改善猪肉质性状的分子育种方法

章杰;沈林圜;李伟;车天栋;李学伟

【摘 要】本文对利用分子育种方法鉴定猪肉质相关基因和标记的研究进行综述.家畜基因组序列的大量解读为鉴定复杂性状的候选基因和QTL效应提供了丰富的信息.猪基因组序列的解读,为研究猪的生物学系统提供了基础知识,并且还为其育种选择提供了理论依据.在基因组学这个领域中,功能基因组学和蛋白质组学能够同时关注许多基因和蛋白质的变化,从而更好地了解基因的功能和调控以及基因是怎样参与到复杂表型性状的控制网络中.特别是对mRNA和蛋白质水平的全基因组表达谱的研究可以更好地为肉质性状相关生物学功能和生理学过程的研究提供非常有用的工具.此外,利用生物信息学工具将基因组学和蛋白质组学整合起来也是充分挖掘分子育种信息的基础.这些知识的发展将有益于科学家和养殖户将分子数据应用到育种程序中,进而改进传统育种选择方案的效率和准确度.

【期刊名称】《养猪》

【年(卷),期】2013(000)001

【总页数】5页(P60-64)

【关键词】猪;肉质;QTL;候选基因;基因组学技术;遗传改良

【作 者】章杰;沈林圜;李伟;车天栋;李学伟

【作者单位】四川农业大学动物遗传育种与繁殖研究所,四川雅安625014

【正文语种】中 文

【中图分类】S828.2

近十年来，猪肉质性状已经成为研究的热点，目前对这个性状的改良是支撑猪肉消费的基本要素和满足消费者对猪肉风味、食品健康和营养需求的重要保障。随着消费者对食品质量意识的提高和基因组学的发展，猪育种公司不得不更加注重肉的品质，把肉质作为育种选择程序的关键部分并与DNA标记结合起来。

Cameron[1]指出，肉质是一个复杂的概念，因此很难用单一方式对其进行测定。肉质性状的复杂特征对于生产商、消费者和加工过程都是相当重要的，通常度量肉质特性的指标主要包括背膘厚、肌内脂肪、大理石纹、眼肌面积、系水力、pH、糖酵解潜力、肉色、嫩度、多汁性和风味。

影响肉质的因素很多，包括肌肉特性（肌纤维直径和类型、脂肪和结缔组织）、肉产量和环境条件（生长速率、营养、年龄、屠宰前条件和屠宰体重），还有遗传因素（品种和基因型）对猪的胴体组成和质量起重要作用[2]。

通过传统育种方法进行肉质性状改良还是目前采用的主要方法，但受到一些限制，如测定肉质性状只能在屠宰后而且比较困难。此外，对某个影响肉质性状的基因效应及其相互之间的关系尚未得到全面认识，因而限制了育种进展。分子育种能够克服这些困难，为改善肉质提供另一条途径，同样也从DNA水平上直接提供了分析数量遗传变异的方法，

使单个基因对数量性状影响的检测成为可能。

肉质性状受数量性状基因座（QTL）区域的许多未知基因控制，其中的一些单个基因就可能会对特定的性状具有较大的效应。因此通常对家畜基因组研究的主要内容就是定位和定性QTL位点[3-4]。目前已经开展了许多对应的工作，但是对肉质相关基因和它们之间相互关系的了解还比较有限。总的来说，对于肉质遗传基础的认识还很贫乏。目前，遗传学的主要任务就是鉴定肉质的分子因素或生物组成，这将有利于育种过程中的标记辅助选择，并提供利用遗传和分子方法“人造肉”的机会[5-6]。

此文综述目前猪肉品质在基因组学上的研究现状和功能基因组学的最新研究进展，以更好地了解决定肉质性状表型变异的分子机制。

近年来对猪基因组的研究逐渐升温，并且对于猪基因组的认识也从特定染色体上基因的位置上升到高密度标记图谱[7]。随着分子标记的发展，猪基因组图谱在最近几年得到大量补充。目前猪的基因组数据库包含超过21 000个基因和17 000个标记（表1）。

