نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری ژنتیک و اصلاح نژاد دام و طیور، گروه علوم دامی، دانشکده کشاورزی، دانشگاه زابل، زابل

2 دانشیار گروه علوم دامی، دانشکده کشاورزی، دانشگاه زابل، زابل.

3 دانشیار گروه علوم دامی و گروه بیوانفورماتیک، دانشکده کشاورزی، دانشگاه زابل، زابل.

4 دانشیار گروه پاتولوژی، دانشگاه گوئلف و HiggsGene Solutions Inc ، گوئلف، کاناد

چکیده

بهینه‌سازی جمعیت مرجع در ارزیابی‌های ژنومیک به دلیل تأثیر آن بر صحت برآورد اثرات نشانگرها و ارزش-های ارثی ژنومیک نقش کلیدی در اصلاح حیوانات اهلی دارد. در مطالعه حاضر هفت روش متفاوت انتخاب جمعیت مرجع شامل انتخاب همه، انتخاب بیشترین و کمترین عملکردها، انتخاب تصادفی، انتخاب افراد با بیشترین و کمترین شباهت نشانگر و ژنگاه مورد ارزیابی قرار گرفت. در مطالعات پویش ژنومی روش انتخاب همه به عنوان جمعبت مرجع، نشانگرهای با فراوانی متوسط و بالا با اثر بزرگ بر روی صفت را تعیین نمود، اما استفاده از روش بیشترین و کمترین عملکردها، نشانگرهای با فراوانی نادر با اثر بزرگ بر روی صفت را گزارش نمود. استفاده هم‌زمان از تراکم بالای نشانگری و مرجع انتخابی در مقایسه با تراکم پایین و مرجع کامل، موجب کاهش صحت ارزیابی‌ها گردید، ولی رتبه‌بندی حیوانات را تغییر نداد. بین روش‌های انتخاب جمعیت مرجع با نسل (P≤0.0134) و همچنین با عدم تعادل لینکاژ (P≤ 2e-16) اثر متقابل وجود داشت. به طور کلی انتخاب همه حیوانات به عنوان جمعیت مرجع منتج به صحت‌های بالاتری در مقایسه با شش روش مرجع انتخابی گردید. بین روش‌های انتخاب، در جمعیت‌های با اندازه مؤثر کم (۲۵۵/۰r2 = ، 100=Ne) اختلافی وجود نداشت ، اما در جمعیت‌های با اندازه مؤثر زیاد (۰۸۶/۰r2= ،400=Ne) روش‌های انتخاب جمعیت مرجع با صحت‌های متفاوتی ارزش‌های اصلاحی ژنومی را پیش‌‌بینی کردند. بیشترین و کمترین صحت پیش‌بینی ارزش اصلاحی ژنومی به ترتیب متعلق به روش‌های انتخاب دام‌ها بر اساس حداکثر شباهت ژنگاه و نشانگری بود(0231/0≥P )

