Document Type : Research Paper
Authors
Abstract
Keywords
کاوش مولکولی ژنوم گاو برای نقشه یابی جایگاه های ژنی مرتبط با وزن لاشه
علی اسماعیلی زاده کشکوئیه*[1]، محمدرضا محمدآبادی1
اعضای هیئت علمی دانشگاه شهید باهنر کرمان
چکیده
پویش کل ژنوم با هدف یافتن محتمل ترین نقاط ژنومی کنترل کننده صفات کمی (QTL) یکی از استراتژیهای کارآمد برای تحلیل مولکولی صفات دارای مکانیسم توارثی پیچیده است. مکان یابی QTL، اولین گام برای شناسایی ژن های مسئول تنوع در صفات کمی است. هدف از انجام این پژوهش شناسایی QTL های موثر بر وزن لاشه گاو بود. تعداد 6 گاو نر آمیخته جرسی × لیموزین با گاوهای ماده جرسی و لیموزین تلاقی داده شدند و شش خانواده ناتنی پدری شامل 784 نتاج تشکیل شد. تمام نتاج کشتار شده و وزن لاشه بلافاصله پس از کشتار ثبت شد. شش والد نر و تمامی نتاج برای 189 نشانگر ریزماهواره تعیین ژنوتیپ شدند. وزن لاشه برای اثرات ثابت گروه کشتار، جنس، سال، گله، نژاد مادر، تیپ تولد، سن مادر و اثر ژن میوستاتین تصحیح گردیدند. باقیمانده های مدل با تقسیم بر انحراف معیار فنوتیپی، استاندارد شدند. روش نقشه یابی درون فاصله ای مبتنی بر رگرسیون برای آنالیز QTL استفاده شد. تعداد سه QTL در سطح معنی دار ژنومی واقع بر کروموزوم های 3، 5 و 14 و دو QTL در سطح معنی دار کروموزومی روی کروموزوم های 10 و 17 شناسایی شدند. فقط QTL شناسایی شده روی کروموزوم 14 در تمام خانواده ها تفرق نشان داد. اثرات QTL بین 4/0تا 8/0به واحد انحراف معیار فنوتیپی بود.
واژه های کلیدی: ژنوم ، گاو، وزن لاشه، QTL
مقدمه
هدف اصلی از نقشه یابی ژنومی در دامهای اهلی، شناسایی ژن های مرتبط با تنوع فنوتیپی در صفات اقتصادی است. وزن لاشه در دام، یکی از صفات مهم اقتصادی است که دارای الگوی توارث کمی بوده و استفاده از روشهای بهنژادی برای بهبود آن به دلیل لزوم کشتار حیوان برای رکوردبرداری صفت، هزینه زیادی دارد. عموما" رتبه بندی مستقیم حیوانات زنده یا انتخاب گاوهای نر با استفاده از آزمون نتاج بر اساس داده های اولتراسوند، یکی از راه های بهبود صفات مختلف مرتبط با لاشه است، اما نتایج به دست آمده از یک پژوهش که روی گله های گاو در ایالات متحده آمریکا صورت گرفته نشان داده که با وجود قابلیت توارث متوسط این صفات
(Koch et al., 1982)، در طی 30 سال گذشته بهبودی برای این صفات حاصل نشده است (Van Vleck et al., 2007). استفاده از روش های گزینش بر اساس اوزان زنده دام که همبستگی ژنتیکی بالایی با وزن لاشه دارند، می تواند منجر به تغییر ژنتیکی این صفت شود، اما به دلیل همبستگی ژنتیکی مثبت این صفات با وزن تولد (MacNeil, 2003)، امکان افزایش فراتر از حد بهینه وزن تولد و در نتیجه افزایش سخت زایی در گله وجود دارد. در صورت شناسایی نواحی ژنومی اختصاصی کنترل کننده وزن لاشه دام، امکان استفاده از روش انتخاب به کمک نشانگر (MAS) (Spelman & Bovenhuis, 1998) برای این صفت بدون تغییر در صفات دیگر وجود خواهد داشت. فناوری های نوین در عرصه زیست شناسی مولکولی و روشهای محاسباتی توسعه یافته در حوزه ژنتیک آماری، امکان مطالعه عوامل ایجاد کننده تنوع ژنتیکی صفات دارای مکانیسم توارثی پیچیده را در سطح مولکولی با استفاده از نقشه های پیوستگی نشانگرهای مولکولی DNA، فراهم نموده است.
