شناسایی نشانه های انتخاب مثبت مرتبط با تولید و ترکیبات شیر در بزهای نژاد مورسیا-گرانادینا و بارکی

پژوهشهای علوم دامی ایران

مقاله 7، دوره 16، شماره 4 - شماره پیاپی 60، دی 1403، صفحه 543-554   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/ijasr.2024.87463.1196

نویسندگان

حسین محمّدی^* ؛ امیر حسین خلت آبادی فراهانی؛ محمد حسین مرادی

گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران.

چکیده

انتخاب‌های طبیعی و مصنوعی انجام شده نشانه‌های قابل شناسایی را در ژنوم بزهای امروزی به جا گذاشته است که شناسایی این نشانه‌ها می‌تواند به اصلاح و بهبود ژنتیکی در این حیوانات کمک کند. هدف از این مطالعه، شناسایی ژن‌های کاندیدای و مناطق ژنومی تحت انتخاب مثبت در بزهای نژاد مورسیا-گرانادینا و بارکی از طریق روش‌های شناسایی ردپای انتخاب می‌باشد. در این پژوهش اطلاعات ژنوتیپی مربوط به 923 رأس بزهای نژاد مورسیا-گرانادینا و 68 رأس بزهای بارکی تعیین ژنوتیپ شده توسط آرایه‌های Caprine 50K BeadChip استفاده شد. پس از اجرای مراحل مختلف کنترل کیفیت داده‌ها، برای شناسایی نشانه‌های انتخاب از روش آماری FST به‌وسیله برنامه R استفاده شد. ژن-های کاندیدا با استفاده از SNP‌هایی که در بازه‌ی 1/0 درصد بالای ارزش FST، واقع شده بودند با استفاده از برنامه BioMart شناسایی شدند. برای بررسی وجود QTL‌های مرتبط با صفات مربوط به صفات مهم اقتصادی در مناطق شناسایی ‌شده معنی‌دار، از آخرین نسخه‌ی منتشر شده پایگاه genome Animal استفاده شد. درنهایت برای تفسیر بهتر عملکرد ژن‌های به دست آمده از پایگاه‌های اطلاعاتی آنلاینGeneCards و UniProtKBاستفاده شد. نتایج این پژوهش منجر به شناسایی هفت ناحیه ژنومی بر روی کروموزوم‌های 4، 6، 14، 15 (دو نقطه)، 17و 23با بالاترین ارزش آماره FST شد. ژن‌های شناسایی شده در مناطق مورد انتخاب شامل IGFBP3، ADCY1، ABCG2، ZNF16، NR1H3، POLD3، BAG2 و MGST2 بودند و دارای نقش عملکردی در تولید شیر، سنتز و تولید چربی شیر، سنتز و تولید پروتئین شیر و حجم کلسترول شیر داشتند. بررسی QTLهای گزارش شده در مناطق انتخابی و اورتولوگوس گاوی در مناطق شناسایی شده، مرتبط با تولید و ترکیبات شیر قرار داشتند. به هر حال نیاز به بررسی‌های پیوستگی و عملکردی بیشتری جهت شناسایی عملکرد ژن‌ها می‌باشد. نتایج این تحقیق می‌تواند در درک ساز و کار ژنتیکی کنترل کننده صفات تولید و ترکیبات شیر مورد استفاده قرار گیرد.