现在，猪的基因组测序已经完成，这被认为是探索猪基因组和研究肉质性状分子基础的里程碑。猪的全基因组测序开始于2005年[8]，其第1张草图已在2009年完成（3倍基因组覆盖测序深度）。猪单核苷酸多态性（SNPs）在育种上的发掘应用正在进行，同时几个大项目也已经完成，比如“Sino-Danish猪基因组计划”，不但发表了小于1倍覆盖的猪基因组序列[9]，而且还有EST[10]和SNP数据[11]，其他的一些相关项目也在INRA-Genescope的发动下启动[12-13]。

随着猪基因组测序的完成，其中大量的微卫星和SNP标记为鉴定肉质相关的基因标记、生产性状表型变异的分子基础和辅助选择提供了坚实的基础[5，14]。基因组扫描就是鉴定、绘制和定位影响肉质性状位点的两种主要方法之一，它是建立在连锁DNA标记和候选基因图谱基础上的[4，14-15]。

基因组扫描的目的就是鉴定复杂性状下的基因，并且更好地了解它们的生理学和生物化学功能。事实上，一个QTL区域的长度常常达到5～30 cM，太长以至于不能找到靶基因，所以需要完成对图谱的细致分析。特定QTL的细致图谱就是基因组扫描的目的，然后在相关区域添加遗传标记和增加连锁图谱的标记密度[4，16-17]。

第1个对猪QTL的研究开始于1994年[18]，发现了4号染色体上与脂肪沉积相关的主要QTL位点。之后，大量的性状从许多品种中分离出来并鉴定出QTL，由此还建立了一个可用的猪QTL数据库（PigQTLdb:www．animgenome．org/QTLdb/）[19]。在过去的20年里，超过300篇的文章鉴定出至少7 000个QTL（图1和图2）。大量信息可以在猪QTL数据库中找到，并且还能通过染色体、性状和关键词找到相应的文章[19-20]。

建立QTL数据库的目的是绘制出猪的QTL图谱，使研究者能够选择感兴趣的区域和性状进行研究。这些性状主要分为生长、脂肪、胴体、繁殖和肉质5类。一些性状具有大量QTL（如脂肪），其他性状则发现的很少（如健康和抵抗疾病）。

目前，鉴定猪QTL控制肉质的研究已经广泛开展，影响肉质的QTL几乎被定位到每一条染色体。在猪的QTL数据库中，超过7 000个QTL被报道与肉质相关[7，20]，其

中9条染色体被鉴定出与肉质性状是最有关系的：SSC2、SSC4、SSC5、SSC6、SSC7、SC11、SSC14、SSC15和SSC17。然而，值得注意的是只有极少数QTL被进一步研究并揭示其变异造成的影响，包括15号染色体上影响肌肉的基因IGF2[21-23]和影响肉质的基因PRKAG3[24-25]。此外，还有2号染色体上与嫩度相关的基因CAST，但是其变异引起QTL效应的原因还未有报道[26-27]。

总的来说，目前仅有少数QTL在基因水平被定性，并且在商业育种标记辅助选择（MAS）中的应用也是有限的[16]。这可能存在许多原因，比如许多QTL检测试验是杂交试验，对所检测的QTL在商业猪群中的多态性程度不清楚，所以有必要完成商业猪群的QTL图谱[16]。另外一个原因就是许多试验得到的是低分辨率图谱。不管怎样，即使标记之间的平均距离大约在2～3 cM，一些大的空隙在猪的遗传连锁图谱上仍然存在。

DNA标记技术在高分辨率连锁图谱的基础上得到了发展，并且成功应用在植物育种上，这就给家畜动物MAS的应用带来前景。不幸的是，在动物生产中并没有达到预期目标。基因组扫描的缺点就是得到的QTL区域超过50 cM，其中包含数百个潜在的候选基因。这样的结果是很难将特定的标记应用到杂交群体中的，因为标记和QTL的关系必须建立在家系的基础上。另外一个限制就是观察到的QTL效应很小以至于不能进行验证，因为这既费钱又费时，最终影响试验结果在商业猪群上的应用[9，16]。

