Analysis of association among four candidate genes polymorphisms with milk yield and reproductive performance traits in Sarabi cow using PCR-RFLP marker

Document Type : Research Paper

Authors

Abstract

Selection for improving of production and reproductive performance traits in livestock is a time-consuming process and can only be applied to adult animals. Sarabi cow is one of the local Iranian dairy breeds with dominate geographical distribution on NorthWest of Iran. Characterization of candidate genes associated with milk yield and reproductive performance traits is important and can help to improve the efficiency of breeding programs in this breed. Therefore, the objective of the present study was to evaluate the association among four candidate genes (Leptin, Growth Hormone (GH), Growth Hormone Receptor (GHR) and pit-1) with milk yield and some reproductive performance traits in Sarabi cattle breed using PCR-RFLP marker. The obtained results revealed that the highest allele frequencies were observed for A (0.72), V (0.51), + (0.65) and B (0.55) for Leptin, GH, GHR and pit-1 genes respectively. The respective LL, -/- and AB-BB genotypes of GH, GHR and pit-1 genes showed higher milk yield production compare to other genotypes of these genes (P< 0.01). Also, LL and AB genotypes of GH and pit-1 genes were related to shorter open days (P< 0.01). No evidence showing the association between other genotypes of these genes and the other investigated traits were observed in the present study. Overall, candidate genes showed deficiency of observed heterozygosity value compare to the expected heterozygosity value. In addition, the results of chi-square analysis showed that all candidate genes were in Hardy-Weinberg disequilibrium. As a conclusion, the finding of the present study revealed the association of investigated candidate genes with milk yield and open days in Sarabi cattle breed and the application of these polymorphisms for marker assisted selection (MAS) should be further evaluated.

Keywords

Full Text

بررسی ارتباط بین چند شکلیهای موجود در چهار ژن کاندیدا با صفات تولید شیر و عملکرد تولید مثلی گاوهای سرابی با استفاده از نشانگر PCR-RFLP

 

آرش جوانمرد1، محمد حسین مرادی*2، مریم صفدری شاهرودی3

1  استادیار ژنتیک و اصلاح نژاد، گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز، ایران

 2 استادیار ژنتیک و اصلاح نژاد، دانشگاه اراک، اراک، ایران

3دانشجوی دکتری پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

تاریخ دریافت: 16/07/1391، تاریخ پذیرش: 20/01/1392

چکیده

انتخاب برای بهبود صفات تولید و تولید مثل در دام­ها، امری زمان­بر بوده و فقط در سنین بلوغ دام­ها امکان­پذیر است. گاو سرابی یکی از نژادهای بومی شیری در ایران است که به طور عمده در شمالغرب کشور پرورش می­یابد.­ شناسایی ژن­های کاندیدای مؤثر بر صفات تولید شیر و عملکرد تولید مثلی در این نژاد دارای اهمیت بوده و می­تواند بازده برنامه­های اصلاح نژادی را بهبود دهد. هدف از مطالعه حاضر بررسی ارتباط بین چندشکلی موجود در چهار ژن کاندیدا (لپتین، هورمون رشد (GH)، گیرنده­ی هورمون رشد (GHR) و ژن pit-1) با صفات تولید شیر و برخی صفات تولید مثلی گاو سرابی با استفاده از نشانگر pcr-rflp بود. نتایج نشان داد که بیشترین فراوانی­های آللی برای هر یک از ژن­های لپتین، GH، GHR و pit-1 به ترتیب برای آلل­های A (72/0)،  V(51/0)، + (65/0) و B (55/0) بود. ژنوتیپ­هایll ، -/-،
ab-bb مربوط به ژن­های GH، GHR و pit-1 نسبت به سایر ژنوتیپ­ها به طور معنی­داری تولید شیر بیشتری داشتند (p< 0.01). همچنین ژنوتیپ­های ll و AB شناسایی شده در ژن­های GH و pit-1 نسبت به سایر ژنوتیپ­ها روزهای باز کمتری را نشان دادند (p< 0.01). در مطالعه حاضر هیچ رابطه معنی­داری بین ژنوتیپ این ژن­ها و سایر صفات بررسی شده مشاهده نشد. در ژنهای کاندید مذکور مقادیر هتروزیگوسیتی مشاهده­ شده نسبت به مقادیر مورد انتظار کمتر بودند و نتایج تجزیه و تحلیل کای­مربع نشان دهنده­ی عدم وجود تعادل هاردی- واینبرگ در این جایگاه­ها بود. به طور کلی نتایج این تحقیق نشان­دهنده وجود ارتباط بین جهش­های موجود شناسائی شده در برخی از این ژن­ها با صفات تولید شیر و روزهای باز در گاوهای سرابی است و امکان استفاده از این اطلاعات در برنامه­ی انتخاب به کمک نشانگرها باید مورد بررسی بیشتر قرار گیرد.

کلمات کلیدی: ژن­های کاندیدا، صفات تولید و تولید مثل، گاو سرابی، نشانگر PCR-RFLP.



مقدمه

همراه با پیشرفت­های ژنتیکی حاصل در زمینه بهبود صفات تولید شیر، عملکرد تولید مثلی گاوهای پر تولید کاهش یافته است (Van Raden, 2004). مطالعات مختلف در زمینه بررسی رابطه بین صفات مذکور نشان داده­ است که صفات تولید شیر دارای همبستگی منفی با صفات تولید مثل می­باشند(Caraviello et al., 2006). به عنوان مثال، زمانی­که تولید شیر شروع به افزایش می­کند، بازدهی نرخ آبستنی کاهش می­یابد. بنابراین در برنامه­های مدرن اصلاحی برای گاوهای شیرده، راهکارهایی که قادر به بهبود نرخ آبستنی بوده و بطور همزمان باعث حفظ سطح بالای تولید شیر شود، حائز اهمیت استPryce et al., 2010) ).

