تعداد نشریات | 31 |
تعداد شمارهها | 748 |
تعداد مقالات | 7,108 |
تعداد مشاهده مقاله | 10,240,425 |
تعداد دریافت فایل اصل مقاله | 6,898,022 |
مطالعه ارتباط ژنومی چند جمعیتی مشترک برای شناسایی مکان های ژنومی موثر بر چندقلوزایی در گوسفند | ||
تحقیقات تولیدات دامی | ||
دوره 11، شماره 3، آذر 1401، صفحه 15-26 اصل مقاله (1.3 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/ar.2022.21763.1688 | ||
نویسندگان | ||
محسن قلی زاده* 1؛ سید مهدی اسماعیلی فرد2 | ||
1دانشیار، گروه علوم دامی، دانشگاه کشاورزی و منابع طبیعی ساری | ||
2دانشآموخته دکتری، گروه علوم دامی، دانشگاه کشاورزی و منابع طبیعی ساری | ||
چکیده | ||
چندقلوزایی یکی از مهمترین صفات اقتصادی در گوسفند با تنوع داخل و بین نژادی است. این مطالعه به منظور شناسایی مکانهای ژنومی موثر بر چندقلوزایی در گوسفند با رویکرد مگاآنالیز مطالعه ارتباط ژنومی و با استفاده از دادههای ژنوتیپی و فنوتیپی شش نژاد گوسفند از پایگاه داده انجام شد. کنترل کیفیت با استفاده از نرم افزار Plink و ایمپیوتیشن با روش LD-kNNi انجام شد. مگاآنالیز با استفاده از مدل خطی مختلط در نرم افزار TASSEL با در نظر گرفتن خویشاوندی و ساختار جمعیت انجام شد. پس از پایان کنترل کیفیت، تعداد 305 حیوان و 351615 نشانگر SNP با متوسط MAF برابر با 33/0 برای ادامه تجزیه مورد استفاده قرار گرفتند. نتایج مگاآنالیز، یک SNP را روی کروموزوم 21 در سطح ژنوم و 10 SNP در سطح کروموزومی روی کروموزوم های 1، 2، 3، 14، 17 و 22 شناسایی کرد که بهطور معنیداری با چندقلوزایی در گوسفند در ارتباط بودند. ژنهای OPCML، GULP1، RBP4، MMP2 و LPCAT2 شناسایی شده در این تحقیق، نقش موثری در باروری و موفقیت آبستنی دارند. نتایج این تحقیق میتواند در درک ساز و کار ژنتیکی کنترلکننده چندقلوزایی در گوسفند مورد استفاده قرار گیرد. | ||
کلیدواژهها | ||
چندقلوزایی؛ گوسفند؛ مطالعه ارتباط ژنومی؛ مگاآنالیز؛ نشانگر | ||
مراجع | ||
Abdoli R., Mirhoseini S. Z., Ghavi Hossein-Zadeh N., Zamani P. and Gondro C. 2018. Genome-wide association study to identify genomic regions affecting prolificacy in Lori-Bakhtiari sheep. Animal Genetics, 49(5): 488-491. Abdoli R., Mirhosseini S. Z., Ghavi Hossein-Zadeh N., Zamani P., Ferdosi M. H. and Gondro C. 2019. Genome-wide association study of four composite reproductive traits in Iranian fat-tailed sheep. Reproduction, Fertility and Development, 31(6): 1127-1133. Abdollahi-Arpanahi R., Carvalho M. R., Ribeiro E. S. and Peñagaricano F. 2019. Association of lipid-related genes implicated in conceptus elongation with female fertility traits in dairy cattle. Journal of Dairy Science, 102(11): 10020-10029. Begum F., Ghosh D., Tseng G. C. and Feingold E. 2012. Comprehensive literature review and statistical considerations for GWAS meta-analysis. Nucleic Acids Research, 40: 3777–3784. Behforouz A., Dastgheib S. A., Abbasi H., Karimi-Zarchi M., Javaheri A., Hadadan A. and Neamatzadeh H. 2021. Association of MMP-2, MMP-3, and MMP-9 polymorphisms with susceptibility to recurrent pregnancy loss. Fetal and Pediatric Pathology, 40(5): 378-386. Bernal Rubio Y. L., Gualdron Duart J. L. E., Bates R. O., Ernst C. W., Nonneman D., ohrer G. A., King D. A., Shackelford S. D., Wheeler T. L., Cantet R. J. and Steibel J. P. 2015. Implementing meta-analysis from genome-wide association studies for pork quality traits. Journal of Animal Science, 93: 5607–5617. Bouwman A. C., Daetwyler H. D., Chamberlain A. J., Ponce C. Sargolzaei M., Schenkel F. S., Sahana G., Govignon-Gion A., Boitard S., Dolezal M., Pausch H., Brøndum R. F., Bowman P. J., Thomsen B., Guldbrandtsen B., Lund M. S., Servin B., Garrick D. J., Reecy J., Vilkki J., Bagnato A., Wang M., Hoff J. L., Schnabel R. D., Taylor J. F., Vinkhuyzen A. A. E., Panitz F., Bendixen C., Holm L. E., Gredler B., Hozé C., Boussaha M., Sanchez M. P., Rocha D., Capitan A., Tribout T., Barbat A., Croiseau P., Drögemüller C., Jagannathan V., Vander Jagt C., Crowley J. J., Bieber A., Purfield D. C., Berry D. P., Emmerling