总之，目前来看，QTL图谱并不能成功鉴定出复杂性状的基因，比如肉质。通常应用基因组扫描中的连锁分析方法来检测QTL是有限的，并且QTL的定位也不准确。然而，纵观猪QTL图谱的绘制过程，期间经过一系列的发展和完善，在不久的将来总会成功并发表，其中包括基因组资源、动物资源、技术和完善的统计方法。此外，在群体范围内全

基因组扫描的标记和QTL的连锁不平衡将在高密度标记图谱与新的分析方法结合下变得切实可行[16]。

目前研究者有选择性地去选择动物寻找潜在影响肉质性状的基因，这在基因型容易分辨并且价格低的现在是可行的方法。猪的基因组数据库包含超过21 000个基因和1 500 000个标签（表1），与此同时基因组信息也在日益倍增[17，19]。许多研究团队开展了广泛的研究，扩展了对数量性状基因的认识，从2004年1月的几个到2012年8月的21 630个基因的数量增长趋势就可以看出来。

时至今日，利用候选基因和基因组扫描方法鉴定出了许多影响胴体和肉质性状的基因。目前已知主要影响猪肉品质的两个基因分别是调节钙离子在肌细胞膜运输的兰尼定受体（HAL或RYR1）基因[28]和影响肌肉葡萄糖含量的RN基因[25]。

氟烷敏感或氟烷基因，也叫猪应激综合征（PSS）基因，会导致产生苍白、松软和肌肉渗汁的PSE肉，此种基因型个体还会表现出恶性高温综合症。PSE缺陷主要通过对重要肉质性状的负效应，包括肉色、大理石纹和滴水损失[1-2，28]，影响经济效益。这些负效应导致肉的外观为消费者所不能接受，最终造成熟食产量的减少和腌肉产量的增加[29-31]。PSE肉是由在死亡早期高速率的糖酵解和较低pH，并伴随着较高的温度引起的[29]。氟烷基因同样能够影响胴体性状，已有许多研究证明氟烷阳性猪比氟烷阴性猪更重、更短以及更瘦[29]。

总的来说，HAL和RN基因能够明显改善胴体的瘦肉含量，但是也对肉的pH、肉色、滴水损失、肌内脂肪含量有不利影响，同时还降低肉的嫩度和多汁性。目前，HAL基因

影响胴体瘦肉和肌肉肥大的分子机制还不是很清楚，有待于进一步研究。PSS表型是由RYR1基因中R614C位点的错意突变引起的，一种由应激或麻醉气体氟烷启动的隐性基因突变，进而导致对高温的敏感性。携带氟烷基因的个体特别易感，因此在宰杀前应该谨慎处理，不然有90%～95%的几率产生胴体瘦肉降低3%～4%和较少背膘的PSE表型[29]。HAL（RYR1）基因位于猪的6号染色体上[30]，是世界上广泛使用的一个检测DNA等位基因（HAL1843TM）缺陷的专利[28]。从世界范围来看，这个等位基因的缺陷已经被降低至接近0，虽然一些品系还保留着这样一个基因，但也只是为了获得瘦肉产量更高的杂种猪。

近几年，RN基因被作为一个主要影响猪肉质性状的单基因来研究，这个基因在汉普夏猪种中被鉴定出含有两个等位基因，分别是显性的突变基因RN-和隐性的正常基因RN+。这个基因的变异和胴体瘦肉的产量是非常相关的，还能导致死亡后糖原分解产生较差的肉质，由于其pH较低，通常被称为“酸肉”[32]。1996年首次发现RN基因位于猪15号染色体上，几年后，Ciobanu等[24]鉴定出其突变体，这个突变体能够编码出肌肉特异性的同工酶，它能够调节腺苷酸环化酶激活的蛋白激酶复合物（PRKAG3）。另外有发现证明，PRKAG3基因的突变与猪眼肌的肉质相关[24，26-27]，并很明确的指出PRKAG3在肌肉的能量代谢中具有重要作用。RN-表型与肌肉糖原含量升高相关，对死亡后早期的pH没有影响，但对24小时的pH有明显影响，进而与较低的系水力和更高的反射率相关[32]，此种表型只在汉普夏猪上发生的几率比较高。对RN-突变的检测被用来消除最初汉普夏品系的缺陷，并且这种遗传检测也是一种改善猪肉品质的有效工具。