انتخاب ژنتیکی دام­ها به منظور بهبود عملکرد تولید و تولید مثل یک فرآیند زمان­بر بوده و فقط برای دام­های در سن تولید امکان­پذیر است. بنابراین یک راهکار مناسب برای بهبود این صفات، جستجوی نشانگرهای مولکولی در داخل و یا اطراف ژن­هایی است که به طور مستقیم و یا غیر مستقیم در تولید شیر و یا عملکرد تولید مثل دخالت دارند تا بتوان از اطلاعات ژنومی در کنار رکوردهای فنوتیپی برای برآورد دقیق ارزش­های اصلاحی استفاده نمودal., 2003)  Pimentel et al., 2011; Almeida et). با توجه به پایین بودن وراثت­پذیری صفات تولید مثلی استفاده از اطلاعات مستقیم فنوتیپی، به دلیل سهم بالای اثرات محیطی نمی­تواند پیشرفت ژنتیکی زیادی را در پی داشته باشد، لذا استفاده همزمان از فنوتیپ و اطلاعات ‍مربوط به ژن­های کاندیدا و نشانگرهای DNA می­تواند به طور معنی­داری صفات تولید مثلی را از نظر ژنتیکی بهبود دهد(Veerkamp and Beerda, 2007) .

تاکنون بررسی چندشکلی در ژن­های کاندیدا به طور موفقیت­آمیزی برای شناسایی چندین نشانگر DNA مرتبط با صفات تولیدی در دام­های مختلف گزارش شده است (et al., 2011; Rothschild and Soller, 1997 Pimentel Mullen et al., 2012;). در تحقیق حاضر، با مطالعه­ی سازوکارهای فیزیولوژیکی کلیدی و مسیرهای متابولیکی که به طور مستقیم بر تولید شیر و عملکرد تولید مثل دام­ها تاثیر دارند، چهار ژن لپتین، هورمون رشد (GH)، گیرنده­ی هورمون رشد (GHR) و ژن Pit-1 به عنوان ژن­های کاندید موثر بر این صفات بررسی می­شوند (Mitko et al., 2008).

لپتین یک پروتئین با وزن ملکولی 16 کیلو دالتون است که توسط بافت چربی سنتز می­شود
(Itossner, 1998) و در تنظیم مصرف خوراک(Lagonigro et al., 2003) ، تعادل انرژی، باروری و عملکرد ایمنی (Lieferes et al., 2002) نقش دارد. ژن لپتین بر روی کروموزوم شماره چهار گاو قرار دارد و دارای سه اگزون و دو اینترون است (Clempson et al., 2011).

هورمون رشد (GH) متعلق به خانواده­ای از هورمون­های سوماتولاکتوژنیک است که از غده­ی هیپوفیزپیشین ترشح می­شود. مطالعات انجام شده نشان می­دهد که GH بر فرآیند تولید گامت و سنتز استروئید موثر است. این هورمون بر بلوغ فولیکول و گامت تاثیر دارد و از این طریق دارای نقش کمک کننده در باروری می­باشد (Kerry and Harvey, 2000). همچنین GH تحریک کننده­ی رشد بوده و از تحلیل فولیکول­های کوچک جلوگیری می­کند (Harvey et al., 1995). گیرنده­ی هورمون رشد (GHR) یک پروتئین ناقل غشایی می­باشد که دارای ویژگی­های کشش بالا و اختصاصی بودن برای متصل شدن با GH است. GHR در بسیاری از بافت های بدن نظیر کبد، ماهیچه، چربی و کلیه یافت می­شود. این ژن از 10 اگزون تشکیل شده است (Harvey et al., 1995).

ژن Pit-1 که با نام [1]POU1FI نیز شناخته می­شود، به عنوان فاکتور نسخه­برداری خاص هیپوفیز محسوب می­شود که بیان ژن­های هورمون رشد (GH) و  پرولاکتین (PRL) را در هیپوفیز پیشین تنظیم می­کند (Tuggle et al., 1993). این ژن در گاو با صفات اقتصادی و عملکرد تولیدی در ارتباط بوده و بر روی کروموزوم شماره یک قرار گرفته است و دارای 6 اگزون می باشد (Woollard et al., 2000). به علت اینکه PRL و GH برای توسعه­ی غده­های پستانی و تولید شیر ضروری است، ژن Pit-1 می­تواند به عنوان یک ژن کاندیدای موثر بر صفات تولیدی در نظر گرفته شود (Renaville et al., 1997a).

گاو سرابی یکی از نژادهای بومی کشور است که به طور عمده در شمال غربی ایران پرورش داده می­شوند و با متوسط تولید شیر روزانه­ی 5/7 کیلوگرم (5/4 درصد چربی) در مقایسه با دیگر نژادهای بومی تولید بیشتری دارد  .(Tavakolian, 2000) در سال­های گذشته تحقیقات مختلفی در زمینه بررسی چندشکلی در ژن­های مختلف گاوهای سرابی انجام شده است (همچونAslaminejad et al., 2010; Aslaminejad et al., 2011)، اما در این تحقیقات ارتباط چندشکلی­های مشاهده شده با صفات فنوتیپی به طور محدودی بررسی شده است. با توجه به این­که اطلاعات شجره­ای و رکوردهای تولید و تولید مثل این نژاد در ایستگاه­های اصلاح ن‍ژاد کشور موجود می­باشد، به نظر می­رسد که تعیین ژنوتیپ ژن­های کاندید مؤثر بر عملکرد صفات تولیدی و تولید مثلی برای دام­های دارای رکورد، می­تواند امکان طراحی برنامه اصلاح ن‍‍ژاد مناسبتری را فراهم سازد. هدف از تحقیق حاضر بررسی ارتباط بین این چهار ژن کاندیدا با صفات تولید شیر (تصحیح شده برای 250 روز شیردهی)، طول دوره­ی شیردهی، فاصله­ی زایش و روزهای باز در گاوهای سرابی با استفاده از نشانگر PCR-RFLP است.

