نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد ژنتیک و اصلاح نژاد دام گروه مهندسی علوم دامی –دانشکده علوم و مهندسی کشاورزی-پردیس کشاورزی و منابع طبیعی دانشگاه تهران

2 استادیار بخش ژنتیک و اصلاح نژاد دام گروه مهندسی علوم دامی –دانشکده علوم و مهندسی کشاورزی-پردیس کشاورزی و منابع طبیعی دانشگاه تهران.

3 دانشیار بخش ژنتیک و اصلاح نژاد دام گروه مهندسی علوم دامی –دانشکده علوم و مهندسی کشاورزی-پردیس کشاورزی و منابع طبیعی دانشگاه تهران

چکیده

داده‌های ژنومی می‌تواند ما را به چگونگی شکل‌گیری نژادها و جمعیت‌ها و روند تأثیرگذاری رخدادهای ژنتیکی هرچند کمیاب در گذر زمان رهنمون سازد. از موارد بسیار ارزشمند جهت حفظ ذخایر ژنتیکی که خود موضوعی پر اهمیت تلقی می‌گردد و همچنین بهبود برنامه‌های اصلاح نژادی، پی‌بردن به ساختار ژنتیکی جوامع مورد مطالعه است. جهت مطالعه ساختار ژنتیکی جمعیت گوسفند زندی واقع در ایستگاه پرورش و اصلاح نژاد گوسفند زندی تهران از روش آنالیز تفکیکی مؤلفه‌های اصلی (DAPC) و همچنین از آنالیز مؤلفه‌های اصلی (PCA) استفاده شد .پس از۹۹ رأس گوسفند نژاد زندی خونگیری و تعیین ژنوتیپ با تراشه‌های اسنیپ K۵۰ شرکت ایلومینا صورت گرفت. روش تجزیه‌ی تفکیکی مؤلفه‌های اصلی، به وضوح ساختار ژنتیکی جمعیت مورد مطالعه و تفکیک حیوانات را در دو گروه نشان داد که می‌تواند ناشی از حساسیت روش DAPC باشد که قادر به بررسی همگنی واریانس در جوامع حیوانی است. در روش DAPC، برای ارزیابی تعداد بهینه‌ی خوشه با معیار BIC، ۲=k بهترین نتیجه را نشان داد. بررسی نتایج حاصل جهت حفظ تعداد مؤلفه‌ی اصلی برای آنالیز تفکیکی، ۳۱ مؤلفه‌ی اول را تعداد بهینه‌ی مؤلفه‌ برای مراحل بعدی آنالیز در نظر گرفت. با توجه به اهمیت در نظر گرفتن واریانس درون گروهی و همچنین ساختار ژنتیکی جوامع جهت آنالیزهای مهم ژنومی مشخص شد که روش DAPC در مطالعه‌ی ساختار ژنتیکی گوسفند زندی به دلیل در نظر گرفتن تعداد مؤلفهی بیشتر و متعاقباً افزایش واریانس در نظر گرفته شده نسبت به روش PCA کاراتر می باشد.

کلیدواژه‌ها

Barendse, W., Harrison, B. E., Bunch, R. J., Thomas, M.B. & Turner, L.B. (2009). Genome wide signatures of positive selection: the comparison of independent samples and the identification of regions associated to traits. BMC genomics, 10: 178.
Epps, C. W., Castillo, J. A., Schmidt-Küntzel, A., du Preez, P., … & Stuart-Hill, G. (2013). Contrasting historical and recent gene flow among African buffalo herds in the Caprivi Strip of Namibia. Journal of Heredity, ess142.
Grimberg, J., Nawoschik, S., Belluscio, L., McKee, R., … & Turck, A. (1989). A simple and efficient non-organic procedure for the isolation of genomic DNA from blood. Nucleic acids research, 17: 8390-8390.
Jombart, T. & Collins, C. (2015). A tutorial for discriminant analysis of principal components (DAPC) using adegenet 2.0. 0.
Jombart, T., Devillard, S. & Balloux, F. (2010). Discriminant analysis of principal components: a new method for the analysis of genetically structured populations. BMC genetics, 11: 94.
Laloë, D., Jombart, T., Dufour, A. B. & Moazami-Goudarzi, K. (2007). Consensus genetic structuring and typological value of markers using multiple co-inertia analysis. Genetics Selection Evolution, 39: 1-23.
Lao, O., Lu T. T., Nothnagel, M., Junge, O., … & Freitag-Wolf, S. (2008). Correlation between genetic and geographic structure in Europe. Current Biology, 18: 1241-1248.
Laodim, T., Elzo, M. A., Koonawootrittriron, S., & Suwanasopee, T. (2017). Population structure in a Thai multibreed dairy cattle population. Journal of Animal Science95, 79.
Lee, C., Abdool, A., Huang, C. H. (2009). PCA-based population structure inference with generic clustering algorithms. BMC bioinformatics, 10: S73.
Liu, N. & Zhao, H. (2006). A non-parametric approach to population structure inference using multilocus genotypes. Human genomics, 2: 1.
Marchini, J., Cardon, L. R., Phillips, M. S. & Donnelly, P. (2004). The effects of human population structure on large genetic association studies. Nature genetics, 36: 512-517.
Mohammadabadi, M., Askari, N., Baghizadeh, A. & Esmailizadeh, A. (2009). A directed search around caprine candidate loci provided evidence for microsatellites linkage to growth and cashmere yield in Rayini goats. Small Ruminant Research, 81: 146-151.
Olano-Marin, J., Plis, K., Sönnichsen, L., Borowik, T., Niedziałkowska, M., & Jędrzejewska, B. (2014). Weak population structure in European roe deer (Capreolus capreolus) and evidence of introgressive hybridization with Siberian roe deer (C. pygargus) in northeastern Poland. PloS one9(10), e109147.
Patterson, N. J., Price, A. L. & Reich, D. (2006). Population structure and eigenanalysis.
Pometti, C. L., Bessega, C. F., Saidman, B. O. & Vilardi, J. C. (2014). Analysis of genetic population structure in Acacia caven (Leguminosae, Mimosoideae), comparing one exploratory and two Bayesian-model-based methods. Genetics and molecular biology, 37: 64-72.
Price, A. L., Patterson, N. J., Plenge, R. M., Weinblatt, M. E., … & Shadick, N. A. (2006). Principal components analysis corrects for stratification in genome-wide association studies. Nature genetics, 38: 904-909.
Teo, Y. Y., Fry, A.E., Clark, T. G., Tai, E. & Seielstad, M. (2007). On the usage of HWE for identifying genotyping errors. Annals of Human genetics, 71: 701-703.
Thomas. D. C. & Witte, J. S. (2002). Point: population stratification: a problem for case-control studies of candidate-gene associations? Cancer Epidemiology Biomarkers & Prevention, 11: 505-512.
Vergara, M., Basto, M. P., Madeira, M. J., Gómez-Moliner, B. J., Santos-Reis, M., Fernandes, C., & Ruiz-González, A. (2015). Inferring population genetic structure in widely and continuously distributed carnivores: the stone marten (Martes foina) as a case study. PloS one10(7), e0134257.
Wacholder, S., Rothman, N. & Caporaso, N. (2002). Counterpoint: bias from population stratification is not a major threat to the validity of conclusions from epidemiological studies of common polymorphisms and cancer. Cancer Epidemiology Biomarkers & Prevention 11: 513-520.