目前，猪育种公司更多关注的是肉质，他们将数量性状作为育种计划的一部分，最终同时得到数量和生产性状的改良。表2可以看出目前已报道的用于猪肉产业/猪肉链所有

阶段以改良胴体组成和肉质的基因和标记。

猪基因鉴定技术的发展有效刺激了人们对肉质进行育种的兴趣，尤其对那些还不能用候选法测定，但能通过死亡后的相对价值进行测定的性状感兴趣[5-6，13，33]。将标记融入选择计划中能提供非常有用的资源和工具。最近也发现了一些与肉质和胴体性状相关的新标记，比如编码钙蛋白酶抑素的基因（CAST）[26-27]，胰岛素生长因子2（IGF2）[21-22，34]，黑皮质素受体4（MC4R）[35]。分子工具的发展将这些相对大量的候选基因的使用变成可能，并且也能促进其他性状标记的发展。

3．1 新的全基因组策略鉴定复杂性状的基因

随着技术的发展，将会从更加整体全面的生物学系统角度去研究猪的肉质性状。现在研究者并不应仅仅关注影响猪肉质性状的单个基因或DNA标记，而要去研究特定复杂性状的生物学过程，包括分子基因表达谱、基因簇和网络结构[35]。这些都得归功于高通量技术的应用，比如DNA芯片和蛋白质组学方法能够全面解析基因的表达，而且现在还可以利用功能基因组的方法去认识猪肉质性状的分子基础[36-39]。

应用新基因组学工具的优点在于能够形成多个基因及其产物的平行信息，这就为生物学通路和互效基因的鉴定提供了基础[4，38，40]，为进一步了解肉质遗传组成的上位基因提供可能。

近几年，没有其他的分子遗传学方法能够与基因芯片技术的广泛应用相比，此项技术引领了整个基因、蛋白质或细胞生物学通路的生物学功能研究[41]。基因芯片技术产生的

数据量是相当庞大的，它能使我们同时去分析许多基因的表达以及相互之间的关系，并能去发现引起数量性状表型变异的原因[42]。但是，基因芯片技术的应用还存在许多争论，其中一个主要的争论就是基因芯片试验结果的分析[43-44]。数据分析仍存在一定缺陷，尽管基本标准已经建立以及对数据的解释也有相当大的改善[45-47]。虽然利用先进技术采集到了图像，但是对数据的过滤还没有标准，这就需要研究者根据自己的经验判断，这就很有可能会导致早期结果的矛盾和很差的试验重复性[46，48]。总之，数据之间的比较非常困难。标准化是一个校正基因芯片数据的过程，这些数据之间的差异并不是生物学差异，而是技术性差异造成的，这个过程同样是早期分析的重要过程。幸运的是，标准化过程的争议已经逐渐解决，只需要建立普遍且可接受的方案就可以使交叉估计变成可能[37，48-49]。这样一个转录分析方案正是由基因芯片基因表达协会制定的。从数据质量的争议来说，基因芯片分析中数据的解释还是目前主要的瓶颈，尤其是关于自动整合互补信息的分析运算法则还不完善，这是由于缺乏通用的命名法则和简单的储存格式。基因本体论协会和相似的机构正在完成这样一个通用框架的关键任务[47-49]。

现在对肉质性状遗传研究的挑战主要是结构和功能基因组学[38，41]，还有就是将不同研究的表型数据结合起来。这些过程现在已经比较容易实现了，这得归功于快速发展的基因组学和生物信息学研究。生物信息学已经成为分析表达数据的关键，通过对极端对象的差异基因表达的研究提取出有意义的生物学信息。现在存在多种挖掘数据的生物信息学工具，这得根据所要研究的重点来进行选择[49-50]。许多专家指出生物信息学和计算生物学将成为未来所有研究的重点领域，即使是在猪的应用研究中[17，51]。

