تعداد نشریات | 31 |
تعداد شمارهها | 738 |
تعداد مقالات | 6,941 |
تعداد مشاهده مقاله | 9,870,662 |
تعداد دریافت فایل اصل مقاله | 6,698,984 |
مطالعه پویش کل ژنوم بر پایه غنی سازی مجموعه های ژنی صفات مهم اقتصادی در بلدرچین ژاپنی | ||
تحقیقات تولیدات دامی | ||
دوره 12، شماره 1، خرداد 1402، صفحه 65-78 اصل مقاله (1.43 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/ar.2023.20946.1657 | ||
نویسندگان | ||
حسین محمّدی* 1؛ امیر حسین خلت آبادی فراهانی2؛ محمد حسین مرادی2 | ||
1استادیار، گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک | ||
2دانشیار، گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک | ||
چکیده | ||
در این پژوهش، به منظور شناسایی ژنها و مسیرهای مرتبط با برخی صفات اقتصادی، مطالعه پویش کل ژنوم بر مبنای تجزیه غنیسازی مجموعههای ژنی با استفاده از یک تراشه چندشکلی تک نوکلئوتیدی (SNP) ژنوم بلدرچین ژاپنی (illumina iSelect 4K) در یک جمعیت F2 حاصل از تلاقی دوطرفه انجام شد. به ازای هر پرنده، صفات میزان خوراک مصرفی، افزایش وزن بدن، ضریب تبدیل خوراک، خاکستر استخوان درشتنی و پا اندازهگیری شد. با استفاده از نرمافزار GCTA و بر اساس مدل خطی مختلط ارتباط هر یک از SNPها با هر یک از صفات بررسی شد. تجزیه غنیسازی مجموعههای ژنی با بسته نرمافزاری goseq برنامه R با هدف شناسایی طبقات عملکردی و مسیرهای زیستی ژنهای نزدیک در مناطق ژنومی کاندیدا انجام شد و در نهایت برای تجزیه بیوانفورماتیکی از پایگاههای برخط DAVID و PANTHER استفاده شد. در این پژوهش، تعداد 11 نشانگر SNP واقع روی کروموزومهای 2، 3، 4، 5، 10، 18، 20، 24 و 27 شناسایی شدند که با ژنهای NPY، DRD2، PTPRN2، BMPR1B، MYF5، IGF2BP1، MYO1E، FGF2، LDB2، BMP4، ACOX1، PCK1، PLCB4، PLCB1 و PLCG1 مرتبط بودند. در تجزیه غنیسازی مجموعه ژنی، تعداد 23 طبقات هستیشناسی و مسیرهای بیوشیمیایی KEGG با صفات مورد بررسی شناسایی شد (05/0>P). از این بین، طبقات هستیشناسی Protein glycosylation، Myoblast differentiation،Positive regulation of muscle cell differentiation ، مسیرهای بیوشیمیایی MAPK signaling pathway و Calcium signaling pathway نقش مهمی در توسعه الیاف عضلانی اسکلتی، مصرف خوراک و قابلیت جذب داشتند. با توجه به تأیید مناطق قبلی پویش ژنومی و شناسایی مناطق ژنومی جدید، استفاده از یافتههای این پژوهش میتواند در انتخاب ژنتیکی با هدف بهبود تولید، مفید باشد. | ||
کلیدواژهها | ||
افزایش وزن بدن؛ بلدرچین ژاپنی؛ پویش ژنوم؛ ضریب تبدیل خوراک؛ مصرف خوراک | ||
مراجع | ||
Abdelmanova, A. S., Dotsev, A. V., Romanov, M. N., Stanishevskaya, O. I., Gladyr, E. A., Rodionov, A. N., Vetokh, A. N., Volkova, N. A., Fedorova, E. S., Gusev, I. V., Griffin, D. K., Brem, G., & Zinovieva, N. A. (2021). Unveiling comparative genomic trajectories of selection and key candidate genes in egg-type Russian White and Meat-Type White Cornish chickens. Biology (Basel), 10(9), 876. Ambo, M., Moura, A. S. A. M. T., Ledur, M. C., & Pinto, L. F. B. (2009). Quantitative trait loci for performance traits in a broiler x layer cross. Animal Genetics, 40, 200-208. Aarabi, H., Moradi Shahrbabak, M., Pakdel, A., Moradi Shahrbabak, H., & Esmailizadeh koshkoiyeh, A. (2016). Identification of novel SNP in promoter of Insulin-Like Growth Factor-I (IGF1) gene in Japanese quail by PCR-SSCP assay'. Iranian Journal of Animal Science, 47(2), 303-312. [In Persian] Awad, A., & El-Tarabany, M. S. (2015). Association of single nucleotide polymorphism in bone morphogenetic protein receptor 1B (BMPR-1B) gene with growth traits in chicken. Kafkas Universitesi Veteriner Fakültesi Dergisi, 11, 1-6. Cha, J., Choo, H., Srikanth, K., Lee, S. H., Son, J. W., Park, M. R., Kim, N., Jang, G. W., & Park, J. E. (2021). Genome-wide association study identifies 12 loci associated with body weight at age 8 weeks in Korean native chickens. Genes (Basel), 12(8), 1170. Dadousis, C., Pegolo, S., Rosa, G. J. M., Gianola, D., Bittante, G., & 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. Divya, D., Prakash, M. G., Chatterjee, R. N., Reddy, V. R., Reddy, Y. N., & Bhattacharya, T. K. (2018). Relative expression profile of AA genotype of BMP4 gene in broiler and layer chicken. Journal of Animal Research, 8, 549-554. Durinck, S., Spellman, P. T., Birney, E., & Huber, W. (2009). Mapping identifiers for the integration of genomic datasets with the R/bioconductor package biomaRt. Nature Protocols, 4, 1184-1191. Emrani, H., Masoudi, A. A., Vaez Torshizi, R., & Ehsani A. (2020). Genome-wide association study of shank length and diameter at different developmental stages in chicken F2 resource population. Animal Genetics, 51(5), 722-730. Faenza, I., Bavelloni, A., & Fiume, R. (2004). Expression of phospholipase C beta family isoenzymes in C2C12 myoblasts during terminal differentiation. Journal of Cell Physiology, 200, 291-296. Faveri, J. C., Pinto, L. F. B., de Camargo, G. M. F., Pedrosa, V. B., Peixoto, J. O., Marchesi, J. A. P., Kawski, V. L., Coutinho, L. L., & Ledur, M. C. (2019). Quantitative trait loci for morphometric and mineral composition traits of the tibia bone in a broiler × layer cross. Animal, 13(8), 1563-1569. Guo, L., Han, J., Guo, H., Lv, D., & Wang, Y. (2019). Pathway and network analysis of genes related to osteoporosis. Molecular Medicine Reports, 20(2), 985-994. Jiao, J., Dang, Y., Yang, Y., Gao, R., Zhang, Y., Kou, Z., Sun, X. F., & Gao, S. (2013). Promoting reprogramming by FGF2 reveals that the extracellular matrix is a barrier for reprogramming fibroblasts to pluripotency. Stem Cells, 31(4), 729-740. Khaltabadi Farahani, A. H., Mohammadi, H., Moradi, M. H., Ghasemi, H. A., & Hajkhodadadi, I. (2020). Gene set enrichment analysis to identify genes and biological pathways associated with body weight in chicken, Animal Production Research, 9(3), 47-57. [In Persian] Liang, S., Guo, H., Ma, K., Li, X., Wu, D., Wang, Y., Wang, W., Zhang, S., Cui, Y., Liu, Y., Sun, L., Zhang, B., Xin, M., Zhang, N., Zhou, H., Liu, Y., Wang, J., & Liu, L. (2021). A PLCB1-PI3K-AKT signaling axis activates EMT to promote cholangiocarcinoma progression. Cancer Research, 81(23), 5889-5903. Liu, J., Liu, R., Wang, J., Zhang, Y., Xing, S., Zheng, M., Cui, H., Li, Q., Li, P., Cui, X., Li, W., Zhao, G., & Wen, J. (2018). Exploring Genomic Variants Related to residual feed intake in local and commercial chickens by whole genomic resequencing. Genes (Basel), 9(2), 57. Marchesi, J. A. P., Ono, R. K., Cantão, M. E., Ibelli, A. M. G., Peixoto, J. O., Moreira, G. C. M., Godoy, T. F., Coutinho, L. L., Munari, D. P., & Ledur, M. C. (2021). Exploring the genetic architecture of feed efficiency traits in chickens. Scientific Reports, 11(1), 4622. Mohammadi, H., Rafat, S. A., Moradi Shahrbabak, H., Shodja, J., & 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. Mahmoudi Zarandi, M., Rokouei, M., Vafaei Valleh, M., & Maghsoudi, A. (2020). Estimation of genetic parameters for body weight gain and feed efficiency traits in Japanese quail. Animal Production, 22(1), 9-22. [In Persian] Najafi, M. H., Mohammadi, Y., Najafi, A., Shamsolahi, M., & 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, 18, 106122. Peñagaricano, F., Weigel, K. A., Rosa, G. J., & Khatib, H. (2013). Inferring quantitative trait pathways associated with bull fertility from a genome-wide association study. Frontiers in Genetics, 3, 307-314. Piórkowska, K., Żukowski, K., Połtowicz, K., Nowak, J., Ropka-Molik, K., Derebecka, N., Wesoły, J., & Wojtysiak, D. (2020). Identification of candidate genes and regulatory factors related to growth rate through hypothalamus transcriptome analyses in broiler chickens. BMC Genomics, 21(1), 509. Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M. A. R., & Bender, D. (2007). PLINK: a toolset for whole-genome association and population-based linkage analysis. The American Journal of Human Genetics, 81, 559-575. Rescan, P. Y. (2001). Regulation and functions of myogenic regulatory factors in lower vertebrates. Comparative Biochemistry and Physiology-Part B: Biochemistry & Molecular Biology, 130, 1-12. 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,. & 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. Srikanth, K., Lee, S. H., Chung, K. Y., Park, J. E., Jang, G. W., Park, M. R., Kim, N. Y., Kim, T. H., Chai, H. H., Park, W. C., & 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. Sinpru, P., Riou, C., Kubota, S., Poompramun, C., Molee, W., & Molee, A. (2021). Jejunal Transcriptomic Profiling for Differences in Feed Conversion Ratio in Slow-Growing Chickens. Animals (Basel), 11(9), 2606. Vollmar, S., Haas, V., Schmid, M., Preuß, S., Joshi, R., Rodehutscord, M., & Bennewitz, J. (2021). Mapping genes for phosphorus utilization and correlated traits using a 4k SNP linkage map in Japanese quail (Coturnix japonica). Animal Genetics, 52(1), 90-98. Wei, Y., Zhang, G. X., Zhang, T., Wang, J. Y., Fan, Q. C., Tang, Y., Ding, F. X., & Zhang, L. (2016). Myf5 and MyoG gene SNPs associated with Bian chicken growth trait. Genetics and Molecular Research, 15(3), gmr.15037043. Xiao, C., Deng, J., Zeng, L., Sun, T., Yang, Z., & Yang, X. (2021). Transcriptome Analysis Identifies Candidate Genes and Signaling Pathways Associated With Feed Efficiency in Xiayan Chicken. Frontiers in Genetics, 12, 607719. Xue, Q., Zhang, G., Li, T., Ling, J., Zhang, X., & Wang, J. (2017). Transcriptomic profile of leg muscle during early growth in chicken. PLoS One, 12(3), e0173824. Yang, J., Lee, S. H., Goddard, M. E., & Visscher, P. M. (2011). GCTA: a tool for genome-wide complex trait analysis. American Journal of Human Genetics, 88, 76-82. Yang, X., Sun, J., Zhao, G., Li, W., Tan, X., Zheng, M., Feng, F., Liu, D., Wen, J., & Liu, R. (2021). Identification of major loci and candidate genes for meat production-related traits in broilers. Frontiers in Genetics, 12, 645107. Young, M. D., Wakefield, M. J., Smyth, G. K., & Oshlack, A. (2010). Method gene ontology analysis for RNA-seq: Accounting for selection bias. Genome Biology, 11, 14-23. Yuan, L., Ni, Y., Barth, S., Wang, Y., Grossmann, R., & Zhao, R. (2009). Layer and broiler chicks exhibit similar hypothalamic expression of orexigenic neuropeptides but distinct expression of genes related to energy homeostasis and obesity. Brain Research, 1273, 18-28. Zhang, Y., Wang, Y., Li, Y., Wu, J., Wang, X., Bian, C., Tian, Y., Sun, G., Han, R., Liu, X., Jiang, R., Wang, Y., Li, G., Li, W., Hu, X., & Kang, X. (2021). Genome-wide association study reveals the genetic determinism of growth traits in a Gushi-Anka F2 chicken population. Heredity, 126, 293-307. Zhao, C., Raza, S. H. A., Khan, R., Sabek, A., Khan, S., Ullah, I., Memon, S., El-Aziz, A. H. A., Shah, M. A., Shijun, L., Wang, L., Liu, X., Zhang, Y., Gui, L., & Zan, L. (2020). Genetic variants in MYF5 affected growth traits and beef quality traits in Chinese Qinchuan cattle. Genomics, 112(4), 2804-2812. | ||
آمار تعداد مشاهده مقاله: 377 تعداد دریافت فایل اصل مقاله: 283 |