢物相关联。一热图描述了在瘤胃的多个可遗传的OTU的所述相对丰度(行)与代表不同的宿主的所述多个生理属性或所述多个瘤胃代谢物的多个选定指标(列)之间的关联性。通过目(绿色代表拟杆菌目、棕色代表梭菌目)将多个OTU进行颜色编码。多个生理属性以黑色上色，而多个瘤胃代谢物根据以下四个群组进行颜色编码：胺基酸(蓝色)、糖类(黄色)、挥发性脂肪酸(VFA)(绿色)及其他所有被量测的代谢物(灰色)。*/***/****分别代表小于0.05、0.005、0.0005的多个标称(nominal)p值；
图4A至4B：相较于其他的瘤胃微生物，多个可遗传的OTU与宿主的生理及瘤胃代谢物的连结更紧密。(A)将所述多个可遗传的OTU对于一特定指标的平均绝对关联性(斯皮尔曼(Spearman))与整体微生物组的平均绝对关联性进行比较。多个星号代表平均值的显着差异(t检验，p<0.05)。多个红色的长条代表所述可遗传的微生物组的关联性。而多个蓝色的长条代表整体的微生物组的关联性。(B)在所述多个可遗传的OTU与所有的OTU之间的与一特定指标相关的一OTU的差异比率(O.R.)(标称的斯皮尔曼p<0.05)。Y轴：差异比率，X轴：源自于费舍尔精确检验(Fisher-exact test)的p值。红色的垂直线段定义了邦费罗尼校正过(Bonferroni-corrected)的0.05显着性阈值。多个色点表示根据图例的类别；
图5：在一先前的研究(Shabat,Sheerli Kruger Ben等人,ISME J10:2958–2972,2016,doi:10.1038/ismej.2016.62)中发现多个可遗传的OTU的一部分与宿主生理有关。在此研究中，所述22个可遗传的OTU中的6个与不同的奶牛生产指标相关，意即，干物摄入量(DMI)、乳蛋白及饲料效率，所述饲料效率以残留的饲料摄入量(RFI)进行量测。多个OTU及其分类位在多个行上，而所述多个生产指标位在多个列上。在目前的多个示例中，一图块中的“&符号”表示在所述可遗传的OTU与所述生产指标之间发现了显着的关联性；
图6：一直方图显示出在基于1,00个随机排列的置换假设下的遗传力测试的错误发现率。X轴：侦测到的可遗传的OTU的数量。Y轴：置换的数量。一红色的垂直线段表示在实际(未置换)数据中的侦测作为可遗传的OTU的数量。
图7：一种用于测试所述多个可遗传的OTU对于所述多个指标的每一个的实际的斯皮尔曼关联性r值的显着性的零模型(null-model)。多个红色的长条代表由实际的所述多个可遗传的OTU的相对丰度的数据图表(profile)所产生的多个数值；多个黑色的长条代表源自于1,000个置换的多个数值。在这种置换的每一个中，每个OTU的丰度数据图表皆被随机混洗；
图8：将具有高遗传力估计值的50个OTU按天数排列(在不同的三天取样所述微生物组)，其中所述多个遗传力估计值被发现为重要的主要分类关键，并将所述平均遗传力估计值作为次要分类关键。X轴：取样天数。Y轴：微生物的OTU分类。红色线段表示为一阈值，高于所述阈值的OTU为被认为是可遗传的；
图9：一热图描绘了沿着整个研究组群的多个可遗传的微生物OTU的多个丰度数据图表(三个取样日的平均值)。X轴：实验中的动物识别号。Y轴：多个微生物OTU的分类。根据在特定的所述动物中的特定的所述OTU的所述相对丰度来将所述热图上色。将相对丰度乘以1M以简化可读性。红色的水平线段表示为一阈值，高于所述阈值的OTU为被认为是可遗传的；
图10：一热图描绘了沿着整个研究组群的基因型分型过的子组的多个可遗传的微生物OTU的多个丰度数据图表(三个取样日的平均值)。X轴：实验中的动物识别号。Y轴：多个微生物OTU的分类。根据在特定的所述动物中的特定的所述OTU的所述相对丰度来将所述热图上色。将相对丰度乘以1M以简化可读性。红色的水平线段表示为一阈值，高于所述阈值的OTU为被认为是可遗传的；及
图11：多个宿主性状的多个遗传力估计值。X轴：性状。Y轴：遗传力估计值。长条的顶端上的一星号标示为显着的遗传组成。
具体实施方式
在本发明的一些实施例中，本发明关于一种基于在一反刍动物的一微生物组中的特定细菌的存在，以针对一所需的且可遗传的性状来挑选所述反刍动物的方法。
在详细解释本发明的至少一实施例之前，应当理解的是本发明并非必要受限于其应用在以下描述中所阐述的或通过多个示例来举例说明的多个细节。本发明能够为其他的实施例或者以各种方式被实施或实现。
反刍动物与其瘤胃微生物组始于五千万年以来保持一持久且强制的关系。在这种独特的宿主-微生物组的关系中，所述宿主消化其饲料的能力完全取决于其共演化的微生物组。这个特殊的联盟引起了关于反刍动物的遗传学及生理学与所述瘤胃微生物组的结构、组成及代谢之间的依赖性的多个疑问。为了阐明这种关系，本发明人调查了宿主的遗传学与所述瘤胃微生物组的系统发生及功能上的组成的关联性。他们通过利用瘤胃微生物相的数据及来自于每只动物的其他表型与来自于47只动物的一子组的基因型数据的一结合来研究78只产乳的荷斯坦-弗里斯兰(Holstein-Friesian)奶牛族群，进而完成此调查。更具体地，通过应用基于SNP的遗传力估计值，所述遗传力估计值结合了扩增的定序数据、多个宿主性状及多个瘤胃代谢物，本发明人鉴定22个操作分类单元(OTU)，所述多个操作分类单元的丰度与多个瘤胃代谢性状及多个宿主生理性状有关，并显示出可量测的遗传力(参见图8)。
目前的多个结果显示出多个可遗传的微生物物种代表一相关的系统发生群组(图1)。此发现与一个基本的生态学观念相对应，其为与不共享相似生态位的生物相比，共享一相似生态位的多种生物更容易在系统发生上彼此接近。所述多个代谢物及多个被量测的生理参数通常根据它们的分类被群集在一起，其基于它们的关联性数据图表(profile)对于所述不同的可遗传的OTU的分级群集(在热图中的多个列，图3)。例如，大部分的胺基酸群集在一起、一些挥发性脂肪酸成对在一起，以及九个生产指标中有六个沿着所述热图邻近于彼此。此时，从所述多个可遗传的OTU的观点来看，甚至在此研究中辨识出的多个可遗传OTU的可区别的区位内，人员也可观察到所述多个OTU根据它们的丰度数据图表进行群集，并且根据它们的分类隶属关系将它们高程度分离，例如，九个未知的拟杆菌科中有八个群集在一起，以及五个普雷沃氏菌属(Prevotella)中有三个群集在一起。
本发明人进一步发现所述可遗传的细菌含有高比例的与多个宿主性状及与多个瘤胃代谢参数相关的微生物(图4A及4B)。这些发现意味着宿主的遗传变异可通过潜在地调节不同的瘤胃微生物群组的丰度而对所述宿主的多个生理性状以及瘤胃代谢产生可量测的影响。这些发现指示出宿主遗传学与特定的瘤胃细菌有关，所述特定的瘤胃细菌潜在地更容易影响瘤胃代谢及宿主生理。值得注意的是，被发现与可遗传的细菌相关的所述多个代谢物及所述多个宿主性状也通过它们的代谢而联系在一起。这可在与所述可遗传的细菌相关的甲烷产量、丙酸盐：乙酸盐比率、乳酸、丙酸盐、丁酸盐的多个相关性数值以及所述宿主的能量获取效率(表示为RFI)中观察到。特别感兴趣的是观察到所述可遗传的细菌大部分与所述丙酸盐：乙酸盐比率(平均值|r|＝0.64)相关，所述丙酸盐：乙酸盐比率与产甲烷作用及乳酸成反比，同时与估计能量获取效率的RFI成正比(图3及图4)。另一个值得注意的发现为与多种可遗传的微生物相关且显现出最高的差异比率的所述乳蛋白性状指出了与此宿主性状有关的可遗传的细菌的富集(图4)。这些观察进一步加强了在所述宿主的基因型、瘤胃细菌及多个宿主性状之间的一种三角关系的概念。
因此，根据本发明的一方面，提供了一种用于挑选一反刍动物的方法，所述反刍动物具有一所需的且可遗传的性状，所述方法包含：分析在所述动物的一微生物组中的一可遗传的微生物的数量，所述可遗传的微生物与所述可遗传的性状有关，其中所述可遗传的微生物的所述数量指示出所述动物是否具有一所需的且可遗传的性状。
通过本发明考虑到的多种反刍动物包括，例如，牛(例如奶牛)、山羊、绵羊、长颈鹿、美洲野牛、欧洲野牛、牦牛、水牛、鹿、骆驼、羊驼、骆马、牛羚、羚羊、叉角羚羊及蓝牛羚。
根据一特定的实施例，所述反刍动物为牛科的奶牛或公牛-例如，普通牛或荷斯坦-弗里斯兰牛。
根据一特定的实施例，挑选出的所述动物为一新生动物，通常不超过一天大。根据另一实施例，挑选出的所述动物不超过两天大。根据另一实施例，挑选出的所述动物不超过三天大。根据另一实施例，挑选出的所述动物不超过一周大。根据另一实施例，挑选出的所述动物不超过二周大。根据另一实施例，挑选出的所述动物不超过一个月大。根据另一实施例，挑选出的所述动物不超过三个月大。根据又一实施例，挑选出的所述动物为一成体。
本文所使用的片语“可遗传的性状(hereditable trait)”(也称为可遗传的性状(heritable trait))指的是一特定的族群中的多个个体之间的变异部分(或全部)归因于遗传变异的一性状。由于这些遗传变异，在所述微生物组中的多个特定的微生物族群(作为标记)的所述相对或绝对丰度以一统计学上显着的方式从一世代到下一世代相似。
当可通过多个动物之间的遗传变异来解释一动物群组中的一种微生物的丰度变化时，可将所述微生物分类为可遗传的。
可用于本发明的内文中的多个统计方法包括，但不限于，单组分GRM方法、MAF-分层的GREML(GREMLLMS)、LDL及MAF-分层的GREML(GREMLLLDMS)、单组分及MAF-分层的LD-可调整的亲缘关系(LDAK-SC及LDAK-MS)、具有阈值化过的GRMs的扩展的系谱、屈雷特(treelet)共变异平滑(TCS)、LD-评分回归及BOLT-REML。
在一实施例中，所述性状有关于瘤胃代谢，所述瘤胃代谢的多个示例包括，但不限于，丙酸盐：乙酸盐比率、在所述瘤胃中的甲烷的含量/浓度、在所述瘤胃中的丙酸的含量/浓度及在所述瘤胃中的戊酸的含量/浓度。另外，所述性状也可能为在所述瘤胃中的一种胺基酸的含量/浓度，例如甘胺酸，天门冬胺酸及酪胺酸。
在另一实施例中，所述性状有关于一宿主的属性，所述宿主的属性的多个示例包括，但不限于，存在于所述动物的乳汁中的蛋白质或脂肪的含量、干物摄入量或饲料效率。
本发明人显示出的多个可遗传的性状的多个示例为至少部分可遗传的，其包括饲料效率及甲烷产量。