کلیدواژه‌ها

آماره FST؛ بز؛ پویش ژنومی؛ پروتئین شیر؛ چربی شیر

مراجع

1. Akey, J. M., Zhang, G., Zhang, K., Jin, L., & Shriver, M. D. (2002). Interrogating a high-density SNP map for signatures of natural selection. Genome Research, 12(12), 1805-1814. doi: 10.1101/gr.631202.
2. Alim, M. A., Xie, Y., Fan, Y., Wu, X., Sun, D., Zhang, Y., Zhang, S., Zhang, Y., Zhang Q., & Liu, L. (2013) Genetic effects of ABCG2 polymorphism on milk production traits in the Chinese Holstein cattle. Journal of Applied Animal Research, 41(3), 333-338. http://dx.doi.org/1080/09712119.2013.782873
3. Bertolini, F., Servin, B., Talenti, A., Rochat, E., Kim, E., Oget, C., Palhiere, I., Crisa, A., Catillo, G., & Steri, R. (2018). Signatures of selection and environmental adaptation across the goat genome post-domestication. Genetic Selection Evolution, 50, 57. oi: 10.1186/s12711-018-0421-y. 
4. Chang, C. C., Chow, C. C., Tellier, L. C., Vattikuti, S., Purcell, S. M., & Lee J. J. (2015). Second-generation PLINK: Rising to the challenge of larger and richer datasets. Gigascience, 4, 7. http://dx.doi.org/1186/s13742-015-0047-8.
5. Cheruiyot, E. K., Bett, R. C., Amimo, J. O., Zhang Y., Mrode, R., & Mujibi, F. D. N. )2018(. Signatures of selection in admixed dairy cattle in Tanzania. Frontiers in Genetics, 9, 607. doi: 10.3389/fgene.2018.00607. 
6. Chen, L., Wang, X., Cheng, D., Chen, K., Fan, Y., Wu, G., You, J., Liu, S., & Ren, J. )2019(. Population genetic analyses of seven Chinese indigenous chicken breeds in a context of global breeds. Animal Genetics, 50, 82–86. doi: 10.1111/age.12732.
7. Delgado, J. V., Landi, V., Barba, C. J., Fern´andez, J., G´omez, M. M., Camacho, M. E., Martı´nez, M. A., Navas, F. J., & Le´on, J. M. (2017). Murciano-Granadina Goat: A Spanish local breed ready for the challenges of the twenty-first century. In: Sustainable Goat Production in Adverse Environments: Volume II: Local Goat Breeds (J. Sim˜oes and C. Guti´errez eds), pp. 205–19. Springer International Publishing, Cham, Switzerland.
8. Do, D. N., Schenkel, F. S., Miglior, F., Zhao, X., & Ibeagha-Awemu, E. M. (2018). Genome wide association study identifies novel potential candidate genes for bovine milk cholesterol content. Scientific Reports, 8(1), 13239. http://dx.doi.org/1038/s41598-018-31427-0.
9. Du, C., Deng, T., Zhou, Y., Ye, T., Zhou, Z., Zhang, S., Shao, B., Wei, P., Sun, H., Khan, F. A, Yang, L., & Hua G. (2019). Systematic analyses for candidate genes of milk production traits in water buffalo (Bubalus Bubalis). Animal Genetics, 50(3), 207-216. http://dx.doi.org/1111/age.12739.
10. Fleming, D. S., Weigend, H., Simianer, A., Weigend, M., Rothschild, C., Schmidt, C., Ashwell, M., Persia, J., & Lamont, S. )2017(. Genomic comparison of indigenous African and Northern European chickens reveals putative mechanisms of stress tolerance related to environmental selection pressure. G3: Genes, Genomes, Genetics, 7(5), 1525-1537. doi: 10.1534/g3.117.041228. 
11. Galal, S., Abdel-Rasoul, F., Shaat, I., & Anous M. (2005). On-station characterizationof small ruminant breeds in Egypt. Characterization of Small Ruminant Breeds in West Asia and North Africa. Luis Inigez, editor. Aleppo.
12. Gebreselase, H. B., Nigussie, H., Wang, C., & Luo, C. (2024). Genetic diversity, population structure and selection signature in begait goats revealed by whole-genome sequencing. Animals, 14, 307. https://doi.org/10.3390/ani14020307.
13. Gebreyesus, G., Buitenhuis, A. J., Poulsen, N. A., Visker, M., Zhang, Q., & Van Valenberg, H. J. F. (2019). Multi-population GWAS and enrichment analyses reveal novel genomic regions and promising candidate genes underlying bovine milk fatty acid composition. BMC Genomics, 20, 178. http://dx.doi.org/1186/s12864-019-5573-9.