3.2 功能基因组学方法检测影响肉质的基因

高通量技术作为一种新兴的技术，可以揭示未知的分子（DNA、RNA、蛋白质和代谢物）、未定性的DNA、蛋白质序列与生理特征之间的关系。特别是转录组学已经成为研究遗传学和生理学的中转领域，因此可以形成新的生物学假设来进行下一步研究[4]，这将对那些由许多微效应基因控制的复杂性状的鉴定至关重要，比如猪肉的嫩度就是一个复杂的生物学过程，它主要包括肌肉结缔组织、脂肪含量、纤维组成和蛋白质水解水平[52]。目前已有许多不同的转录组平台应用于猪[49]，但是许多数据和出版物对于RNA表达谱和猪肉质的表达研究还并不是很完善，利用基因表达谱技术研究猪的项目还相对较少，比如对不同品种猪肌肉生长和发育的基因表达变化的研究[53-57]。

功能基因组学方法也为从整体上研究肌肉已知和未知基因的表达提供了有效的工具，并且也能与标记辅助选择结合起来获得新的候选基因去改良猪的肉质。总之，基因组在动物科学上的应用能使研究者去发现影响特定数量性状和驱动特定生理学状态的基因网络和基因簇。

基因组测序和基因芯片或SNP芯片的低费用对将来猪遗传和肉质的研究是非常重要的，还有功能基因组技术的应用也能使研究者鉴定和绘制出许多影响肉质的功能等位基因变异并应用到商业猪群体中。基因组学对控制肉质和重要的经济生理特性的研究具有非常高的价值，还能为改善猪肉和胴体质量做出较大的贡献。

[1]Cameron N.Genetic and phenotypic parameters for carcass traits, meat and eating quality traits in pigs[J].Livestock Production Science,1990,26:119-135.

[2] Sellier P,Rothschild M,Ruvinsky A.Genetics of meat and carcass

traits[C]//Rotschild M F,Ruvinsky A.The genetics of the pig.Wallingford UK:CAB International,1998:463-510.

[3] Andersson L.Genetic dissection of phenotypic diversity in farm

animals[J].Nature Reviews Genetics,2001(2):130-137.

[4] Andersson L,Georges M.Domestic-animal genomics:deciphering the genetics of complex traits[J].Nature Reviews Genetics,2004 (5):202-212.

[5] Plastow G,Sasaki S,Yu T,et al.Practical application of DNA markers for genetic improvement[C]//Proceedings of the twentyeighth National Swine Improvement Federation meeting:2003. Des Moines.2003:150-154.

[6] Mullen A,Stapleton P,Corcoran D,et al.Understanding meat quality through the application of genomic and proteomic approaches[J].Meat science,2006,74:3-16.

[7] Gao Y,Zhang R,Hu X,et al.Application of genomic technologies to the improvement of meat quality of farm animals[J].Meat science,2007,77:36-45.

[8] Schook L B,Beever J E,Rogers J,et al.Swine Genome Sequencing

(SGSC):a

strategic

roadmap

for

sequencing

the

pig

Consortium

genome[J].Comparative and functional genomics,2005(6): 251-255.

[9] Wernersson R,Schierup M H,Jørgensen F G,et al.Pigs in sequence space:a 0.66 X coverage pig genome survey based on shotgun sequencing[J].BMC genomics,2005(6):70.

[10]Gorodkin J,Cirera S,Hedegaard J,et al.Porcine transcriptome analysis based on 97 non-normalized cDNA libraries and assembly of 1 021 891 expressed sequence tags[J].Genome biology,2007(8):R45.

[11]Panitz F,Stengaard H,Hornshøj H,et al.SNP mining porcine ESTs with MAVIANT,a

novel

tool

for

SNP

evaluation

and

annotation

[J].Bioinformatics,2007,23:i387-i391.

[12]Chen K,Baxter T,Muir W M,et al.Genetic resources,genome mapping and evolutionary genomics of the pig (Sus scrofa)[J]. International journal of biological sciences,2007(3):153.

