تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,021 |
تعداد مشاهده مقاله | 52,490,674 |
تعداد دریافت فایل اصل مقاله | 15,217,902 |
تجزیه و تحلیل مجموعه های ژنی جهت شناسایی ژن ها و مسیرهای زیستی مرتبط با صفات بیومتری در گوسفند | ||
پژوهش های علوم دامی (دانش کشاورزی) | ||
دوره 32، شماره 3، آذر 1401، صفحه 109-122 اصل مقاله (880.01 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/as.2022.48176.1629 | ||
نویسندگان | ||
حسین محمدی* 1؛ مینگ شینگ چو2 | ||
1استادیار گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک. | ||
2استاد انستیتو علوم دامی، آکادمی علوم کشاورزی چین، پکن، چین. | ||
چکیده | ||
زمینه مطالعاتی: شناسایی ژنهای بزرگ اثر مؤثر بر صفات مهم اقتصادی یکی از مهمترین اهداف اصلاح نژادی در پرورش گوسفند است. هدف: پژوهش حاضر با هدف مطالعه پویش ژنومی بر اساس آنالیز مجموعههای ژنی برای شناسایی جایگاههای ژنی مؤثر بر وزن تولد و صفات بیومتری با استفاده از آرایههای ژنومی با تراکم بالا بوده است. روش کار: بدین منظور از اطلاعات رکوردهای فنوتیپی و ژنوتیپی مرتبط با وزن تولد (BW)، طول بدن، (BL) ارتفاع قد از جدوگاه (WH) و دور سینه (CG) 277 نمونه از گوسفند لوزهانگ استفاده شد. ابتدا آنالیز پیوستگی برای وزن تولد و صفات بیومتری در برنامه GEMMA انجام شد. سپس با استفاده از بسته نرم افزاری biomaRt2 ژنهای معنیداری که در داخل و یا 25 کیلوباز بالا و پایین دست نشانگرهای معنیدار قرار داشتند، شناسایی گردید. در نهایت تفسیر مجموعه ژنی با بسته نرم افزاری goseq برنامه R با هدف شناسایی عملکرد بیولوژیکی ژنهای نزدیک به مناطق انتخابی و ژنهای کاندیدا از طریق پایگاههای GO، KEGG، DAVID و PANTHER انجام شد. نتایج: در این پژوهش تعداد 14 نشانگر تک نوکلئوتیدی واقع روی کروموزومهای 2، 3، 5، 7، 11، 13، 17، 19، 20 و 25 شناسایی شدند که با ژنهای MYL1، MYL3، ACACA (BW)،PLCB1 ، BMPR1A، LRPPRC، PTBP1، TMEM117 (BL)، ADIPOR2، SYN3، TRAK1 (WH) و PPARG، HMGA1 (CG) مرتبط بودند. در تفسیر مجموعه ژنی تعداد 21 مسیر هستی شناسی ژنی و بیوشیمیایی با صفات وزن تولد و بیومتری شناسایی شد (P˂0.05). از این بین، مسیرهایmuscle structure development ، carbohydrate derivative metabolic process، anatomical structure formation involved in morphogenesis، skeletal system development، positive regulation of ossification، muscle cell proliferationو GnRH signaling pathway عملکردهای مهمی را در ارتباط با رشد و توسعه عضلات اسکلتی، هموستازی گلوکز، فرآیند استخوانسازی، تنظیم یون کلسیم و فعالسازی مسیر سیگنالدهی MAPK بر عهده داشتند. نتیجه گیری نهایی: با توجه به تأیید نتایج حاصل از مطالعه قبلی در زمینه پویش ژنومی وزن تولد و صفات بیومتری و شناسایی مناطق ژنومی جدید استفاده از یافتههای این تحقیق میتواند در انتخاب ژنتیکی برنامههای اصلاح نژادی گوسفند مفید باشد. | ||
کلیدواژهها | ||
آنالیز مسیر؛ پویش ژنومی؛ هستی شناسی؛ ساختار بدنی | ||
مراجع | ||
Abbasi MA and Ghafouri-Kesbi F, 2011. Genetic co (variance) components for body weight and body measurements in Makooei sheep. Asian-Australian Journal of Animal Science 24: 739-743.
Abdalla IM, Lu X, Nazar M, Fan Y, Zhang Z, Wu X, Xu T and Yang Z, 2021. Genome-Wide Association Study on Reproduction-Related Body-Shape Traits of Chinese Holstein Cows. Animals (Basel) 11(7):1927.