如本文所使用，术语“饲料效率”指的是所述动物从食物中提取能量的能力。所述饲料效率是指一动物的实际饲料摄入量与基于其生产水平及体重的预测的饲料摄入量之间的差异。因此，具有“一高”饲料效率的一动物为产生较多的乳汁或体重超过基于其饲料摄入量所预测的动物。具有“一负值”饲料效率的一动物为产生较少的乳汁或体重低于基于其饲料摄入量所预测的动物。在一实施例中，使用所述残留的饲料摄入量(RFI)方法(Koch等人,1963,J Anim Sci,22,486-494)来量测所述能量效率，并且可根据国家研究委员会2001年方案来计算所述能量效率。基于一多元回归方程式可计算每只奶牛的所述多个预期的RFI数值。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少0.05个标准差时，所述动物可被分类成具有一低RFI(或高饲料效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少0.05个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少1个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少2个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少3个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少4个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有低于所述畜群的所述平均RFI的至少5个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)，所述畜群为具有至少15只动物的一畜群。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少6个标准差时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物具有高于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少0.05个标准差时，所述动物可被分类成具有一高RFI(或低饲料效率)。
根据一实施例，当一动物具有高于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少0.05个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)。
根据一实施例，当一动物具有高于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少1个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)。
根据一实施例，当一动物具有高于所述畜群的所述平均RFI的至少2个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)，所述畜群为具有至少15只动物的一畜群。
根据一实施例，当一动物具有高于所述畜群的所述平均RFI的至少3个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)，所述畜群为具有至少15只动物的一畜群。
根据一实施例，当一动物具有高于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少4个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少5个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)。
根据一实施例，当一动物具有低于所述畜群(具有至少15只动物的一畜群)的所述平均RFI的至少6个标准差时，所述动物可被分类成具有一高RFI(或低能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量(依照重量及乳汁产量的功能所计算，如本文上面所述)所预测的DMI低于每日1公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量所预测的DMI低于每日2公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量所预测的DMI低于每日4公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量所预测的DMI低于每日8公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量所预测的DMI低于每日16公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物的干物摄入量(DMI)相较于根据其预期的食物摄入量所预测的DMI低于每日32公斤时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出1.5倍的乳汁量或称重出1.5倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出2倍的乳汁量或称重出2倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出2.5倍的乳汁量或称重出2.5倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出3倍的乳汁量或称重出3倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出3.5倍的乳汁量或称重出3.5倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出4倍的乳汁量或称重出4倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出4.5倍的乳汁量或称重出4.5倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
根据一实施例，当一动物相较于根据其饲料摄入量的预测产出5倍的乳汁量或称重出5倍的重量时，所述动物可被分类成具有一低RFI(或高能量效率)。
术语“甲烷产量”指的是通过所述多个动物本身所排放出的或通过所述微生物组所产生的甲烷量。其可能以每日的公克数或干物摄入量每公斤的公克数为单位来进行量测。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少0.05个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少0.5个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少1个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少2个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少3个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少4个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少5个标准差时，所述动物可被分类成为一“高甲烷制造者”。
根据一实施例，当一动物具有高于所述畜群的平均甲烷产量的至少6个标准差时，所述动物可被分类成为一“高甲烷制造者”。
术语“低甲烷产量”指的是所述动物的所述微生物组(例如，瘤胃微生物组/粪便微生物组)所产生的量低于每日100公克或每公斤干物摄入量有10公克。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少0.05个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少0.5个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少1个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少2个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少3个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少4个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少5个标准差时，所述动物可被分类成为一“低甲烷制造者”。
根据一实施例，当一动物具有低于所述畜群的平均甲烷产量的至少6个标准差时，所述动物可被分类成为一“低甲烷制造者”。
本文所使用的术语“微生物组”指的是多种微生物(细菌、真菌、原生生物)的总合体，它们在一限定环境中的遗传要素(基因体)。
一微生物相的样本包含来自于一微生物组的多种微生物的及或其多个组成或多个产物的一样本。
根据一特定的实施例，所述微生物组为一瘤胃微生物组。在其他实施例中，所述微生物组为一粪便微生物组。
根据另一实施例，所述微生物组是源自于一健康的动物(意即，所述微生物组为一非致病性的微生物组)。
为了分析一微生物组的所述多种微生物，从所述动物收集一微生物相的样本。这可通过任何允许多种微生物或者其多个组成或多个产物的回收，并适合于相关的微生物组来源，例如瘤胃，的方式来实行。
瘤胃可通过使用本领域已知的多个方法来收集，且包括，例如，将一胃管与一瘤胃针孔取样器一起使用。通常，在喂食之后收集瘤胃。
在一些实施例中，使用一粪便样本来取代分析一流胃样本，所述粪便样本反映出所述瘤胃的所述微生物组。因此，在此实施例中，分析一粪便微生物组。
根据本发明的此方面的一实施例，在一微生物相的样本中分析特定的细菌分类群的丰度。
本文在下面描述了定量各种分类群的多种微生物(例如细菌)的水平的多个方法。
在一些实施例中，确定一个或多个类型的微生物或者其多个组成或多个产物的一水平或一组水平包含：确定一个或多个DNA序列的一水平及一组水平。在一些实施例中，一个或多个DNA序列包含任何可用于区分不同微生物类型的DNA序列。在某些实施例中，一个或多个DNA序列包含多个16S rRNA基因的序列。在某些实施例中，一个或多个DNA序列包含多个18S rRNA基因的序列。在一些实施例中，扩增了1、2、3、4、5、10、15、20、25、50、100、1,000、5,000或更多的序列。
可使用一合适的计算机程序(例如BLAST)以针对一适合的参考数据库(例如，16SrRNA参考数据库)来对多个物种进行分类分配。