 

مواد و روش­ها

حیوانات: در این تحقیق از 94 گاو ماده تحت پوشش مرکز اصلاح نژاد واقع در شهرستانهای شبستر و سراب که به طور معمول با گاوهای نر به شیوه­ی طبیعی (پس از تشخیص فحلی) آمیزش داده می­شدند، خونگیری شد. نمونه­ها­ی خون از سیاهرگ وداجی دام­ها تهیه و پس از اضافه کردن EDTA، به فریزر با دمای 20- درجه­ی سانتیگراد انتقال داده شدند.

بررسی مولکولی: استخراج DNA با استفاده از کیت تجاری استخراج از خون شرکت پرومگا[2] انجام شد و کمیت DNA های استخراج شده با استفاده از دستگاه نانودراپ تعیین شد. ‌‌‌‌در روش‌PCR-RFLP ‌، ابتدا قطعه‌ حاوی‌ جایگاه‌ چند شکلی‌ با واکنش‌ زنجیره­ایِ پلی‌مراز (PCR) و استفاده‌ از دو آغازگر مخصوص‌ تکثیر و پس‌ از هضم‌آنزیمی، الکتروفوز گردید. توالی آغازگر­های مورد استفاده برای تکثیر ژن­های کاندیدا در جدول شماره­ی یک ارائه شده است. واکنش زنجیره­ای پلیمراز با استفاده از دستگاه ترموسایکلر مدلT-Personal Thermo-cycler  (ساخت آلمان) و در حجم 25 میکرولیتر با استفاده از کیت­های شرکت Biometra (ساخت آلمان) انجام شد. اجزای واکنش PCR شامل 50 تا 100 نانوگرم DNAی استخراج شده، 5/2 میکرولیتر بافر 10X (200 mM (NH4)2SO4, 0.1 mM Tween 20%, 750 mM Tris-HCl, pH 8.8)، 5/2 میلی مول MgCl2، 200 میکرومول dNTPs، 3 میکرولیتر مخلوط الیگونوکلئوتید (10 پیکومول از هر آغازگر)، یک واحد آنزیم Taqپلی­مراز DNA و 11 میکرولیتر ddH2O بود. چرخه­های PCR با برنامه حرارتی یک مرحله­ی ابتدایی واسرشت­سازی به مدت 3 دقیقه در 94 درجه­ی سانتیگراد و سپس 34 چرخه­ی تکراری شامل سه مرحله: واسرشت­سازی برای 45 ثانیه در 94 درجه­ی سانتیگراد، اتصال به مدت یک دقیقه (که دمای آن برای هر جفت آغازگر متفاوت بود) و مرحله­ی بسط در 72 درجه­ی سانتیگراد برای 45 ثانیه و در نهایت مرحله­ی بسط نهایی در 72 درجه­ی سانتیگراد برای 10 دقیقه در نظر گرفته شد. پس از انجام این مرحله، محصولات PCR روی ژل آگارز 5/2 درصد به مدت 45 دقیقه و در ولتاژ 85 ولت الکتروفورز شدند. باندهای حاصل پس از رنگ­آمیزی با اتیدیوم­ بروماید، تحت نور UV توسط دستگاه فتوگرافی مدل UVstar 30 (شرکت بیومترا، ساخت آلمان) مشاهده شدند. اندازه­ی آلل­ها نسبت به یک سایز مارکر استاندارد 100 کیلو بازی (شرکت فرمنتاز، روسیه) با استفاده از نرم افزار BIO 1D++ تعیین شد. محصول PCR هر نمونه با استفاده از 10 واحد آنزیم (جدول 1) برای هر ژن در دمای 37 درجه­ی سانتیگراد برای حداقل 12 ساعت هضم شدند. محصولات هضم نیز بر روی ژل آگارز 2 درصد به مدت 1 ساعت در ولتاژ 73 ولت جداسازی شدند. ژل حاصل با استفاده از اتیدیوم بروماید رنگ­آمیزی و باندها مشاهده شدند.

 


جدول 1- توالی آغازگرها، منطقه تکثیرشده، آنزیم­های برشی، دمای اتصال، طول محصولات PCR، اندازه آللی و مرجع مورد استفاده برای ژن­های کاندیدا.

Table 1- Primer sequences, Amplified region, Restriction enzymes, Annealing temperature, Length of PCR productions, Allelic sizes and the references used for investigating of candidate genes.

Allelic sizes (bp)

اندازه­ی آالل                        ( جفت باز)

PCR productions lengths (bp)

طول محصول PCR (جفت باز)

Annealing temperature

دمای اتصال

Restriction Enzyme

آنزیم برشی

Amplified region

منطقه ی تکثیر شده

Primers

آغازگرها

Gene name

نام ژن

 

 

 

 

 

 

 

AA 390,32

BB 303, 88 and 32

423

59

Sau3AI

Intron 2

F: 5`-TGG AGT GGC TTG TTA TTT TCT TCT-3`

R: 5`-GTC CCC GCT TCT GGC TAC CTA AC-3` Liefers et al., (2002)

Leptin

 

 

 

 

 

 

 

LL 211

VV 159,52

 

211

61

ALuI

49bp of the fourth intron and 162bp from the fifth exon

F: 5`-GCT GCT CCT GAG GGC CCT TC-3`

R: 5`-CAT GAC CCT CAG GTA CGT CTC CG-3` Gordon et al.,(1983)

GH

 

 

 

 

 

 

 

AluI(-/-)458

AluI(+/+)296,162

 

458

58

AluI

Promoter region and exon 1

F: 5`-TGG CAA CTC GTT CCT ACA TG-3`

R: 5`-AGC AAC CCC ACT GCT GGG CAT-3`

(Aggrey et al.,(1999)

GHR

AA451

BB 207,244

451

60

HinIII

Intron 5 and exon 6

F: 5`-AAA CCA TCA TCT CCC TTC TT-3`

R: 5`-AAT GTA CAA TGT GCC TTC TGA G-3`

Woolard et al., (1994)

Pit-1

 