Abo-Ismail MK, Brito LF, Miller SP, Sargolzaei M, Grossi DA, Moore SS, Plastow G, Stothard P, Nayeri S and Schenkel FS, 2017. Genome-wide association studies and genomic prediction of breeding values for calving performance and body conformation traits in Holstein cattle. Genetic Selection Evolution 49(1):82.
An B, Xu L, Xia J, Wang X, Miao J, Chang T, Song M, Ni J, Xu L, Zhang L, Li J and Gao H, 2020. Multiple association analysis of loci and candidate genes that regulate body size at three growth stages in Simmental beef cattle. BMC Genetics 21(1):32.
An B, Xia J, Chang T, Wang X, Xu L, Zhang L, Gao X, Chen Y, Li J and Gao H, 2019. Genome-wide association study reveals candidate genes associated with body measurement traits in Chinese Wagyu beef cattle. Animal Genetics 50(4): 386-390.
Azizpour N, Khaltabadi Farahani AH, Moradi MH and Mohammadi H, 2020. Genome-wide association study based on gene-set enrichment analysis associated with milk yield in Holstein cattle. Journal of Animal Science Researches 30(1): 79-91 (In Persian).
Coudert E, Praud C, Dupont J, Crochet S, Cailleau-Audouin E, Bordeau T, Godet E, Collin A, Berri C, Tesseraud S and Métayer-Coustard S, 2018. Expression of glucose transporters SLC2A1, SLC2A8, and SLC2A12 in different chicken muscles during ontogenesis. Journal of Animal Science 96(2): 498-509.
Doyle JL, Berry DP, Veerkamp RF, Carthy TR, Walsh SW, Evans RD and Purfield DC, 2020. Genomic Regions Associated With Skeletal Type Traits in Beef and Dairy Cattle Are Common to Regions Associated With Carcass Traits, Feed Intake and Calving Difficulty. Frontiers in Genetics 11:20.
Durinck S, Spellman PT, Birney E and Huber W, 2009. Mapping identifiers for the integration of genomic datasets with the R/bioconductor package biomaRt. Nature Protocols 4: 1184–1191.
Esmaeili-Fard SM, Gholizadeh M, Hafezian SH and Abdollahi-Arpanahi R, 2021. Genes and Pathways Affecting Sheep Productivity Traits: Genetic Parameters, Genome-Wide Association Mapping, and Pathway Enrichment Analysis. Frontiers in Genetics 12:710613.
Hong Y, Ye J, Dong L, Li Y, Yan L, Cai G, Liu D, Tan C and Wu Z, 2021. Genome-Wide Association Study for Body Length, Body Height, and Total Teat Number in Large White Pigs. Frontiers in Genetics 12:650370.
Hinrichs AL, Larkin EK and Suarez BK, 2009. Population Stratification and Patterns of Linkage Disequilibrium. Genetic Epidemiology 33: 88-92.
Huang S, He Y and Ye S, 2018. Genome-wide association study on chicken carcass traits using sequence data imputed from SNP array. Journal of Applied Genetics 59: 335-344.
Kominakis A, Hager-Theodorides AL, Zoidis E, Saridaki A, Antonakos G and Tsiamis G, 2017. Combined GWAS and 'guilt by association'-based prioritization analysis identifies functional candidate genes for body size in sheep. Genetic Selection Evolution 49(1):41.
Khaltabadi Farahani AH, Mohammadi and Moradi MH, 2020. Gene set enrichment analysis using genome-wide association study to identify genes and pathways associated with litter size in various sheep breeds. Animal Production 22(3):325-335 (In Persian).
Le TH, Christensen OF, Nielsen B and Sahana G, 2017. Genome-wide association study for conformation traits in three Danish pig breeds. Genetic Selection Evolution 49(1):12.
Makina SO, Muchadeyi FC, Van Marle-Köster E, Taylor JF, Makgahlela ML and Maiwashe A, 2015. Genome-wide scan for selection signatures in six cattle breeds in South Africa. Genetic Selection Evolution 47:14.
Mandal A, Roy R and Rout PK, 2008. Direct and maternal effects for body measurements at birth and weaning in Muzaffarnagari sheep of India. Small Ruminant Research 75: 123-127.
Mohammadi H and Sadeghi M, 2010. Estimation of Genetic Parameters for Growth and Reproduction Traits and Genetic Trends of Growth Traits in Zel Sheep Breed under Rural Production System. Iranian Journal of Animal Science 41(3):231-241. (In Persian).