在确定一核酸或蛋白质是否与本发明的一序列大致上具同源性或共享一定百分比的序列相似度的情况下，序列相似度可通过多个常规的演算法来定义，所述多个常规的演算法通常允许引入少量的缺口以实现最佳的拟合。特别地，使用卡林及阿尔茨库尔(Karlin及Altschul)的演算法来确定两个多胜肽或两个核酸的“相似度百分比”(Proc.Natl.Acad.Sci.USA 87:2264-2268,1993)。这种演算法会并入阿尔茨库尔等人的BLASTN及BLASTX程序中(J.Mol.Biol.215:403-410,1990)。利用所述BLASTN程序可进行BLAST的核苷酸搜寻，以获得与本发明的一核酸分子同源的多个核苷酸序列。同样地，利用所述BLASTN程序可进行BLAST的蛋白质搜寻，以获得与本发明的一多胜肽同源的多个胺基酸序列。为了获得用于比较目的的多个缺口比对，利用在阿尔茨库尔等人中所描述的缺口BLAST(Nucleic Acids Res.25:3389-3402,1997)。当利用BLAST及缺口BLAST的程序时，采用了所述多个对应的程序(例如，BLASTX及BLASTN)的多个默认参数。
根据一实施例，为了将一种微生物分类为属于一特定属，其必须包含与已知属于所述特定属的一参考微生物有至少90％的序列同源性、至少91％的序列同源性、至少92％的序列同源性、至少93％的序列同源性、至少94％的序列同源性、至少95％的序列同源性、至少96％的序列同源性、至少97％的序列同源性、至少98％的序列同源性、至少99％的序列同源性。根据一特定的实施例，所述序列同源性为至少95％。
根据另一实施例，为了将一种微生物分类为属于一特定种，其必须包含与已知属于所述特定的种的一参考微生物有至少90％的序列同源性、至少91％的序列同源性、至少92％的序列同源性、至少93％的序列同源性、至少94％的序列同源性、至少95％的序列同源性、至少96％的序列同源性、至少97％的序列同源性、至少98％的序列同源性、至少99％的序列同源性。根据一特定的实施例，所述序列同源性为至少97％。
在一些实施例中，直接测定一微生物相的样本中的一个或多个DNA序列的一水平或一组水平。在一些实施例中，从一微生物相的样本中分离出DNA，并且测定所述分离出的DNA的一个或多个DNA序列的一水平或一组水平。分离微生物DNA的多个方法在本领域中为熟知的。多个示例包括但不限于苯酚-氯仿提取法及各式各样的市售试剂盒，包括QJAampDN粪便(stool)小型试剂盒(凯杰(Qiagen)，瓦伦西亚，加利福尼亚)。
在一些实施例中，通过利用PCR(例如，标准PCR、半定量PCR或定量PCR)来扩增多个DNA序列，进而确定一个或多个DNA序列的一水平或一组水平。在一些实施例中，通过利用定量PCR来扩增多个DNA序列，进而确定一个或多个DNA序列的一水平或一组水平。这些及其他基本的DNA扩增方法对于本领域的实践者为熟知的，并且在奥塞贝尔(Ausebel)等人中进行描述(Ausubel F M,Brent R,Kingston R E,Moore D,Seidman J G,Smith J A,Struhl K(编辑者).1998.分子生物学的现代步骤准则.威立：纽约)。
在一些实施例中，使用对一个或多个序列具有特异性的多个引子来扩增多个DNA序列，所述一个或多个序列可将多个单独的微生物类型与其他不同的微生物类型区分开。在一些实施例中，使用对多个16S rRNA序列具有特异性的多个引子来扩增多个16S rRNA基因的序列或其多个片段。在一些实施例中，使用对多个18S DNA序列具有特异性的多个引子来扩增多个18S DNA序列。
在一些实施例中，使用系统进化芯片(phylochip)的技术来确定一种或多个16SrRNA基因的序列的一水平或一组水平。在本领域中已熟知系统进化芯片的用途，并且所述系统化芯片的用途在哈森(Hazen)等人中被描述("深海石油的羽流丰富了本地的降解石油的细菌。"Science,330,204-208,2010)，其整体内容通过引用并入本文中。简而言之，从由一微生物相的样本所萃取而来的DNA中扩增并标记多个16S rRNA基因的序列。接着，将扩增后的DNA与含有用于多个微生物16S rRNA的基因的多个探针的一阵列进行杂合。然后，定量出与每个探针结合的程度，以提供与所探测的16S rRNA基因的序列相对应的微生物类型的一样本水平。在一些实施例中，通过一商业供应商来进行系统进化芯片分析。多个示例包括但不限于第二基因体有限公司(圣地牙哥，加利福尼亚)。
在一些实施例中，确定一个或多个微生物类型或其多个组成或多个产物的一水平或一组水平包含：确定一个或多个微生物RNA分子(例如转录体)的一水平或一组水平。定量多个RNA转录体的水平的多个方法在本领域中已为熟知，且包括但不限于北方墨点分析、半定量反转录酶PCR、定量反转录酶PCR及微阵列分析。在奥塞贝尔等人中描述了这些或其他基本的RNA转录侦测流程(Ausubel F M,Brent R,Kingston R E,Moore D,Seidman J G,Smith J A,Struhl K(编辑者).1998.分子生物学的现代步骤准则.威立：纽约)。
在一些实施例中，确定一个或多个微生物类型或其多个组成或多个产物的一水平或一组水平包含：确定一种或多种微生物蛋白质的一水平或一组水平。定量蛋白质水平的多个方法在本领域中已为熟知，且包括但不限于西方墨点法及质谱法。在奥塞贝尔等人中描述了这些或所有其他基本的蛋白质侦测流程(Ausubel F M,Brent R,Kingston R E,Moore D,Seidman J G,Smith J A,Struhl K(编辑者).1998.分子生物学的现代步骤准则.威立：纽约)。在一些实施例中，确定一个或多个微生物类型或其多个组成或多个产物的一水平或一组水平包含：确定一个或多个微生物代谢物的一水平或一组水平。在一些实施例中，通过质谱法来确定多个代谢物的水平。在一些实施例，通过核磁共振光谱法来确定多个代谢物的水平。在一些实施例中，通过酶联免疫吸附测定(ELISA)来确定多个代谢物的水平。在一些实施例中，通过比色法来确定多个代谢物的水平。在一些实施例中，通过分光光度法来确定多个代谢物的水平。
在一些实施例中，要确定的是在所述微生物组内微生物家族的分布。然而，假如有需求的话(包括例如基因的各种遗传要素的存在或不存在，质体的存在或不存在等)，特征可进行到多个更详细的层级，例如，到属及/或种的层级，及/或到一物种内的菌株或变异(例如，变异体)的层级。可替代地，可使用多个高阶的分类设计，例如门、纲或目。目标在于辨识何种微生物存在于来自于所述反刍动物的样本中及那些微生物的相对分布，例如，以存在的微生物的总数量的一百分比来表现出，从而建立对于欲测试的所述动物的一微型花(micro floral)的图案或识别标志。
在本发明的其他实施例中，当考虑到许多分类群时，会评估所述微型花的整体图案，意即，不仅辨识特定的分类群，且通常或可选择地与侦测到的所有分类群互相比较，也考虑到每个组成的分类单元的百分比。本领域的技术人员将认知到存在有表现或编译这种数据的许多可能的方式，所有所述多个可能的方式皆涵盖于本发明中。例如，可使用一“圆饼图”形式来描绘一微型花的识别标志；或者所述多个关系可被数字化或图形化地表示为所有侦测到的分类群的多个比率或多个百分比等。进一步地，所述数据可被操作，如此仅考虑到所挑选的所述分类群的多个子组(例如，具有强正相关的多个关键指标)。数据可被表示为，例如，所侦测到的微生物的总数量的一百分比，或一重量百分比等。
本领域已知可通过使用多个基因型测定法来实行分析两只反刍动物的遗传背景的相似度的多个方法。
如本文所使用，术语“基因型分型’指的是确定在一物种中的多个个体之间的多个遗传变异的过程。单核苷酸多态性(SNPs)为用于进行基因型分型的最常见的遗传变异类型，且根据定义为在一特定的基因座上的多个单一碱基的差异，其在超过1％的族群中被发现。SNPs在所述基因体的编码区域及非编码区域皆被发现，并且可与有一有兴趣的表型性状有关，例如，一可定量的有兴趣的表型性状。因此，SNPs可被使用作为用于多个可定量的有兴趣的表型性状的多个标记。用于进行基因型分型的遗传变异的另一常见的类型为“插入缺失(InDels)”或不同长度的多个核苷酸的多个插入及缺失。对于SNP及InDel两种基因型分型，存在有许多用以确定多个个体之间的基因型的方法。所选择的方法通常取决于所需的通量，其为欲进行的基因型分型的多个个体的数量及对于每个个体的欲测试的基因型数量两者的一函数。所选择的方法也取决于可从每个个体或样本获得的样本材料的数量。例如，定序可用于确定例如SNPs的多个标记的存在或不存在，例如，桑格(Sanger)定序及高通量定序技术(HTS)。桑格定序可能涉及通过利用(毛细管)电泳的侦测来进行测序，其中一次的执行最多可序列分析384个毛细管。高通量定序涉及一次并行进行数千或数百万或更多的序列的定序。HTS可被限定为次世代定序，意即，基于固相焦磷酸定序的多个技术，或者限定为基于单核苷酸即时定序(SMRT)的下下一代定序技术。多个HTS技术为可用的，例如，通过罗氏(Roche)、以卢米那(Illumina)及应用生物系统(Applied Biosystems)(莱富科技(Life Technologies))所提供。进一步地，通过螺旋生物科学(Helicos)、太平洋生物科学(Pacific Biosciences)、完整基因体(Complete Genomics)、离子托仁系统(Ion TorrentSystems)、牛津奈米孔科技(Oxford Nanopore Technologies)、奈伯西斯(Nabsys)、ZS遗传(ZS Genetics)、基纽生物(GnuBio)来描述及/或可获得多个高通量定序技术。这些定序技术的每一个在实际的所述定序步骤之前皆具有他们本身制备多个样本的方法。这些步骤可包括在所述高通量定序方法中。在某些例子中，为了效率及经济上的原因，特别用于所述定序步骤的多个步骤可在所述实际的定序步骤之前被整合至所述样本制备的步骤准则中。例如，连接多个片段的多个转接子可含有可用于后续的多个定序步骤的多个区段(所谓的定序转接子)。在定序之前用于扩增一片段子组的多个引子可含有在它们的序列内的多个部分，所述多个部分引入了稍后可用于所述定序步骤中的多个区段，例如，通过一扩增步骤来引入一定序转接子或可用于一后续的定序步骤的一扩增子的一捕捉部分。多个扩增步骤也取决于所使用的定序技术而可被省略。
多个低密度及高密度芯片可考虑与本发明一起使用，包括多个SNP阵列，所述多个SNP阵列包含3,000至800,000个SNP。通过示例的方式，一“50K”的SNP芯片量测大约50,000个SNP，并且时常用于畜牧业，以建立遗传价值或基因体估计育种值(GEBVs)。在本发明的某些实施例中，可使用以下的多个SNP芯片的任何一个：牛的SNP50 v1微珠芯片(以卢米那)、牛的SNP v2微珠芯片(以卢米那)、牛的3K微珠芯片(以卢米那)、牛的LD微珠芯片(以卢米那)、牛的HD微珠芯片(以卢米那)、基因搜索RTM的基因体剖析器TM的LD微珠芯片，或基因搜索RTM的基因体剖析器TM的HD微珠芯片。