تجزیه و تحلیل آماری: در این تحقیق برای محاسبه فراوانی­های آللی و ژنوتیپی از نرم افزار POPGEN V 1.31 استفاده شد. رکورد­های مربوط به صفت فاصله­ی زایش دارای توزیع نرمال نبودند و قبل از آنالیز به منظور نرمال­کردن، لگاریتم طبیعی این داده­ها گرفته شد و رکورد­هایی که خارج از سه انحراف استاندارد فنوتیپی از میانگین تصحیح نشده قرار داشتند، از آنالیز ­های بعدی حذف شدند. آنالیز واریانس برای مقایسه­ی عملکرد صفات تولید شیر (تصحیح شده برای 250 روز شیردهی)، طول دوره­ی شیردهی، فاصله­ی زایش و روزهای باز در دسته­های مختلف ژنوتیپی با استفاده از مدل آماری زیر در رویه­ی GLM نرم­افزار SAS آنالیز شدند و در مواردی که ارتباط معنی­داری مشاهده ­شد، آزمون دانکن برای  مقایسه سطوح مختلف یک فاکتور و آزمون معنی­داری آنها، استفاده شد. مدل آماری مورد استفاده به صورت زیر بود:

Yijklm=µ+YSi+Sj+Lk+Gl+b1(X1)+b2(X2)+eijklm

در این رابطه Yijklm: رکورد مربوط به صفت مورد بررسی، YSi: اثر ثابت  iامین سال- فصل زایش، Sj: اثر ثابت j امین گاو نر، Lk: اثر ثابت k امین شکم زایش، Gl: اثر ثابت l امین ژنوتیپ، b1(X1): تابعیت صفت (تولید شیر) از روزهای شیردهی به صورت تصحیح شده برای میانگین، b2(X2): تابعیت صفت از سن مادر به صورت تصحیح شده برای میانگین و eijklm: اثر تصادفی باقیمانده می­باشد.

 

نتایج و بحث

فراوانی­های آللی، ژنوتیپی، هتروزیگوسیتی­های مشاهده شده و مورد انتظار و شاخص تنوع ژنی Nei برای ژن­های مورد مطالعه در جدول 2 ارائه  شده است. نتایج حاصل برای فراوانی­های ژنی و ژنوتیپی در گاوهای سرابی نشان داد که این فراوانی­ها در بین ژن­های کاندیدای مختلف، متغیر است. بالاترین فراوانی­های آللی (72/0)A، (51/0)V، (65/0)(+) و (55/0)B به ترتیب برای ژن های لپتین، GH، GHR و Pit-1 حاصل شد. این نتایج با مطالعات محققین دیگر همچون Woolard et al., 1994; Aggrey et al., 1999; Gordon et al., 1983; Liefers et al., 2002 مطابقت دارد.

برای کلیه ژن­های کاندید مورد مطالعه کاهش هتروزیگوسیتی مشاهده شد، به­طوری­که مقدار هتروزیگوسیتی مشاهده شده از مقدار مورد انتظار کمتر بود. علاوه بر انتخاب، پدیده­هایی نظیر اثر جمعیت پایه[3] و همچنین گردنه بطری[4] می­توانند در کاهش میزان هتروزیگوسیتی مورد انتظار در این جایگاه­ها مؤثر باشد. در چنین مواردی تعداد کم و محدودی از حیوانات نقش مولد در تولید نسل­های آینده را بر عهده دارند. همچنین عوامل محیطی یا ژنتیکی (نظیر همخونی که حاصل آمیزش خویشاوندان نزدیک در خانواده می­باشد) نیز می­تواند میزان هتروزیگوسیتی را به طور معنی­داری کاهش دهند (Zhang et al., 2002).

نتایج  تجزیه و تحلیل کای­ مربع نشان داد که کلیه ژن­های کاندایدای مورد بررسی در عدم تعادل هاردی-واینبرگ بودند. در مطالعه­ای بر روی گاو­های بومی و هلشتاین استان کرمان نیز نشان داده شد که فراوانی آلل­های مربوط به ژن GH در جامعه­ی مورد مطالعه دارای انحراف معنی­داری از تعادل هاردی واینبرگ بود (Mohammadabadi et al., 2010). از جمله عواملی که می­توانند باعث انحراف معنی­دار ژن­های مورد مطالعه از تعادل هاردی واینبرگ شوند، انداره کم جمعیت و محدود ماندن گاوهای مولد در ایستگاه، عدم تلاقی تصادفی و آمیزش چند نر محدود در ایستگاه و در نتیجه افزایش میزان همخونی می­باشد. شاخص تنوع ژنی Nei نیز در این تحقیق محاسبه شد که نتایج حاصل مجدداً کاهش محسوس هتروزیگوسیتی را در جمعیت نشان داد.

 


جدول 2- فراوانی­های ژنی و ژنوتیپی، هتروزیگوسیتی­های مشاهده شده و مورد انتظار برای ژن­های کاندیدای مورد مطالعه.

Table 2- Genotypic and allelic frequencies, expected and observed hetrozygosity and Nei’s genetic diversity of different candidate genes investigated in this research.

Nei’s genetic diversity

شاخص

تنوع ژنی (Nei)

Hetrozygotsity هتروزیگوسیتی

Frequency

فراوانی

Total number

تعداد

Allele

آلل

Gene name

نام ژن

Expected

مورد انتظار

Observed

مشاهده شده

Allelic

اللی

Genotypic

ژنوتیپی

0.40

0.40

0.30

0.72 (A)

0.57

54

AA

Leptin

 

0.30

29

AB

0.28 (B)

0.13

11

BB

 

 

 

 

 

 

 

 

0.49

0.50

0.30

0.49 (L)

0.34

32

LL

GH

 

0.30

29

LV

0.51 (V)

0.36

33

VV

 

 

 

 

 

 

 

 

0.44

0.45

0.34

0.65 (+)

0.48

46

(+/+)

GHR

 

0.34

32

(+/-)

0.35 (-)

0.18

16

(-/-)

 

 

 

 

 

 

 

 

0.49

0.49

0.28

0.45 (A)