Mohammadi H, Rafat SA, Moradi Shahrbabak H, Shodja J and Moradi MH, 2020. Genome-wide association study and gene ontology for growth and wool characteristics in Zandi sheep. Journal of Livestock Science and Technologies 8(2): 45-55.
Najafi MH, Mohammadi Y, Najafi A, Shamsolahi M and Mohammadi H, 2020. Lairage time effect on carcass traits, meat quality parameters and sensory properties of Mehraban fat-tailed lambs subjected to short distance transportation. Small Ruminant Research 188:106122.
Ouyang H, Wang Z, Chen X, Yu J, Li Z and Nie Q, 2017. Proteomic Analysis of Chicken Skeletal Muscle during Embryonic Development. Frontiers Physiology 8: 281-289.
Peñagaricano F, Weigel KA, Rosa GJ and Khatib H, 2013. Inferring quantitative trait pathways associated with bull fertility from a genome-wide association study. Frontiers Genetics 3: 307-314.
Park JW, Lee JH, Kim SW, Han JS, Kang KS, Kim SJ and Park TS, 2018. Muscle differentiation induced up-regulation of calcium-related gene expression in quail myoblasts. Asian-Australas Journal of Animal Science 31(9): 1507-1515.
Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MAR and Bender D, 2007. PLINK: a toolset for whole-genome association and population-based linkage analysis. The American Journal of Human Genetics 81: 559-575.
Peng G, Luo L and Siu H, 2010. Gene and pathway-based second wave analysis of genome-wide association studies. European Journal of Human Genetics 18: 111–117.
Pértille F, Moreira GC and Zanella R, 2017. Genome-wide association study for performance traits in chickens using genotype by sequencing approach. Scientific Reports 7:41748.
Puig-Oliveras A, Ballester M, Corominas J, Revilla M, Estellé J, Fernández AI, Ramayo-Caldas Y and Folch JM, 2014. A co-association network analysis of the genetic determination of pig conformation, growth and fatness. PLoS One 9(12):e114862.
Shin, SC, Heo J and Chung L, 2011. Effect of Single Nucleotide Polymorphisms of Acetyl-CoA Carboxylase α (ACACA) Gene on Carcass Traits in Hanwoo (Korean Cattle). Asian-Australasian Journal of Animal Sciences 24)6): 744–751.
Srikanth K, Lee SH, Chung KY, Park JE, Jang GW, Park MR, Kim NY, Kim TH, Chai HH, Park WC and Lim D, 2020. A Gene-Set Enrichment and Protein-Protein Interaction Network-Based GWAS with Regulatory SNPs Identifies Candidate Genes and Pathways Associated with Carcass Traits in Hanwoo Cattle. Genes (Basel) 11(3):316.
Resnyk CW, Chen C, Huang H, Wu CH, Simon J, Le Bihan-Duval E, Duclos MJ and Cogburn LA, 2015. RNA-Seq Analysis of Abdominal Fat in Genetically Fat and Lean Chickens Highlights a Divergence in Expression of Genes Controlling Adiposity, Hemostasis, and Lipid Metabolism. PLoS One 9(10):e0139549.
Tao L, He XY, Pan LX, Wang JW, Gan SQ and Chu MX, 2020. Genome-wide association study of body weight and conformation traits in neonatal sheep. Animal Genetics 51(2): 336-340.
Veerkamp RF, Coffey MP, Berry DP, de Haas Y, Strandberg E, Bovenhuis H, Calus MPL and Wall E, 2012. Genome-wide associations for feed utilization complex in primiparous Holstein-Friesian dairy cows from experimental research herds in four European countries. Animal 6: 1738–1749.
Wang L, Jia P and Wolfinger RD, 2011. Gene set analysis of genome-wide association studies: Methodological issues and perspectives. Genomics 98: 1–8.
Wang S, Dvorkin D and Da Y, 2012. SNPEVG: a graphical tool for GWAS graphing with mouse clicks. BMC Bioinformatics 13:319.
Young MD, Wakefield MJ, Smyth GK and Oshlack A, 2010. Method gene ontology analysis for RNA-seq: Accounting for selection bias. Genome Biology 11:14-23.
Zhou X and Stephens M. 2012. Genome-wide efficient mixed-model analysis for association studies. Nature Genetics 44:821. | ||
آمار تعداد مشاهده مقاله: 300 تعداد دریافت فایل اصل مقاله: 212 |