新疆两种新型鸡种的遗传结构研究：伊犁斗鸡和叶密里鸡的全基因组测序分析

《Poultry Science》：Genetic Architecture of Two Novel Chicken Breeds from Xinjiang: A Whole-Genome Sequencing Study on Ili Gamecock and Yemili Chicken

　　杨海晨|梁倩倩|苏鹏|戈兰·安德森|埃里克·邦卡姆-鲁德洛夫|鲁齐·马哈巴|江琳|韩继龙|杨敏
石河子大学动物科学与技术学院，中国新疆石河子832061

**摘要**
本土家禽遗传资源对于育种和粮食安全至关重要。在中国新疆，伊犁斗鸡和叶密里鸡是两种具有独特且宝贵性状的本土品种。伊犁斗鸡以其庞大的体型和攻击性行为而受到重视，而叶密里鸡则表现出对塔城地区寒冷环境的显著适应性，具有很强的疾病抵抗力以及适合放养的觅食能力。了解它们的遗传基础是实现其保护和可持续利用的关键。为此，我们对这两个品种的22个个体进行了全基因组测序，并将这些数据与83个公开可用的基因组整合起来，构建了一个涵盖12个全球鸡群体的综合数据集。在识别出超过1130万个高质量SNP后，我们评估了它们的遗传多样性和群体结构。分析显示，伊犁斗鸡与吐鲁番斗鸡关系密切，形成了一个独特的群体。基于固定指数（FST）和核苷酸多样性比率（π比率）的选择特征分析，确定了与斗鸡攻击性和肌肉发育相关的基因组区域（例如NELL1、SOX5、SEMA3A、KCNMA1），以及与叶密里鸡应激反应、肠道完整性和能量稳态相关的基因组区域（例如MAPK8IP3、HBEGF、PARD3、ATP6V1B2、ATP5PD）。本研究提供了这两个新疆新兴品种的全面基因组图谱，阐明了它们独特的进化历史，并为未来的保护和育种计划提供了宝贵的遗传资源。

**引言**
鸡（Gallus gallus domesticus）是最早被驯化的鸟类之一（约1万年前被驯化），通过长期的人工选择，在不同的地理环境中分化出了众多品种（Kijas等人，2012年；Xiang等人，2014年）。中国是这种多样性的主要储存地，拥有116个公认的本土鸡品种，占全球鸡遗传资源的约10%（FAO，2007年）。其中，新疆省拥有几个有价值的本地品种，包括白城肥鸡、吐鲁番斗鸡和尼雅黑鸡。最近，在该地区发现了两种独特的本土遗传资源——伊犁斗鸡和叶密里鸡，它们表现出不同的表型和适应特征。家鸡仍然是全球最重要的经济动物之一，是蛋白质和其他副产品（如羽毛）的主要来源。2004年，国际鸡基因组测序联盟使用近交系UCD001和基于BAC的测序技术完成了鸡基因组测序项目（Schmid等人，2015年），奠定了鸟类基因组学的基石。后续的努力产生了红原鸡（Gallus gallus）的高质量参考基因组，红原鸡是家鸡的野生祖先。

伊犁斗鸡传统上饲养在新疆北部的伊犁哈萨克自治州，其特征是体型庞大且健壮，胸肌和腿部肌肉发达，具有明显的攻击性行为，在当地维吾尔社区中具有重要的文化价值，因为斗鸡活动已经传承了几代人。该品种表现出独特的表型特征，雄性具有豆状或“丘疹”状的冠羽，雌性具有扁平的蚕形冠羽，尾羽发育不良，体羽紧密。由于其庞大的体型，该品种也具有潜在的肉用价值（图1B）。与此同时，叶密里鸡代表了新疆的一种新兴遗传资源，表现出对塔城地区独特自然环境的显著适应性——该地区夏季极其炎热，冬季极其寒冷（-30°C至42°C），这种气候模式与其他中国本地鸡品种的栖息地明显不同。该品种体型紧凑，羽毛呈黑色，腿部短而结实，具有适合放养的强大觅食能力，整体上非常健壮（图1A）。然而，这些本土品种的遗传完整性正日益受到商业外来品种引入的威胁，导致遗传稀释和宝贵适应特征的潜在丧失，如疾病抵抗力和环境适应性。因此，保护这些本土品种并进行科学研究不仅对于保护宝贵的遗传资源和文化遗产至关重要，也是确保未来农业可持续性和韧性的关键。