R., Götz K. U., Frischknecht M., Russ I., Sölkner J., Van Tassell C. P., Fries R., Stothard P., Veerkamp R. F., Boichard D., Goddard M. E. and Hayes B. J. 2018. Meta-analysis of genome-wide association studies for cattle stature identifies common genes that regulate body size in mammals. Nature Genetics, 50: 362–367. Bradbury P. J., Zhang Z., Kroon D. E., Casstevens T. M., Ramdoss Y. and Buckler E. S. 2007. TASSEL: software for association mapping of complex traits in diverse samples. Bioinformatics, 23(19): 2633-2635. Cohen M., Meisser A. and Bischof P. 2006. Metalloproteinases and human placental invasiveness. Placenta, 27(8): 783-793. Daetwyler H. D., Villanueva B. and Woolliams J. A. 2008. Accuracy of predicting the genetic risk of disease using a genome-wide approach. PLoS One, 3(10): e3395. Deady L. D., Shen W., Mosure S. A., Spradling A. C. and Sun J. 2015. Matrix metalloproteinase 2 is required for ovulation and corpus luteum formation in Drosophila. PLoS Genetics, 11(2): e1004989. Esmaeili fard S. M., Hafezian S., Gholizadeh M., Abdolahi Arpanahi R. 2019. Gene set enrichment analysis using genome-wide association study to identify genes and biological pathways associated with twinning in Baluchi sheep. Animal Production Research, 8(2): 63-80. (In Persian). Esmaeili-Fard S. M., Gholizadeh M., Hafezian S. H. 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, 1351. Fleming J. S., McQuillan H. J., Millier M. J. and Sellar G. C. 2009. Expression of ovarian tumour suppressor OPCML in the female CD-1 mouse reproductive tract. Reproduction, 137(4): 721. Fritsche L. G., Igl W., Bailey J. N., Grassmann F., Sengupta S., Bragg‐Gresham J. L. and Heid I. M. 2016. A large genome‐wide association study of age‐related macular degeneration highlights contributions of rare and common variants. Nature Genetics, 48(2): 134-143. Gebreyesus G., Buitenhuis A. J., Poulsen N. A., Visker M. H. P. W., Zhang Q., van Valenberg H. J. F. and Bovenhuis H. 2019. Combining multi-population datasets for joint genome-wide association and meta-analyses: The case of bovine milk fat composition traits. Journal of Dairy Science, 102(12): 11124-11141. Gholizadeh M. and Esmaeili-Fard S. M. 2022. Meta-analysis of genome-wide association studies for litter size in sheep. Theriogenology, 1: 180:103-112. Gorski M., Günther F., Winkler T. W., Weber B. and Heid I. M. 2019. On the differences between mega- and meta-imputation and analysis exemplified on the genetics of age-related macular degeneration. Genetic Epidemiology, 43(5): 559-576. Gudjonsson A., Gudmundsdottir V., Axelsson G. T., Gudmundsson E. F., Jonsson B. G., Launer L. J., Lamb J. R., Jennings L. L., Aspelund T., Emilsson V. and Gudnason V. 2022. A genome-wide association study of serum proteins reveals shared loci with common diseases. Nature Communications, 13(1): 1-13. Hayes B. and Goddard M. 2010. Genome-wide association and genomic selection in animal breeding. Genome, 53(11): 876-883. Hendrix N. D., Wu R., Kuick R., Schwartz D. R., Fearon E. R. and Cho K. R. 2006. Fibroblast growth factor 9 has oncogenic activity and is a downstream target of Wnt signaling in ovarian endometrioid adenocarcinomas. Cancer Research, 66: 1354-1362. Lin D. Y. and Zeng D. 2010. Meta-analysis of genome-wide association studies: no efficiency gain in using individual participant data. Genetic Epidemiology, 34: 60–66. Ma C. I. J., Martin C., Ma Z., Hafiane A., Dai M., Lebrun J. J. and Kiss R. S. 2012. Engulfment protein GULP is regulator of transforming growth factor-β response in ovarian cells. Journal of Biological Chemistry, 287(24): 20636-20651. Marjanovic J. and Calus M. P. L. 2020. Factors affecting accuracy of estimated effective number of chromosome segments for numerically small breeds. Journal