在一实施例中，为了量测在所述多个动物之间的遗传相似性，计算了基于所述SNP数据的在所述多个动物之间的遗传相关性。为了此目的，可产生一矩阵，所述矩阵估计了每对独特的动物之间的所述遗传相关性。此矩阵基于多个共享的等位基因的数量，并通过所述等位基因的稀有性来进行加权：
其中Ajk代表在动物j及k之间的所述遗传关系估计值，且xij及xik分别为在动物j及k中的所述多个参考的等位基因的计数；pi为在族群中的所述参考的等位基因的比例；以及n为用于所述相关性估计的多个SNP的总数量。
为了辨识多个微生物物种，其中在多个丰度数据图表中的它们的变异很大的一部分可归因于多个可遗传的遗传因素，分析了所微生物相的样本，以便显示出共享有一相似的基因背景的多个动物中的相似丰度(绝对或相对)的多种微生物的分类群(例如，种)。
在一实施例中，多种微生物或多个OTU被认为呈现出一显着的可遗传的组成，假如它们的遗传力估计值大于0.01，且P值小于0.1。应当理解的是，可根据所述测试的严格性来增加或降低信心水准。因此，例如，在另一实施例中，多种微生物被认为呈现出一显着的可遗传的组成，假如它们的遗传力估计值大于0.01，且P值小于0.05。本发明人考虑到的其他预期的遗传力估计值包括：大于0.02及小于0.1的P值、大于0.03及小于0.1的P值、大于0.04及小于0.1的P值、大于0.05及小于0.1的P值、大于0.06及小于0.1的P值、大于0.07及小于0.1的P值、大于0.08及小于0.1的P值、大于0.09及小于0.1的P值、大于0.1及小于0.1的P值、大于0.2及小于0.1的P值、大于0.3及小于0.1的P值、大于0.4及小于0.1的P值、大于0.5及小于0.1的P值、大于0.6及小于0.1的P值、大于0.7及小于0.1的P值、大于0.8及小于0.1的P值。
本发明人考虑到的其他预期的遗传力估计值包括：大于0.02及小于0.05的P值、大于0.03及小于0.05的P值、大于0.04及小于0.05的P值、大于0.05及小于0.05的P值、大于0.06及小于0.05的P值、大于0.07及小于0.05的P值、大于0.08及小于0.05的P值、大于0.09及小于0.05的P值、大于0.1及小于0.05的P值、大于0.2及小于0.05的P值、大于0.3及小于0.05的P值、大于0.4及小于0.05的P值、大于0.5及小于0.05的P值、大于0.6及小于0.05的P值、大于0.7及小于0.05的P值、大于0.8及小于0.05的P值。
根据一特定的实施例，所述遗传力估计值大于0.7，且P值小于0.05。
为了增加所述分析的所述置信度，所述遗传力分析可能排他地仅限于细菌的分类群，所述细菌的分类群至少存在于所述基因型分型过的子组中的20％、25％、30％、40％、50％或更高。另外，用于每个细菌分类群的遗传力分析可被进行数次，例如，在多个不同的采样日(例如2、3、4、5或更多天)进行。仅有在所有的单独的采样日中皆呈现出一显着的可遗传的组成(例如，遗传力估计值大于0.7且p值小于0.05)的细菌分类群可被认为是可遗传的。
在一实施例中，所述可遗传的细菌属于拟杆菌门及/或厚壁菌门，其中所述门的数量指示出所述动物是否具有一所需的且可遗传的性状。
在另一实施例中，所述可遗传的细菌属于拟杆菌目(Bacterioidales)及/或梭菌目(Clostridiales)，其中所述门的数量指示出所述动物是否具有一所需的且可遗传的性状。
如上所提及，在实行本文上面所描述的多个流程时，本发明辨识出22个符合可遗传的标准的OTU。
本文所使用的术语“OTU”指的是一系统发生树的一终端叶，且通过一核酸序列来，例如，整个基因体或一特定的遗传序列，以及在物种层级上与此核酸序列共享序列同一性的所有的序列来进行定义。在一些实施例中，所述特定的遗传序列可为所述16S序列或所述16S序列的一部分。在其他实施例中，将两个实体的整个基因体进行定序及比较。在另一实施例中，将多个挑选的区域，例如多基因座序列标签(MLST)、多个特定的基因或多个基因组，进行遗传性比较。在多个16S的实施例中，在整个16S或所述16S的一些可变区域中共享大于97％的平均核苷酸同一性的多个OTU被视为相同的OTU。参见例如，Claesson等人,2010.使用多个串联可变的16S rRNA基因区域来解析高度复杂的微生物相的组成的两种次世代定序技术的比较.Nucleic Acids Res 38:e200。Konstantinidis等人,2006.基因体时代的细菌物种的定义.Philos Trans R Soc Lond B Biol Sci 361:1929-1940。在涉及整个基因体、MLSTs、不同于16S的多个特定的基因或基因组的多个实施例中，共享大于95％的平均核苷酸同一性的多个OTU被视为相同的OTU。参见例如，Achtman及Wagner.2008.微生物多样性及微生物物种的遗传性质.Nat.Rev.Microbiol.6:431-440；Konstantinidis等人,2006,同上，基因体时代的细菌物种的定义.Philos Trans R Soc Lond B Biol Sci 361:1929-1940。通过比较在多个生物之间的多个序列可定义出多个OTU。通常，具有低于95％的序列同一性的多个序列不被认为构成了相同的OTU的一部分。多个OTU也可通过多个核苷酸标记或多个基因的任何组合，特别是高度保守的基因(例如，“管家”基因)或其组合来被表征。这种特征采用例如WGS数据或一整个基因体序列。如同在本文所使用，一细菌的“类型”指的是可在一菌株、物种、进化枝、门的层级的一OTU。
在一实施例中，在本文下面的表1中列举所述OTU。
表1
在一实施例中，在SEQ ID NO:1至22中所列举的所述多个序列的任一个中说明所述OTU。在另一实施例中，在SEQ ID NO:1、3、5、7、8、9、11至17、19、20或21中说明所述OTU。
本文下面的表2中总结了对于多个特定性状的多个特定的OTU。在所述表格中，(1)表示为一正相关性、(-1)表示为负相关性，以及(0)表示为无显着相关性。
表2
本发明进一步考虑到分析多个上述的OTU。因此，分析了所述多个上述的OTU中的至少一个OTU、至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个、至少十个、至少11个、至少12个、至少13个、至少14个、至少15个或全部。
应当理解的是，一旦所述动物已经被分类成具有一足够量的可遗传的微生物，所述可遗传的微生物与一所需的表型相关，所述动物就可被挑选出(从所述畜群的其余部分中分离出)并分类成具有此表型。根据一实施例，对所述动物进行标记，以使其清楚地包含此表型。
在一实施例中，所述动物被挑选作为用于进行繁殖的一候选种。因此，所述动物可被认为适合作为自然交配、人工授精或体外受精的一配子供体。
因此，根据本发明的另一方面，提供了一种用于繁殖一反刍动物的方法，所述方法包含：利用来自于一雄性的反刍动物的精液使一雌性的反刍动物受精，所述雌性的反刍动物已经根据本文所描述的多个方法被挑选出，从而繁殖出所述反刍动物。
根据本发明的另一方面，提供了一种用于繁殖一反刍动物的方法，所述方法包含：利用来自于一雄性的反刍动物的精液使一雌性的反刍动物受精，所述雄性的反刍动物已经根据权利要求1至14任一项所述的多个方法被挑选出，从而繁殖出所述反刍动物。
优选地，通过人工授精来进行一只或多只公牛与多只奶牛的繁殖，但可替代地可通过自然受精来进行。
根据本发明的又一方面，提供了一种用于确定多个反刍动物的繁殖纯度的方法，所述方法包含：分析所述多个反刍动物的一微生物组，其中在所述微生物组中的一细菌的数量的一相似性指示出所述繁殖纯度。
因此，当表1中所列举的所述多个细菌OTU的至少一个、至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或甚至至少十个或全部的所述微生物组的数量(例如，发生率)在统计上显着地相似时，所述相同物种的两只动物可被认为是同一品种。根据另一实施例，当属于拟杆菌门及/或厚壁菌门，或者属于拟杆菌目及/或梭菌目的所述细菌的至少10％、20％、30％、40％、50％、60％或甚至70％的所述微生物组的数量(例如，相对比率)相同时，所述相同物种的两只动物可被认为是同一品种。
由于本发明人已经显示出在瘤胃微生物组中的多个特定的微生物的丰度为可遗传的，因此本发明人进一步设想有可能繁殖出具有在其微生物组中的特定的微生物丰度的多个反刍动物。应当理解的是，这可在不了解与所述可遗传的细菌有关的性状或目的的情况下进行。
因此，根据本发明的再一方面，提供了一种用于增加多个反刍动物的数量的方法，所述多个反刍动物具有一所需的微生物组，所述方法包含：繁殖出所述多个反刍动物的一雄性及一雌性，其中所述雄性的反刍动物及/或所述雌性的反刍动物的任一个的所述瘤胃微生物组包含高于一预定水平的一可遗传的微生物，从而增加具有一所需的微生物组的所述多个反刍动物的数量。
如上文进一步的描述，可通过分析多个瘤胃微生物组的多个样本来实行具有多个瘤胃微生物组的多个动物的挑选，所述多个瘤胃微生物组包含多种可遗传的微生物(例如，细菌)。
如上所述，所述可遗传的微生物可能有关于一已知的可遗传的性状。上文提供了多个可遗传的性状的多个示例。
另外或可替代地，所述可遗传的微生物可影响所述动物的所述微生物组的多种微生物的相对数量(意即，整体的微生物组的组成)。
上文描述了多种可遗传的微生物的多个示例(例如，细菌)-例如，选自于由SEQ IDNO:1至22所组成的群组的表现出一种16S rRNA基因的序列的细菌。
如本文所使用，术语“大约”指的是±10％。
多种术语“包含”(“comprises”,“comprising”)、“包括”(“includes”,“including”)、“具有”及它们的同源字意思为“包括但不限于”。
术语“组成”表示“包括且限于”。
术语“基本上组成”表示组成物、方法或结构可包括另外的成分、步骤及/或部分，但仅有在所述另外的成分、步骤及/或部分不实质上改变权利要求所保护的组成物、方法或结构的基础及多个新颖特征的情况下。
如本文所使用，除非上下文另有清楚地规定，否则单数形式“一个”(“a”,“an”)及“所述”(“the”)包括复数指代。例如，术语“一化合物”或“至少一化合物”可包括多个化合物，且包括其混合物。
