In genomic selection (GS), genome-wide SNP markers are used to generate genomic estimated breeding values for selection candidates. The application of GS in shellfish looks promising and has the potential to help in dealing with one of the main issues currently affecting Pacific oyster production worldwide, which is the 'summer mortality syndrome'. This causes periodic mass mortality in farms worldwide and has mainly been attributed to a specific variant of the ostreid herpesvirus (OsHV-1). In the current study, we evaluated the potential of genomic selection for host resistance to OsHV-1 in Pacific oysters, and compared it with pedigree-based approaches. An OsHV-1 disease challenge was performed using an immersion-based virus exposure treatment for oysters for 7 days. A total of 768 samples were genotyped using the medium-density SNP array for oysters. A GWAS was performed for the survival trait using a GBLUP approach in blupf90 software. Heritability ranged from 0.25 ± 0.05 to 0.37 ± 0.05 (mean ± SE) based on pedigree and genomic information respectively. Genomic prediction was more accurate than pedigree prediction, and SNP density reduction had little impact on prediction accuracy until marker densities dropped below approximately 500 SNPs. This demonstrates the potential for GS in Pacific oyster breeding programmes, and importantly, demonstrates that a low number of SNPs might suffice to obtain accurate genomic estimated breeding values, thus potentially making the implementation of GS more cost effective.

中文翻译：

---

基因组选择对提高太平洋牡蛎（Crassostrea gigas）对ostreid疱疹病毒的抵抗力的潜力。

在基因组选择（GS）中，全基因组SNP标记用于为选择候选物生成基因组估计的育种值。GS在贝类中的应用前景看好，并且有潜力帮助解决当前影响全世界太平洋牡蛎生产的主要问题之一，即“夏季死亡率综合症”。这导致了全世界农场的周期性大规模死亡，并且主要归因于ostreid疱疹病毒（OsHV-1）的特定变体。在当前的研究中，我们评估了基因组选择对太平洋牡蛎中宿主对OsHV-1的抗性的潜力，并将其与基于谱系的方法进行了比较。使用基于浸没的牡蛎病毒暴露治疗7天，进行OsHV-1疾病挑战。使用中密度SNP牡蛎对总共768个样品进行基因分型。使用blupf90软件中的GBLUP方法对生存特征进行GWAS。根据谱系和基因组信息，遗传力范围从0.25±0.05到0.37±0.05（平均值±SE）。基因组预测比谱系预测更准确，SNP密度降低对预测准确性影响不大，直到标记物密度降至约500个SNP以下。这表明了GS在太平洋牡蛎育种计划中的潜力，并且重要的是，表明少量的SNPs可能足以获得准确的基因组估计育种值，从而潜在地使GS的实施更具成本效益。根据谱系和基因组信息，遗传力范围从0.25±0.05到0.37±0.05（平均值±SE）。基因组预测比谱系预测更准确，SNP密度降低对预测准确性影响不大，直到标记物密度降至约500个SNP以下。这表明了GS在太平洋牡蛎育种计划中的潜力，并且重要的是，表明少量的SNPs可能足以获得准确的基因组估计育种值，从而潜在地使GS的实施更具成本效益。根据谱系和基因组信息，遗传力范围从0.25±0.05到0.37±0.05（平均值±SE）。基因组预测比谱系预测更准确，SNP密度降低对预测准确性影响不大，直到标记物密度降至约500个SNP以下。这表明了GS在太平洋牡蛎育种计划中的潜力，并且重要的是，表明少量的SNPs可能足以获得准确的基因组估计育种值，从而潜在地使GS的实施更具成本效益。SNP密度的降低对预测准确性几乎没有影响，直到标记物密度降至约500个SNP以下。这表明了GS在太平洋牡蛎育种计划中的潜力，并且重要的是，表明少量的SNPs可能足以获得准确的基因组估计育种值，从而潜在地使GS的实施更具成本效益。SNP密度的降低对预测准确性几乎没有影响，直到标记物密度降至约500个SNP以下。这表明了GS在太平洋牡蛎育种计划中的潜力，并且重要的是，表明少量的SNPs可能足以获得准确的基因组估计育种值，从而潜在地使GS的实施更具成本效益。