نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانش‌آموخته دکتری ژنتیک و اصلاح نژاد دام، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان ، کارشناس مرکزاصلاح نژاد و بهبود تولیدات دامی
2 دانشیار ژنتیک و اصلاح نژاد دام، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان.
3 استادیار ژنتیک و اصلاح نژاد دام، پردیس ابوریحان دانشگاه تهران
4 استاد دانشکده کشاورزی و علوم روستائی دانشگاه نیوانگلند، آرمیدال، استرالیا
چکیده
نشانگرهای تک‌نوکلئوتیدی تمامی جایگاه‌های صفات کمی را تحت پوشش قرار داده و به طور بالقوه تمام واریانس ژنتیکی را توجیه می‌کنند. در این پژوهش از SNPهای گوسفندان سافوک استرالیایی که با تراشه نشانگری 50k شرکت ایلومینا، تعیین ژنوتیپ شده بودند، به منظور برآورد اجزای واریانس ژنومی، استفاده شد. صفات مورد بررسی وزن تولد و وزن شیرگیری بودند. کنترل کیفیت برای فراوانی آللی کمیاب (MAF) در دو آستانه یک و پنج درصد انجام گرفت. برای مطالعه رابطه بین فراوانی آللی و مقدار واریانس ژنتیکی افزایشی توجیه شده، SNPها در پنج گروه مختلف MAF، با تعداد تقریبا برابر در هر گروه، طبقه بندی شدند. تجزیه و تحلیل‌ها با رویکرد حداکثر درست‌نمایی محدود شده ژنومی و روش تجزیه و تحلیل صفات پیچیده ژنوم گسترده، انجام گرفت. مقدار وراثت‌پذیری ژنومی برآورد شده توسط SNPهای با MAF بیشتر از یک درصد، برای اوزان تولد و شیرگیری به ترتیب برابر 45/0 و 19/0 و برای SNPهای با فراوانی آللی کمیاب بیشتر از 5 درصد به ترتیب برابر 42/0 و 18/0 بود. سهم گروه‌های مختلف SNPهای با فراوانی آللی کمیاب در توجیه واریانس ژنتیکی برای دو صفت متفاوت بوده و به طور کلی بخش قابل توجهی از واریانس ژنتیکی، توسط SNPهای با 20/0 MAF < توجیه شد. با توجه به نتایج به دست آمده حجم نمونه بسیار بزرگ، ایده‌آل و پوشش بهتر واریانت‌های با فراوانی پایین مورد نیاز است تا استنتاج قوی‌تر و قابل اعتمادتری به دست آید.
کلیدواژه‌ها
- راشدی ده‌صحرائی، آ.، فیاضی، ج.، عبدالهی آرپناهی، ر.، ون درورف، ج. و روشنفکر، ه. (1396). برآورد اجزای واریانس وزن بدن گوسفند مرینوس در تولد و شیرگیری با استفاده از نشانگرهای تک نوکلئوتیدی ودو رویکرد حداکثر درست‌نمایی محدود شده و بیزی. نشریه پژوهش در نشخوارکنندگان. جلد پنجم، شماره دوم، ص ص: 29-44.
- عبداللهی آرپناهی، ر.، پاکدل، ع. و زندی، م.ب. (1388). از مدل بی‌نهایت ژنگاه با اثرات جزئی تا انتخاب ژنومیک. فصلنامه ژنتیک نوین. سال هفتم، شماره دوم، ص ص: 105-114.
- عمرانی، ح.، واعظ ترشیزی، ر.، مسعودی، ع. و احسانی، ع. (1396). برآورد وراثت‌پذیری ژنومی صفات رشد در نسل F2 حاصل از تلاقی لاین آرین و مرغ بومی آذربایجان به کمک تراشه 60K. نشریه علوم دامی (پژوهش و سازندگی). شماره 114، ص ص: 273-284.
- فروتنی‌فر، ص. (1393). انتخاب ژنومی. مجله ژنتیک در هزاره سوم. سال دوازدهم. شماره 4. ص:3794-3805.
- Abdollahi-Arpanahi, R., Pakdel, A., Nejati-Javaremi, A., Moradi Shahrbabak, M., Morota, G., Valente, B.D. et al. (2014). Dissection of additive genetic variability for quantitative traits in chickens using SNP markers. Animal Breeding and Genetics. 131: 183–193.
