تعداد نشریات | 31 |
تعداد شمارهها | 743 |
تعداد مقالات | 7,072 |
تعداد مشاهده مقاله | 10,150,468 |
تعداد دریافت فایل اصل مقاله | 6,858,170 |
پویش کل ژنومی صفات مرتبط با وزن تخم مرغ در نژاد رُد آیلند رِد با استفاده از روش های بیزی | ||
تحقیقات تولیدات دامی | ||
دوره 11، شماره 3، آذر 1401، صفحه 41-53 اصل مقاله (1.31 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/ar.2022.18153.1577 | ||
نویسندگان | ||
امیر حسین خلت آبادی فراهانی* 1؛ حسین محمدی2؛ محمد حسین مرادی1؛ حسینعلی قاسمی1؛ ایمان حاج خدادادی1 | ||
1دانشیار، گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک | ||
2استادیار، گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه اراک | ||
چکیده | ||
تحقیق حاضر با هدف شناسایی مناطق ژنومی و ژنهای کاندیدای مرتبط با صفات وزن تخم مرغ، بر اساس پویش ژنومی با استفاده از تراشه پربرونداد Affymetrix 600K chip در 1078 پرنده نسل یازدهم مرغ نژاد رُد آیلند رِد انجام شد. برای هر پرنده، هفت صفت شامل وزن تخم مرغ در اولین تخمگذاری، و وزن تخم مرغ در سنین 28، 36، 56، 66، 72 و 80 هفتگی جمعآوری شده بود. ارتباط بین هر یک از نشانگرهای چندشکل تک نوکلئوتیدی (SNP) و صفات مختلف با استفاده از روشهای بیز A و B در نرمافزار GenSel نسخه 90/4 بررسی شد. در مجموع، نتایج این تحقیق نشان داد روش بیز A از نظر میزان واریانس ژنتیکی افزایشی توجیه شده در مقایسه با روش بیز B دارای عملکرد بهتری بود. تعداد نه نشانگر حاصل از روش بیزA با بیشترین میزان واریانس ژنتیکی روی کروموزومهای شماره 1، 3، 5 و 20 قرار داشتند. SNPهای شناسایی شده در نزدیکی 35 ژن قرار گرفته بودند که از این میان، ژنهای کاندیدای BPIFB2، OCX36، CPT1A، TCF15، CECR2، SIAH3، FADS1، FADS2 و SGK1 عملکردهای مهمی را در فرآیند تولید تخم مرغ از راه تشکیل پروتئین آلبومین، سوخت و ساز اسیدهای چرب و تشکیل پوسته تخم مرغ داشتند. نتایج تحقیق حاضر نشان میدهد هنگامی که معماری صفات بررسی شده از مدل تعداد زیاد جایگاه ژنی پیروی کند، معمولاً روش بیز A بر روش بیز B برتری دارد. علاوه بر این، با توجه به شناسایی مناطق ژنومی جدید و نقش کلیدی ژنهای ذکر شده در ایجاد وزن تخم مرغ، میتوان کارآیی روش بیز A برای پویش ژنومی در صفات وزن تخم مرغ را تأیید کرد. | ||
کلیدواژهها | ||
پویش ژنومی؛ روش بیزی؛ ژن کاندیدا؛ وزن تخم مرغ | ||
مراجع | ||
Abasht B. and Lamont S. J. 2007. Genome-wide association analysis reveals cryptic alleles as an important factor in heterosis for fatness in chicken F2 population. Animal Genetics, 38: 491-498. Atefi A., Shadparvar A. A. and Ghavi Hossein-Zadeh N. 2021. Accuracy of genomic evaluation considering the interaction effect between estimation method of marker effects, population structure, and genetic architecture of the trait. Animal Production Research, 10(2): 1-10. (In Persian). Azizpour N., Khaltabadi Farahani A. H., Moradi M. H. 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). Bain M. M., Nys Y. and Dunn I. C. 2016. Increasing persistency in lay and stabilising egg quality in longer laying cycles. What are the challenges? British Poultry Science, 57: 330-338. Browning B. L. and Browning S. R. 2009. A unified approach to genotype imputation and haplotype-phase inference for large data sets of trios and unrelated individuals. American Journal of Human Genetics, 84: 210-223. Colombani C., Legarra A., Fritz S., Guillaume F., Croiseau P., Ducrocq V. and Robert-Granié C. 2012. Application of Bayesian least absolute shrinkage and selection operator (LASSO) and BayesCp methods for genomic selection in French Holstein and Montbéliarde breeds. Journal of Dairy Science, 