在整个申请中，此发明的多个实施例能以一范围的形式呈现。应当理解为所述范围的形式中的描述仅仅是为了方便及简洁，且不应该被解释为对本发明范围的一不可改变的限制。因此，一范围的描述应该被认为是已经具体公开了所有可能的子范围以及在此范围内的个别数值。例如，一范围的描述像是从1至6应该被认为具有具体公开的多个子范围，例如，从1至3、从1至4、从1至5、从2至4、从2至6、从3至6等，以及在此范围中的多个个别的数值，例如，1、2、3、4、5及6。无论所述范围的广度如何，这都适用。
无论何时在本文中指示一数值范围时，其意思为包括在所指示的范围限制内的任何引用的数字(小数或整数)。词组，在一第一指示数字与一第二指示数字“之间的范围”(“ranging/ranges between”)及“范围由”(“ranging/ranges from”)一第一指示数字“至(to)”一第二指示数字在本文中可互换使用，并且意思为包括所述第一指示数字及所述第二指示数字以及其之间的所有小数及整数。
如本文所使用，术语“方法”指的是用于完成一特定任务的方式、手段、技术及流程，所述任务包括但不限于已知的或者由化学、药理学、生物学、生物化学及医学领域的从业者们从已知的方式、手段、技术及流程所容易开发出来的那些方式、手段、技术及流程。
当参考多个特定序列表时，所述参考被理解为也包含基本上对应于其互补序列的多个序列，如同包括微小序列变异，所述微小序列变异是由于，例如，定序错误、克隆错误，或导致碱基替换、碱基缺失或碱基增加的其他改变，这样的变异的频率小于50个核苷酸中有1个，可替代地，小于100个核苷酸中有1个，可替代地，小于200个核苷酸中有1个，可替代地，小于500个核苷酸中有1个，可替代地，小于1000个核苷酸中有1个，可替代地，小于5,000个核苷酸中有1个，可替代地，小于10,000个核苷酸中有1个。
应当理解的是，为清楚起见，在个别的实施例的内文中所描述的本发明的某些特征也可以在一单一实施例的组合中被提供。相反地，为简洁起见，在一单一实施例的内文中所描述的本发明的各种特征也可以个别地、或以任何合适的子组合、或在适用于本发明的任何其他所描述的实施例中被提供。在各种实施例的内文中所描述的某些特征幷不被认为是那些实施例的多个必要特征，除非所述实施例没有那些元件就无法操作。
如上文所描写的以及如以下的权利要求部分所主张的本发明的各种实施例及方面在以下的多个示例中得到实验上的支持。
示例
现在请参考以下多个示例，所述多个示例与上文的描述以一非限制性的方式一起说明本发明的一些实施例。
通常，本文所使用的命名及本发明所利用的多个实验室流程包括分子、生化、微生物、重组DNA的技术。这些技术在文献中被详尽地解释。参见，例如，“分子克隆：实验室手册”Sambrook等人,(1989)；“分子生物学的现代步骤准则”第I至III册Ausubel,R.M.,编辑者(1994)；Ausubel等人,“分子生物学的现代步骤准则”,约翰威立(John Wiley and Sons),巴尔的摩,马里兰州(1989)；Perbal,“分子克隆的实用指南”,约翰威立,纽约(1988)；Watson等人,“重组DNA”,美国科学人书籍,纽约；Birren等人(编辑者)基因体分析：实验室手册系列”,第1至4册,冷泉港实验室出版社,纽约(1998)；如在美国专利公告第4,666,828；4,683,202；4,801,531；5,192,659及5,272,057号所说明的多个方法论；“细胞生物：实验室手册”,第I至III册Cellis,J.E.,编辑者(1994)；“动物细胞培养：基础技术的手册”通过Freshney,威立-利斯,纽约(1994),第三版；“免疫学的现代步骤准则”第I至III册ColiganJ.E.,编辑者(1994)；Stites等人(编辑者),“基础及临床免疫学”(第八版),阿普尔顿及兰格,诺沃克,康乃狄克(1994)；Mishell及Shiigi(编辑者),“细胞免疫学的筛选方法”,W.H.弗里曼及公司,纽约(1980)；多个可用的免疫测定法在专利及科学文献中延伸描述，参见例如，美国专利公告第3,791,932；3,839,153；3,850,752；3,850,578；3,853,987；3,867,517；3,879,262；3,901,654；3,935,074；3,984,533；3,996,345；4,034,074；4,098,876；4,879,219；5,011,771及5,281,521；“寡核苷酸合成”Gait,M.J.,编辑者(1984)；“核酸杂合”Hames,B.D.及Higgins S.J.,编辑者(1985)；“转录及转译”Hames,B.D.及Higgins S.J.,编辑者(1984)；“动物细胞培养”Freshney,R.I.,编辑者(1986)；“固定化细胞及酵素”IRL出版社,(1986)；“分子克隆的实用指南”Perbal,B.,(1984)及“酵素学的方法”第1至317册,学术出版社；“PCR的步骤准则：方法及应用的指南”,学术出版社,圣地亚哥,加利福尼亚(1990)；Marshak等人,“用于蛋白质纯化及表征的策略-实验室课程手册”CSHL出版社(1996)；所有的文献均通过引用并入本文中，如同在本文进行充分地说明。本文件综观地提供了其他的通用参考文献。其中的多个流程据信在本领域中为熟知的，并且为读者提供方便性。其中所含有的所有信息皆通过引用并入本文中。
材料与方法
微生物DNA萃取：依循Stevenson及Weimer的方法，2007，Applied Microbiologyand Biotechnology 75:165-174以及通过Jami等人，2013，The ISME journal 7:1069-1079所进行的多个较小的修改来分离出瘤胃流体的微生物部分。如Stevenson及Weimer(同上)所描述来萃取出DNA。
基因体DNA萃取：将来自于每个动物个体的全血500微升与500微升的Tris-HCl饱和苯酚(pH 8.0)及500微升的DDW(二次过滤水)混合。所述混合物在室温摇动4小时，接着在7500g的条件下离心5分钟，并将水溶液相转移至一全新的管子，所述管子具有500微升的Tris-HCl饱和苯酚-氯仿(1:1)，随后在7500g的条件下离心5分钟。将含有所述DNA的所述水溶液相转移至一全新的管子，以进行进一步的处理。
动物的基因型分型：所述多个动物为以色列农业研究组织的沃尔卡尼中心畜群的成员。在所述多个基因型分型过的动物中，有11个群组，每个所述群组共有一共同的雄性亲畜(多个半同胞(half-sibling)群组)。一个这种群组由四个半同胞所组成、另一个由三个半同胞所组成，以及所述多个群组的其余部分由两个半同胞所组成。另外，有两对半同胞共有一共同的雌性亲畜。在所述多个基因型分型过的动物中不具有全同胞(full-sibling)。在所述多只奶牛之间的遗传相关性仅根据它们的基因体信息来进行评估。
将来自于所述多个动物的基因体DNA萃取物加载至一牛的SNP芯片50K上，所述牛的SNP芯片50K靶向于沿着所述牛的基因组体均匀分布的54,609个常见的SNP(以卢米那)。所使用的SNP芯片模型为以卢米那的牛的SNP50-24 v3.0的目录号20000766，并且依循着以色列理工学院的生物医学核心设施的基因体学中心的制造商步骤准则(Adler等人，2013，JoVE(可视化实验的期刊):e50683-e50683)来进行处理。
16S rRNA定序及分析：利用多个引子CCTACGGGAGGCAGCAG(SEQ ID NO:1；正向)及CCGTCAATTCMTTTRAGT(SEQ ID NO:2；反向)来进行16S的V2区域的扩增。接着，集中多个数据库，且随后在一单一的MiSeq流通池(以卢米那)中从多个片段的每个末端开始进行251个循环定序，然后以Casava 1.8进行分析。从所有的样本中获得了总共49,760,478个配对的末端读值，每个样本平均具有106,325个配对的末端读值。QIIME管线(pipeline)版本1.7.037被使用于数据品质的控制及分析。将通过使用UCLUST所创建的多个物种群集(97％的同一性)进行OTU分析。使用BLAST针对16S rRNA参考数据库RDP来对多个OTU进行分类分配。从所述数据组中过滤出多个单例及多个双例，从而产生85K的物种，每个样本平均具有5,039个。
基因型数据的品质控制：将来自于当前分析的47个个体的基因型与从整个以色列与荷兰农场的多只荷斯坦-弗里斯兰产乳奶牛个体收集到的2,691个单独的基因型的一参考组结合(由以色列奶牛饲养者协会提供，ICBA)。所述多个基因型的所述参考组允许一更强大的品质控制(QC)及一通用关系矩阵的创建。利用PLINK程序来进行所述QC，其具有以下多个参数：-cow--file isgenotype_all--maf 0.05--geno 0.05--mind 0.05–outisgenotype_all_qc--recode12
将在超过5％的所述多个个体中未被基因型分型出的多个SNP去除。同样地，假如多个个体的基因型少于所述SNP芯片所覆盖的基因座(多个SNP)的95％，则将所述多个个体从分析中去除。
354的个体(其中一个属于所述研究群组)由于低基因型分型而被去除，且3,797个SNP由于在所述多个基因型分型过的族群中的“缺失(missingness)”而被去除，以及11,290个SNP不符合MAF标准。通过QC的SNP的总数量为40,812个。
遗传相关性矩阵的生成：所有通过QC的动物及SNP被用于产生一矩阵，所述矩阵估计了在每个独特的动物对之间的所述遗传相关性。GCTA(Yang等人2011,The AmericanJournal of Human Genetics 88:76-82)软体被使用于计算所述关系矩阵。所述矩阵是基于多个共享的等位基因的计数，并通过所述等位基因的稀有性来进行加权：
其中Ajk代表在动物j及k之间的所述遗传关系估计值。xij及xik分别为在动物j及k中的所述多个参考的等位基因的计数。Pi为在族群中的所述参考的等位基因的比例。N为用于所述相关性估计的多个SNP的总数量。
遗传力估计值：在与所述多个动物之间所估计到的遗传相关性结合的多个疑问下，根据所述多个物种的所述相对丰度的分布来建立每个物种的遗传力估计值。使用所述软体GCTA来进行所述估计。由此软体所使用的模型被称为总遗传力，并反映出解释所有通过QC的所述多个SNP的所述遗传力。
所述模型为：
y＝Xβ+Wu+ε
其中y为多个观察值(表型)的向量。β为多个固定影响(研究共变数)的一向量。X为设计的矩阵。u为多个SNP影响的向量。W为标准化过的多个基因型的矩阵。ε为个体(剩余)的影响。