[13]Rothschild M F,Hu Z,Jiang Z.Advances in QTL mapping in

pigs[J].International journal of biological sciences,2007(3):192.

[14]Plastow G,Carrion D,Gil M,et al.Quality pork genes and meat production[J].Meat science,2005,70:409-421.

[15]Van der Steen H,Prall G,Plastow G.Application of genomics to the pork industry[J].Journal of animal science,2005,83:E1-E8.

[16]Dekkers J C M.Commercial application of marker-and geneassisted selection

in

livestock:strategies

and

lessons[J].Journal

of

animal

science,2004,82:E313-E328.

[17]Schook L.Mapping the return on investment (ROI)QTL:a progress report on animal genomics[J].CAB Rev Perspect Agri Vet Sci Nutri Nat Res,2007(5):12.

[18]Andersson L,Haley C S,Ellegren H,et al.Genetic mapping of quantitative trait loci for growth and fatness in pigs[J].Science (New York NY),1994,263:1771.

[19]Hu Z L,Fritz E R,Reecy J M.AnimalQTLdb:a livestock QTL database tool set for

positional

QTL

information

mining

and

beyond[J].Nucleic

acids

research,2007,35:D604-D609.

[20]Hu Z L,Dracheva S,Jang W,et al.A QTL resource and comparison tool for pigs:PigQTLDB [J].Mammalian Genome,2005,16: 792-800.

[21]Boar W.A paternally expressed QTL affecting skeletal and cardiac muscle mass in pigs maps to the IGF2 locus[J].Nature genetics,1999,21:157.

[22]Nezer C,Moreau L,Brouwers B,et al.An imprinted QTL with major effect on muscle mass and fat deposition maps to the IGF2 locus in pigs[J].Nature genetics,1999,21:155.

[23]Van Laere A S,Nguyen M,Braunschweig M,et al.A regulatory mutation in IGF2

causes

a

major

QTL

effect

on

muscle

growth

in

the

pig[J].Nature,2003,425:832-836.

[24]Ciobanu D,Bastiaansen J,Malek M,et al.Evidence for new alleles in the protein kinase adenosine monophosphate-activated γ3-subunit gene associated with low glycogen content in pig skeletalmuscle meatquality[J].Genetics, 2001,159:1151-1162.

and

improved

[25]Milan D,Jeon J T,Looft C,et al.A mutation in PRKAG3 associated with excess glycogen content in pig skeletal muscle[J].Science,2000,288:1248-1251.

[26]Ciobanu D,Bastiaansen J,Lonergan S,et al.New alleles in calpastatin gene are associated with meat quality traits in pigs[J]. Journal of animal science,2004,82:2829-2839.

[27]Meyers S N,Rodriguez-Zas S L,Beever J E.Fine-mapping of a QTL influencing

pork

tenderness

on

porcine

chromosome

2[J].

BMC

genetics,2007,8:69.

[28]O'Brien P J,Maclennan D H.Identification of mutation in porcine ryanodine

receptor

associated

with

malignant

hyperthermia[J].Science,1991,253:448-451.

[29]Klont R,Lambooy E,Van Logtestijn J.Effect of dantrolene treatment on muscle metabolism and meat quality of anesthetized pigs of different halothane genotypes[J].Journal of animal science,1994,72:2008-2016.

[30]Davies W,Harbitz I,Fries R,et al.Porcine malignant hyperthermia carrier detection and chromosomal assignment using a linked probe[J].Animal genetics,2009,19:203-212.

[31]Russo V,Nanni Costa L.Suitability of pig meat for salting and the production of quality products[J].Pig News Inform,1995,16:17.

[32]Le Roy P,Naveau J,Elsen J,et al.Evidence for a new major gene influencing meat quality in pigs[J].Genet Res,1990,55:33-40.

[33]Knap P,Sosnicki A,Klont R,et al.Simultaneous improvement of meat quality and growth-and-carcass traits in pigs[C]//Proceedings of the 7th World Congress on Genetics Applied to Livestock Production.Montpellier,France:Institut National de la Recherche Agronomique(INRA).2002:1-8.

