Study of the Host Genetic Control over the Ruminal Microbiota and their Relationships with Methane Emissions in Dairy Cattle

Abstract

[ES] El análisis del control genético del hospedador sobre su microbiota ha sido señalado recientemente como un tema prometedor en diferentes campos de estudio. La relación entre el holobionte hospedador-microbioma y los fenotipos en el ganado lechero podría conducir a nuevos conocimientos en los programas de selección genética. Dentro de esta tesis doctoral, se realizó la estimación y análisis a través de diferentes enfoques estadísticos con el objetivo de desentrañar el control genético del hospedador sobre la microbiota en ganado lechero. Además, se analizó el rasgo de concentración de metano como un fenotipo potencial para ser incluido en el programa de mejora de ganado lechero español. Mayor abundancia relativa de la mayoría de los eucariotas (principalmente protozoos ciliados y hongos) y algunas arqueas (Methanobrevibacter spp. Methanothermus spp. y Methanosphaera spp.) fueron factores de riesgo para ser clasificadas en la categoría alta. Se propuso un conjunto de modelos de ecuaciones estructurales (SEM) de tipo recursivo dentro de un marco de Cadenas de Markov Monte Carlo (MCMC) para analizar conjuntamente la relación hospedador-metagenoma-fenotipo. Se estableció un modelo bivariado no-recursivo como punto de referencia. La heredabilidad de CH4 se estimó en 0,12 ± 0,01 en ambos modelos, recursivo y no recursivo. Asimismo, las estimaciones de heredabilidad para la abundancia relativa de los taxones se superpusieron entre los modelos y variaron entre 0.08 y 0.48. Las correlaciones genéticas entre la composición microbiana y el CH4 variaron de -0,76 a 0,65 en el modelo bivariado no recursivo y de -0,68 a 0,69 en el modelo recursivo. Doce matrices de relación de microbiota (K) fueron construidas a partir de diferentes métricas de distancia del microbioma, con el objetivo de comparar su desempeño dentro de un marco de estimación de componentes de varianza para CH4 y toda la microbiota. Análisis de simulación (n = 1000) y datos reales fueron desarrollados considerando cuatro modelos posibles: un modelo genómico aditivo (GBLUP), un modelo de microbioma (MBLUP), un modelo de efectos genéticos y microbioma (HBLUP) y un modelo de efectos de interacción genético, microbioma y genético × microbioma (HiBLUP). Un nuevo término "Holobiabilidad" fue definido para referirse a la proporción de la varianza atribuible a los efectos del holobionte hospedador-microbioma. Las estimaciones a partir de datos reales usando HiBLUP variaron dependiendo de la K utilizada y estuvieron entre 0.15-0.17, 0.15-0.21 y 0.42-0.59 para heredabilidad, microbiabilidad y holobiabilidad, respectivamente. El conjunto de datos de microbioma fue agregado a través de análisis de componentes principales (PCA), en pocos componentes principales (PCs) que fueron utilizados como aproximaciones del metagenoma central. Parte de la variabilidad condensada en estos PC está controlada por el genoma de la vaca, con estimaciones de heredabilidad para el primer PC (PC1) de ~ 0,30 en todos los niveles taxonómicos, con una gran probabilidad (> 83%) de que la distribución posterior sea > 0,20 y con un intervalo de mayor densidad posterior al 95% (95% HPD) no conteniendo cero. La mayoría de las estimaciones de correlación genética entre PC1 y metano fueron grandes (>0,70) en todos los niveles taxonómicos, con la mayor parte de la distribución posterior (> 82%) siendo > 0,50 y con su 95% HPD no conteniendo cero. Estos resultados sugieren que todo el metagenoma del rumen regula recursivamente las emisiones de metano en las vacas lecheras, y que tanto el CH4 como las composiciones de la microbiota están parcialmente controladas por el genotipo del hospedador. Las variables agregadas (PC) propuestas podrían ser usadas en programas de mejora de animales para reducir las emisiones de metano en las generaciones futuras.