**下载：**
下载高分辨率图片（2MB）
下载全尺寸图片

**图1. 叶密里鸡和伊犁斗鸡的外观。**
（A）叶密里鸡。
（B）伊犁斗鸡。

**为了有效保护这些受威胁的品种并利用它们的独特特征，深入了解它们的基因组组成是必不可少的。**
幸运的是，最近的基因组进展使我们能够更深入地了解鸡在局部适应性和多样性方面的遗传基础。例如，比较基因组方法发现了在不同气候条件下饲养的鸡中与热适应相关的新基因（Shi等人，2023年），而全基因组SNP分析揭示了尼日利亚本土鸡的显著遗传多样性（Rachman等人，2024年）。然而，关于伊犁斗鸡和叶密里鸡的全面基因组信息仍然很少，限制了保护和育种工作。**

**为了解决这一差距，我们对伊犁斗鸡、叶密里鸡和其他新疆品种进行了全基因组测序，并将这些数据与来自中国不同本土和商业群体的公开可用基因组进行了整合。**
通过群体遗传学和选择特征分析，本研究旨在：
1）评估新疆本土鸡与其他中国本土品种及商业群体之间的遗传关系；
2）识别与伊犁斗鸡（如攻击性、肌肉发育）和叶密里鸡（如寒冷适应、疾病抵抗力）关键特征相关的遗传变异和选择特征；
3）检测这些具有经济和适应重要性的表型背后的候选基因。**
我们的发现有望阐明这些独特品种的遗传适应机制，为它们的科学保护做出贡献，并为未来旨在提高韧性和生产力的育种计划提供宝贵的遗传资源。**

**材料与方法**
**伦理声明**
所有动物实验均获得了石河子大学生物伦理委员会的批准。伦理委员会批准编号为：A2020-34。

**样本收集、DNA提取和SNP检测**
伊犁斗鸡（YL）样本（n=9）来自新疆巩留县东迈里镇吴图布拉克村的农民，叶密里鸡（YML）样本（n=13）来自新疆塔城 Emin县恒新实业有限公司。所有个体均来自其各自品种的核心保护群体。为了确保样本个体能够代表纯种群体，对于YL，仅选择了表现出典型品种特征的雄性：体型庞大且健壮，胸肌和腿部肌肉发达。对于YML，根据品种特异性表型选择个体：体型紧凑，羽毛黑色，腿部短而结实，觅食能力强，健康且健壮。使用标准酚-氯仿方法（Kochl等人，2005年）提取DNA。使用DNBSEQ T7平台生成所有个体的双端序列数据。此外，我们还从公共数据集中收集了83只鸡的全基因组测序数据。这些品种包括藏鸡（ZJ）、北京油鸡（YOU）、吐鲁番斗鸡（TLF）、红原鸡（RJF）、罗德岛红鸡（RIR）、尼雅鸡（NY）、怀乡鸡（HX）和常亭合田鸡（CT）（补充表S1）。

**使用的参考基因组是Gallus_gallus.GRCg6a（Gallus gallus基因组组装GRCg6a - NCBI - NLM, GCF_000002315.5）。**
在原始FASTQ文件的质量过滤后，使用BWA v1.0.3对全基因组序列进行比对，生成二进制比对图（.bam）文件。随后，使用GATK v4.2.0为每个样本构建gVCF文件，并使用GLnexus v1.4.1合并gVCF文件（Babadi, Fu等人，2023年）。最后，使用Bcftools v1.13视图模块和以下过滤器去除SNP测序和比对错误：“QD < 2.0, QUAL < 30.0, SOR > 3.0, FS > 60.0, MQ < 40.0, MQRankSum < -12.5, ReadPosRankSum < -8.0”。进一步使用bcftools过滤掉调用率大于80%且次要等位基因频率小于0.05的变异体，以便后续分析。