جدیدترین نقشه پیوستگی در گاو شامل 3802 نشانگر ریزماهواره[2] روی 30 کروموزوم (کروموزوم های جنسی و 29 جفت اتوزوم) می باشد (Ihara et al., 2004). گاو از جنس Bos بوده و اکثر نژادهای گاو گوشتی از گونه Bos taurus می باشند، بنابراین اتوزوم های گاو به صورت مخفف BTA1 تا BTA29 نام گذاری شده اند. کروموزوم های جنسی X و Y به ترتیب بصورت BTX و BTY نام گذاری شده اند. تعداد نشانگرهای چند شکلی تک نوکلوتیدی[3] (SNPs) در گاو به چندین هزار می رسد. این نقشه های ژنتیکی نشانگرها، زمینه لازم برای شناسایی نواحی ژنومی حامل چند شکلی های مرتبط با تنوع در صفات کمی (QTL) را فراهم نموده اند. پویش کل ژنوم با هدف یافتن محتمل ترین نقاط ژنومی کنترل کننده صفات کمی یکی از راهبردهای کارآمد برای یافتن ژن های کاندیدا و نشانگرهای مرتبط با صفات کمی برای استفاده در برنامه های MAS است. مطالعات شبیه سازی نشان داده که MAS تاثیر زیادی در پیشرفت ژنتیکی صفات لاشه دارد (Meuwissen & Goddard, 1996). مکان یابی QTL، اولین گام در جهت شناسایی نشانگرهای مرتبط با صفات کمی است و هدف از انجام این پژوهش، شناسایی QTL های موثر بر وزن لاشه گاو بود.
مواد و روشها
طرح آزمایشی و تعیین فنوتیپ
طرح آزمایشی مورد استفاده یک طرح ناتنی پدری بود. از بین آمیخته های نسل اول حاصل از تلاقی دو نژاد لیموزین و جرسی، تعداد 6 گاو نر با گاوهای ماده جرسی و لیموزین تلاقی داده شدند و شش خانواده ناتنی پدری شامل 784 نتاج (366 حیوان در استرالیا و 418 حیوان در نیوزیلند) تشکیل گردید. در نیوزیلند، دام ها فقط از مرتع تغذیه نمودند و در سن 28-22 ماهگی کشتار شدند. در استرالیا، دام ها تا یکسالگی از مرتع استفاده نمودند سپس به مدت 180 روز پروار و در سن 40-34 ماهگی کشتار شدند. تمام نتاج حاصل از تلاقی برگشتی شش گاو نر با ماده گاوهای لیموزین و جرسی کشتار شده و وزن لاشه بلافاصله پس از کشتار به عنوان وزن لاشه گرم ثبت شد. میانگین و انحراف معیار وزن لاشه در جدول 1 آمده است.
جدول 1- ترکیب نژادی، میانگین و انحراف معیار وزن لاشه نتاج و تعداد نتاج مربوط به شش خانواده مورد مطالعه.
|
Family |
N. of Progeny |
Mean
|
SD |
Grand sire breed |
Grand dam breed |
|
1 |
125 (121)1 |
343.9 |
63.2 |
Jersey |
Limousin |
|
2 |
128 (127) |
335.6 |
59.0 |
Limousin |
Jersey |
|
3 |
140 (140) |
223.6 |
44.4 |
Jersey |
Limousin |
|
4 |
113 (108) |
323.4 |
61.8 |
Limousin |
Jersey |
|
5 |
156 (152) |
239.2 |
47.0 |
Jersey |
Limousin |
|
6 |
122 (121) |
217.9 |
35.5 |
Jersey |
Limousin |
|
Total |
784 (769) |
277.2 |
75.1 |
- |
- |
1 اعداد داخل پرانتز بیانگر تعداد نتاج دارای رکورد هستند.
Table 1- Breed composition, mean and standard deviation of carcass weight and the number of progeny per family.
استخراج DNA و تعیین ژنوتیپ
نمونه خون دام ها در طول اولین سال زندگی جمع آوری شد و استخراج DNA از لوکوسیت های خون دام ها (Montgomery & Sise, 1990) صورت گرفت. تعداد اندکی از نتاج، حاصل انتقال جنین بودند. برای این دسته از دامها استخراج DNA از لاله گوش و با استفاده از کیت کیاژن[4] که یک کیت استخراج DNA از بافت است، بر اساس روش کار سازنده کیت انجام شد. از آنجا که احتمال تبادل خون جنین های مختلف در رحم گاو از طریق جفت وجود دارد، برای جلوگیری از اختلاط DNA این دسته از دام ها، از این روش استخراج DNA استفاده شد.