[CA] L'anàlisi del control genètic de l'hoste sobre la seva microbiota s'ha assenyalat recentment com un tema prometedor en diferents camps d'estudi. La relació entre el holobiont hoste-microbioma i els fenotips en bovins de llet podria conduir a nous coneixements en els programes de cria. Dins d'aquest doctorat es van realitzar tesis, estimacions i anàlisis mitjançant diferents enfocaments estadístics amb l'objectiu de desentranyar el control genètic de l'hoste sobre la microbiota en bestiar lleter. A més, es va analitzar el tret de concentració de metà com a fenotip potencial a incloure en el programa espanyol de cria de bestiar lleter. La major abundància relativa de la majoria dels eucariotes (principalment protozous i fongs ciliats) i algunes arquees (Methanobrevibacter spp. Methanothermus spp i Methanosphera spp.) Van ser factors de risc per classificar-se en les categories altes. Es va proposar un conjunt de models d'equacions estructurals (SEM) de tipus recursiu dins d'un marc de cadena Markov Monte Carlo (MCMC) per analitzar conjuntament la relació hoste-metagenoma-fenotip. Es van establir models no recursius com a referència. L'heretabilitat del CH4 es va estimar en 0,12 ± 0,01 en ambdós models, recursius i no recursius. De la mateixa manera, les estimacions d'heretabilitat de l'abundància relativa dels tàxons es van superposar entre models i van oscil·lar entre 0,08 i 0,48. Les correlacions genètiques entre la composició microbiana i el CH4 van oscil·lar entre -0,76 i 0,65 en els models bivariables no recursius i de -0,68 a 0,69 en els models recursius. Dotze matrius de relació de microbiota (K) de diferents mètriques de distància de microbiomes, amb l'objectiu de comparar el seu rendiment dins d'un marc d'estimació de components de variància per CH4 i anàlisi de microbiomes sencers en simulació (n = 1000, 25 rèpliques) i es van realitzar dades reals , considerant quatre possibles models: un model genòmic additiu (GBLUP), un model de microbioma (MBLUP), un model d'efectes genètics i microbiomes (HBLUP) i un model d'efectes d'interacció genètics, microbiomes i genètics × microbiomes (HiBLUP). Es va definir un nou terme "Holobiabilitat" per referir-se a la proporció de la variància fenotípica atribuïble als efectes holobiont del microbioma host. Les estimacions de dades reals mitjançant HiBLUP van variar en funció de la K utilitzada i van oscil·lar entre 0,15-0,17, 0,15-0,21 i 0,42-0,59 per heretabilitat, microbiabilitat i holobiabilitat, respectivament. El conjunt de dades de microbiomes es va agregar mitjançant l'anàlisi de components principals (PCA) en pocs components principals (PC) que es van utilitzar com a proxies del metagenoma principal. Part de la variabilitat condensada en aquestes PC està controlada pel genoma de la vaca, amb estimacions d'heretabilitat per a la primera PC (PC1) de ~ 0,30 a tots els nivells taxonòmics, amb una gran probabilitat (> 83%) de la distribució posterior> 0,20 i amb un 95% més alt interval de densitat posterior (95% HPD) que no conté zero. La majoria de les estimacions de correlació genètica entre PC1 i metà eren grans (>0,70) en tots els nivells taxonòmics, amb una gran part de la distribució posterior (> 82%)> 0,50 i amb un 95% de HPD que no contenia zero. Aquests resultats suggereixen que tot el metagenoma del rumen regula recursivament les emissions de metà en vaques lleteres i que tant el CH4 com les composicions de microbiota estan parcialment controlades pel genotip de l'hoste. Les variables agregades proposades (PC) es podrien utilitzar en programes de cria d'animals per reduir les emissions de metà en les generacions futures.

[EN] The analysis of the host genetic control over its microbiota has recently been pointed out as a promising theme in different fields of study. The relationship between the host-microbiome holobiont and phenotypes in dairy cattle could lead to new insights in breeding programs. Within this Ph.D. thesis, estimation and analysis through different statistical approaches were performed aiming to unravel the host genetic control over the microbiota in dairy cattle. Besides, methane concentration trait was analyzed as a potential phenotype to be included in the Spanish dairy cattle breeding program. Higher relative abundance of most eukaryotes (mainly ciliate protozoa and fungi) and some archaea (Methanobrevibacter spp. Methanothermus spp and Methanosphera spp.) were risk factors for being classified in the high categories. a set of structural equation models (SEMs) of a recursive type within a Markov chain Monte Carlo (MCMC) framework was proposed to jointly analyze the host-metagenome-phenotype relationship. Non-recursive models were set as benchmark. Heritability of CH4 was estimated at 0.12 ± 0.01 in both, the recursive and non-recursive, models. Likewise, heritability estimates for the relative abundance of the taxa overlapped between models and ranged between 0.08 and 0.48. Genetic correlations between the microbial composition and CH4 ranged from -0.76 to 0.65 in the non-recursive bivariate models and from -0.68 to 0.69 in the recursive models. Regardless of the statistical model used, positive genetic correlations with methane were estimated consistently for the 7 genera pertaining to the Ciliophora phylum, as well as for those genera belonging to the Euryarchaeota (Methanobrevibacter sp.), Chytridiomycota (Neocallimastix sp.) and Fibrobacteres (Fibrobacter sp.) phyla. Twelve microbiota relationship matrices (K) from different microbiome distance metrics were built, aiming to compare its performance within a variance component estimation framework for CH4 and whole microbiome analysis on simulation (n = 1000, 25 replicates) and real data were performed, considering four possible models: an additive genomic model (GBLUP), a microbiome model (MBLUP), a genetic and microbiome effects model (HBLUP) and a genetic, microbiome and genetic × microbiome interaction effects model (HiBLUP). A new term "Holobiability" was defined to refer to the proportion of the phenotypic variance attributable to the host-microbiome holobiont effects. Estimates from real data using HiBLUP varied depending on the K used and ranged between 0.15-0.17, 0.15-0.21 and 0.42-0.59 for heritability, microbiability and holobiability, respectively. The microbiome dataset was aggregated through Principal Component Analysis (PCA) into few principal components (PCs) that were used as proxies of the core metagenome. Part of the variability condensed in these PCs is controlled by the cow genome, with heritability estimates for the first PC (PC1) of ~0.30 at all taxonomic levels, with a large probability (>83%) of the posterior distribution being > 0.20 and with the 95% highest posterior density interval (95%HPD) not containing zero. Most genetic correlation estimates between PC1 and methane were large (>0.70) at all taxonomic levels, with most of the posterior distribution (>82%) being >0.50 and with its 95%HPD not containing zero. These results suggest that rumen's whole metagenome recursively regulate methane emissions in dairy cows, and that both CH4 and the microbiota compositions are partially controlled by the host genotype. The purposed aggregated variables (PCs) could be used in animal breeding programs to reduce methane emissions in future generations.