**遗传多样性和群体结构**
使用PLINK v1.90（Purcell等人，2007年）计算观察到的杂合度（Ho）、预期杂合度（He）、纯合区域识别和近交系数（FROH）。在PLINK v1.90中使用“–hardy”参数计算Ho和He，使用“–maf”参数计算次要等位基因频率（MAF）。使用Haploview v4.2（Barrett，2009年）估计连锁不平衡（LD）衰减。使用参数“-n -dprime -minMAF 0.05”计算成对SNP之间的平方相关系数（r2）。ROH分析参数：最小SNP数量（–homozyg-snp 50），表示ROH段内所需的最小SNP数量；连续纯合段之间的最大允许间隙（–homozyg-gap 1000）；连续纯合段内的最大允许杂合SNP数量（–homozyg-window-het 5）；ROH滑动窗口大小（–homozyg-window-snp 50）；滑动窗口内允许的最大缺失SNP数量（–homozyg-window-missing 5）；确定ROH的置信阈值（–homozyg-window-threshold 0.05）。在使用PLINK v1.90过滤掉连锁不平衡较高的SNP（r2 ≥ 0.2）后，对数据集进行主成分分析，参数为“–indep-pairwise 50 10 0.1”。使用VCF2Dis v1.54（Xu等人，2025年）计算p距离矩阵。基于此矩阵，使用ATGC: FastME构建了邻接连接（NJ）系统发育树。使用iTOL网络服务器（Letunic和Bork，2016年）可视化NJ树。使用Admixture模型（Patterson等人，2012年）进行祖先组成分析，可以根据基因组范围内的遗传变异和每个个体在K个祖先中的变异来计算群体分层。

**TreeMix分析**
TreeMix软件采用最大似然法推断群体间的遗传关系，同时考虑潜在的基因流（Das等人，2020年）。基因流事件的数量（m）预设在1到5之间，每个值重复5次。在TreeMix分析中，使用RJF作为系统发育树的根。为了确定最佳的m值，使用R包OptM评估TreeMix结果。选择最大的ΔM，对应于m = 3，并使用plotfuncs.R在TreeMix中绘制。

**选择性清除分析**
本研究对所有用于研究的鸡群体的SNP数据进行了FST分析（我们使用变位点处的等位基因频率来识别50 kb窗口内的选择信号，步长为5 kb），包括YML、商业鸡、YL等。建立了两组环境和特征特定的比较组：斗鸡和非斗鸡组，以及YML和非YML组。为了探索与斗鸡特征相关的候选基因组区域和基因，我们将斗鸡群体（YL和TLF）与非斗鸡同种群体进行比较，以阐明斗鸡特征（攻击性和肌肉发育）的遗传机制。同时，为了研究叶密里鸡（YML）对Emin县极端自然环境（42°C超高温和-30°C超低温）的遗传基础（https://www.tianqi24.com/emin/history.html），我们将叶密里鸡与适应单一极端环境的群体（本研究中的其他11个鸡品种）进行了平行选择性清除分析。这些对比群体只适应一种极端环境（例如，ZJ仅适应超低温，WC仅适应超高温）或温和/稳定环境，没有经历过Emin县的双重极端环境压力。使用VCFtools v0.1.13软件进行FST分析（Danecek等人，2011年；Shen等人，2020年）。在每次比较中，得分最高的1%基因组区域被视为潜在的选择区域。FST计算公式如下：
**FST = (MSP ? MSG) / (MSP + (nc ? 1))**
**其中MSG是组内的均方误差，MSP是组间的均方误差，nc是整个群体的校正平均样本大小。**

**核苷酸多样性（Pi）分析**
Pi是衡量群体多样性的重要指标。分别计算YL群体的Pi，选定的群体与比较群体的Pi比率计算为π比率。最后，将排名前1%的值按升序取出，与FST结果进行交叉，其中S表示分离位点的数量，hj表示j分离位点的杂合度。
**Pi = ∑j=iShj**
**πratio = Pi（斗鸡）/ Pi（非斗鸡）**