موقعیت نشانگرها بر اساس نقشه ژنتیکی بین المللی ارائه شده برای گونه گاو (Ihara et al., 2004) بود. این نقشه پیوستگی در واقع متوسط نقشه جنس نر و ماده بوده و طول آن برابر 3160 سانتی مورگان شامل 29 گروه پیوستگی اتوزومی، یک کروموزوم جنسی X و یک کروموزوم جنسی Y است. تعداد نشانگرهای ریزماهواره در این نقشه شامل 3960 نشانگر متعلق به 2389 جایگاه (تعدادی از نشانگرها موقعیت مشابه داشته اند) است. بنابراین، متوسط فاصله هر نشانگر 4/1 سانتی مورگان می باشد. این نقشه ژنتیکی، به روش تحلیل پیوستگی چند نقطه ای و با استفاده از نرم افزار کرای مپ[5]
(Green et al., 1990) تشکیل شده است. مطالعات شبیه سازی (Visscher et al., 1996) نشان داده که به طور متوسط فاصله بهینه بین نشانگرها برای مطالعات اولیه شناسایی QTL در جوامع ناخالصی همچون گاو، 15 سانتی مورگان است. بر این اساس، با توجه به طول ژنوم گاو و با در نظر گرفتن این موضوع که معمولا" تعدادی از والدین نر فاقد اطلاعات مفید برای برخی از نشانگرها هستند، انتخاب نشانگرها صورت گرفت. سرانجام، بر اساس اطلاعات مربوط به نقشه ژنتیکی گاو
(Ihara et al., 2004) که در سامانه اینترنتی مرکز پژوهش های حیوانات گوشتی ایالات متحده آمریکا قرار دارد
(http://www.marc.usda.gov/)، تعداد 284 نشانگر با توجه به محتوای چندشکلی، فاصله بین نشانگرها، تعداد آلل ها و آسانی استفاده از آنها انتخاب شدند. شش والد نر برای تمام 284 نشانگر مورد نظر تعیین ژنوتیپ شدند. والدین نر در 178 تا 206 جایگاه و به طور متوسط برای 189 نشانگر هتروزیگوت بودند، بنابراین تمامی نتاج بطور متوسط برای 189 نشانگر، تعیین ژنوتیپ شدند (جدول 2).
جدول 2- تعداد نشانگرهای دارای اطلاعات مفید به ازاء هر خانواده به تفکیک گروه پیوستگی.
|
|
Family |
|
|
|
|||||
|
Chromosome |
1 |
2 |
3 |
4 |
5 |
6 |
Min |
Max |
Mean |
|
1 |
7 |
7 |
8 |
8 |
7 |
8 |
7 |
8 |
8.5 |
|
2 |
8 |
7 |
12 |
8 |
14 |
10 |
7 |
14 |
9.8 |
|
3 |
9 |
7 |
10 |
8 |
8 |
7 |
7 |
10 |
8.2 |
|
4 |
10 |
9 |
9 |
8 |
8 |
10 |
8 |
9 |
9.0 |
|
5 |
8 |
6 |
5 |
6 |
8 |
7 |
5 |
8 |
6.7 |
|
6 |
8 |
5 |
4 |
5 |
5 |
6 |
4 |
8 |
5.5 |
|
7 |
9 |
6 |
8 |
9 |
7 |
8 |
6 |
9 |
7.8 |
|
8 |
9 |
6 |
7 |
7 |
8 |
7 |
6 |
9 |
7.3 |
|
9 |
9 |
8 |
9 |
8 |
9 |
8 |
8 |
9 |
8.5 |
|
10 |
7 |
6 |
6 |
7 |
7 |
7 |
6 |
7 |
6.7 |
|
11 |
9 |
7 |
13 |
12 |
6 |
9 |
6 |
13 |
9.3 |
|
12 |
4 |
7 |
6 |
6 |
5 |
6 |
4 |
7 |
5.7 |
|
13 |
8 |
9 |
7 |
6 |
6 |
9 |
6 |
9 |
7.5 |
|
14 |
6 |
5 |
6 |
7 |
8 |
8 |
5 |
8 |
6.7 |
|
15 |
8 |
7 |
9 |
8 |
8 |
8 |
7 |
9 |
8.0 |
|
16 |
8 |
8 |
9 |
6 |
5 |
11 |
5 |
11 |
7.8 |
|
17 |
9 |
8 |
8 |
7 |
4 |
8 |
4 |
9 |
7.3 |
|
18 |
7 |
6 |
7 |
7 |
8 |
8 |
6 |
8 |
7.2 |
|
19 |
5 |
3 |
6 |
8 |
5 |
6 |
3 |
8 |
5.5 |
|
20 |
5 |
8 |
6 |
7 |
4 |
7 |
4 |
8 |
6.2 |
|
21 |
5 |
8 |
6 |
7 |
3 |
6 |
3 |
8 |
5.8 |
|
22 |
6 |
6 |
4 |
4 |
6 |
8 |
4 |
8 |
5.7 |
|
23 |
4 |
3 |
7 |
3 |
4 |
6 |
3 |
7 |
4.5 |
|
24 |
3 |
4 |
2 |
3 |
4 |
4 |
2 |
4 |
3.3 |
|
25 |
2 |
3 |
4 |
4 |
5 |
3 |
2 |
5 |
3.5 |
|
26 |
4 |
4 |
5 |
2 |
4 |
6 |
2 |
6 |
4.2 |
|
27 |
3 |
4 |
5 |
5 |
3 |
3 |
3 |
5 |
3.8 |
|
28 |
4 |
4 |
4 |
5 |
4 |
5 |
4 |
5 |
4.3 |
|
29 |
3 |
7 |
6 |
6 |
5 |
7 |
3 |
7 |
5.7 |
|
Total |
187 |
178 |
198 |
187 |
178 |
206 |
178 |
206 |
189 |
Table 2- Number of informative markers per family in each linkage group.