14. Guan, D., Martínez, A., Luigi-Sierra, M. G., Delgado, J. V., Landi, V., Castelló, A., Fernández Álvarez, J., Such, X., Jordana, J., & Amills, M. (2021). Detecting the footprint of selection on the genomes of Murciano-Granadina goats. Animal Genetics, 52(5), 683-693. http://dx.doi.org/1111/age.13113. Epub 2021 Jul 1.
15. Huang, C., Zhao, Q., Chen, Q., Su, Y., Ma, Y., Ye, S., & Zhao, Q.(2024). Runs of homozygosity detection and selection signature analysis for local goat breeds in Yunnan, China. Genes, 15, 313 https://doi.org/10.3390/genes1503031
16. Kessler, E., Gross, J., Bruckmaier, R., & Albrecht, C. (2014). Cholesterol metabolism, transport, and hepatic regulation in dairy cows during transition and early lactation. Journal of Dairy Science, 97, 5481–5490, https://doi.org/10.3168/jds.2014-7926.
17. Kim, H., Song, K. D., Kim, H. J., Park, W., Kim, J., & Lee, T. (2015). Exploring the genetic signature of body size in Yucatan miniature Pig. PLoS One, 10, 4e0121732. doi: 10.1371/journal.pone.0121732. 
18. Kim, H. S. (2013) Role of insulin-like growth factor binding protein-3 in glucose and lipid metabolism. Annals of Pediatric Endocrinology and Metabolism, 18, 9–12. doi: 10.6065/apem.2013.18.1.9. Epub 2013 Mar 31. 
19. Kijas, J. W., Lenstra, J. A., Hayes, B., Boitard, S., Porto Neto, L. R., San Cristobal, M., Servin, B., McCulloch, R., Whan, V., McEwan, J., & Dalrymple, B. (2012). International sheep genomics consortium members. Genome-wide analysis of the world's sheep breeds reveals high levels of historic mixture and strong recent selection. PLoS Biological, 10(2), e1001258. oi: 10.1371/journal.pbio.1001258. Epub 2012 Feb 7.
20. Li, X. B., Chen, J., Deng, M. J., Wang, F., Du, Z. W., & Zhang, J. W. (2011). Zinc finger protein HZF1 promotes K562 cell proliferation by interacting with and inhibiting INCA1. Molecular Medicine Reports, 4, 1131–1137. https://doi.org/10.3892/mmr.2011.564.
21. Luigi-Sierra, M. G., Fernández, A., Martínez, A., Guan, D., Delgado, J. V., Álvarez, J. F., Landi, V., Such, F. X., Jordana, J., Saura, M. & Amills, M. (2022). Genomic patterns of homozygosity and inbreeding depression in Murciano-Granadina goats. Journal of Animal Science Biotechnology, 13(1), 35. doi: 10.1186/s40104-022-00684-5. 
22. Massender, E., Oliveira, H. R., Brito, L. F., Maignel, L., Jafarikia, M., Baes, C. F., Sullivan, B., & Schenkel, F. S. (2023). Genome-wide association study for milk production and conformation traits in Canadian Alpine and Saanen dairy goats. Journal of Dairy Science, 106(2), 1168-1189. http://dx.doi.org/3168/jds.2022-22223.
23. Nicolazzi, E. L., Caprera, A., Nazzicari, N., Cozzi, P., Strozzi, F., & Lawley, C. (2015). SNPchiMp v. 3: integrating and standardizing single nucleotide polymorphism data for livestock species. BMC Genomics, 16, 283. doi: 10.1186/s12864-015-1497-1.
24. Ollier, S., Chauvet, S., Martin, P., Chilliard, Y., & Leroux, C. (2008). Goat's αS1-casein polymorphism affects gene expression profile of lactating mammary gland. Animal, 2(4), 566-73. http://dx.doi.org/1017/S1751731108001584.
25. Pegolo, S., Momen, M., Morota, G., Rosa, G. J. M., Gianola, D., Bittante, G., & Cecchinato, A. (2020). Structural equation modeling for investigating multi-trait genetic architecture of udder health in dairy cattle. Scientific Reports, 10(1), 7751. http://dx.doi.org/1038/s41598-020-64575-3.
26. Qanbari, S., Strom, T. M., Haberer, G., Weigend, S., Gheyas, A. A., Turner, F., Burt, D. W., Preisinger, R., Gianola, D., & Simianer, H. (2012). A high-resolution genome-wide scan for significant selective sweeps: An application to pooled sequence data in laying chickens. PLoS One, 7(11), e49525. http://dx.doi.org/1371/journal.pone.0049525.
