The aim of this study was to perform a Bayesian genomewide association study (GWAS) to identify genomic regions associated with growth traits in Hereford and Braford cattle, and to select Tag-SNPs to represent these regions in low-density panels useful for genomic predictions. In addition, we propose candidate genes through functional enrichment analysis associated with growth traits using Medical Subject Headings (MeSH). Phenotypic data from 126,290 animals and genotypes for 131 sires and 3,545 animals were used. The Tag-SNPs were selected with BayesB (π = 0.995) method to compose low-density panels. The number of Tag-single nucleotide polymorphism (SNP) ranged between 79 and 103 SNP for the growth traits at weaning and between 78 and 100 SNP for the yearling growth traits. The average proportion of variance explained by Tag-SNP with BayesA was 0.29, 0.23, 0.32 and 0.19 for birthweight (BW), weaning weight (WW205), yearling weight (YW550) and postweaning gain (PWG345), respectively. For Tag-SNP with BayesA method accuracy values ranged from 0.13 to 0.30 for k-means and from 0.30 to 0.65 for random clustering of animals to compose reference and validation groups. Although genomic prediction accuracies were higher with the full marker panel, predictions with low-density panels retained on average 76% of the accuracy obtained with BayesB with full markers for growth traits. The MeSH analysis was able to translate genomic information providing biological meanings of more specific gene products related to the growth traits. The proposed Tag-SNP panels may be useful for future fine mapping studies and for lower-cost commercial genomic prediction applications.

中文翻译：

---

使用贝叶斯全基因组关联研究对赫里福德和布拉福德牛的生长性状进行 Tag-SNP 选择

本研究的目的是进行贝叶斯全基因组关联研究 (GWAS)，以确定与赫里福德和布拉福德牛生长特征相关的基因组区域，并选择 Tag-SNP 在低密度面板中代表这些区域，用于基因组预测。此外，我们使用医学主题词表 (MeSH) 通过与生长性状相关的功能富集分析提出候选基因。使用了 126,290 只动物的表型数据和 131 只公牛和 3,545 只动物的基因型。使用 BayesB (π = 0.995) 方法选择 Tag-SNP 以组成低密度面板。断奶时生长性状的标签单核苷酸多态性（SNP）数量在79-103 SNP之间，一岁生长性状在78-100 SNP之间。Tag-SNP 与 BayesA 解释的平均方差比例为 0。出生体重 (BW)、断奶体重 (WW205)、一岁体重 (YW550) 和断奶后增重 (PWG345) 分别为 29、0.23、0.32 和 0.19。对于使用 BayesA 方法的 Tag-SNP，k 均值的准确度值范围为 0.13 至 0.30，而动物随机聚类以组成参考组和验证组的准确度值范围为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。出生体重 (BW)、断奶体重 (WW205)、一岁体重 (YW550) 和断奶后体重 (PWG345) 分别为 19。对于使用 BayesA 方法的 Tag-SNP，k 均值的准确度值范围为 0.13 至 0.30，而动物随机聚类以组成参考组和验证组的准确度值范围为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。出生体重 (BW)、断奶体重 (WW205)、一岁体重 (YW550) 和断奶后体重 (PWG345) 分别为 19。对于使用 BayesA 方法的 Tag-SNP，k 均值的准确度值范围为 0.13 至 0.30，而动物随机聚类以组成参考组和验证组的准确度值范围为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。分别为一岁体重 (YW550) 和断奶后增重 (PWG345)。对于使用 BayesA 方法的 Tag-SNP，k 均值的准确度值范围为 0.13 至 0.30，而动物随机聚类以组成参考组和验证组的准确度值范围为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。分别为一岁体重 (YW550) 和断奶后增重 (PWG345)。对于使用 BayesA 方法的 Tag-SNP，k 均值的准确度值范围为 0.13 至 0.30，而动物随机聚类以组成参考组和验证组的准确度值范围为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。k-means 为 13 至 0.30，动物随机聚类以组成参考组和验证组为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。k-means 为 13 至 0.30，动物随机聚类以组成参考组和验证组为 0.30 至 0.65。尽管全标记面板的基因组预测准确性更高，但低密度面板的预测平均保留了使用带有生长性状全标记的 BayesB 获得的准确度的 76%。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。使用低密度面板的预测平均保留了使用 BayesB 获得的准确度的 76%，其中包含生长性状的完整标记。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。使用低密度面板的预测平均保留了使用 BayesB 获得的准确度的 76%，其中包含生长性状的完整标记。MeSH 分析能够翻译基因组信息，提供与生长性状相关的更特定基因产物的生物学意义。提议的 Tag-SNP 面板可能对未来的精细定位研究和低成本商业基因组预测应用有用。