接着，可通过以下的方式将所述模型的变异归因于两个来源，遗传误差及随机误差：
其中V为整体的变异。I为同一性矩阵(n*n)。为由遗传所引起的变异(整体的SNP影响)。为多个个体的影响所引起的变异(剩余的)。
接下来，GCTA估计及的数值，并且接着将所述遗传力估计为：
将在多个可遗传的细菌OTU中的系统发生的距离与在整体的瘤胃微生物组的系统发生的距离进行比较：使用clustalw2(44)来计算所述22个可遗传的细菌OTU中的每个独特的配对之间的DNA相似度(以百分比的方式)，接着计算这些相似度的平均值。多个平均相似度的一参考范围是通过随机采样100个相同尺寸的子组来计算，所述多个子组的每一个(n＝22)是从出现在至少12个基因型分型过的动物(9K)中的OTU池中获取。针对每个随机的子组来计算多个成对的DNA相似度及它们的平均值。为了获取对于在多个可遗传的细菌OTU的群组中的所述平均相似度的显着性，将其平均相似度排在从多个随机子组中获得的所有的100个平均相似度的数值中。
OTU关联性的差异比率：
其中hc为与所述指标相关的多个可遗传的OTU的计数，hn为与所述指标不相关的多个可遗传的OTU的计数，nc为与所述指标相关的多个不可遗传的OTU的计数，及nn为与所述指标不相关的多个不可遗传的OTU的计数。在此上下文中，假如OTU具有p<0.05的一标称的斯皮尔曼(nominal spearman)，则所述OTU与所述指标相关联。
统计及制图：使用R软体来进行统计分析，并且使用ggplot2及pheatmap软件包来产生多个图表。
实验设计：主要的目标在于辨识微生物物种，其中它们在丰度数据图表中的很大一部分的变异可归因于多个可遗传的遗传因素。为了达成这一点，本发明人分析了47只产乳的荷斯坦奶牛的多个共同的SNP基因型分型的信息。将此信息与来自于一近期研究的对于这些动物的额外的数据合并在一起(Kruger等人,2016,ISME J 10:2958-2972)。对于每只动物而言，从连续三天的多个样本中对所述16S rRNA基因进行定序。也对多个瘤胃代谢物进行定量，并且进行多个瘤胃代谢活性的测定法，例如，体外瘤胃的甲烷产量及纤维消化的量测。将奶牛个体的多个生产指标的元数据(metadata)与多个生理指标合并。使用一QC管线(参见材料与方法)来去除多个低品质且无信息的SNP。使用QIIME管线来进行16S扩增子的定序分析。由85K物种层级的多个OTU(每只动物三个样本)所代表的瘤胃微生物组的分类数据图表与由常见的SNP基因座的基因型分型所代表的基因体数据相关(参见方法)。值得注意地，本发明人专注于多个可遗传的微生物OTU的辨识，而不是多个所述遗传力估计值的强度。此方法对于在估计流程中通常具有多个较小的样本尺寸的多个遗传力估计值更稳健。被发现与所述动物的基因体相关的所述多个微生物OTU进一步与所述多个微生物组的代谢体学，以及与动物的生理学及多个生产力参数相关。
结果
可遗传的物种具有高系统发生的相关性，并且富含拟杆菌目
本分析的第一步骤为辨识可遗传的细菌物种，意即微生物物种，其中它们在丰度数据图表中的很大一部分的变异可归因于多个可遗传的遗传因素。在共享有一相似的遗传背景的多个动物中，通过某些物种的一高度相似的丰度将反映出这一点。因此，估计了在所述组群中的多个动物对之间的所述相关性。此估计通过考虑到在所述多个参考基因型中的所述多个等位基因(SNPs)的计数及频率来被完成。将这些成对的遗传关系估计值与每个物种的丰度数据图表一起使用，以便计算出它们的遗传力估计值。
为了增加此分析的置信度，所述遗传力分析排他地限制了存在于至少12个基因型分型过的动物中(所述基因型分型过的子组的25％)的多个OTU，如先前所描述(Benson AK等人,2010,Proceedings of the National Academy of Sciences 107:18933-18938)。另外，针对每个OTU进行三个独立的遗传力分析，每个采样日进行一个。仅有在全部的三个单独的采样日中皆呈现出一显着可遗传的组成(大于0.7的遗传力估计值，及小于0.05的p值)的多个OTU会被认为是多个可遗传的OTU。按照此流程，所述分析得出符合这些标准的22个可遗传的OTU(图8)，其均属于细菌域。虽然所述遗传力的显着性评估流程是基于一参数测试，但本发明人仍然通过在多个置换假设下检查所述测试的错误发现率的分布来查验此发现的稳健性。对于此目的，它们产生了具有100个迭代(iteration)的一零模型(null-model)，其中在每个所述迭代中，他们在随机混洗所述多个遗传数据图表的排列后重复进行多个遗传力分析。在所述多个置换的94％中，侦测为可遗传的多个OTU的数量小于22个，然而在大部分的置换中，侦测为可遗传的多个OTU的数量小于5个(图6)。
值得注意的是，所述多个可遗传的OTU在动物中呈现出很高的存在率，其范围介于所述多个动物的50％至100％之间，其中大多数出现在多个被检查的动物的70％至100％中(图2、9及10)。所述多种可遗传的微生物的所述丰度数据图表与它们的存在数据图表相关联(在存在的计数与丰度总数之间的斯皮尔曼关联性：r＝0.75、p<5x10-5)。
当量测在这些OTU之间的所述系统发生的距离时，发现它们基于其16S核苷酸序列的相似性而在系统发育上有高度相关(图1)。
这些OTU属于所述胃瘤生物组的两个主要的门，即拟杆菌门及厚壁菌门，并且按照所述瘤胃中的两个优势的目进行分组，即拟杆菌目及梭菌目(图2)。
本发明人进一步询问多个可遗传的OTU的此系统发生的组成是否代表所述瘤胃中的总体物种组成的系统发生的组成。发现在所述多个可遗传的OTU中代表拟杆菌目的物种多于在总体瘤胃微生物组中代表拟杆菌目的物种(趋势，费舍尔精确检验(Fisher-exacttest)的p值<0.053)。
可遗传的细菌丰度与宿主性状以及瘤胃的代谢参数相关联，并且可显着地解释在动物之间的一高比例的变异
本发明人假设与宿主的基因体相关联的可遗传的分类群将潜在地与瘤胃的代谢以及宿主的生理有关。因此，本发明人找寻在多种可遗传的微生物与所述多个动物的所有被量测的生理参数之间的一关联性，以及多个瘤胃的代谢参数。详细地，他们使沿着每个可遗传OTU的78只奶牛的组群的丰度数据图表与每个被量测的指标(依瘤胃代谢物或其他指标)的数据图表相关联。接着，他们将针对所述多个瘤胃代谢物及多个宿主属性的每一个的多个可遗传OTU的平均关联性与一零模型进行比较。在所述零模型的1,000个迭代的每一个中，他们混洗了每个可遗传的OTU的丰度数据图表，并且再次计算针对所述多个瘤胃代谢物及多个宿主属性的每一个的其平均关联性。此分析揭示出所述多个可遗传的OTU与许多的所述瘤胃代谢参数以及所述宿主的所述多个生理属性呈现出一强烈且显着的关联性(图3、图7)。
就瘤胃代谢而言，对于所述多个可遗传的OTU的多个最强烈的关联性在于：丙酸盐:乙酸盐比率(最高强度r＝0.86，平均值|r|＝0.64)、甲烷代谢(最高强度r＝0.69，平均值|r|＝0.49)、丙酸(最高强度r＝-0.6245274，平均值|r|＝0.44)及戊酸(最高强度r＝-0.57，平均值|r|＝0.39)，以及一些胺基酸的浓度，即甘胺酸、天门冬胺酸及酪胺酸(分别具有最高强度r＝0.51、0.5、-0.53，及平均值|r|＝0.32、0.39、0.36)。关于多个宿主的属性，所述多个最相关的参数为：乳蛋白(最高强度r＝0.46，平均值|r|＝0.33)、干物摄入量(最高强度r＝0.41，平均值|r|＝0.28)、饲料效率(以残留的饲料摄入量(RFI)来表示，最高强度r＝0.26，平均值|r|＝0.39)及乳脂肪(最高强度r＝0.39，平均值|r|＝0.25)。此外，在分析所述多个可遗传的OTU对于丙酸盐:乙酸盐比率、甲烷代谢、丙酸及戊酸的个别的关联性时，发现大多数的这些OTU与这些参数为正相关或负相关(图4A)。关于宿主的多个生理属性，大多数的可遗传的OTU与RFI、DMMI及乳蛋白为正相关。
这些发现引起了与宿主生理及瘤胃代谢相关的可遗传的微生物的部分是否与在所述整体的胃瘤微生物组中发现的部分不同的问题。为此目的，对于每个指标，本发明人计算所述OTU关联性的差异比率(参见材料与方法)，并且对于许多参数而言，辨识出对于与在所述可遗传的微生物组中的一特定指标相关联的一OTU的显着较高的差异。这些可遗传的微生物显示出与所述多个参数的高关联性在此特别地确实。
在一先前的研究中(Kruger Ben Shabat S等人,2016.ISME J10:2958-2972)，在此研究被发现为可遗传的且与所述饲料效率性状为高度相关的在系统发生上与拟杆菌目相关的所述多个可遗传OTU的其中一个被独立地发现与此性状相关(图5)。另外，在此研究中，发现在系统发生上与拟杆菌目、普雷沃氏菌属、梭菌目及生黄菌种(Flavefaciens)相关的五个其他可遗传的OTU与乳蛋白高度相关，并且在此先前的研究中，上述的普雷沃氏菌属的一OTU也被发现与干物摄入量(DMI)显着地相关(图5)。
瘤胃及动物生理性状显示出不同的遗传力估计值
在辨识出与多个宿主性状呈现出关联性的多个可遗传的微生物物种后，本发明人开始估计与他们发现的多个可遗传的微生物相关的多个不同的重要宿主及瘤胃代谢性状的遗传力(图11)。多种挥发性脂肪酸(VFA)的丙酸盐、琥珀酸盐及戊酸盐以及乳蛋白与RFI及DMI的效率量测值呈现出多个显着的遗传力估计值。
参考文献
1.Reyniers JA.1959.纯培养概念及定菌生物学Annals of the New YorkAcademy of Sciences 78:3-16.
2.Gilbert JA,Neufeld JD.2014.生活在没有微生物的世界中PLoS biology12:e1002020.
3.Mizrahi I.2013.瘤胃的共生,p 533-544,The Prokaryotes.Springer.
4.Kittelmann S,CS,Seedorf H,Kirk MR,Ganesh S,McEwanJC,Janssen PH.2014.两个不同的细菌群落类型与绵羊的低甲烷排放性状有关PLoS One9:e103171.
5.Shi W,Moon CD,Leahy SC,Kang D,Froula J,Kittelmann S,Fan C,DeutschS,Gagic D,Seedorf H.2014.与绵羊的瘤胃微生物组中的差异基因表现有关的甲烷产量表型Genome research 24:1517-1525.
6.Ross EM,Moate PJ,Marett LC,Cocks BG,Hayes BJ.2013.元基因体学的预测：从微生物组至人类与牛的复杂的健康及环境表型PloS one 8:e73056.