27. Qanbari, S., Pausch, H., Jansen, S., Somel, M., Strom, T.M., Fries, R., Nielsen, R. & Simianer, H.  (2014). Classic selective sweeps revealed by massive sequencing in cattle. PLoS Genetics, 10(2), e1004148. doi: 10.1371/journal.pgen.1004148. 
28. Rahimmadar, S., Ghaffari, M., Mokhber, M., & Williams J. L. (2021). Linkage disequilibrium and effective population size of buffalo populations of Iran, Turkey, Pakistan, and Egypt using a medium density SNP array. Frontiers in Genetics, 12, 608186.‏  doi: 10.3389/fgene.2021.608186.
29. Saravanan, K. A., Panigrahi, M., Kumar, H., Parida, S., Bhushan, B., Gaur, G. K., Dutt, T., Mishra, B. P., & Singh, R. K. (2021). Genomic scans for selection signatures revealed candidate genes for adaptation and production traits in a variety of cattle breeds. Genomics, 113(3), 955-963. doi: 10.1016/j.ygeno.2021.02.009. Epub 2021 Feb 19.
30. Salgado Pardo, J. I., Delgado Bermejo, J. V., González Ariza, A., León Jurado, J. M., Marín Navas, C., Iglesias Pastrana, C., Martínez Martínez, M. D. A., & Navas González, F. J. (2022). Candidate genes and their expressions involved in the regulation of milk and meat production and quality in goats (Capra hircus). Animals, 12, 988. https://doi.org/10.3390/ani12080988.
31. Sallam, A. M., Reyer, H., Wimmers, K., Bertolini, F., Aboul-Naga, A., Braz, C. U. & Rabee, A. E. (2023). Genome-wide landscape of runs of homozygosity and differentiation across Egyptian goat breeds. BMC Genomics, 24(1), 573. doi: 10.1186/s12864-023-09679-6. 
32. Selionova, M., Trukhachev, V., Aibazov, M., Sermyagin, A., Belous, A., Gladkikh, M., & Zinovieva, N. (2024). Genome-wide association study of milk composition in Karachai goats. Animals, 14, 327. https://doi.org/10.3390/ani14020327
33. Scholtens, M., Jiang, A. Smith, A., Littlejohn, M., Lehnert, K., Snell, R., Lopez-Villalobos, N., Garrick, D., & Blair, H. (2020). Genome-wide association studies of lactation yields of milk, fat, protein and somatic cell score in New Zealand dairy goats. Journal of Animal Science and Biotechnology, 11, 55. https://doi .org/10.1186/s4010402000453-2.
34. Varma Shrivastav, S., Bhardwaj, A., Pathak, K. A., & Shrivastav, A. (2020). Insulin-like growth factor binding protein-3 (IGFBP-3): Unraveling the role in mediating IGF-independent effects within the cell. Frontiers in Cell Development Biology, 8, 286. http://dx.doi.org/3389/fcell.2020.00286.
35. Weir, B. S., & Cockerham, C. C. (1984). Estimating F‐statistics for the analysis of population structure. Evolution, 38(6), 1358-1370. doi: 10.1111/j.1558-5646.1984.tb05657.x. 
36. Waineina, R. W., Okeno, T. O., Ilatsia, E. D., & Ngeno, K. (2022). Selection signature analyses revealed genes associated with adaptation, production, and reproduction in selected goat breeds in Kenya. Frontiers in Genetics, 13, 858923. http://dx.doi.org/3389/fgene.2022.858923
37. Wright, S. (1965). The interpretation of population structure by F-statistics with special regard to systems of mating. Evolution, 1, 395-420.
38. Yao, D., Luo, J., He, Q., Xu, H., Li, J., Shi, H., Wang, H., Chen, Z., & Loor, J. (2016). Liver X receptor _ promotes the synthesis of monounsaturated fatty acids in goat mammary epithelial cells via the control of stearoyl-coenzyme A desaturase 1 in an SREBP-1-dependent manner. Journal of Dairy Science, 99, 6391–6402. doi: 10.3168/jds.2016-10990. Epub 2016 May 18. 
39. Zhao, F., Deng, T., Shi, L., Wang, W., Zhang, Q., Du, L., & Wang, L. (2020). Genomic scan for selection signature reveals fat deposition in Chinese indigenous sheep with extreme tail types. Animals (Basel), 10(5), 773. http://dx.doi.org/3390/ani10050773.