0.31

30

AA

Pit-1

 

0.28

27

AB

0.55 (B)

0.41

37

BB

 

 

 

میانگین حداقل مربعات و خطای معیار صفات مورد بررسی در کلاس­های ژنوتیپی مختلف در جدول 3 نمایش داده شده است. در این تحقیق تفاوت معنی­داری بین ژنوتیپ­های مختلف ژن لپتین برای صفات مورد مطالعه مشاهده نشد که با نتایج برخی از مطالعات مطابقت ندارد. در مطالعات قبلی گزارش شده است که تلیسه­هایی با ژنوتیپ AB در مقایسه با ژنوتیپ AA به میزان 32/1 کیلوگرم در روز شیر بیشتری تولید و دارای مصرف خوراک بیشتری معادل 73/0 کیلوگرم در روز می­باشند. همچنین این گزارش نشان می­دهد که آلل B ممکن است در بهبود تولید شیر بدون ایجاد تعادل منفی انرژی و کاهش باروری نقش داشته باشد (Liefers et al., 2002).

 

 

جدول 3-  میانگین حداقل مربعات و خطای معیار صفات مورد بررسی در کلاسهای ژنوتیپی مختلف ژن­های کاندیدا.

Table 3- least square means and comparison of traits mean in different genotypic classes of four candidate genes.

Gene name

نام ژن

Genotype

ژنوتیپ

Total

Number

تعداد

Lactation period (Day)

طول دوره ی شیردهی (روز)

 

Open days

(Day)

روزهای باز (روز)

Calving interval

(Day)

فاصله ی زایش (روز)

Milking yield corrected for 250 days (Kg)

تولید شیر تصحیح شده برای 250 روز شیردهی (کیلوگرم)

Leptin

AA

54

280.97±0.78

113.02±1.5

392.27±1.71

1493.50±8.16

AB

29

281.29±1.03

117.42±2.04

394.14±2.25

1478.14±10.77

BB

11

280.07±1.62

117.66±3.21

395.89±3.54

1468.72±16.93

 

 

 

 

 

 

 

GH

LL

32

250.47±6.07

109.23±5.71b

392.59±6.30

1434.48±30.09a

LV

29

234.90±6.22

122.69±5.85a

400.20±6.46

1421.122±30.83b

VV

33

246.31±4.36

116.17±4.10ab

389.51±4.52

1424.76±21.61b

 

 

 

 

 

 

 

GHR

(+/+)

46

278.93±1.43

113.74±1.73

392.83±1.91

1445.75±13.06b

(+/-)

32

280.62±1.04

116.89±1.98

391.68±2.18

1443.78±10.44b

(-/-)

16

282.78±0.87

117.47±2.83

397.80±3.13

1508.57±14.93a

 

 

 

 

 

 

 

Pit-1

AA

30

281.61±3.05

122.67±3.013a

393.60±6.63

1486.90±31.66b

AB

27

279.59±3.05

113.19±6.02b

391.58±6.65

1509.36±31.73a

BB

37

281.12±1.88

116.24±3.71ab

397.12±4.09

1504.09±19.56a

 

 

 

 

در مطالعه دیگری نیز گزارش شده است که آللT ژن لپتین گاو منجر به تولید شیر بیشتر و تعداد سلول­های بدنی بیشتر می­شود ولی بر روی میزان چربی و پروتئین شیر طی دوره­ی شیردهی تاثیر معنی­داری ندارد (Buchanan et al., 2003). دو آلل مسئول افزایش فاصله­ی زایش نیز در یک بررسی مشاهده شد و نتیجه گرفته شد که انتخاب علیه این حامل­ها می­تواند فاصله­ی زایش را به کمتر از 2 ماه کاهش دهد (Almeida et al., 2003). همچنین Heravi Moussavi و همکاران (2006) ارتباط بین چندشکلی موجود در اینترون 2 ژن لپتین را با صفات تولید شیر و باروری در گاوهای هلشتاین ایران با استفاده از نشانگر PCR-RFLP مورد بررسی قرار دادند که نتایج آنها نشان دهنده ارتباط این ژن با میزان تولید شیر در این نژاد بود. از جمله دلایلی که می­تواند علت تفاوت موجود در نتایج حاصل در تحقیق حاضر با نتایج مطالعات مشابه باشد، تفاوت نژادی نمونه­های مورد بررسی، انتخاب طبیعی، تاریخچه و توزیع متفاوت جغرافیایی و تفاوت در اندازه جمعیت­های مورد بررسی باشد (Zhang et al., 2002).

نتایج حاصل از بررسی ژن GH نشان دهنده تأثیر معنی­دار این ژن بر صفات تولید شیر و روزهای باز بود (P< 0.01)، به طوری­که ژنوتیپ LL نسبت به سایر ژنوتیپ­ها تولید شیر بیشتر و روزهای باز کمتری را نشان داد. تاثیر این ژن بر روی دیگر صفات مورد بررسی معنی­دار نبود.     Falaki و همکاران (1996) نیز
رابطه­ی ژن GH و تولید شیر را با استفاده از نشانگر RFLP مورد مطالعه قرار دادند و نشان دادند که بین چند­شکلی در این ژن و صفت تولید شیر ارتباط معنی­داری وجود دارد. شریفلو و همکاران (2000) گزارش نمودند که آلل L ژن GH باعث تولید شیر، چربی و پروتئین بیشتری می­شود و این آلل بر آلل V غالب است. عباسی و همکاران (1378) نیز با بررسی چندشکلی موجود در اگزون 5 ژن هورمون رشد در گاوهای هلشتاین ایران با استفاده از نشانگر PCR-RFLP گزارش کردند که این جایگاه با میزان تولید شیر در این نژاد در ارتباط است.