آنالیز آماری داده ها
وزن لاشه های بدست آمده در کشور نیوزیلند با استفاده از یک مدل آماری شامل اثرات ثابت گروه کشتار، جنس، سال، گله، نژاد مادر، تیپ تولد و اثر ژن میوستاتین تصحیح شدند. وزن لاشه های به دست آمده در استرالیا نیز با استفاده از یک مدل آماری شامل اثرات ثابت گروه کشتار (شش ترکیب جنس و سال)، نژاد مادر و اثر ژن میوستاتین تصحیح گردیدند. نتایج یک مطالعه قبلی بیانگر اثرات معنی دار یک جهش در ژن میوستاتین گاو بر صفات مختلف لاشه بود، لذا ژنوتیپ حیوانات برای این ژن نیز به صورت اثر ثابت در مدل های بالا وارد شد. برای برازش مدل های آماری فوق از نرم افزار ای اس ریمل[6]
(Gilmour et al., 2006) استفاده شد. باقیمانده مدل های آماری فوق با تقسیم بر انحراف معیار فنوتیپی داخل هر کشور، استاندارد شدند. پس از استنباط هاپلوتیپ های به ارث رسیده از هر نژاد از طریق والد نر، نقشه یابی درون فاصله ای مبتنی بر رگرسیون برای آنالیز QTL (Esmailizadeh et al., 2008; Knott et al., 1996) روی صفت استاندارد شده، انجام شد. آنالیز درون فامیلی و آنالیز پولد شده QTL در بین خانواده های مختلف (Esmailizadeh et al., 2008) با استفاده از نرم افزار گراید کیو تی ال[7] (Seaton et al., 2006) انجام شد. آستانه های معنی دار با استفاده از روش آزمون تبدیل[8] (Churchill & Doerge, 1994) تعیین شدند. این آزمون تبدیل، امکان تعیین آستانه های تجربی را در سطح کروموزوم یا کل ژنوم فراهم می نماید. افزون بر این، از آنجا که آزمون تبدیل یک آزمون تجربی است، وابسته به فرض استقلال آزمونها یا مفروضات مربوط به توزیع آزمون نمی باشد. برای انجام آزمون تبدیل، داده های ژنوتیپی نشانگرها به طور تصادفی به داده های فنوتیپی اختصاص داده شدند و آنالیز QTL با استفاده از مدل نقشه یابی درون فاصله ای روی داده های جدید انجام شده و حداکثرآماره F بدست آمده، ثبت شد. این عمل به تعداد ده هزار مرتبه تکرار گردید و در نهایت توزیعی از آماره های F حداکثر بدست آمد و آماره F مربوط به سطح احتمال 5% یا 1% از این توزیع F به عنوان مرز آستانه معنی دار در نظر گرفته شد. نتیجه یک آنالیز تبدیل برای تمام خانواده ها روی کروموزوم 14 در شکل 1 نشان داده شده است.
|
a=5% |
|
a=1% |
Figure 1- Result of a permutation analysis across all the families on chromosome 14 for determining the significant threshold values.
برای برآورد فاصله‌ی اطمینان موقعیت QTL، از روش بوت استراپ[9] (Visscher et al., 1996) استفاده شد. نمونه‌گیری به تعداد 10000 مرتبه تکرار شد و پس از آنالیز هر نمونه بوت استراپ، بهترین برآورد موقعیت QTL ثبت گردید تا توزیع برآوردهای موقعیت QTL در طول کروموزوم، بدست آید.
نتایج و بحث
تعداد 5 کروموزوم حامل QTL مرتبط با وزن لاشه بودند. QTLهای شناسایی شده روی کروموزوم های 3، 5 و 14 پس از تصحیح برای آزمون های چندگانه با استفاده از آزمون تبدیل در سطح کل ژنوم معنی دار بودند. در همه موارد، به غیر از کروموزوم 5 (BTA5) علامت اثر QTL در جهت مورد انتظار بود، یعنی آلل لیموزین منجر به افزایش وزن لاشه می شد (جدول 3). یک QTL در موقعیت 68 سانتی مورگان روی کروموزوم 3 (BTA3) (فاصله اطمینان cM 28) با اثر بسیار معنی دار بر وزن لاشه، شناسایی شد. در این نقطه از ژنوم، مدارکی مبنی بر وجود QTL موثر بر گوشت قابل فروش لاشه
(Casas et al., 2003; Casas et al., 2001) و میزان چربی لاشه (Casas et al., 2001) گزارش شده است.
