نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری گروه علوم دامی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

2 دانشیار گروه علوم دامی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران.

3 استادیار، گروه علوم دامی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

چکیده

درک کنترل ژنتیکی صفات رشد یکی از مهم‌ترین اهداف اصلاح نژادی در پرورش طیور است. به‌منظور یافتن وراثت پذیری ژنومی صفات رشد، از تراشه تجاری SNP ژنوم مرغ در جمعیت F2 حاصل از تلاقی دوطرفه مرغ بومی آذربایجان و لاین B سویه گوشتی آرین استفاده گردید. وراثت‌پذیری ژنومی با استفاده از روش آماری بهترین پیش بینی نااریب خطی ژنومی (GBLUP) برای صفات یک، سه، پنج، هفت و نه هفتگی وزن بدن و طول شانک برآورد گردید. به‌ منظور بررسی ارتباط بین حداقل فراوانی آللی SNP‌ ها (MAF) و میزان وراثت‌پذیری برآورد شده برای صفت رشد هفت هفتگی، SNP ها به پنج گروه MAF تقسیم گردید (1/0-0، 2/0-1/0، 3/0-2/0، 4/0-3/0، 5/0-4/0). همچنین برای برآورد وراثت‌پذیری ژنومی در هر گروه، پنج مدل مطابق با ماتریس روابط خویشاوندی ژنومی داخل هر گروه استفاده گردید. وراثت‌پذیری ژنومی برآورد شده برای وزن‌های هفتگی از 43/0 در هفته اول تا 27/0 در هفته نهم و برای صفات هفتگی شانک از 46/0 در هفته اول تا 12/0 در هفته نهم برآورد گردید. مقدار همبستگی ژنومی به‌دست‌آمده برای دو صفت در طی این هفته‌ها نشان‌دهنده همبستگی ژنومی بالا برای این دوصفت است. مقدار وراثت‌پذیری برای پنج گروه MAF به ترتیب 15/0، 30/0، 17/0، 26/0 و 27/0 به دست آمد. در این تحقیق بیشترین مقدار وراثت‌پذیری برآورد شده مربوط به گروه فراوانی 2/0-1/0 است. وراثت پذیری ژنومی یافت شده در این تحقیق درک بهتری از کنترل ژنتیکی صفات رشد را نشان می دهد. استفاده از این یافته‌ها میتواند باعث تسریع در پیشرفت ژنتیکی برنامه‌های اصلاح نژادی شود.

کلیدواژه‌ها

Abdollahi-Arpanahi, R., Pakdel, A., Nejati-Javaremi, A., Moradi Shahrbabak, M., Morota, G., Valente, B.D.,  Kranis, A., Rosa, G.J.M. and Gianola, D. (2014). Dissection of additive genetic variability for quantitative traits in chickens using SNP markers. Journal of Animal Breeding and Genetics, 1–11
Demeure, O., Duclos, M. J., Bacciu, N., Mignon, G. L., Filangi, O., Pitel, F., Boland, A., Lagarrigue, S.,Cogburn, L. A., Simon, J., Roy, P. L. and Bihan-Duval, E.L. (2013). Genome wide interval mapping using SNPs identifies new QTL for growth, body composition and several physiological variables in an F2 intercross between fat and lean chicken lines. Genetic Selection Evolution, 45: 36.
Gonzalez, F., Rekaya R. and Aggrey, S.E. (2015). Genetic analysis of bone quality traits and growth in a random mating broiler population. Poultry Science, 94:883-889.
Goddard, M. and Hayes, B.J. (2009). Mapping genes for complex traits in domestic animals and their use in breeding programs. Nature reviews genetics, 10: 381-391.
Gu, X.R., Feng, C.G., Ma, L., Song, C., Wang, Y.Q., Da, Y., Li, H., Chen, K., Ye, S., Ge, C., Hu, X. and Li, N. (2011). Genome-wide association study of body weight in chicken F2 resource population. PLoS One, 6(7): e21872.
Havenstein, G.B., Ferket. P.R. and Qureshi, M.A. (2003). Growth, livability and feed conversion   of 1957 versus 2001 broilers when fed representative 1957 and 2001 broiler diets. Poultry Science. 82:1500–1508.
 Javanrouh, A., Banabazi., M.H.,  Esmaeilkhanian, S., Amirinia, C., Seyedabadi, H.R. and Emrani, H.(2006). blood cells. The 57th Annual Meeting of the European Association for Animal Production. Antalya,Turkey.
Khanyile, K.S., Dzomba, E.F. and Muchadeyi F.C. (2015). Population genetic structure, linkage disequilibrium and effective population size of conserved and extensively raised village chicken populations of Southern Africa. Frontiers in Genetics 6(13) 1-11.
Kruglyak, L. (1999). Prospects for whole-genome linkage disequilibrium mapping of common disease genes. Nature Genetics 22: 139-144.
Liu, T., QU, H., Luo, C., Shu, D., Wang, J., Lund, M.S. and Su, G. (2014). Accuracy of genomic prediction for growth and carcass traits in Chinese triple-yellow chickens. BMC Genetics 15:110
Nejati-Javaremi A., Smith C. and Gibson, J.P. (1997) Effect of total allelic relationship on accuracy of evaluation and response to selection. Journal of Animal science, 75, 1738 – 1745.
Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M.A., Bender, D., Maller, J., Sklar, P., de Bakker, P.I., Daly, M.J. and Sham, P.C. (2007). PLINK: a tool set for whole-genome association and population-based linkage analyses.The American Journal of Human Genetics,  81(3):559-75.
Schork N.J. (2001) Genome partitioning and whole-gen-ome analysis. Advances in Genetics, 42, 299 – 322.
Simeone, R., Misztal, I., Aguilar, I. and Legarra, A.(2011). Evaluation of the utility of diagonal elements of the genomic relationship matrix as a diagnostic tool to detect mislabelled genotyped animals in a broiler chicken population.  Journal of Animal Breeding and Genetics,128(5):386-93.
Shariatmadari, F.(2012). Plans of feeding broiler chickens. World's Poultry Science Journal, 68:21-30
Speed, D., Hemani, G., Johanson, Michael R, Balding and David, J. (2012). Improved Heritability Estimation from Genome-Wide SNPs. American Journal of Human Genetics. 91, 1011-1021. 
Sun, Y.F., Liu, R.R., Zheng, M.Q., Zhao, G.P., Zhang, L., Wu, D., Hu, Y.D., Li, P. and Wen J. (2013). Genome-wide Association Study on Shank Length and Shank Girth in Chicken. Chinese Journal of Animal and Veterinary Sciences, 44:358–365.
Xu, Y., and Wu, J.(2014). A linkage information based method for imputing missing diploid genotypes. https://CRAN.R-project.org/package=linkim
Yang, J.,Lee,S.H., Goddard,M.E. and  Visscher, P.M. (2011).GCTA: a  tool for  Genome wide  Complex  Analysis. American Journal of Human Genetics. 88(1): 76-82
VanRaden,F.R.(2008). Efficient methods to compute genomic predictions. Journal of dairy science, 91, 4414-23.
Van Goor, A., Bolek, K., Ashwell, C., Persia, M.E., Rothschild, M.F., Schmidt, C. and Lamont, S.J. (2015). Identification of quantitative trait loci for body temperature, body weight, breast yield, and digestibility in an advanced intercross line of chickens under heat stress. Genetic Selection Evolution, 47:96-109.
Wimmer, V. Auinger, H.J., Albrecht, T. and Schoen C.C. (2016). synbreed: a framework for the analysis of genomic prediction data using R. Bioinformatics 1;28(15):2086-7.