نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری ژنتیک و اصلاح نژاد دام، گروه علوم دامی، دانشگاه گیلان

2 عضو هیأت علمی گروه علوم دامی، دانشگاه گیلان.

3 عضو هیأت علمی گروه علوم دامی، دانشگاه تهران

چکیده

اطلاعات ژنومی قابلیت بالقوه‌ای برای کنترل همخونی فرزندان ایجاد کرده است. در روش معمول برای این منظور، طرح‌های آمیزش برای محدود ساختن سطح همخونی مورد پیش‌بینی نتاج از طریق ماتریس روابط خویشاوندی مورد استفاده قرار می‌‌گیرند. در این مطالعه با هدف بهبود پیشرفت ژنتیکی و محدودکردن سطح همخونی نتاج، با استفاده از نرم افزار QMSim، جمعیتی با اندازه ثابت 1000 فرد و 26 کروموزوم و در مجموع 60000 نشانگر و 1930 QTL به عنوان جمعیت پایه شبیه‌سازی شد و اندازه این جمعیت بعد از 1000 نسل به 2000 فرد رسید. از بسط جمعیت تاریخی به تعداد 10 نسل، جمعیت ثانویه متشکل از 500 نر و 500 ماده ایجاد شد و صفتی با وراثت پذیری 3/0 شبیه‌سازی گردید. هشت استراتژی شامل دو طرح آمیزشی: حداقل همخونی(minf) و تصادفی(rnd) و چهار معیار محاسبه خویشاوندی شامل ماتریس‌های A، GRM، IBS و Weighted برای 10 نسل دیگر مورد ارزیابی قرار گرفتند. هر استراتژی 10 بار تکرارگردید. مقایسه استراتژی‌ها نشان داد، نوع طرح آمیزشی و معیارهای مختلف خویشاوندی در میزان رشد ژنتیکی، همخونی و هموزیگوسیتی جمعیت تاثیر معنی‌داری داشتند (p <0.05). نوع ماتریس خویشاوندی صحت ارزیابی‌ها را تحت تاثیر قرار داد. در استراتژی‌های‌ با ماتریس وزن داده شده (Gweighted)، میانگین رشد ژنتیکی در طی10 نسل پایین‌تر از استراتژی‌های با ماتریسA، GRM و IBS بود. در استراتژی‌های با طرح آمیزش rnd نرخ همخونی در طی 10 نسل روندی افزایشی داشت.

کلیدواژه‌ها

فرجی آروق، ه. اسلمی نژاد، ع، ا. طهمورث پور، م. رکوعی، م و شریعتی، م.م. (1393). ارزیابی روند همخونی جمعیت گاوهای شیری با تغییر نوع آمیزش، شدت انتخاب و استفاده از انتقال جنین با استفاده از شبیه‌سازی تصادفی. نشریه پژوهش در نشخوارکنندگان.
جلد دوم، شماره سوم. ص ص. 121-138.
 