جدول 3- محتمل ترین موقعیت و اندازه اثر QTLهای شناسایی شده برای وزن لاشه گاو.
|
Chromosome |
Location 1 |
Marker 2 |
Family |
QTL effect 2 |
F statistic |
|
3 |
68 |
HUJ246 |
3 |
6.3 |
15.1 ** |
|
5 |
52 |
BL37 |
2 |
-8.0 |
** 17.0 |
|
10 |
97 |
TGLA272 |
3 |
5.8 |
** 12.4 |
|
14 |
40 |
BM302 |
1 |
6.6 |
** 14.2 |
|
14 |
40 |
BM302 |
2 |
6.6 |
6.2 * |
|
14 |
40 |
BM302 |
3 |
4.1 |
6.1 * |
|
14 |
40 |
BM302 |
4 |
4.5 |
6.0 * |
|
14 |
40 |
BM302 |
5 |
3.3 |
5.9 * |
|
14 |
40 |
BM302 |
6 |
4.4 |
6.4 * |
|
17 |
92 |
BM1233 |
2 |
5.7 |
7.3 * |
|
17 |
92 |
BM1233 |
4 |
5.2 |
6.3 * |
1موقعیت QTL (سانتی مورگان) بر اساس نقشه ژنتیکی ریزماهواره ها (Ihara et al., 2004)، 2نزدیک ترین نشانگر به موقعیت QTL،3 اثر QTL به صورت درصدی از میانگین صفت، * و ** به ترتیب اثر معنی دار QTL در سطح 5% و 1% پس از تصحیح برای آزمون های چندگانه در طول کروموزوم.
Table 3- Most probable location and the size of effect of the identified QTL for bovine carcass weight.
گزارش هایی در مورد QTL موثر بر صفات لاشه روی BTA5 وجود دارد
(Casas et al., 2000; Mizoshita et al., 2004; Stone et al., 1999). گزارش شده که نشانگر BL37 با درصد استخوان و بازده لاشه مرتبط است (Stone et al., 1999). این نشانگر در موقعیت 52 سانتی مورگانی نسبت به سانترومر BTA5واقع شده و در مطالعه حاضر مشخص شد که این نشانگر با وزن لاشه گرم، مرتبط است. QTL موثر بر سطح مقطع عضله راسته، ماربلینگ و تولید چربی روی کروموزم 5 و در موقعیت ژنومی شناسایی شده در این پژوهش، نیز گزارش شده است
(Casas et al., 2003). بنابراین، با وجود استفاده از ترکیب نژادی متفاوت (یک نژاد گوشتی و یک نژاد شیری) در پژوهش حاضر نسبت به پژوهش های بالا، این آزمایش قادر به تائید تفرق این QTL برای وزن لاشه روی BTA5 بود. اگر چه این QTL در اکثر این پژوهش های در یک ناحیه ژنومی واقع شده است، اما به دلیل فاصله اطمینان نسبتا" زیاد موقعیت QTL (cM40-25)، ممکن است ژن های مختلفی در بروز صفات مختلف لاشه موثر باشند که در این ناحیه ژنومی قرار دارند. بنابراین، مطالعات بیشتری برای نقشه یابی دقیق تر این QTL و سرانجام شناسایی ژن یا ژن های مسبب اثرات QTL برای صفات مختلف لاشه، ضروری است.
اگر چه پیشنهاد ژن های کاندیدا بر اساس نتایج این پژوهش به دلیل فاصله اطمینان نسبتا" زیاد برآورد موقعیت QTL (cM 35) ، چندان صحیح نمی باشد، به هرحال این نکته قابل توجه است که ژن های MYF-5 و IGF-1 روی BTA5 و در نزدیکی موقعیت QTL شناسایی شده در این پژوهش قرار دارند و ممکن است عامل اثرات مشاهده شده QTL بر وزن لاشه باشند. برای مثال، ارتباط معنی داری بین یک جهش در ژن IGF-1 و صفات لاشه در گاوهای گوشتی گزارش شده است (Curi et al., 2005).
یک QTL با اثر بسیار معنی دار روی کروموزوم 14 شناسایی شد که در همه خانواده ها تفرق حاصل می نمود، اما میزان اثر آن در خانواده های مختلف متفاوت بود (جدول 3). موقعیت نقشه یابی شده برای این QTL بر اساس مقدار بیشینه آماره F، در آنالیز توام شش خانواده مورد مطالعه در فاصله 40 سانتی مورگان نسبت به ابتدای کروموزوم بود (شکل 2).