7.Wallace RJ,Rooke JA,McKain N,Duthie C-A,Hyslop JJ,Ross DW,Waterhouse A,Watson M,Roehe R.2015.瘤胃的微生物元基因体与牛体内的高甲烷产量有关BMC genomics 16:839.
8.Jami E,White BA,Mizrahi I.2014.牛瘤胃微生物组在调节乳汁成分及饲料效率中的潜在角色PLoS One 9:e85423.
9.Carberry CA,Kenny DA,Han S,McCabe MS,Waters SM.2012.表型的残余饲料摄入量及饮食中的饲料含量对肉牛的瘤胃微生物群落的影响Applied and environmentalmicrobiology 78:4949-4958.
10.Mizrahi I.2012.瘤胃微生物相在确定产乳奶牛的饲料效率中的角色,p 203-210,Beneficial Microorganisms in Multicellular Life Forms.Springer.
11.Guan LL,Nkrumah JD,Basarab JA,Moore SS.2008.微生物生态学与表型的连结：瘤胃的微生物生态学与牛的饲料效率的关联性FEMS Microbiology Letters 288:85-91.
12.McCann JC,Wiley LM,Forbes TD,Rouquette Jr FM,Tedeschi LO.2014.瘤胃微生物组与百慕草放牧场上饲养的婆罗门公牛的残余饲料摄入量-效率之间的关系PLoSOne 9:e91864.
13.Kruger Ben Shabat S,Sasson G,Doron-Faigenboim A,Durman T,YaacobyS,Berg Miller ME,White BA,Shterzer N,Mizrahi I.2016.取决于特定的微生物组的机制构成反刍动物的能量收集效率的基础ISME J10:2958-2972.
14.Fernando SC,Purvis H,Najar F,Sukharnikov L,Krehbiel C,Nagaraja T,Roe B,DeSilva U.2010.在高谷物饮食适应期间的瘤胃微生物的族群动态Applied andEnvironmental Microbiology 76:7482-7490.
15.Kim M,Morrison M,Yu Z.2011.受到饮食及微环境影响的牛瘤胃中的细菌群落的系统发生多样性Folia microbiologica 56:453.
16.Kittelmann S,Janssen PH.2011.通过PCR-DGGE及克隆库来表征以不同饮食喂食的家养绵羊、鹿及牛的瘤胃纤毛虫群落的组成FEMS Microbiology Ecology 75:468-481.
17.Kocherginskaya SA,Aminov RI,White BA.2001.使用变性梯度胶体电泳、随机定序及统计生态学方法来分析两种不同饮食条件下的瘤胃细菌的多样性Anaerobe 7:119-134.
18.Tajima K,Aminov R,Nagamine T,Matsui H,Nakamura M,Benno Y.2001.利用即时PCR揭示出瘤胃的细菌族群中取决于饮食的变化Applied and environmentalmicrobiology 67:2766-2774.
19.Friedman N,Shriker E,Gold B,Durman T,Zarecki R,Ruppin E,MizrahiI.2017.饮食诱导的氧化还原电位变化是瘤胃的古细菌群落中的组成变化的基础Environmental microbiology 19:174-184.
20.Shaani Y,Eliyahu D,Mizrahi I,Yosef E,Ben-Meir Y,Nikbachat M,Solomon R,Mabjeesh SJ,Miron J.2016.喂食石榴浆及干燥饲料的青贮混合物对产乳奶牛的消化率及产乳性能的影响Journal of Dairy Research 83:35-41.
21.Roehe R,Dewhurst RJ,Duthie C-A,Rooke JA,McKain N,Ross DW,HyslopJJ,Waterhouse A,Freeman TC,Watson M.2016.基于元基因体的基因丰度使牛宿主的遗传变异以对于低甲烷排放及有效率的饲料转化宿主的最佳选择标准来影响瘤胃微生物的甲烷产量PLoS Genet 12:e1005846.
22.Li Z,Wright ADG,Si H,Wang X,Qian W,Zhang Z,Li G.2016.瘤胃微生物组及代谢物的变化揭示了宿主遗传学对杂交的影响Environmental Microbiology Reports8:1016-1023.
23.Caporaso JG,Kuczynski J,Stombaugh J,Bittinger K,Bushman FD,Costello EK,Fierer N,AG,Goodrich JK,Gordon JI.2010.QIIME允许分析高通量的群落定序数据Nature methods 7:335-336.
24.Benson AK,Kelly SA,Legge R,Ma F,Low SJ,Kim J,Zhang M,Oh PL,Nehrenberg D,Hua K.2010.肠道的微生物相组成的个体性为一个复杂的多基因性状，其受到多个环境及宿主遗传因素的影响Proceedings of the National Academy of Sciences107:18933-18938.
25.VanRaden P,Van Tassell C,Wiggans G,Sonstegard T,Schnabel R,TaylorJ,Schenkel F.2009.特邀评论：对于北美荷斯坦公牛的基因体预测的可靠性Journal ofdairy science 92:16-24.
26.Williams Y,Pryce J,Grainger C,Wales W,Linden N,Porker M,HayesB.2011.澳洲南部的荷斯坦-弗里斯兰产乳小母牛的残留饲料摄入量的变化Journal ofDairy Science 94:4715-4725.
27.Benson AK.2016.肠道微生物组-一种新兴的复杂性状Nature genetics 48:1301-1302.
28.Felsenstein J.1985.系统发生学及比较的方法The American Naturalist125:1-15.
29.Ungerfeld EM,Rust SR,Burnett R.2003.使用一些新颖的替代电子接收器来抑制瘤胃的甲烷生成Reproduction Nutrition Development 43:189-202.
30.M.1991.在高温条件下，在批式反应器中将乙酸盐，丙酸盐及丁酸盐转化为甲烷Water Research 25:1509-1513.
31.Bryant M.1979.微生物的甲烷产量-理论方面Journal of Animal Science48:193-201.
32.Kamke J,Kittelmann S,Soni P,Li Y,Tavendale M,Ganesh S,Janssen PH,Shi W,Froula J,Rubin EM.2016.低甲烷产量的绵羊的瘤胃元基因体及元转录体的分析揭示出富含夏普氏菌的微生物组具有乳酸形成及利用的特征Microbiome 4:56.
33.Rogers J,Peirce-Sandner S,Papas A,Polan C,Sniffen C,Muscato T,Staples C,Clark J.1989.喂食各种量的瘤胃保护的甲硫氨酸及离氨酸的产乳奶牛的生产反应Journal of dairy science 72:1800-1817.
34.Stevenson DM,Weimer PJ.2007.相对定量即时PCR揭示了牛瘤胃中的普雷沃氏菌的优势及典型的瘤胃细菌物种的低丰度Applied Microbiology and Biotechnology75:165-174.
35.Jami E,Israel A,Kotser A,Mizrahi I.2013.从出生到成年探索牛瘤的胃细菌群落The ISME journal 7:1069-1079.
36.Ron M,Blanc Y,Band M,Ezra E,Weller J.1996.以色列产乳牛只族群的误识率及其对遗传改良的影响Journal of Dairy Science 79:676-681.
37.Adler AJ,Wiley GB,Gaffney PM.2013.用于大规模SNP基因型分型应用的Infinium测定法JoVE(Journal of Visualized Experiments):e50683-e50683.
38.Edgar RC.2010.搜寻及群集数量级比BLAST快Bioinformatics 26:2460-2461.
39.Altschul SF,Gish W,Miller W,Myers EW,Lipman DJ.1990.基本的局部比对搜寻工具Journal of molecular biology 215:403-410.
40.Cole JR,Wang Q,Cardenas E,Fish J,Chai B,Farris RJ,Kulam-Syed-Mohideen A,McGarrell DM,Marsh T,Garrity GM.2009.核醣体数据库计画：用于rRNA分析的改良比对及新工具Nucleic acids research 37:D141-D145.
41.Purcell S,Neale B,Todd-Brown K,Thomas L,Ferreira MA,Bender D,Maller J,Sklar P,De Bakker PI,Daly MJ.2007.PLINK：用于全基因体关联性及基于族群的连锁分析的工具组The American Journal of Human Genetics 81:559-575.
42.Yang J,Lee SH,Goddard ME,Visscher PM.2011.GCTA：用于全基因体复杂性状分析的工具The American Journal of Human Genetics 88:76-82.
43.Yang J,Benyamin B,McEvoy BP,Gordon S,Henders AK,Nyholt DR,MaddenPA,Heath AC,Martin NG,Montgomery GW.2010.常见的SNP解释了对于人类身高遗传力的很大一部分Nature genetics 42:565-569.
44.Larkin MA,Blackshields G,Brown N,Chenna R,McGettigan PA,McWilliamH,Valentin F,Wallace IM,Wilm A,Lopez R.2007.Clustal W及Clustal X版本2.0bioinformatics 23:2947-2948.
45.Team RC.2016.R：用于统计计算的一种语言及环境，维也纳：用于统计计算的R基金会；2014.
46.Wickham H.2016.ggplot2：用于数据分析的精致图式Springer.
47.Kolde R.2015.热图：漂亮的热图R package version 1.0.2.