**候选基因的富集分析**
通过π比率和FST分析确定的区域交集被用来确定稳健的选择特征。然后使用鸡（GRCg6a, GCA_000002315.5）基因组对这些结果进行注释。接着，我们使用KOBAS v3.0（http://bioinfo.org/kobas）进行基因本体（GO）富集分析和京都基因与基因组百科全书（KEGG）通路分析（Bu等人，2021年）。在这些方法中，GO富集分析用于预测和阐明基因产物在分子功能、生物过程和细胞成分中的作用（Ashburner等人，2000年）。KEGG通路富集分析用于识别基因参与的主要生化和信号通路（Kanehisa等人，2016年）。将P值（方法）调整到小于0.05。

**结果**

**变异检测和遗传多样性**
在这项研究中，我们对105只鸡进行了全基因组测序，共鉴定出13,356,328个SNP，其中1,800,544个在修剪后仍然存在。遗传多样性分析显示，对于新疆地区的鸡品种，Ho值介于0.1693到0.3533之间，而基因组FROH值介于0.0029到0.0628之间（表1）。相比之下，中国本土鸡的Ho值较低（0.1133–0.1757）。RJF的Ho值为0.0983，低于其He值。比较分析表明，YML和YL相对于其他地区的鸡保持了较高的遗传多样性（表1，补充表S3）。

**表1. 十二个鸡品种的位置信息和遗传多样性**
| 品种 | 收集地区 | 观察到的杂合度（Ho） | 预期杂合度（He） | 近交系数（FROH） |
|-------------|---------|------------|-------------|------------|
| 西藏鸡 | 西藏（中国） | 0.1133 | 0.0818 | 0.0284 |
| 伊犁斗鸡 | 新疆（中国） | 0.3533 | 0.2207 | 0.0029 |
| 埃米利鸡 | 新疆（中国） | 0.2767 | 0.2114 | 0.0474 |
| 吐鲁番斗鸡 | 新疆（中国） | 0.1841 | 0.1653 | 0.0628 |
| 尼雅鸡 | 新疆（中国） | 0.1693 | 0.1558 | 0.0539 |
| 红原鸡 | 中国&印度&印尼 | 0.0983 | 0.1722 | 0.1594 |
| 北京油鸡 | 北京（中国） | 0.1434 | 0.1439 | 0.1682 |
| 华乡鸡 | 广东（中国） | 0.1607 | 0.1635 | 0.0369 |
| 长汀河田鸡 | 福建（中国） | 0.1757 | 0.1656 | 0.0583 |
| 文昌鸡 | 海南（中国） | 0.1656 | 0.1612 | 0.0356 |
| 罗德岛红鸡 | 中国 | 0.1161 | 0.1071 | 0.3283 |
| 白来航鸡 | 中国 | 0.0737 | 0.0951 | 0.4416 |

为了表征不同群体间的连锁不平衡（LD）模式并推断选择强度，我们评估了LD衰减（图2A）。RJF表现出最快的衰减率，地方品种通常衰减得更快，而商业鸡的衰减率较慢。这表明这两个商业鸡群体经历了相对较强的选择压力。ROH提供了动物近交程度的指标。较长的ROH片段表示较新的近交事件，而较短的片段则反映了更古老的近交。我们分析了12个鸡品种的ROH模式和基因组FROH（图2B，C）。ROH在所有群体中广泛分布，不同品种之间的ROH数量和长度以及FROH存在显著差异。WLL群体显示出最长的ROH和最多的ROH片段，以及最高的FROH，其次是RIR。相比之下，YL的ROH片段最短，ROH数量最少，基因组FROH最低。Pi值显示YL的Pi值较高，仅次于YML（图2D）。