نکته قابل توجه در مورد QTL مکان یابی شده روی BTA14 این است که با وجود متفاوت بودن شرایط محیطی و پرورشی حیوانات در استرالیا و نیوزیلند، اثرات این QTL در هر دو محیط مشاهده شد. QTL موثر بر وزن لاشه در موقعیت cM44
(Kim et al., 2003) و موقعیت cM49-32 (Mizoshita et al., 2004) روی این کروموزوم شناسایی شده است. افزون بر این، در یک پژوهش دیگر (Takasuga et al., 2007) نقشه یابی دقیق تر این QTL نیز انجام شده و فاصله اطمینان QTL به Mb1/1 کاهش یافته است. QTL موثر بر صفات رشد نیز در گاوهای گوشتی در این ناحیه از BTA14 گزارش شده است (Miyata et al., 2007). تاکنون بیش از 40 مطالعه مستقل، حضور QTL موثر بر صفات اقتصادی مختلف در گاوهای شیری و گوشتی را روی کروموزوم 14 گزارش نموده اند و در یک مطالعه مروری (Wibowo et al., 2008) مشخص شده که در گاوهای شیری، بیشترین تراکم QTL های گزارش شده روی BTA14 در فاصله 10-0 سانتی مورگانی نسبت به سانترومر بوده و عمدتا" بر صفات مرتبط با تولید شیر موثر هستند. از طرفی در گاوهای گوشتی، اکثر QTL های شناسایی شده در فاصله 45-15 سانتی مورگان نسبت به سانترومر BTA14 بوده اند (Wibowo et al., 2008). از آنجا که با استفاده از جمعیت مورد مطالعه در این پژوهش، QTL موثر بر وزن تولد نیز در این نقطه از ژنوم شناسایی شد
(Esmailizadeh et al., 2006) و با توجه به اثرات مشابه این QTL بر وزن تولد و وزن لاشه، احتمالا" استفاده از این نشانگر در انتخاب برای بهبود وزن لاشه منجر به افزایش وزن تولد نیز خواهد شد. با این حال، پژوهش های بیشتری با هدف شناسایی جهش های عامل اثرات QTL در این نقطه از ژنوم ضروری است. تعداد زیادی ژن های کاندیدا در این ناحیه قرار دارند. یکی از آنها ژن myc است که یک ژن تحریک کننده سایر ژن های موثر بر رشد می باشد.
شکل 2- میزان اطلاعات مفید (IC) و مقادیر آماره F (پولد شده در بین شش خانواده) مربوط به برازش مدل رگرسیون وزن لاشه بر احتمال توارث هاپلوتیپ پدری در نقاط مختلف کروموزوم شماره 14 گاو. خطوط متقاطع افقی پایین و بالا به ترتیب آستانه های معنی دار کروموزومی در سطح 5% و 1% هستند.
Figure 2. Information content (IC) and F-profile (pooled across the six families) on bovine chromosome 14. The dotted lower and upper horizontal lines show the chromosome-wide significant 5% and 1% thresholds, respectively.
کروموزوم های 10و 17 نیز حامل QTL موثر بر وزن لاشه بودند. QTL شناسایی شده روی کروموزوم 17 در دو خانواده از شش خانواده مورد مطالعه، تفرق حاصل می نمود. حداکثر آماره F به دست آمده روی کروموزوم 17، در موقعیت 92 سانتی مورگان (فاصله اطمینان cM 32) نسبت به سانترومر بود (شکل 3). این اولین گزارش از QTL موثر بر وزن لاشه گاو روی کروموزوم 17 است. در مورد میزان اثرات QTL، این نکته قابل توجه است که اثرات مشاهده شده (بدون در نظر گرفتن منشاء نژادی آلل) بین3/3 تا 0/8 به واحد درصد میانگین یا 4/0تا 8/0به واحد انحراف معیار فنوتیپی بود. بنابراین، این آزمایش فقط توانایی تشخیص QTL متوسط تا زیاد اثر را داشته است.
`
شکل 3- میزان اطلاعات مفید (IC) و مقادیر آماره F (پولد شده در بین شش خانواده) مربوط به برازش مدل رگرسیون وزن لاشه بر احتمال توارث هاپلوتیپ پدری در نقاط مختلف کروموزوم شماره 17 گاو. خطوط متقاطع افقی پایین و بالا به ترتیب آستانه های معنی دار کروموزومی در سطح 5% و 1% هستند.
Figure 3. Information content (IC) and F-profile (pooled across the six families) on bovine chromosome 17. The dotted lower and upper horizontal lines show the chromosome-wide significant 5% and 1% thresholds, respectively.