of Animal Breeding and Genetics,138: 151-160. Massague J. 1998. TGF-β signal transduction. Annual Review of Biochemistry, 67: 753-791. Messer L. A., Wang L., Yelich J., Pomp D., Geisert R. D. and Rothschild M. F. 1996. Linkage mapping of the retinol-binding protein 4 (RBP4) gene to porcine chromosome 14. Mammalian Genome, 7: 396-410. Meuwissen T. H. E., Hayes B. J. and Goddard M. E. 2001. Prediction of total genetic value using genome-wide dense marker maps. Genetics, 57(4): 1819–1829. Money D., Gardner K., Migicovsky Z., Schwaninger H., Zhong G. Y. and Myles S. 2015. LinkImpute: fast and accurate genotype imputation for nonmodel organisms. G3: Genes, Genomes, Genetics, 5(11): 2383-2390. Pasandideh M., Rahimi-Mianji G., Gholizadeh M. and Fontanesi L. 2017. Detection of genomic regions affecting reproductive traits in Baluchi sheep using high density markers. Animal Production Research, 6(3): 29-41. (In Persian). Purcell S., Neale B., Todd-Brown K., Thomas L., Ferreira M. A., Bender D. and Sham P. C. 2007. PLINK: a tool set for whole-enome association and population-based linkage analyses. The American Journal of Human Genetics, 81(3): 559-575. Schwartz D. R., Wu R., Kardia S. L., Levin A. M., Huang C. C., Shedden K. A., Kuick R., Misek D. E., Hanash S. M., Taylor J. M., Reed H., Hendrix N., Zhai Y., Fearon E. R. and Cho K. R. 2003. Novel candidate targets of β-catenin/T-cell factor signaling identified by gene expression profiling of ovarian endometrioid adenocarcinomas. Cancer Research, 63: 2913-2922. Sellar G. C., Watt K. P., Rabiasz G. J., Stronach E. A., Li L., Miller E. P., Massie C. E., Miller J., Contreras-Moreira B., Scott D., Brown I., Williams A. R., Bates P. A., Smyth J. F. and Gabra H. 2003. OPCML at 11q25 is epigenetically inactivated and has tumor-suppressor function in epithelial ovarian cancer. Nature Genetics, 34: 337-343. Sung Y. J., Schwander K., Arnett D. K., Kardia S. L., Rankinen T., Bouchard C., Boerwinkle E., Hunt S. C. and Rao D. C. 2014. An empirical comparison of meta-analysis and mega-analysis of individual participant data for identifying gene-environment interactions. Genetc Epidemiology, 38: 369–378. Taghizade K., Gholizadeh M., Moradi M. and Rahimi Mianji G. 2020. Investigation of copy number variation in Baluchi sheep genome using comparative analysis of PennCNV and QuantiSNP algorithms. Animal Production Research, 9(1), 29-44. (In Persian). Tenghe A. M. M., Bouwman A. C., Berglund B., Strandberg E., de Koning D. J. and Veerkamp R. F. 2016. Genome-wide association study for endocrine fertility traits using single nucleotide polymorphism arrays and sequence variants in dairy cattle. Journal of Dairy Science, 99(7): 5470-5485. Tsou J. A., Galler J. S., Siegmund K. D., Laird P. W., Turla S., Cozen W., Hagen J. A., Koss M. N. and Laird-Offringa I. A. 2007. Identification of a panel of sensitive and specific DNA methylation markers for lung adenocarcinoma. Molecular Cancer, 6: 70. VanRaden P. M., van Tassell C. P., Wiggans G. R., Sonstegard T. S., Schnabel R. D., Taylor J. F. and Schenkel F. S. 2009. Invited review: Reliability of genomic predictions for North American Holstein bulls. Journal of Dairy Science, 92(1): 16–24. Xu S. S., Gao L., Xie X. L., Ren Y. L., Shen Z. Q., Wang F. and Li M. H. 2018. Genome-wide association analyses highlight the potential for different genetic mechanisms for litter size among sheep breeds. Frontiers in Genetics, 9: 118. Yelich J. V., Pomp D. and Geisert R. D. 1997. Detection of transcripts for retinoic acid receptors, retinol-binding protein, and transforming growth factors during rapid trophoblastic elongation in the porcine conceptus. Biology of Reproduction, 57: 286-294. | ||
آمار تعداد مشاهده مقاله: 509 تعداد دریافت فایل اصل مقاله: 304 |