از میان صفات مورد بررسی در این مطالعه، ژن GHR فقط بر روی صفت تولید شیر تاثیر معنی­داری داشت. میانگین تولید شیر در کلاس ژنوتیپی (-/-) بیشتر از سایر کلاس­ها بود. Falaki و همکاران (1996) با بررسی تنوع آللی موجود در توالی­های ساختاری و تنظیمی ژن هورمون رشد و گیرنده­ی آن گزارش کردند که این ژن­ها به طور مستقیم یا غیر مستقیم بر روی تولید شیر مؤثر بوده­اند که این نتایج با نتایج حاصل از این تحقیق مطابقت دارند.Aggrey  و همکاران (1999) نیز گزارش کردند که گاوهای نر دارای ژنوتیپ (+/+) دارای ارزش­های اصلاحی برآوردی بیشتری نسبت به دیگر ژنوتیپ هموزیگوت در این جایگاه برای تولید چربی شیر بودند. حسنی و همکاران (1997) نیز در تحقیقی بر روی چندشکلی­های موجود در بخش پروموتور ژن گیرنده هورمون رشد در گاوهای هلشتاین ایران گزارش کردند که این جایگاه با خصوصیات تولید شیر همانند درصد چربی مرتبط است.

ژن Pit-1 به طور معنی­داری بر روی صفات تولید شیر و روزهای باز مؤثر بود. تولید شیر ژنوتیپ­های AB و BB بیشتر از ژنوتیپ AA بود. همچنین ژنوتیپ AB با روزهای باز کمتری همراه بود که البته تفاوت آن با ژنوتیپ BB معنی­دار نبود. نقشه­یابی فاصله­ای[5] برای شناسایی جایگاه­های صفات کمی (QTL[6]) نشان دادند که این ژن دارای اثرات معنی­داری بر تولید شیر و پروتئین است (Georges et al., 1995). Renaville وهمکاران (1997) نیز گزارش نموده­اند که الل A در اگزون شماره­ی 6 بر افزایش تولید شیر و پروتئین و نیز کاهش درصد چربی مؤثر است. در این مطالعه اثر افزایشی آلل A برای تولید شیر (6/44± 6/73+ کیلوگرم) و تولید پروتئین (45/1±93/2+ کیلوگرم) و اثر کاهشی برای درصد چربی (018/0±038/0-) گزارش شده است.Parmentier و همکاران (2001) نیز نتایج مشابهی را گزارش کرده­اند. در این تحقیق مقدار اثر جایگزینی یک آلل B توسط یک آلل A برای تولید شیر، چربی و پروتئین به ترتیب برابر با 3/46+، 9/1+ و 5/1+ کیلوگرم بوده است. صادقی و همکاران (1387) نیز اثر چندشکلی اگزون 3 ژنPit-1 را بر ارزش اصلاحی صفات تولید شیر در گاوهای نر هلشتاین ایران با استفاده از نشانگر PCR-RFLP مورد بررسی قرار دادند که نتایج آنها نشان دهنده ارتباط این ژن ها با میزان تولید شیر بود که این نتایج با نتایج حاصل از تحقیق حاضر مطابقت دارند.

 

نتیجه­گیری

روش­های آماری با خصوصیت [7]BLUP، امکان‌ جداسازی‌ اثرات محیطی‌ از ژنتیکی‌ را فراهم‌ و در برنامه‌های‌ اصلاحی‌ بطور گسترده­ای استفاده می شود ولی‌ در این‌ روش­ها، ژنوتیپ‌ یک‌ فرد ناشناخته‌ بوده و معایبی نظیر‌ کاهش‌ واریانس‌ ژنتیکی، تثبیت‌ آلل‌های‌ کشنده‌ و همخونی‌ را باعث می­شود. زیرا در روش­های‌ ژنتیک‌ کمی‌ اطلاعات‌ ژنوتیپی‌ افراد بطور دقیق‌ قابل‌ ارزیابی ‌نمی‌باشد بلکه‌ برآوردی‌ از آن‌ از طریق‌ فنوتیپ‌ فرد و خویشاوندانش‌ حاصل می­شود. امروزه با پیشرفت‌های حاصل در زمینه ژنتیک مولکولی این امیدواری وجود دارد که شناسایی ژن­ها و نشانگرهای مرتبط با صفات مختلف به خصوص صفات اقتصادی و تولید مثلی در دام­ها، بتواند گام اساسی در دستیابی به پیشرفت ژنتیکی با استفاده از اطلاعات مولکولی در ترکیب با اطلاعات فنوتیپی فراهم آورد. در تحقیق حاضر بررسی ارتباط چهار ژن کاندیدا مرتبط با صفات تولید شیر و عمکرد تولید مثلی یکی از گاوهای بومی مهم کشور فراهم شد که نتایج حاصل ارتباط معنی­دار ژنوتیپ­های مختلف با صفات تولید شیر و تعداد روزهای باز را نشان داد که البته امکان استفاده از این اطلاعات در برنامه­های انتخاب به کمک نشانگر باید مورد بررسی بیشتر قرار گیرد.

 

سپاسگزاری

از جناب آقای دکتر ابوالقاسم محمدی شوطی استاد عالیقدر دانشگاه تبریز به جهت همکاری صمیمانه در جریان انجام طرح سپاسگزاری می کنیم. این مطالعه تحت حمایت سازمان برنامه­ریزی و مدیریت استان آذربایجان شرقی انجام شده است.