ماهیت جوامع غیر خالص از جمله انسان و دام این است که اولا" ممکن است یک QTL در تمام خانواده ها تفرق حاصل ننماید. ثانیا" ممکن است که میزان اثر QTL در خانواده های مختلف به دلیل متفاوت بودن نوع آلل تفرق یافته در خانواده ها، متفاوت باشد. لازم به یادآوری است که یکی از ویژگی های چنین جوامعی این است که در یک جایگاه ژنی ممکن است چندین آلل تفرق حاصل نمایند. از سوی دیگر ممکن است فاز پیوستگی QTL و نشانگر در خانواده های مختلف متفاوت باشد. بنابراین، استفاده از QTL های شناسایی شده در این پژوهش در برنامه های MAS برای وزن لاشه گاو احتمالا" بسیار مشکل خواهد بود. بنابراین، بهبود ژنتیکی وزن لاشه گاو با استفاده از انتخاب به کمک نشانگرهای متصل به این QTL ها نیازمند نقشه یابی دقیق تر QTL و همچنین بررسی اثرات آنها در داخل هر نژاد است. در این راستا یک راهبرد کارآمد، استفاده از تعداد بیشتری نتاج و افزایش تراکم نشانگرها در نواحی کاندیدای مشخص شده در این پژوهش، با هدف کاهش فاصله اطمینان موقعیت QTL خواهد بود.
سپاسگزاری
هزینه انجام این پژوهش را سازمان تحقیقات، علوم و فناوری نیوزیلند، دانشگاه آدلاید (استرالیا) و وزارت علوم، تحقیقات و فناوری ایران (دانشگاه شهید باهنر کرمان) تامین کرده اند. بخش هایی از این مقاله در ششمین همایش بیوتکنولوژی ایران به صورت سخنرانی ارائه شده است.
منابع
1. Casas E, Shackelford SD, Keele JW, Koohmaraie M, Smith TPL, Stone RT (2003) Detection of quantitative trait loci for growth and carcass composition in cattle. Journal of Animal Science 81: 2976-2983.
2. Casas E, Shackelford SD, Keele JW, Stone RT, Kappes SM, Koohmaraie M (2000) Quantitative trait loci affecting growth and carcass composition of cattle segregating alternate forms of myostatin. Journal of Animal Science 78: 560-569.
3. Casas E, Stone RT, Keele JW, Shackelford SD, Kappes SM, Koohmaraie M (2001) A comprehensive search for quantitative trait loci affecting growth and carcass composition of cattle segregating alternative forms of the myostatin gene. Journal of Animal Science 79: 854-860.
4. Churchill GA, Doerge RW (1994) Empirical threshold values for quantitative trait mapping. Genetics 138: 963-971.
5. Curi RA, de Oliveira HN, Silveira AC, Lopes CR (2005) Association between IGF-I, IGF-IR and GHRH gene polymorphisms and growth and carcass traits in beef cattle. Livestock Production Science 94: 159-167.
6. Esmailizadeh KA, Mohammad Abadi MR, Asadi Foozi M (2008) Mapping quantitative trait loci in livestock using simple linear regression. Iranian Journal of Animal Sciences 39: 83-93.
7. Esmailizadeh KA, Pitchford WS, Bottema CDK, Verbyla AP, Gilmour AR (2006) Mapping multiple QTL for birth weight in cattle growth using a mixed model approach. In '8th World Congress on Genetics Applied to Livestock Production'. Brazil. CDROM Article 20-17.
8. Gilmour AR, Gogel BJ, Cullis BR, Thompson R (2006) ASReml User Guide Release 2.0 VSN International Ltd, Hemel Hempstead, HP1 1ES, UK.
9. Green P, Falls K, Crooks S (1990) Documentation of CRI-MAP, Version 2.4. Washington University School of Medicine, St.Louis, MO.
10. Ihara N, Takasuga A, Mizoshita K, Takeda H, Sugimoto M, Mizoguchi Y, Hirano T, Itoh T, Watanabe T, Reed KM, et al. (2004) A comprehensive genetic map of the cattle genome based on 3802 microsatellites. Genome Research 14: 1987-1998.
11. Kim J-J, Farnir F, Savell J, Taylor JF (2003) Detection of quantitative trait loci for growth and beef carcass fatness traits in a cross between Bos taurus (Angus) and Bos indicus (Brahman) cattle. Journal of Animal Science 81: 1933-1942.
12. Knott SA, Elsen JM, Haley CS (1996) Methods for multiple-marker mapping of quantitative trait loci in half-sib populations. Theoretical and Applied Genetics 93: 71 - 80.
13. Koch RM, Cundiff LV, Gregory KE (1982) Heritabilities and genetic, environmental and phenotypic correlations of carcass traits in a population of diverse biological types and their implications in selection programs. Journal of Animal Science 55: 1319-1329.
14. MacNeil MD (2003) Genetic evaluation of an index of birth weight and yearling weight to improve efficiency of beef production. Journal of Animal Science 81: 2425-2433.