96: 575-591. Coster A., Bastiaansen J. W., Calus M. P., van Arendonk J. A. and Bovenhuis H. 2010. Sensitivity of methods for estimating breeding values using genetic markers to the number of QTL and distribution of QTL variance. Genetics Selection Evolution, 42. Daetwyler H. D., Schenkel F. S., Sargolzaei M. and Robinson J. A. 2008. A genome scan to detect quantitative trait loci for economically important traits in Holstein cattle using two methods and a dense single nucleotide polymorphism map. Journal of Dairy Science, 91: 3225-3236. Daetwyler H. D., Pong-Wong R., Villanueva B. and Woolliams J. A. 2010. The impact of genetic architecture on genome-wide evaluation methods. Genetics, 185: 1021-1031. De los Campos G., Hickey J. M., Pong-Wong R., Daetwyler H. D. and Calus M. P. 2013. Whole genome regression and prediction methods applied to plant and animal breeding. Genetics, 193: 327-345. Fernando R. and Garrick D. 2009. GenSel-User Manual. Mapping genes for complex traits in domestic animals and their use in breeding programmes, 3rd Edition. Version 2. Guérin-Dubiard C., Pasco M., Mollé D., Désert C., Croguennec T. and Nau F. 2006. Proteomic analysis of hen egg weight. Journal of Agricultural and Food Chemistry, 54: 3901-3910. Hay E. H. and Roberts A. 2018. Genome-wide association study for carcass traits in a composite beef cattle Breed. Livestock Science, 213: 35-43. Habier D., Fernando R. L., Kizilkaya K. and Garrick D. J. 2011. Extension of the Bayesian alphabet for genomic selection. BMC Bioinformatics, 12: 1. Khan S., Wu S. B. and Roberts J. 2019. RNA-sequencing analysis of shell gland shows differences in gene expression profile at two time-points of eggshell formation in laying chickens. BMC Genomics, 20: 89. Khang N. T., Jennen D. G., Tholen E. and Tesfaye D. 2007. Association of the FADS2 gene with omega-6 and omega-3 PUFA concentration in the egg yolk of Japanese quail. Animal Biotechnolgy, 18: 189-201.
Khaltabadi Farahani A. M., Mohammadi H. Moradi M. H. and Ghasemi H. A. 2020a. Identification of potential genomic regions for egg weight by a haplotype-based genome-wide association study using Bayesian methods. British Poultry Science, 26: 1-7. Khaltabadi Farahani A. M., Mohammadi H. and Moradi M. 2020b. Genome-wide association study using fix-length haplotypes and network analysis revealed new candidate genes for nematode resistance and body weight in Blackface lambs. Annals of Animal Science, 20: 445-464. Lin R. and Yin G. 2015. Bayes factor and posterior probability: Complementary statistical evidence to pvalue. Contemporary Clinical Trials, 44: 33-35. Liu Z., Sun C., Yan Y., Li G., Wu G. and Liu A. 2018. Genome-wide association analysis of age-dependent egg weights in chickens. Frontiers in Genetics, 3: 9. Mann K. 2007. The chicken egg white proteome. Proteomics, 7: 3558-3568. Matsui S. and Takahashi H. 2017. Is egg flavour changeable by chicken breeding? Association of chicken fatty acid desaturase 1 gene single-nucleotide polymorphisms with egg fatty acid profiles and flavour in a Japanese hybrid chicken. Cogent Food and Agriculture, 3: 1287812. Meuwissen T., Hayes B. and Goddard M. 2001. Prediction of total genetic value using genome-wide dense marker maps. Genetics, 157: 1819-1829. Meuwissen T., Solberg T. R., Shepherd R. and Woolliams J. A. 2009. A fast algorithm for BayesB type of prediction of genome-wide estimates of genetic value. Genetics Selection Evolution, 41: 50-63. Mohammadi H., Rafat S. A., Moradi Shahrbabak H., Shodja J. and Moradi M. H. 