منابع

  1. Abbasi A (1999). Study of growth hormone (GH) gene polymorphism in Iranian Holstein cattle and its association with milk yield characteristics. MSc. Thesis.University of Zabol, Zabol, Iran.
  2. Aslaminejad AA, Nassiry MR, Farajollahi H, Mahdavi M, Abbasi H, Javadmanesh A (2010). Polymorphism in Exon 3 of leptin gene in Iranian native cattle breeds. Journal of Applied Animal Research 37: 159-162.
  3. Aslaminejad AA, Tahmorespour M, Alshawkani A (2011). Study of the polemorpyism in the exon 20 leptin receptor in native cow breeds of Sistani, Golpayegani, Najdi andSarabi. Animal Sciences Journal (Pajouhesh & Sazandegi) 91: 44-50.
  4. Aggrey SE, Yao J, Sabour MP, Lin CY, Zadworny D, Hayes JF, Kuhnlein U (1999) .Markers within the regulatory region of the growth hormone receptor gene and their association with milk-related traits in Holsteins. American Genetic Assocciation 90: 148-151.
  5. Almeida SEM, Almeida EA, Moraes JCF, Weimer TA (2003). Molecular markers in the LEP gene and reproductive performance of beef cattle. Journal of Animal Breeding Genetics 120: 106–113.
  6. Buchanan FC, Vans Kessel AG, Waldner C, Christensen DA, et al. (2003). An Association between a leptin single nucleotide polymorphism and milk and protein yield. Journal of  Dairy Science 86: 3164-3166.
  7. Caraviello DZ, Weigel KA, Craven M, Gianola D, Cook NB, Nordlund KV, Fricke PM, Wiltbank MC (2006) Analysis of reproductive performance of lactating cows on large dairy farms using machine learning algorithms. Journal of  Dairy Science 89: 4703-4722.
  8. Clempson AM, Pollott GE, Brickell JS, Bourne NE, Munce N, Wathes DC (2011). Evidence that leptin genotype is associated with fertility, growth, and milk production in Holstein cows. Journal of  Dairy Science 94: 3618-3628.
  9. 9.      Falaki M, Gengler N, Sneyers M, Prandi A, Massart S, Formigoni A, Burny A, Portetelle D, Renaville R (1996) Relationships of polymorphisms for growth hormone and growth hormone receptor genes with milk production traits for Italian Holstein-Friesian bulls. Journal of  Dairy Science 79: 1446 53.
  10.  Georges M,  Nielsen D,  Mackinnon M,  Mishra A,  Okimoto R, Pasquino AT, Sargeant LS, Sorensen A, Steele MR, Zhao X, Womack JE, Hoeschele I (1995). Mapping quantitative trait loci controlling milk production in dairy cattle by exploiting progeny testing. Genetics 139: 907-920.
  11. Gordon DG, Quick DP, Erwin CR, Donelson JE, Maurer RA (1983).Nucleotide sequence of the bovine growth hormone chromosomal gene. Molecular Cell Endocrinology 33: 81-95.
  12. Harvey S, Scanes CG, Daughaday WH (1995). Growth Hormone. CRC London.
  13. Hassani A (1997) Identification of  polymorphism in growth hormone receptor (GHR) gene and its association with production traits in Iranian Holstein cattle. MSc. Thesis. University of Sistan and Baluchestan, Iran.
  14. HeraviMoussavi A, Ahouei M, Nassiry MR, Javadmanesh A (2006). Association of leptin polymorphism with production, reproduction and plasma glucose level in Iranian Holstein Cows. Asian-Australasian Journal of Animal Sciences 19: 627–631.
  15. Itossner KL (1998). Cellular, molecular and physiological aspects of leptin: Potential application in animal production. Canadian Journal of  Animal  Science 26: 463-480.
  16. Kerry LH, Harvey S (2000) Growth hormone roles in male reproduction. Endocrinelogy 13: 243-250.
  17. Lagonigro R, Wiener P, Pilla F, Woolliams JA, William J (2003). A new mutation in the coding region of the bovine leptin gene associated with feed intake. Animal Genetics 34: 371-374.
  18. Liefers SC, Veerkamp RF, Vanderlene T. (2002). Association between leptin gene polymorphism and production, live weight, energy balance, feed intake and fertility in Holstein heifers. Journal of  Dairy Science 85: 1633-1638.
  19. Mitko K, Ulbrich SE, Wenigerkind H, Sinowatz F, Blum H, Wolf E, Bauersachs S (2008) Dynamic changes in messenger RNA profiles of bovine endometrium during the oestrous cycle. Reproduction 135: 225-240.
  20. Mohammadabadi MR, Torabi A, Tahmourespoor M, Baghizadeh A, Esmailizadeh Koshkoieh A, Mohammadi A (2010). Analysis of bovine growth hormone gene polymorphism of local and Holstein cattle breeds in Kerman province of Iran using polymerase chain reaction restriction fragment length polymorphism (PCR-RFLP). African Journal of  Biotechnology 9: 6848-6852.
  21. Mullen MP, Creevey CJ, Berry DP, McCabe MS, Magee DA, Howard DJ, et al. (2012) Polymorphism discovery and allele frequency estimation using high-throughput DNA sequencing of target-enriched pooled DNA samples. BMC Genomics. 13: 16.
  22. Parmentier I, Gengler N, Fontaine S, Auvray B, Burnside T, Portelle D, Renaville R (2001) PIT-1, a candidate gene for mass assisted selection in dairy bulls. Journal of  Dairy Science 84: 1-340.
  23. Pimentel G,  Bauersachs S, Tietze M, Simianer  H, Tetens J, Thaller G, Reinhardt F, Wolf E, König S (2011). Exploration of relationships between production and fertility traits in dairy cattle via association studies of SNPs within candidate genes derived by expression profiling. Animal Genetics 42(3): 251–262.
  24. Pryce JE, Bolormaa S, Chamberlain AJ, Bowman PJ, Savin K, Goddard ME, Hayes BJ (2010). A validated genome-wide association study in 2 dairy cattle breeds for milk production and fertility traits using variable length haplotypes. Journal of  Dairy Science 93: 3331-3345.
  25. Renaville R, Gengler N, Vrech E, Prandi A, Massart S, et al. (1997a) PIT-1 gene polymorphism, milk yield and conformation traits for Italian Holstein-Friesian Bulls. Journal of  Dairy Science 80: 3431-3438.
  26. Renaville R, Gengler N, Parmentier I, Mriaux F, Massat S, Bertozzi C, Burny A, Portetelle D (1997b). Pit-1 gene HinfI RFLP and growth traits in double-muscled Belgian Blue cattle. Journal of Animal Science 75: 148-148.
  27. Rothschild MF, Soller M (1997) Candidate gene analysis to detect traits of economic importance in domestic livestock. Probe 8: 13–22.
  28. Sadeghi M (2007). The effect of candidate genes polymorphism on breeding value of milk yield production traits in Iranian Holestain bulls. PhD. Thesis. University of Tehran, Tehran, Iran.
  29. Shariflou MR, Moran C, Nicholas FW (2000)  Association  of  the  Leu(127)  variant  of  the bovine  growth  hormone  (bGH)  gene  with  increased  yield  of  milk,  fat,  and  protein  in Australian Holstein-Friesians. Australian Journal of  Agricultural Research 51(4): 515-522. 
  30. Tavakolian J, (2000). An introduction to genetic resources of native farm animals in Iran, Animal Science Genetic Research Institute Press, Tehran, Iran (in Persian).
  31. Tuggle CK, Yu TP, Helm J, Rothschild MF (1993). Cloning and restriction fragment length polymorphism analysis of a cDNA for swine Pit-1 gene controlling growth hormone expression. Journal of  Animal  Genetics 24: 17-21.
  32. Van Raden PM (2004). Selection on net merit to improve lifetime profit. Journal of  Dairy Science 87: 3125–3131.
  33. Veerkamp RF, Beerda B (2007) Genetics and genomics to improve fertility in high producing dairy cows. Theriogenology 68: S266-S273.
  34. Woolard, J, Tuggle CK, Ponce de Leon FA (1999). Localization of POU1F1 to bovine, ovine and caprine 1q21-22. Journal of  Animal Science 78: 242-243.
  35. Woollard J, Schmitz CB, Freeman AE, Tuggle CK (1994) Rapid communication: HinfI polymorphism at the bovine Pit-1 locus. Journal of  Animal Science 72:3267.
  36. Zhang Y, Wang X, Ryder O, et al. (2002). Genetic diversity and conservation of endangered animal species. Pure and Applied Chemistry. 74(4):575-584. 