15. Meuwissen THE, Goddard ME (1996) The use of marker haplotypes in animal breeding schemes. Genetics Selection Evolution 28: 161–176.
16. Miyata M, Gasparin G, Coutinho LL, Martinez ML, Machado MA, Silva MVGB, Campos AL, Sonstegard TS, Rosário MF, Regitano LCA (2007) Quantitative trait loci (QTL) mapping for growth traits on bovine chromosome 14. Genetics and Molecular Biology 30 364-369.
17. Mizoshita K, Watanabe T, Hayashi H, Kubota C, Yamakuchi H, Todoroki J, Sugimoto Y (2004) Quantitative trait loci analysis for growth and carcass traits in a half-sib family of purebred Japanese Black (Wagyu) cattle. Journal of Animal Science 82: 3415-3420.
18. Montgomery GW, Sise JA (1990) Extraction of DNA from sheep white blood cells. New Zealand Journal of Agricultural Research. 33: 437-441.
19. Seaton G, Hernandez J, Grunchec JA, White I, Allen J, De Koning DJ, Wei W, Berry D, Haley C, Knott S (2006) GridQTL: A Grid Portal for QTL Mapping of Compute Intensive Datasets. In 'Proceedings of the 8th World Congress on Genetics Applied to Livestock Production, August 13-18, 2006. Belo Horizonte, Brazil. '.
20. Spelman R, Bovenhuis H (1998) Genetic Response from Marker Assisted Selection in an Outbred Population for Differing Marker Bracket Sizes and with Two Identified Quantitative Trait Loci. Genetics 148: 1389-1396.
21. Stone RT, Keele JW, Shackelford SD, Kappes SM, Koohmaraie M (1999) A primary screen of the bovine genome for quantitative trait loci affecting carcass and growth traits. Journal of Animal Science 77: 1379-1384.
22. Takasuga A, Watanabe T, Mizoguchi Y, Hirano T, Ihara N, Takano A, Yokouchi K, Fujikawa A, Chiba K, Kobayashi N (2007) Identification of bovine QTL for growth and carcass traits in Japanese Black cattle by replication and identical-by. descent mapping. Mammalian Genome 18: 125-136.
23. Van Vleck LD, Cundiff LV, Wheeler TL, Shackelford SD, Koohmaraie M (2007) Across-breed adjustment factors for expected progeny differences for carcass traits. Journal of Animal Science 85: 1369-1376.
24. Visscher PM, Thompson R, Haley CS (1996) Confidence intervals in QTL mapping by bootstrapping. Genetics 143: 1013-1020.
25. Wibowo TA, Gaskins CT, Newberry RC, Thorgaard GH, Michal JJ, Jiang Z (2008) Genome assembly anchored QTL map of bovine chromosome 14. International Journal of Biological Sciences 4: 406-414.
A molecular genome scan to map quantitative trait loci affecting bovine carcass weight
Esmailizadeh K. Ali * , Mohammadabadi M.R.1
Department of Animal Science, Faculty of Agriculture,ShahidBahonarUniversity ofKerman,Kerman,Iran
Abstract
Genome scan to map quantitative trait loci (QTL) is one of the efficient strategies for molecular dissection of complex traits. QTL mapping is the first step toward the detection of genes responsible for quantitative traits variation. The objective of the present research was to identify QTL influencing carcass weight in cattle. Six Limousin× Jersey crossbred sires were mated to both Jersey and Limousindams producing 782 backcross progeny. Six sires and all the progeny were genotyped for 189 microsattelite markers. Carcass weight (CWT) was pre-adjusted to account for known fixed effects including, slaughter group, sex, year, herd, dam breed, birth type and age of dam. Residuals were stored after standardization by dividing by the phenotypic standard deviation (σP). Linkage with standardized CWT was tested, using interval-mapping regression procedure. Three genome-wide significant QTL located on BTA3, 5 and 14 and two chromosome-wide significant QTL resided on BTA10 and 17 were identified for CWT. QTL located on BTA14 was segregating in all the six families. The QTL effects raged from 0.4 to 0.8 in units of phenotypic standard deviation, thus the experiment had only a power to detect medium to large QTL.
Key words: Carcass weight, Cattle, Genome, QTL.
[1] * نویسنده مسئول: علی اسمعیلی زاده کشکوئیه تلفن: 09133958041 Email: aliesmaili@mail.uk.ac.ir
[2] Microsatellite
[3] Single nucleotide polymorphisms
[4] Qiagen DNeasy Tissue Kit
[5] CRIMAP
[6] ASReml
[7] GridQTL
[8] Permutation test
[9] Bootstrap
* Correspondind author: A.Esmailizadeh K Tel: 09133958041 E-mail: aliesmaili@mail.uk.ac.ir
)