کلیدواژه‌ها

Ansari-Mahyari, S., Sørensen, A. C., Lund, M. S., Thomsen, H., & Berg, P. (2008). Across-Family Marker-Assisted Selection Using Selective Genotyping Strategies in Dairy Cattle Breeding Schemes. Journal of Dairy Science, 91(4), 1628–1639. https://doi.org/10.3168/jds.2007-0613
Blonk, R.J.W., Komen, J. and van Arendonk, J.A.M., (2010). Minimizing genotyping in breeding programs with natural mating. World Congress on Genetic Applied to Livestock Production, Leipzig, Germany, 195, 2–7.
Boligon, A. A., Long, N., Albuquerque, L. G., Weigel, K. A., Gianola, D., & osa, G. J. M. (2012). Comparison of selective genotyping strategies for prediction of breeding values in a population undergoing selection. Journal of Animal Science, 90(13), 4716–4722. https://doi.org/10.2527/jas.2012-4857
Hayes, B. J., Bowman, P. J., Chamberlain, A. J., & Goddard, M. E. (2009). Invited review: Genomic selection in dairy cattle: Progress and challenges. Journal of Dairy Science, 92(2), 433–443. https://doi.org/10.3168/jds.2008-1646
Hill, W. G., & Robertson, A. (1968). Linkage disequilibrium in finite populations. Theoretical and Applied Genetics, 38(6), 226–231. https://doi.org/10.1007/BF01245622
Hu, Z. L., Park, C. A., Wu, X. L., & Reecy, J. M. (2013). Animal QTLdb: An improved database tool for livestock animal QTL/association data dissemination in the post-genome era. Nucleic Acids Research, 41(D1), 871–879. https://doi.org/10.1093/nar/gks1150
In: https://www.animalgenome.org/cgi-bin/QTLdb/OA/index
Jannink, J. L. (2005). Selective phenotyping to accurately map quantitative trait loci. Crop Science, 45(3), 901–908. https://doi.org/10.2135/cropsci2004.0278
Jiménez-Montero, J. A., González-Recio, O., & Alenda, R. (2012). Genotyping strategies for genomic selection in small dairy cattle populations. Animal, 6(8), 1216–1224. https://doi.org/10.1017/S1751731112000341
Jin, C., Lan, H., Attie, A. D., Churchill, G. A., Bulutuglo, D., & Yandell, B. S. (2004). Selective phenotyping for increased efficiency in genetic mapping studies. Genetics, 168(4), 2285–2293. https://doi.org/10.1534/genetics.104.027524
Loberg, A. and Durr, J.W. (2009). Interbull survey on the use of genomic information. In: Proceedings of the Interbull technical workshop, Uppsala, Sweden, 39, 3–1
Lund, M. S., de Roos, A. P. W., de Vries, A. G., Druet, T., Ducrocq, V., Guillaume, F., Liu, Z., Schrooten, C., Su, G. (2010). Improving genomic prediction by EuroGenomics collaboration. In: 9th World Congress on Genetics Applied to Livestock Production, Leipzig, Germany (p. 150). https://doi.org/10.1007/s10530-015-1047-4
Nishio, M., & Satoh, M. (2014). Impacts of genotyping strategies on long-term genetic response in genomic selection. Animal Science Journal, 85(5), 511–516. https://doi.org/10.1111/asj.12184
Rupp, R., Mucha, S., Larroque, H., McEwan, J., & Conington, J. (2016). Genomic application in sheep and goat breeding. Animal Frontiers, 6(1), 39. https://doi.org/10.2527/af.2016-0006
Safari, A., & Fogarty, N. M. (2003). Genetic parameters for sheep production traits: estimates from the literature. Technical Bulletin, NSW Agriculture, Australia., 49, 13–21. Retrieved from http://www.sheepcrc.org.au/files/pages/articles/publications--genetics/Genetic_Parameters_entire_report.pdf
Sargolzaei, M. (2014). SNP1101 User’s Guide. Version 1.0. HiggsGene Solutions Inc.
Sargolzaei, M., & Schenkel, F. S. (2009). QMSim: A large-scale genome simulator for livestock. Bioinformatics, 25(5), 680–681. https://doi.org/10.1093/bioinformatics/btp045
Sargolzaei, M., Schaeffer, L. R., Wiggans, G. R., & Schenkel, F. S. (2014). Approximation of Reliability of Direct Genomic Breeding. In: 10th World Congress on Genetics Applied to Livestock Production, Vancouver, Canada, August 17-22.
Su, G., Ma, P., Nielsen, U. S., Aamand, G. P., Wiggans, G., Guldbrandtsen, B., & Lund, M. S. (2016). Sharing reference data and including cows in the reference population improve genomic predictions in Danish Jersey. Animal, 10(6), 1067–1075. https://doi.org/10.1017/S1751731115001792
Sun, Y., Wang, J., Crouch, J. H., & Xu, Y. (2010). Efficiency of selective genotyping for genetic analysis of complex traits and potential applications in crop improvement. Molecular Breeding, 26(3), 493–511. https://doi.org/10.1007/s11032-010-9390-8
VanRaden, P. M., Van Tassell, C. P., Wiggans, G. R., Sonstegard, T. S., Schnabel, R. D., Taylor, J. F., & Schenkel, F. S. (2009). Invited Review: Reliability of genomic predictions for North American Holstein bulls. Journal of Dairy Science, 92(1), 16–24. https://doi.org/10.3168/jds.2008-1514
Weigel, K. A., Van Tassell, C. P., O’Connell, J. R., VanRaden, P. M., & Wiggans, G. R. (2010). Prediction of unobserved single nucleotide polymorphism genotypes of Jersey cattle using reference panels and population-based imputation algorithms. Journal of Dairy Science, 93(5), 2229–2238. https://doi.org/10.3168/jds.2009-2849
Wiggans, G.R., Sonstegard. T.S., VanRaden. P.M., Matukumalli, L.K., Schnabel. R.D.,Taylor, J.F., Chesnais. J.P., Schenkel, F. and Van, Tassell, C.P. (2008). Genomic evaluations in the United States and Canada: collaboration. In: Procedings of International Commitee of Animal Recording, Niagara Falls, NY, 6pp
Xing, C. and Xing, G. (2009). Power of selective genotyping in genome-wide association studies of quantitative traits. BMC Proceedings, 3(Suppl 7): S23. https://doi: 10.1186/1753-6561-3-S7-S23
Yoav, B. and Yosef, H. (1995). Discovery Rate: A Practical and Powerful Approach to Multiple Testing. Journal of the Royal Statistical Society. 57(1), 289-300.
Zhao, Y., Gowda, M., Longin, F. H., Würschum, T., Ranc, N., & Reif, J. C. (2012). Impact of selective genotyping in the training population on accuracy and bias of genomic selection. Theoretical and Applied Genetics, 125(4), 707–713. https://doi.org/10.1007/s00122-012-1862-2