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. Nangsuay A., Ruangpanit Y., Meijerhof R. and Attamangkune S. 2011. Yolk absorption and embryo development of small and large eggs originating from young and old breeder hens. Poultry Science, 90: 2648-2655. Peters S., Kizilkaya K., Garrick D., Fernando R., Reecy J., Weaber R., Silver G. and Thomas M. 2012. Bayesian genome-wide association analysis of growth and yearling ultrasound measures of carcass traits in Brangus heifers. Journal of Animal Science 90: 3398-3409. Rikimaru K., Egawa Y., Yamaguchi S. and Takahashi H. 2016. Association of chicken fatty acid desaturase 1 and 2 gene single nucleotide polymorphisms with the fatty acid composition of thigh meat in Japanese Hinai-dori crossbred chickens. Journal of Fisheries and Livestock Production, 4: 202. Qiu F., Xie L., Ma J. E., Luo W., Zhang L., Chao Z., Chen S., Nie Q., Lin Z. and Zhang X. 2017. Lower expression of SLC27A1 enhances intramuscular fat deposition in chicken via down-regulated fatty acid oxidation mediated by CPT1A. Frontiers in Physiology, 29: 449. Sallam A. M., Zare Y., Alpay F., Shook G. E., Collins M. T., Alsheikh S., Sharaby M. and Kirkpatrick B. W. 2017. An across-breed genome wide association analysis of susceptibility to paratuberculosis in dairy cattle. Journal of Dairy Research, 1: 61-67. Solberg T. R., Sonesson A. K., Woolliams J. A. and Meuwissen T. H. E. 2008. Genomic selection using different marker types and densities. Journal of Animal Science, 86: 2447-2454. Waide E. H., Tuggle C. K., Serão N. V., Schroyen M., Hess A., Rowland R. R., Lunney J. K., Plastow G. and Dekkers J. C. 2017. Genomewide association of piglet responses to infection with one of two porcine reproductive and respiratory syndrome virus isolates. Journal of Animal Science, 1: 16-38. Wolc A., Arango J., Settar P., Fulton J. E., O’Sullivan N. P. and Dekkers J. C. M. 2018. Genome wide association study for heat stress induced mortality in a white egg layer line. Poultry Science, 98: 92-96. Wolc A., Arango J., Settar P., Fulton J. E., O’sullivan N. P. and Preisinger R. 2012. Genome‐wide association analysis and genetic architecture of egg weight and egg uniformity in layer chickens. Animal Genetics, 43: 87-96. Xue Q., Zhang G., Li T., Ling J., Zhang X. and Wang J. 2017. Transcriptomic profile of leg muscle during early growth in chicken. PLoS One, 3: e0173824. Yin Z., Lian L., Zhu F., Zhang Z. H., Hincke M., Yang N. and Hou Z. C. 2019. The transcriptome landscapes of ovary and three oviduct segments during chicken (Gallus gallus) egg formation. Genomics, 18: 30581-30590. Yuan J., Sun C., Dou T., Yi G., Qu L., Qu L., Wang K. and Yang N. 2015. Identification of promising mutants associated with egg production traits revealed by genome-wide association study. PLoS One, 10: e0140615. Zhu S. K., Tian Y. D., Zhang S., Chen Q. X., Wang Q. Y., Han R. L. and Kang X. T. 2014. Adjacent SNPs in the transcriptional regulatory region of the FADS2 gene associated with fatty acid and growth traits in chickens. Genetics and Molecular Research, 2: 3329-3336. | ||
آمار تعداد مشاهده مقاله: 405 تعداد دریافت فایل اصل مقاله: 254 |