تعداد نشریات | 31 |
تعداد شمارهها | 744 |
تعداد مقالات | 7,082 |
تعداد مشاهده مقاله | 10,200,759 |
تعداد دریافت فایل اصل مقاله | 6,876,159 |
تجزیه و تحلیل مجموعه های ژنی جهت شناسایی ژن ها و مسیرهای زیستی مرتبط با صفات وزن بدن در مرغ | ||
تحقیقات تولیدات دامی | ||
مقاله 5، دوره 9، شماره 3، آذر 1399، صفحه 47-57 اصل مقاله (667.92 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/ar.2020.14917.1467 | ||
نویسندگان | ||
امیر حسین خلت آبادی فراهانی* 1؛ حسین محمدی1؛ محمد حسین مرادی1؛ حسینعلی قاسمی2؛ ایمان حاج خدادادی1 | ||
1استادیار گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک | ||
2دانشیار گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک | ||
چکیده | ||
این پژوهش به منظور مطالعه پویش کل ژنوم بر پایه تجزیه و تحلیل غنیسازی مجموعه ژنی جهت شناسایی جایگاههای ژنی مؤثر بر وزن بدن در سنین مختلف چهار نژاد مرغ چوآ، سیلک، لنگشن و بیرد با استفاده از آرایههای ژنومی با تراکم بالا انجام شد. اطلاعات رکوردهای فنوتیپی و ژنوتیپی نمونهها از پایگاه ذخیره ژنومی برخط Frontiersin استفاده شد. مطالعه پویش کل ژنومی از 402 قطعه مرغ و خروس با صفات وزن بدن از هفته اول تا 15 هفتگی در برنامه GenABEL ارزیابی شد. در مرحله بعد، تجزیه غنیسازی مجموعه ژنی با بسته نرم افزاری goseq برنامه R با هدف شناسایی عملکرد زیستی ژنهای نزدیک در مناطق انتخابی کاندیدا با پایگاههای GO، KEGG، DAVID و PANTHER انجام شد. در این پژوهش، تعداد 10 نشانگر تک نوکلئوتیدی واقع روی کروموزومهای 1، 2، 5، 7، 10، 14، 18، 19، 20 و 27 شناسایی شدند که با ژنهای ABCG1، MYOD1، MYH10، MYH11، MYO1B، MYO1C، MYO1E، MYL1، MYL2، MYL3، SLC2A8، ACACA، ACOX1، ACOX2 و PNPLA2 مرتبط بودند. برخی از این ژنها در مناطق معنیدار با مطالعات قبلی همخوانی داشتند. در تجزیه غنیسازی مجموعه ژنی، تعداد 17 مسیر هستیشناسی ژنی و بیوشیمیایی با صفات وزن بدن شناسایی شدند (01/0P˂). از این بین، مسیرهای cytoskeletal protein binding،anatomical structure development و Tricarboxylic acid cycle نقش مهمی در توسعه الیاف عضلانی اسکلتی و سوخت و ساز چربی داشتند. با توجه به تأیید مناطق قبلی پویش ژنومی صفات وزن بدن و شناسایی مناطق ژنومی جدید، استفاده از یافتههای این تحقیق میتواند سبب تسریع در پیشرفت ژنتیکی برنامههای اصلاح نژادی مرغ شود. | ||
کلیدواژهها | ||
تجزیه بر پایه مسیر؛ ژن کاندیدا؛ مرغ؛ وزن بدن | ||
مراجع | ||
Abdalla E. A., Peñagaricano F., Byrem T. M., Weigel K. A. and Rosa G. J. 2016. Genome-wide association mapping and pathway analysis of leukosis incidence in a US Holstein cattle population. Animal Genetics, 47: 395-407.
Abdalla B. A., Chen J., Nie Q. and Zhang X. 2018. Genomic insights in to the multiple factors controlling abdominal fat deposition in a chicken model. Frontiers in Genetics, 19(9): 262-271.
Almeida O. A. C., Moreira G. C. M., Rezende F. M., Boschiero C., de Oliveira Peixoto J., Ibelli A. M. G., Ledur M. C., de Novais F. J. and Coutinho L. L. 2019. Identification of selection signatures involved in performance traits in a paternal broiler line. BMC Genomics, 20(1): 449-461.
Aulchenko Y. S., Ripke S., Isaacs A. and van Duijn C. M. 2007. GenABEL: an R library for genome-wide association analysis. Bioinformatics, 23: 1294-1296.
Chen B., Xu J., He X., Xu H., Li G., Du H., Nie Q. and Zhang X. 2015. A genome-wide mRNA screen and functional analysis reveal FOXO3 as a candidate gene for chicken growth. PLoS One, 10(9): e0137087.
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.