Albers, G.A.A., Rattink, A. P. and Vereijken, A. L. J. (2007). The future of molecular genetics in poultry breeding. XII European Poultry Conference,Verona, Italy.
Colleau, J. J., Tual. K., de Preaumont, H. and Regaldo, D. (2009). A mating method accounting for inbreeding and multi-trait selection in dairy cattle populations. Genetics Selection Evolution. 41:1. 7.
Daetwyler, H. D., Villanueva, B., Bijma P. and Woolliams, J. A. (2007). Inbreeding in genome-wide selection. Journal Animal Breeding and Genetics. 124:369-376.
Dekkers, J. C. M. and Hospital, F. (2002). Multifactorial genetics: the use of molecular genetics in the improvement of agricultural populations. Nature Reviews Genetics. 3: 22–32.
Fernando R. L, Grossman M: (1989). Marker assisted selection using best linear unbiased prediction. Genetics Selection Evolution. 21:467–477.
Goddard, M. (2009). Genomic selection: prediction of accuracy and maximisation of long term response, Genetica. 136:2: 245-257.
Habier D, Fernando RL, Dekkers JCM: (2007). The impact of genetic relationship information on genome-assisted breeding values.Genetics, 177:2389-2397.
Haldane, J. B. S. (1919). The combination of linkage values, and the calculation of distances between the loci of linked factors. Journal of Genetics. 8:299–309.
Hayes, B. and Goddard, M. E. (2001). The distribution of the effects of genes affecting quantitative traits in livestock. Genetics Selection Evolution. 33:3: 209-29.
Hayes, B. J., Visscher, P. M., McPartlan, H. C. and Goddard, M. E. (2003). Novel multilocus measure of linkage disequilibrium to estimate past effective population size. Genome Research. 13:635–643.
Hayes, B. (2007). QTL mapping, MAS, and genomic selection. Technical report, Department of Animal Science, Iowa State University.
Hayes, B. J., Bowman, P. J., Chamberlain, A. J. and Goddard, M. E. (2009). Invited review: Genomic selection in dairy cattle: Progress and challenges. Journal of Dairy Science. 92:433–443.
Jannink, J. L. (2010). Dynamics of long-term genomic selection. Genetics Selection Evolution. 42:35–45.
Kinghorn, B. P. (2011). An algorithm for efficient constrained mate selection. Genetics Selection Evolution. 43:4.
Kirin, M., McQuillan, R., Franklin, C. S., Campbell, H., McKeigue, P. M. and Wilson, J. F. (2010). Genomic runs of homozygosity record population history and consanguinity. PLoS ONE 5:e13996
Lien, S., Gidskehaug, L., Moen, T., Hayes, B. J., Berg, P. R., Davidson, W. S., et al. (2011). A dense SNP-based linkage map for Atlantic salmon (Salmo salar) reveals extended chromosome homeologies and striking differences in sex-specific recombination patterns. BMC Genomics. 12:615.
Lillehammer, M., Meuwissen, T. H. E. and Sonesson, A. K. (2011). A comparison of dairy cattle breeding designs that use genomic selection. Journal of Dairy Science. 94: 1: 493-500.
Liu, H., Meuwissen, T. H. E., Sorensen, A. C. and Berg, P. (2014). Upweighting rare favourable alleles increases long-term genetic gain in genomic selection programs. Genetics Selection Evolution. 47:19.
Liu. H., Henryon, M. and Sørensen, A. C. (2016). Mating strategies with genomic information reduce rates of inbreeding in animal breeding schemes without compromising genetic gain. Animal. 11:4: 547–555.
Luan, T., Woolliams, J.A., Odegard, J., Dolezal, M., Roman-Ponce, S. I., Bagnato, A. and Meuwissen, T. H. E. (2012). The importance of identity-by-state information for the accuracy of genomic selection. Genetics Selection Evolution, 44:28.
Luan, T., Yu, X., Dolezal, M., Bagnato, A. and Meuwissen, T.H.E. (2014). Genomic prediction based on runs of homozygosity. Genetics Selection Evolution. 46:64.
MacLeod, I. M., Meuwissen, T. H. E., Hayes, B. J. and Goddard, M. E. (2009). A novel predictor of multilocus haplotype homozygosity: Comparison with existing predictors. Genetics Research. 91:413–426.
Mastrangelo, S., Gerlando, R. D., Tolone, M., Tortorici, L. and Sardina, M. T. (2014). Genome wide linkage disequilibrium and genetic structure in Sicilian dairy sheep breeds. Genetics, 15:108.
Meuwissen, T. H. E. (1997). Maximizing the response of selection with a predetermined rate of inbreeding. Journal Animal Science. 75:934–940.
Meuwissen, T. and Goddard, M. E. (2010). Accurate prediction of genetic values for complex traits by whole-genome resequencing. Genetics. 185:623–631.
Pryce, J. E., Goddard, M. E., Raadsma, H. W. and Hayes, B. J. (2010). Deterministic models of breeding scheme designs that incorporate genomic selection. Journal of Dairy Science. 93: 5455–5466.
Purcel, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M. A. R., Bender, D.,  Maller, J., Sklar, P., de Bakker, P. I. W., 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. 81:559-575.
Sargolzaei, M. and Schenkel, F. S. (2009). QMSim:a large-scale genome simulator for livestock. Genetic and population analysis. 25:5:680-681.
Schaeffer, L. R. 2006. Strategy for applying genome-wide selection in dairy cattle. Journal of Animal Breeding Genetic. 123:4: 218-223.
Smith, L. A., Cassell, B. G. and Pearson, R. E. (1998). The effects of inbreeding on lifetime performance of dairy cattle. Journal of Dairy Science. 81:2729–2737.
Sonesson, A. and Meuwissen, T. (2000). Mating schemes for optimum contribution selection with constrained rates of inbreeding, Genetics Selection Evolution. 32:3: 231-248.
Sonesson, A. K. and Meuwissen, T. H. E. (2009). Testing strategies for genomic selection in aquaculture breeding programs. Genetics Selection Evolution. 41:37.
Sonesson, A. K., Woolliams, J. A. and Meuwissen, T. H. E. (2010). Maximising genetic gain whilst controlling rates of genomic inbreeding using genomic optimum contribution selection. Proceedings of the 9th WCGALP, Leipzig, Germany, p: 150.
VanRaden, P. M. (2008). Efficient methods to compute genomic predictions. Journal Dairy Science. 91:4414–4423.
Vela-Avitúa, S., Meuwissen, T. H. E., Luan, T. and Ødegård, J. (2015). Accuracy of genomic selection for a sib-evaluated trait using identity-by-state and identity-by-descent Relationships. Genetics Selection Evolution. 47:9.
Wray, N. R., and Goddard, M. E. (1994). Increasing long term response to selection. Genetics Selection Evolution. 26:431−451.