تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,485,624 |
تعداد دریافت فایل اصل مقاله | 15,213,103 |
استراتژیهای تعیین ژنوتیپ انتخابی گاوهای ماده در برنامههای انتخاب ژنومی با شبیهسازی جمعیت گاو شیری | ||
پژوهش های علوم دامی (دانش کشاورزی) | ||
مقاله 9، دوره 28، شماره 2، شهریور 1397، صفحه 111-126 اصل مقاله (1.61 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
النا دهنوی1؛ سعید انصاری مهیاری1؛ فلاویو شنکل2؛ مهدی سرگلزایی3 | ||
1گروه علوم دامی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان | ||
2مرکز بهبود ژنتیکی دام (CGIL)، دانشگاه گوئلف، انتاریو، کانادا | ||
3Semex Alliance, Guelph, ON, Canada | ||
چکیده | ||
زمینه مطالعاتی: افزودن اطلاعات ژنوتیپی و فنوتیپی گاوهای ماده به جمعیت مرجع، راهبردی سودمند در افزایش میزان صحت و کاهش اریب برآورد ارزش اصلاحی ژنومی ارزیابی شده است. هدف: مطالعه حاضر تأثیر بکارگیری دادههای ژنومی گاوهای ماده در جمعیت مرجع توسط استراتژیهای متفاوت انتخاب، تعداد افراد ژنوتیپ شده و وراثتپذیری بر صحت و اریبی ارزش اصلاحی ژنومی را در جمعیت تأیید مورد بررسی قرار داد. روش کار: پس از ایجاد جمعیت اولیه، جمعیتهای ثانویه و اصلی بهصورت روش چهار مسیری مشابه بهنژادی گاو شیری شبیهسازی شد. سپس تعداد متفاوتی از گاو ماده (2500، 5000 و 10000 ماده) جهت افزودن به جمعیت مرجع حاوی 5000 گاو نر برتر تعیین ژنوتیپ گردید. دو سطح وراثتپذیری متوسط (3/0) و پایین (05/0) بهطور مستقل در این مطالعه درنظر گرفته شد. نتایج: انتخاب گاوهای ماده جهت ژنوتیپ کردن با درنظر گرفتن صحت برآورد ارزش اصلاحی (AH و ATT)، ضمن صحت بالاتر، میانگین مربعات خطا و اریب کمتری را نسبت به انتخاب بدون درنظر گرفتن صحت (H و TT) نشان دادند. انتخاب گاوهای ماده با روش ATT، بهطورکلی برای دو صفت منجر به بیشترین افزایش صحت برآورد ارزیابی ژنومی در محدوده 123/0 تا 215/0 شد. به دنبال آن روشهای R و TT به ترتیب بیشترین افزایش صحت ارزیابی ژنومی را داشتند. بدینصورت افزایش صحت در محدوده 117/0 تا 204/0 در روش R و 113/0 تا 196/0 در روش TT مشاهده شد. تعیین ژنوتیپ گاوهای ماده با حداکثر ارزش اصلاحی (AH و H) منجر به کمترین صحت و بیشترین خطا و اریب گردید. با افزایش تعداد گاوهای ماده ژنوتیپ شده، MSE و اریب کمتر شد. متوسط ضریب رگرسیون TBV بر روی DGV در همه روشهای مورد مطالعه از 12/1 با 2500 گاو ماده به 08/1 با 10000 ماده برای صفت با وراثتپذیری متوسط رسید. نتیجهگیری نهایی: در میان روشهای مورد بررسی در این مطالعه افراد موجود در دو دامنه توزیع ارزش اصلاحی با حداکثر صحت کاندیداهای خوبی از افراد جامعه جهت تعیین ژنوتیپ و قرارگیری در جمعیت مرجع بهنظر میرسند و اطلاعات بهتری را برای پیشبینی افراد نسل بعد با هر نوع سطح ژنتیکی فراهم میکنند. | ||
کلیدواژهها | ||
ارزیابی ژنومی؛ تعیین ژنوتیپ انتخابی گاو ماده؛ جمعیت تأیید؛ جمعیت مرجع | ||
مراجع | ||
Ansari-Mahyari S, Sørensen AC, Lund MS, Thomsen H and Berg P, 2008. Across-family marker-assisted selection using selective genotyping strategies in dairy cattle breeding schemes. Journal of Dairy Science 91:1628–1639.
Bohmanova J, Sargolzaei M and Schenkel F, 2010. Characteristics of linkage disequilibrium in North American Holsteins. BMC. Genomics 11 (1):1-11.
Boligon AA, Long N, Albuquerque LG, Weigel KA, Gianola D and Rosa GJ, 2012. Comparison of selective genotyping strategies for prediction of breeding values in a population undergoing selection. Journal of Animal Science 90: 4716-22.
Bulmer MG, 1971. The Effect of Selection on Genetic Variability. The American Naturalist 105, 201-211.
Cameron ND, 1997. Selection indices and prediction of genetic merit in animal breeding. CAB international. Wallingford, 208 Pp.
Calus MP, Bouwman AC, Hickey JM, Veerkamp RF and Mulder HA, 2014. Evaluation of measures of correctness of genotype imputation in the context of genomic prediction: a review of livestock applications. Animal 8:1743-53.
Darvasi A and Soller M, 1992. Selective genotyping for determination of linkage between a marker locus and a quantitative trait locus. Theoretical and Applied Genetics. 85:353–359.
Dehnavi E, Mahyari SA, Schenkel FS and Sargolzaei M, 2018. The effect of using cow genomic information on accuracy and bias of genomic breeding values in a simulated Holstein dairy cattle population. Journal of Dairy Science 101(6): 5166-5176.