- Dekkers, J.C.M. and Hospital, F. (2002). The use of molecular genetics in the improvement of agricultural populations. Nature Reviews Genetics. 3(1): 22-32.
- Goddard, M.E., Hayes, B.J., Meuwissen, T.H. (2010). Genomic selection in livestock populations. Genetic Research (Camb). 92(5-6):413-21.
- 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.
- Haile-Mariam, M., Nieuwhof, G., Beard, K., Konstatinov, K. and Hayes, B. 2013. Comparison of heritabilities of dairy traits in Australian Holstein-Friesian cattle from genomic and pedigree data and implications for genomic evaluations. Journal of Animal Breeding and Genetics. 130: 20–31.
- Jensen, J., Su, G. and Madsen, P. 2012. Partitioning additive genetic variance into genomic and remaining polygenic components for complex traits in dairy cattle. BMC Genetics. 13, 44.
- Lee, S.H., DeCandia, T.R., Ripke, S., Yang, J., Sullivan, P.F., Goddard, M.E. and et al. (2012). Estimating the proportion of variation in susceptibility to schizophrenia captured by common SNPs. Nature Genetics. 44: 247–250.
- Lee, S.H., Harold, D., Nyholt, D.R., Goddard, M.E., Zondervan, K.T., Williams, J. et al. (2013). Estimation and partitioning of polygenic variation captured by common SNPs for Alzheimer’s disease, multiple sclerosis and endometriosis. Human Molecular Genetics. 22: 832–841.
- Meuwissen, T. H. E., B. J. Hayes, and M. E. Goddard. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics. 157:1819–1829.
- Nejati-Javaremi, A., Smith, C. and Gibson, J. (1997). Effect of total allelic relationship on accuracy of evaluation and response to selection. Journal of animal science 75, 1738-
- Ogawa, Sh., Matsuda1, H., Taniguchi, Y., Watanabe, T., Sugimoto, Y. and Iwaisaki, H. (2016). Estimated Genetic Variance Explained by Single Nucleotide Polymorphisms of Different Minor Allele Frequencies for Carcass Traits in Japanese Black Cattle. Journal of Biosciences and Medicines. 4: 89-97.
- Park, J.H., Gail, M.H., Weinberg, C.R., Carroll, R.J., Chung, C.C., Wang, Z. et al. (2011). Distribution of allele frequencies and effect sizes and their interrelationships for common genetic susceptibility variants. Proceedings of the National Academy of Sciences of the USA. 108(44): 18026–18031.
- Pimentel, E.C.G., Erbe, M., Konig S. and Simianer. 2011. Genome partitioning of genetic variation for milk production and composition traits in Holstein cattle. Front. Genet. 2,19.
- Purcell, S., Neale, B., Todd-Brown, K., Thomas. , Ferreira, M.A.R., Bender, D. et al. (2007). PLINK: a tool set for whole-genome association and population-based linkage analyses. American Journal of Human Genetic. 81: 559–575.
- 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 mislabeled genotyped animals in a broiler chicken population. Journal of animal breeding and genetics, 128(5): 386-393.
- 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’s Journal of Animal and Veterinary Sciences, 44: 358-365.
- Uemoto, Y., Sasaki, Sh., Kojima, T., Sugimoto, Y. and Watanabe, T. (2015). Impact of QTL minor allele frequency on genomic evaluation using real genotype data and simulated phenotypes in Japanese Black cattle. BMC Genetics. (2015) 16:134.
- Van Raden, P.M. (2008). Efficient methods to compute genomic predictions. Journal of Dairy Science. 91:4414–23.
- Watson, C.T., Disanto, G., Breden, F., Giovannoni, G., and Ramagopalan, S.V. (2012). Estimating the proportion of variation in susceptibility to multiple sclerosis captured by common SNPs. Journal of Scientific Reports. 2:770.
- Wray, N.R. (2005). Allele frequencies and the r2 measure of linkage disequilibrium: impact on design and interpretation of association studies. Twin Reserch and Human Genetics. 8: 87–94.
- Yang, J., Benyamin, B., McEvoy, B.P., Gordon, S., Henders, A.K., Nyholt, D.R. et al. (2010). Common SNPs explain a large proportion of the heritability for human height. Nature Genetics. 42: 565–569.
)