Cui H. X., Liu R. R., Zhao G. P., Zheng M. Q., Chen J. L. and Wen J. 2012. Identification of differentially expressed genes and pathways for intramuscular fat deposition in pectoralis major tissues of fast-and slow-growing chickens. BMC Genomics, 13: 213-220.
Dadousis C., Pegolo S., Rosa G. J. M., Gianola D., Bittante G. and Cecchinato A. 2017. Pathway-based genome-wide association analysis of milk coagulation properties, curd firmness, cheese yield, and curd nutrient recovery in dairy cattle. Journal of Dairy Science, 100: 1223-1231.
Durinck S., Spellman P. T., 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.
Emrani H., Vaez Torshizi R., Masoudi A. A. and Ehsani A. R. 2017. Identification of new loci for body weight traits in F2 chicken population using genome-wide association study. Livestock Science, 206: 125-131.
Li Y., Chen Y., Jin W., Fu S., Li D., Zhang Y., Sun G., Jiang R., Han R., Li Z., Kang X. and Li G. 2019. Analyses of microRNA and mRNA expression profiles reveal the crucial interaction networks and pathways for regulation of chicken breast muscle development. Frontiers in Genetics, 10: 197-205.
Mooney M. A. and Wilmot B. 2015. Gene Set Analysis: A Step-By-Step Guide. American Journal of Medical Genetics Part B: Neuropsychiatric Genetics, 168: 517-527.
Ouyang H., Wang Z., Chen X., Yu J., Li Z. and Nie Q. 2017. Proteomic analysis of chicken skeletal muscle during embryonic development. Frontiers in Physiology, 8: 281-289.
Park J. W., Lee J. H., Kim S. W., Han J. S., Kang K. S., Kim S. J. and Park T. S. 2018. Muscle differentiation induced up-regulation of calcium-related gene expression in quail myoblasts. Asian-Australasian Journal of Animal Science, 31(9): 1507-1515.
Peñagaricano F., Weigel K. A., Rosa G. J. and Khatib H. 2013. Inferring quantitative trait pathways associated with bull fertility from a genome-wide association study. Frontiers in Genetics, 3: 307-314.
Peng G., Luo L., Siu H., Zhu Y., Hu P., Hong S., Zhao J., Zhou X., Reveille J. D., Jin L., Amos C. I. and Xiong M. 2010. Gene and pathway-based second wave analysis of genome-wide association studies. European Journal of Human Genetics, 18: 111-117.
Powell J. A. 2014. GO2MSIG, an automated GO based multi-species gene set generator for gene set enrichment analysis. BMC Bioinformatics, 15: 146-149.
Resnyk C. W., Chen C., Huang H., Wu C. H., Simon J., Le Bihan-Duval E., Duclos M. J. and Cogburn L. A. 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.
Seabury C. M., Oldeschulte D. L., Saatchi M., Beever J. E., Decker J. E., Halley Y. A., Bhattarai E. K., Molaei M., Freetly H. C., Hansen S. L., Yampara-Iquise H., Johnson K. A., Kerley M. S, Kim J., Loy D. D., Marques E., Neibergs H. L., Schnabel R. D., Shike D. W., Spangler M. L., Weaber R. L., Garrick D. J. and Taylor J. F. 2017. Genome-wide association study for feed efficiency and growth traits in U.S. beef cattle. BMC Genomics, 18(1): 386-396.
Wang L., Jia P., Wolfinger R. D., Chen X. and Zhao Z. 2011. Gene set analysis of genome-wide association studies: Methodological issues and perspectives, Genomics, 98: 1-8.
Young M. D., Wakefield M. J., Smyth G. K. and Oshlack A. 2010. Method gene ontology analysis for RNA-seq: Accounting for selection bias. Genome Biology, 11: 14-23.
Yousefi Zonuz A., Alijani A., Mohammadi H., Rafat S. A. and Daghigh Kia H. 2013. Estimation of genetic parameters for productive and reproductive traits in Esfahan native chickens. Journal of Livestock Science and Technologies, 1: 36-40.
Ye M., Ye F., He L., Luo B., Yang F., Cui C., Zhao X., Yin H., Li D., Xu H., Wang Y. and Zhu Q. 2017. Transcriptomic analysis of chicken Myozenin 3 regulation reveals its potential role in cell proliferation. PLoS One, 13(12): e0189476.
Yuan Y., Peng D., Gu X., Gong Y., Sheng Z. and Hu X. 2018. Polygenic basis and variable genetic architectures contribute to the complex nature of body weight -A genome-wide study in four Chinese indigenous chicken breeds. Frontiers in Genetics, 2(9): 229-238. | ||
آمار تعداد مشاهده مقاله: 968 تعداد دریافت فایل اصل مقاله: 700 |