**下载：** 下载高分辨率图像（440KB）
**下载：** 下载全尺寸图像

**图2. 不同鸡群体的遗传多样性。**
(A) 从每个品种估计的连锁不平衡衰减。
(B) 每组的纯合子运行总数（ROH）估计。
(C) 每组的FROH箱线图。
(D) 每组的核苷酸多样性Pi值。

**群体结构分析**
我们对12个鸡群的SNP数据进行了PCA分析（图3A）。前两个主成分（PC1和PC2）分别解释了总方差的7%和6.05%。PCA结果显示WC（海南）、CT（福建）和HX（广东）群体之间存在重叠，这可能归因于它们在中国东南部的地理位置接近。相比之下，其他群体显示出明显的分离。值得注意的是，YL在PCA图中位于TLF附近。我们基于相同的数据集构建了一个NJ树（图3B）。结果与PCA结果基本一致，YL与TLF相邻，而YML与NY相邻。根据OptM结果（图S2，补充图），TreeMix中的最佳混合事件数量为三次，即RJF向其他群体的基因流（WLL）、WLL向YML以及YL向YML（图3C，D）。考虑到品种间的进化过程，使用混合软件进一步分析了不同群体的群体结构（图3E）。在K=2时，只能清晰区分商业鸡。在K=3时，交叉验证（CV）值最低（图S1，补充图）。YML和NY以及YL和TLF具有相似的祖先成分。值得注意的是，YL和TLF表现出更同质的遗传背景，受其他品种的影响最小。在K=6时，只有HX、RIR、WLL和YOU具有单一的祖先成分，其次是YL个体。相比之下，其余群体检测到广泛的群体混合。

**下载：** 下载高分辨率图像（786KB）
**下载：** 下载全尺寸图像

**图3. 12个鸡品种的群体遗传分析。**
(A) 主成分分析。
(B) 邻接树。
(C-D) 每组的TreeMix（n=3）。
(E) 鸡品种的遗传结构。每个彩色片段的长度代表比例。

**群体选择消除和适应性进化分析**
对于两种比较，我们在50 kb的窗口中以5 kb的步长计算了FST和π比率；FST值的前1%和|log2(π比率)|值的前1%被认为是潜在的选择区域。
对于斗鸡，FST值的前1%识别出162个候选基因（补充表S4），|log2(π比率)|值的前1%识别出185个候选基因（补充表S5）。这两个基因集的交集产生了57个共同基因，包括CPZ、SOX5、NELL1、BMPR2、SLC6A5、SEMA3A、PPT1和KCNMA1（图4A-D，补充表S6）。

**下载：** 下载高分辨率图像（501KB）
**下载：** 下载全尺寸图像

**图4. 群体选择消除和适应性进化分析（斗鸡）：**
(A) FST的曼哈顿图。
(B) π比率的曼哈顿图。
(C) 共同筛选的基因数量。
(D) FST值（前1%异常值）和π比率（前1%异常值的点图分布）。
鸡被分为两组：斗鸡（GAMECOCK）和其他非斗鸡品种（OTHER）。
随后，我们使用ChickenGTEx Atlas（https://ngdc.cncb.ac.cn/chickengtex/home）检查了NELL1基因在各种鸡组织中的表达水平。我们观察到NELL1在大脑中的高表达，这促使我们生成了NELL1基因的单倍型热图和连锁不平衡（LD）分析（图S3，补充图）。为了进一步表征与攻击性和肌肉特征相关的关键基因的遗传变异，我们为NELL1构建了单倍型热图。结果显示，与非斗鸡相比，斗鸡中特定单倍型的NELL1显著富集（图5A），表明在伊犁斗鸡的驯化和育种过程中对这些单倍型有强烈的选择压力。
同样，我们在NELL1连锁不平衡分析中识别出许多连锁区域，并在之前分析中FST得分最高的区域发现了连锁区域。这些区域可能与影响斗鸡攻击性行为的功能有关。