[34]Carrodeguas J A,Burgos C,Moreno C,et al.Incidence in diverse pig populations of an IGF2 mutation with potential influence on meat quality and quantity:An assay based on real time PCR (RT-PCR)[J].Meat science,2005,71:577-582.

[35]Kim K,Larsen N J,Rothschild M.Linkage and physical mapping of the porcine

melanocortin-4

receptor(MC4R)gene[J].Journal

of

animal

science,2000,78:791-792.

[36]Brown O.Quantitative monitoring of gene expression patterns with a complementary DNA microarray[J].Science,1995,270: 467-470.

[37]Bendixen C,Hedegaard J,Horn P.Functional genomics in farm animals–Microarray analysis[J].Meat science,2005,71:128-137.

[38]Tuggle C,Dekkers J,Reecy J.Integration of structural and functional genomics[J].Animal genetics,2006,37:1-6.

[39]Weis B.Standardizing global gene expression analysis between laboratories and across platforms[J].Nature Methods,2005(2): 351-356.

[40]Hocquette J.Where are we in genomics?[J]Journal of Physiology and Pharmacology,2005,56:37-70.

[41]Schadt E E,Lamb J,Yang X,et al.An integrative genomics approach to infer causal

associations

between

gene

expression

and

disease[J].Nature

genetics,2005,37:710-717.

[42]Cox B,Kislinger T,Emili A.Integrating gene and protein expression

data:pattern analysis and profile mining[J].Methods(San Diego,Calif),2005,35:303.

[43]Lee M L T,Whitmore G A.Power and sample size for DNA microarray studies[J].Statistics in medicine,2002,21:3543-3570.

[44]Kathleen Kerr M.Design considerations for efficient and effective microarray studies[J].Biometrics,2003,59:822-828.

[45]Quackenbush J.Extracting meaning from functional genomics

experiments[J].Toxicology and applied pharmacology,2005,207: 195-199.

[46]Yang Y H,Speed T.Design issues for cDNA microarray

experiments[J].Nature Reviews Genetics,2002(3):579-588.

[47]Müller P,Parmigiani G,Robert C,et al.Optimal sample size for multiple testing[J].Journal of the American Statistical Association,2004,99:990-1001.

[48]Larkin J E,Frank B C,Gavras H,et al.Independence and reproducibility across microarray platforms[J].Nature Methods,2005 (2):337-344.

[49]Tuggle C K,Wang Y,Couture O.Advances in swine

transcriptomics[J].International journal of biological sciences,2007(3): 132.

[50]Hanai T,Hamada H,Okamoto M.Application of bioinformatics for DNA

microarray data to bioscience,bioengineering and medicalfields

[J].Journalofbioscience and bioengineering, 2006,101:377-384.

[51]Fadiel A,Anidi I,Eichenbaum K D.Farm animal genomics and informatics:an update[J].Nucleic acids research,2005,33:6308-6318.

[52]Ouali A.Meat Tenderization:possible causes and mechanisms.a

review[J].Journal of Muscle Foods,1990(1):129-165.

[53]Zhao S H,Recknor J,Lunney J K,et al.Validation of a first-generation long-oligonucleotide

microarray

for

transcriptional

profiling

in

the

pig[J].Genomics,2005,86:618-625.

[54]Reecy J,Spurlock D M,Stahl C.Gene expression profiling:insights into skeletal

muscle

growth

and

development[J].Journal

of

animal

science,2006,84:E150-E154.

[55]Bai Q,McGillivray C,Da Costa N,et al.Development of a porcine skeletal muscle cDNA microarray:analysis of differential transcript expression in phenotypically distinct muscles[J].BMC genomics,2003(4):8.

[56]Cagnazzo M,Te Pas M,Priem J,et al.Comparison of prenatal muscle tissue expression profiles of two pig breeds differing in muscle characteristics[J].Journal of animal science,2006,84:1-10.

[57]Te Pas M F W,De Wit A A W,Priem J,et al.Transcriptome expression profiles in prenatal pigs in relation to myogenesis[J]. Journal of muscle research and cell motility,2005,26:157-165.