Ehsani A, Janss L and Christensen OF, 2010. Effects of selective genotyping on genomic prediction. Pp 444, Proceeding of 9th World Congress Genetic Applied Livestock Production. Leipzig, Germany (Abstr).
Goddard ME and Hayes BJ, 2008. Review Article: Genomic selection. Journal of Animal Breeding and Genetic 124: 323–330.
Hayes BJ, Bowman PJ, Chamberlain AJ and Goddard ME, 2009. Genomic selection in dairy cattle: progress and challenges. Journal of Dairy Science 92(2): 433–443.
Hill WG and Robertson A, 1968. Linkage disequilibrium in finite populations. Theoretical and Applied Genetics. 38:226–231.
Jenko J, Wiggans GR, Cooper TA, Eaglen SAE, Luff WGdeL, Bichard M, Pong-Wong R and JA Woolliams. 2017. Cow Genotyping Strategies for Genomic Selection in a Small Dairy Cattle Population. Journal of Dairy Science 100 (1): 439–52.
Jensen-Seaman MI, Furey TS, Payseur BA, Lu Y, Roskin KM, Chen CF, Thomas MA, Haussler D and Jacob HJ, 2004. Comparative recombination rates in the rat, mouse, and human genomes. Genome Research. 14: 528-38.
Jiménez-Montero JA, Gonzalez-Recio O and Alenda R, 2012. Genotyping strategies for genomic selection in small dairy population. Animal 6:1216–1224.
Kinghorn BP, 1997. An Index of Information Content for Genotype Probabilities Derived from Segregation Analysis. Genetics 145(2): 479-483.
Kuhner MK, Beerli P, Yamato J and Felsenstein J, 2000. Usefulness of single nucleotide polymorphism data for estimating population parameters. Genetics 156: 439-447.
Lander E and Botstein D, 1989. Mapping Mendelian factors underlying quantitative traits using RFLP linkage maps. Genetics 121:185–199.
Lourenco DA, Misztal I, Tsuruta S, Aguilar I, Ezra E, Ron M, Shirak A and Weller JI, 2014. Methods for genomic evaluation of a relatively small genotyped dairy population and effect of genotyped cow information in multiparity analyses. Journal of Dairy Science 97: 1742-52.
Macrossan PE, 2004. Strategies to Minimize DNA Testing Costs for Research and Development Programs Involving Pedigreed Populations. PhD Thesis, University of New England, Australia.
Mc Hugh N, Meuwissen TH, Cromie AR and Sonesson AK, 2011. Use of female information in dairy cattle genomic breeding programs. Journal of Dairy Science 94(8):4109-4118.
Meuwissen T, Hayes B and Goddard ME, 2001. Prediction of total genetic value using genome-wide dense marker maps. Genetics. 157(4): 1819-1829.
Nielsen R, 2004. Population genetic analysis of ascertained SNP data. Human Genomics 1: 1-7.
Pryce JE and Daetwyler H, 2012. Designing dairy cattle breeding schemes under genomic selection: a review of international research. Animal Production Science 52(3): 107-114.
Pryce JE, Hayes BJ and Goddard ME, 2012 a. Genotyping dairy females can improve the reliability of genomic selection for young bulls and heifers and provide farmers with new management tools. Proceeding of 38th ICAR Conference, Cork, Ireland.
Pryce JE, Hayes BJ and Goddard ME, 2012 b. Novel strategies to minimize progeny inbreeding while maximizing genetic gain using genomic information. Journal of Dairy Science 95:377-388.
Sargolzaei M, 2014. SNP1101 User’s Guide. Version 1.0.
Sargolzaei M. and FS Schenkel, 2009. QMSim: a large-scale genome simulator for livestock. Bioinformatics, 25: 680-681.
Schefers JM and Weigel KA, 2012. Genomic selection in dairy cattle: Integration of DNA testing into breeding programs. Animal Frontiers. 2(1):4-9.
Thomasen JR, Willam A, Egger-Danner C and Sørensen AC, 2016. Reproductive technologies combine well with genomic selection in dairy breeding programs. Journal of Dairy Science 99(2):1331-1340.
Thomasen, JR, Sørensen AC, Lund MS and Guldbrandtsen B, 2014. Adding cows to the reference population makes a small dairy population competitive. Journal of Dairy Science 97(9):5822-5832.
VanRaden PM, Olson KM, Null DJ and Hutchison JL, 2011. Harmful recessive effects on fertility detected by absence of homozygous haplotypes. Journal of Dairy Science, 94:6153–61.
VanRaden PM, Van Tassell C, Wiggans G, Sonstegard T, Schnabel R, Taylor J and Schenkel F, 2009. Invited review: Reliability of genomic predictions for North American Holstein bulls. Journal of Dairy Science 92(1):16-24.
Wiggans GR, Cooper TA, VanRaden PM and Silva MV, 2010. Increased reliability of genetic evaluations for dairy cattle in the United States from use of genomic information. Page 476. Proceeding of 9th World Congress Genetic Applied Livestock Production, Leipzig, Germany, German Society for Animal Science, Leipzig, Germany (Abstr).
Wiggans GR, Vanraden PM and Cooper TA, 2012. Technical note: adjustment of all cow evaluations for yield traits to be comparable with bull evaluations. Journal of Dairy Science 95(6):3444-3447.
| ||
آمار تعداد مشاهده مقاله: 595 تعداد دریافت فایل اصل مقاله: 803 |