**下载：** 下载高分辨率图像（1MB）
**下载：** 下载全尺寸图像

**图5. 单倍型分析：**
(A) 热图显示NELL1基因区域的LD程度。
(B) NELL1基因的基因型热图。ALT表示纯合突变，HTET表示杂合突变，REF表示无突变，MISS表示缺失。
对于YML，FST值的前1%识别出235个候选基因，|log2(π比率)|值的前1%识别出188个候选基因（补充表S7-8）。这两个基因集的交集产生了62个共同基因，包括MAPK8IP3、HBEGF、PARD3、ATP6V1B2和ATP5PD（图6A-D，补充表S9）。

**下载：** 下载高分辨率图像（424KB）
**下载：** 下载全尺寸图像

**图6. 群体选择消除和适应性进化分析（YML）：**
(A) FST和π比率的曼哈顿图。
(B) 共同筛选的基因数量。
(C) π比率和FST值（前1%异常值的点图分布）。
鸡被分为两组：埃米利鸡（YML）和其他非埃米利品种（OTHER）。
我们进一步使用KOBAS v3.0对这些候选基因进行了基因本体（GO）富集分析和京都基因与基因组百科全书（KEGG）通路分析。对于斗鸡，与神经发育和生长相关的基因和通路显著富集，例如“参与轴突引导的轴突延伸的正向调节”和“轴突引导”通路（图7A-B）（补充表S10）。对于YML，与自我适应和免疫相关的通路富集，例如MAPK信号通路和“紧密连接”通路（补充表S11，图S4，补充图）。

**讨论**
保护和利用本土家禽遗传资源对于提高遗传多样性、增强气候适应性和确保全球粮食安全至关重要。本研究对新疆本地鸡品种进行了全面的基因组分析，特别关注YL和YML。通过整合遗传多样性、群体结构和选择信号的评估，我们揭示了它们的独特遗传特征和适应性进化机制，为这些重要遗传资源的保护和利用提供了关键的基因组见解。

**新疆鸡的遗传多样性和人口历史**
我们的分析显示，YL和YML保持了显著高的基因组多样性。它们的Ho和Pi值在所有研究的群体中最高，而它们的FROH和ROH值最低。这种遗传特征表明历史上有效群体规模较大，近期近交有限，这有助于保持广泛的遗传基础，可能有助于它们的适应性（Liu等人，2021年）。相比之下，像WLL这样的商业品种具有最长的ROH片段和最高的近交系数，这是人工选择和与现代生产性状育种相关的群体瓶颈的明显基因组特征。RJF和地方品种观察到的快速LD衰减与商业品系的缓慢衰减进一步证实了本土群体中较弱的方向性选择历史，从而保持了祖先遗传变异（Islam等人，2019年；Bendesky等人，2024年）。同时，需要认识到本研究中某些品种的样本量相对较小。这构成了当前研究的一个限制。遗传多样性指标（如Pi和Ho）以及近交系数（如FROH）对样本量敏感。小样本量可能导致高抽样方差，可能无法完全代表品种内的等位基因多样性。因此，虽然这里报告的遗传参数提供了这些品种的基因组特征的初步了解，但应谨慎解释。未来增加样本量将能够更全面和稳健地评估它们的遗传组成。
群体结构分析（PCA、NJ树、ADMIXTURE）明确了遗传边界和历史关系。YL和TLF之间的密切遗传亲缘关系表明它们具有共同的祖先，形成了一个独特的新疆斗鸡谱系。这一发现与先前的研究一致，表明该地区的斗鸡具有特定的遗传簇（Ren等人，2023年）。尽管地理上分离，YML和NY之间的遗传相似性表明它们有共同的起源，随后发生了分化，这种模式也在中国其他黑羽鸡资源中观察到（Gao等人，2017年；Yang等人，2025年）。TreeMix分析揭示了重要的历史基因流事件，包括从RJF到商业品系以及从YL到YML的基因流。重要的是，我们还检测到现代基因流从商业WLL进入YML，突显了对本土基因组完整性的实质性当代威胁，强调了有针对性的保护策略的紧迫性。