序列表
<110> 以色列国家农业部、农村发展农业研究组织, 沃尔卡尼中心
内盖夫国家生物技术研究所有限公司
米兹拉希, 伊扎克
<120> 用于针对所需的且可遗传的性状来挑选反刍动物的方法
<130> 70952
<150> US 62/541,731
<151> 2017-08-06
<160> 24
<170> SIPOSequenceListing 1.0
<210> 1
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 1
tgaggaatat tggtcaatgg acggaagtct gaaccagcca tgccgcgtga aggaagaatg 60
ccctatgggt tgtaaacttc ttttgccgca gagtaataag gggcgtgcgc gccccgatga 120
gagtatgcgg cgaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcgagcgtt atccggattt attgggttta aagggtgcgc aggcggacag ctaagtcagc 240
ggtgaaatat 250
<210> 2
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 2
tgaggaatat tggacaatgg ccgagaggct gatccagcca tgccgcgtgc gggaagacgg 60
ccctatgggt tgtaaaccgc ttttgtcggg gagcaataag gtccacgcgt ggactgatga 120
gagtacctgg cgaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcaagcgtt atccggattt attgggttta aagggtgcgt aggcggcgag gtaagcgtga 240
ggtgaaagct 250
<210> 3
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 3
tggggaatat tgggcaatgg ggggaaccct gacccagcaa cgccgcgtgg aggaagaagg 60
tcttcggatc gtaaactcct gtcctaagag acgagcagga gacggtaact taggaggaag 120
ccccggctaa ctacgtgcca gcagccgcgg taatacgtag ggggcaagcg ttgtccggaa 180
tgattgggcg taaagggcgc gtaggcggcc gcagaagtct gaagtgaaat acccgctttc 240
aaggtgggta 250
<210> 4
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 4
tgaggaatat tggtcaatgg gcggaagcct gaaccagcca tgccgcgtgt gggaagaagg 60
ccctatgggt tgtaaaccac ttttagccgg gagtaataag gggcgtgcgc gccccgatga 120
gagtaccggc ggaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcaagcgtt atccggattt attgggttta aagggtgcgt aggcggaccg ttaagtcagc 240
ggtgaaaggt 250
<210> 5
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 5
tgaggaatat tggtcaatgg acggaagtct gaaccagcca tgccgcgtgc gggaagacgg 60
ccctatgggt tgtaaaccgc ttttccccgg gagtaataag gcccgtgcgc gggccgatga 120
gagtaccggg ggaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcaagcgtt atccggattt attgggttta aagggtgcgt aggcggaccg ttaagtcagc 240
ggtgaaatgt 250
<210> 6
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 6
tggggaatat tgggcaatgg gcgaaagcct gacccagcaa cgccgcgtga gtgaagaagg 60
ccttcgggtt gtaaagctct gttatagttg acgaaggaag tgacggtagg ctataaggaa 120
gccccggcta actacgtgcc agcagccgcg gtaatacgta gggggcgagc gttgtccgga 180
atgactgggc gtaaagggcg tgtaggcggt catttaagtc tggagtgaaa gtcctgcatt 240
caatgtggga 250
<210> 7
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 7
tggggaatct tccgcaatgg gcgcaagcct gacggagcaa cgccgcgtgg gtgaggaagt 60
tcttcggaac gtaaagccct gttgtacatg acgaacgtgt atcctatcaa caacgggatg 120
caatgacggt agtgtacgag gaagccacgg ctaactacgt gccagcagcc gcggtaatac 180
gtaggtggca agcgttgtcc ggaattattg ggcgtaaagc gcatgtaggc ggtgatgtaa 240
gtctgtcgtg 250
<210> 8
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 8
tgaggaatat tggacaatgg ccgagaggct gatccagcca tgccgcgtgc gggaagacgg 60
ccctatgggt tgtaaaccgc ttttgttgga gagcaataag agtcacgtgt gacttgatga 120
gagtatccag cgaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcgagcgtt atccggattt attgggttta aagggtgcgt aggcggatga ttaagcgtga 240
ggtgaaatgc 250
<210> 9
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 9
tgaggaatat tggtcaatgg gcgagagcct gaaccagcca agtagcgtgc aggatgacgg 60
ccctatgggt tgtaaactgc ttttgcatgg gaataaagtg cgggacgcgt cccgttttgt 120
atgtaccatg agaataagga ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tccgggcgtt atccggattt attgggttta aagggagcgc aggctggaga ttaagcgtga 240
cgtgaaatgc 250
<210> 10
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 10
tgaggaatat tggtcaatgg gcggaagcct gaaccagcca agtcgcgtga aggatgaagg 60
cattatgtgt tgtaaacttc tttagctgtg gagaaataag gtggtcgaga ccaccgatgc 120
tagtacacag agaataagga tcggctaact ccgtgccagc agccgcggta atacggagga 180
tccgagcgtt atccggattc attgggttta aagggtgcgc aggcggtgcc ttaagtcagc 240
ggtaaaatcg 250
<210> 11
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 11
tgaggaatat tggtcaatgg gcggtagcct gaaccagcca agtcgcgtgc gggaagaagg 60
ccctacgggt cgtaaaccgc ttttgtcggg gagcaaagtg cgccacgtgt ggtgtattgc 120
gagtacccga agaaaaagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcgagcgtt atccggattt attgggttta aagggtgcgc aggcggcgcg tcaagtcagc 240
ggtcaaaatg 250
<210> 12
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 12
ttcggcatat tggtcaatgg gcgcgagcct gaaccagcca agtagcgtgc aggatgacgg 60
ccctatgggt tgtaaactgc ttttatatag ggataaagtc ggggacgtgt ccccgtttgt 120
aggtactata tgaataagga ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tccgggcgtt atccggattt attgggttta aagggagcgc aggccggagg ctaagcgtga 240
cgtgaaatgt 250
<210> 13
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 13
tgaggaatat tggacaatgg ccgaaaggct gatccagcca tgccgcgtgc gggaagacgg 60
ccctatgggt tgtaaaccgc ttttgttggg gagcaataag ggccacgtgt gacccgatga 120
gagtacccag cgaataagca tcggctaact ccgtgccagc agccgcggta atacggagga 180
tgcaagcgtt atccggattt attgggttta aagggtgcgt aggcggacga ttaagcgtga 240
ggtgaaatgc 250
<210> 14
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 14
tgaggaatat tggtcaatgg gcggaagcct gaaccagcca agtagcgtga aggatgacgg 60
ccctacgggt tgtaaacttc ttttatgcgg gaacaaagtg cgccacgcgt ggcgttttgc 120
gcgtaccgca ggaaaaagca ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tgcgagcgtt atccggattc attgggttta aagggagcgt aggcggagcg ccaagtcagc 240
tgtgaaatcc 250
<210> 15
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 15
tggggaatat tgcacaatgg aggaaactct gatgcagcga cgccgcgtga gtgaagaagt 60
atttcggtat gtaaagctct atcagcaggg aagataatga cggtacctga ataagaagca 120
ccggctaaat acgtgccagc agccgcggta atacgtatgg tgcaagcgtt atccggattt 180
actgggtgta aagggagtgc aggcggtctg aaaagtcaga tgtgaaagcc cggggctcaa 240
ccccgggact 250
<210> 16
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 16
tggggaatat tgcacaatgg gggaaaccct gatgcagcga cgccgcgtga gtgaagaagt 60
atttcggtat gtaaagctct atcagcaggg aagaaaatga cggtacctga ctaagaagcc 120
ccggctaact acgtgccagc agccgcggta atacgtaggg ggcaagcgtt atccggattt 180
actgggtgta aagggagcgc agacggaaga acaagtctga tgtgaaatgc gggggctcaa 240
ctcctgaatt 250
<210> 17
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 17
tgaggaatat tggtcaatgg gcgagagcct gaaccagcca agtagcgtgc aggaagacgg 60
ccctatgggt tgtaaactgc ttttatatag ggataaagtc ggggacgtgt ccccgtttgt 120
aggtactata tgaataagga ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tccgggcgtt atccggattt attgggttta aagggagcgc aggccggctt ttaagcgtga 240
cgtgaaatgt 250
<210> 18
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 18
tgaggaatat tggtcaatgg gcgcgagcct gaaccagcca agtagcgtgc aggatgacgg 60
ccctatgggt tgtaaactgc ttttggaggg gaataaagtc gtctacgtgt aggtgtttgc 120
atgtaccctc agaataagga ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tcctggcgtt atccggattt attgggttta aagggagcgc aggcgggcga ttaagcgtga 240
cgtgaaatgc 250
<210> 19
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 19
tgaggaatat tggtcaatgg ccgcgaggct gaaccagcca agtagcgtgc aggatgacgg 60
ccctctgggt tgtaaactgc ttttatgcgg gaacaaaggc gtctacgtgt agtcgtgtgc 120
gtgtaccgca ggaaaaagga ccggctaatt ccgtgccagc agccgcggta atacggaagg 180
tccgggcgtt atccggattt attgggttta aagggagcgc aggctgaagc gcaagccggc 240
tgtaaaattt 250
<210> 20
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 20
tgaggaatat tggtcaatgg gcggaagcct gaaccagcca agtcgcgtga aggatgaagg 60
tattatgtat tgtaaacttc tttagctgtg gagaaataag gtgctcgtga gcaccgatgc 120
tagtacacag agaataaggg tcggctaact ccgtgccagc agccgcggta atacggagga 180
cccgagcgtt atccggattc attgggttta aagggtgcgc aggcggcttc ttaagtcagc 240
ggtaaaatcg 250
<210> 21
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 21
tggggaatct tccgcaatgg gcgaaagcct gacggagcaa cgccgcgtga gtgaagaagg 60
tcttcggatc gtaaagctct gttgaagggg acgcacggcg cctgttacaa gatagcaggt 120
gaatgacggt acccttcgag gaagccacgg ctaactacgt gccagcagcc gcggtaatac 180
gtaggcggca agcgttgtcc ggaatcattg ggcgtaaagg gagcgcaggt ggacgtatag 240
gtccttctta 250
<210> 22
<211> 250
<212> DNA
<213> Artificial sequence
<220>
<221> gene
<222> (1)..(250)
<223> 操作分类单元(OTU)的核酸序列
<400> 22
tggggaatat tgcacaatgg gggaaaccct gatgcagcga tgccgcgtgg aggaagaagg 60
ttttcggatt gtaaactcct gtcttaaagg acgataatga cggtacttta ggaggaagct 120
ccggctaact acgtgccagc agccgcggta atacgtaggg agcgagcgtt gtccggaatt 180
actgggtgta aagggagcgt aggcgggagt gcaagtcaga tgtgaaatac atgggctcaa 240
cccatgggct 250
<210> 23
<211> 17
<212> DNA
<213> Artificial sequence
<220>
<221> STS
<222> (1)..(17)
<223> 单股DNA寡核苷酸
<400> 23
cctacgggag gcagcag 17
<210> 24
<211> 18
<212> DNA
<213> Artificial sequence
<220>
<221> STS
<222> (1)..(18)
<223> 单股DNA寡核苷酸
<400> 24
ccgtcaattc mtttragt 18
- 上一篇：一种医用注射器针头装配设备
- 下一篇：脱硫化弧菌属菌测试组合物及其制备方法与应用