**斗鸡关键特征的遗传基础**
YL的特点是强壮的肌肉体型和明显的攻击性行为。我们的选择扫描分析识别出57个在斗鸡中受到选择的候选基因，这些基因在骨骼-肌肉发育和神经调节通路中具有功能上的收敛性。这表明这种复杂表型的遗传结构是综合的，选择作用于一个协调的网络，而不是孤立的性状。CPZ、SOX5、BMPR2、MSX1、IGF1和NELL1等关键基因是骨形成、软骨形成和肌肉形成的核心调节因子（Xue等人，2017年；Xu等人，2018年；Luo等人，2020年；Lyu等人，2023年；Xu等人，2025年），为斗鸡的强健体型提供了直接的遗传基础。其中，NELL1基因因其异常高的连锁不平衡和在斗鸡群体中富集的单倍型而脱颖而出。NELL1已知促进骨形成分化，同时抑制脂肪形成（Wang等人，2017年；Yin等人，2023年），并与BMPR2介导的BMP信号通路协同作用，增强骨骼和肌肉发育（Mao等人，2022年；Yin等人，2023年）。重要的是，NELL1和BMPR2也被认为与神经突触发育有关（Kashima等人，2016年；Kim等人，2020年）。这种双重角色暗示了一种潜在的遗传耦合机制：对战斗相关体力的选择可能同时选择了导致攻击性的潜在神经通路，这代表了一种令人信服的整合进化适应案例。同时，其他几个候选基因主要与攻击性行为的神经基础相关。SEMA3A指导轴突路径寻找和突触可塑性（Tran等人，2007年；Yang等人，2024年），其失调会影响控制社会行为的神经回路（Du等人，2022年）。PPT1和SLC17A6（VGLUT2）对突触功能和谷氨酸能神经传递至关重要（Sarkar等人，2020年；Su等人，2024年），而KCNMA1调节神经元兴奋性，并与冲动性有关（Heukelum等人，2021年；Dinsdale等人，2023年）。"轴突引导" KEGG通路的显著富集强调了精确神经连接的重要性。因此，斗鸡的表型可能是通过对一个遗传网络的协调选择而产生的，该网络同时增强了体力（通过像NELL1和SOX5这样的发育基因）和攻击倾向（通过像SEMA3A和KCNMA1这样的神经基因）。

**耶米利鸡的环境适应**

在塔城地区严酷的寒冷冬季生存需要强大的生理适应能力。我们在YML中的选择性筛选分析发现了62个候选基因，这些基因在与环境韧性相关的通路中显著富集，特别是MAPK信号通路和紧密连接形成通路。这项研究确定了多个与耐寒性和繁殖能力显著相关的通路和基因，如MAPK8IP3、HBEGF、EGFR和PCNA。温度深刻影响动物的生长、发育和繁殖。通常，寒冷压力通过增加用于体温调节的能量消耗来限制繁殖营养，同时破坏卵巢功能和免疫反应。这不仅减少了产蛋鸡的产蛋量和质量，还 adversely 影响了鸟类的整体活力（Mohebbifar等人，2025年）。在这些基因中，MAPK信号通路在应对寒冷压力中起着核心作用。低温不仅通过MAPK通路影响免疫功能和肠道屏障保护，还显著调节生殖轴，这一功能在高海拔物种的环境适应中得到了广泛证明（Qiao等人，2023年；Li等人，2025年）。在肉鸡中，间歇性的轻微寒冷刺激通过激活MAPK通路来增强免疫反应，并调节寒冷诱导蛋白的表达（Xing等人，2024年）。此外，72小时的寒冷压力显著上调空肠中紧密连接蛋白（例如Occludin、zonula occludin 1）的基因表达，表明MAPK可能通过调节相关通路间接维持肠道屏障功能（Zhou等人，2021年）。这些发现与随后观察到的生殖功能和肠道免疫之间的相互调节一致。值得注意的是，在MAPK通路中，关键相互作用蛋白MAPK8IP3被认为通过涉及非编码RNA的调节网络介导细胞对寒冷等压力的适应（Wan等人，2022年），从而证实了MAPK通路在寒冷环境中的作用。基因HBEGF也参与寒冷反应，它在雌激素信号通路中发挥作用。通过EGFR-cAMP-PKA轴促进雌激素合成，HBEGF可能在寒冷压力通常抑制繁殖的条件下支持持续的卵巢功能和产蛋。MAPK通路的双重作用体现了平衡生存和生育能力的整合适应（Huang等人，2022年）。

**肠道上皮**

肠道上皮代表了重要的前线防御，特别是在极端寒冷条件下尤为脆弱（Gilani等人，2021年）。我们的发现强调了维持紧密连接完整性的重要性。像PARD3这样的基因对于紧密连接复合体的正确组装至关重要（Liu等人，2023年），而PCNA参与上皮细胞增殖和修复。在寒冷压力下观察到的这些基因的失调会导致连接蛋白（例如occludin、ZO-1）的下调，并可能诱导上皮-间充质转化，从而增加肠道通透性和全身感染风险（Peng等人，2022年；Vohra等人，2025年）。因此，保持这一屏障是在恶劣气候中维持整体健康的关键适应特征。总体而言，这些机制构成了莱格霍恩鸡肠道抵御病原体入侵和维持肠道健康的主要防线。有效的免疫防御在能量消耗方面代价高昂，尤其是在体温调节的代谢压力下。耶米利鸡表现出优化免疫能量分配的遗传适应。有效的吞噬体激活是消除入侵病原体的重要免疫机制（Shi等人，2023年）。像ATP5PD这样的基因参与氧化磷酸化，确保足够的ATP产生以支持免疫细胞活动（Mai等人，2021年；Cao等人，2025年）。ATP6V1B2是V-ATPase的一个亚基，有助于溶酶体酸化——这一过程对吞噬体中的病原体降解至关重要。此外，TPK1通过mTOR信号通路和代谢重编程等通路将能量代谢与免疫调节联系起来（Jessulat等人，2021年）。这种整合确保了即使在能量受限的条件下，耶米利鸡的免疫监视和效应功能仍然强大。

**结论**

这项研究揭示了YL斗鸡（战斗驱动的选择）表型进化和YML鸡（压力-代谢平衡）生态适应的遗传基础。这些发现为现场保护提供了支持，并为培育耐候性强、生产力高的家禽提供了精确的基因靶点（例如NELL1、MAPK8IP3）。

**资助**

本研究得到了石河子大学国际科技合作项目（编号GJHZ202307）、2025年中国学术学位与研究生教育发展中心（CDGDC）主题案例（ZT-2510759002）、国家动物生物技术育种重点实验室开放项目（编号2024SKLAB 6-107）以及石河子大学育种专项项目（YZZX202005）的资助。

**CRediT作者贡献声明**

Haichen Yang：撰写-审稿与编辑、撰写-原始草稿、可视化、形式分析。
Qianqian Liang：撰写-审稿与编辑、可视化、方法学、数据管理。
Peng Su：撰写-审稿与编辑、方法学、数据管理。
G?ran Andersson：撰写-审稿与编辑、数据管理。
Erik Bongcam-Rudloff：撰写-审稿与编辑。
Mahaba Rouzi：可视化、方法学。
Lin Jiang：撰写-审稿与编辑。
Jilong Han：撰写-审稿与编辑、监督、资源管理、项目管理、概念化。
Min Yang：撰写-审稿与编辑、监督、资源管理、项目管理、概念化。

**利益冲突声明**

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

**未引用参考文献**

Xu等人，2025年

**CRediT作者贡献声明**

Haichen Yang：撰写-原始草稿、可视化、形式分析、数据管理。
Qianqian Liang：撰写-原始草稿、可视化、验证、软件、方法学。
Peng Su：撰写-审稿与编辑、软件。
G?ran Andersson：撰写-审稿与编辑、数据管理。
Erik Bongcam-Rudloff：撰写-审稿与编辑、数据管理。
Mahaba Rouzi：可视化、资源管理、方法学、概念化。
Lin Jiang：撰写-审稿与编辑。
Jilong Han：撰写-审稿与编辑、监督、资源管理、项目管理、概念化。
Min Yang：撰写-审稿与编辑、监督、资源管理、项目管理、概念化。