 

 

 

 

 

 


Analysis of association among four candidate genes polymorphisms with milk yield and reproductive performance traits in Sarabi cow using PCR-RFLP marker

 

Javanmard A.1, Moradi M.H.*2, Safdari M.3

 

1 Assistant Professor, Departement of Animal Science, University of Tabriz, Tabriz, Iran.

2Assistant professor, Department of Animal Science, University of Arak, Arak, Iran.

3Ph.D. student, University of Tehran, Department of Animal Science, University of Tehran, Iran.

 

Abstract

Selection for improving of production and reproductive performance traits in livestock is a time-consuming process and can only be applied to adult animals. Sarabi cow is one of the local Iranian dairy breeds with dominate geographical distribution on NorthWest of Iran. Characterization of candidate genes associated with milk yield and reproductive performance traits is important and can help to improve the efficiency of breeding programs in this breed. Therefore, the objective of the present study was to evaluate the association among four candidate genes (Leptin, Growth Hormone (GH), Growth Hormone Receptor (GHR) and pit-1) with milk yield and some reproductive performance traits in Sarabi cattle breed using PCR-RFLP marker. The obtained results revealed that the highest allele frequencies were observed for A (0.72), V (0.51), + (0.65) and B (0.55) for Leptin, GH, GHR and pit-1 genes respectively. The respective LL, -/- and AB-BB genotypes of GH, GHR and pit-1 genes showed higher milk yield production compare to other genotypes of these genes (P< 0.01). Also, LL and AB genotypes of GH and pit-1 genes were related to shorter open days (P< 0.01). No evidence showing the association between other genotypes of these genes and the other investigated traits were observed in the present study. Overall, candidate genes showed deficiency of observed heterozygosity value compare to the expected heterozygosity value. In addition, the results of chi-square analysis showed that all candidate genes were in Hardy-Weinberg disequilibrium. As a conclusion, the finding of the present study revealed the association of investigated candidate genes with milk yield and open days in Sarabi cattle breed and the application of these polymorphisms for marker assisted selection (MAS) should be further evaluated.

Key Words: Candidate genes, Production and reproduction performance traits, Sarabi cattle, PCR-RFLP marker.

 

 


* نویسنده مسئول: محمدحسین مرادی                    تلفن: 09183659133                            Email: Moradi.hosein@gmail.com

[1]. Pou Domain, Class 1, Transcription Factor 1

[2]. Promega

[3] Founder effect

[4] Bottleneck

[5] Interval Mapping

[6] Quantitative Trait Loci

[7] Best Linear Unbiased Prediction

*  Corresponding Author: Moradi M.H.             Tel: 09183659133               Email: moradi.hosein@gmail.com

References

  1. Abbasi A (1999). Study of growth hormone (GH) gene polymorphism in Iranian Holstein cattle and its association with milk yield characteristics. MSc. Thesis.University of Zabol, Zabol, Iran.
  2. Aslaminejad AA, Nassiry MR, Farajollahi H, Mahdavi M, Abbasi H, Javadmanesh A (2010). Polymorphism in Exon 3 of leptin gene in Iranian native cattle breeds. Journal of Applied Animal Research 37: 159-162.
  3. Aslaminejad AA, Tahmorespour M, Alshawkani A (2011). Study of the polemorpyism in the exon 20 leptin receptor in native cow breeds of Sistani, Golpayegani, Najdi andSarabi. Animal Sciences Journal (Pajouhesh & Sazandegi) 91: 44-50.
  4. Aggrey SE, Yao J, Sabour MP, Lin CY, Zadworny D, Hayes JF, Kuhnlein U (1999) .Markers within the regulatory region of the growth hormone receptor gene and their association with milk-related traits in Holsteins. American Genetic Assocciation 90: 148-151.
  5. Almeida SEM, Almeida EA, Moraes JCF, Weimer TA (2003). Molecular markers in the LEP gene and reproductive performance of beef cattle. Journal of Animal Breeding Genetics 120: 106–113.
  6. Buchanan FC, Vans Kessel AG, Waldner C, Christensen DA, et al. (2003). An Association between a leptin single nucleotide polymorphism and milk and protein yield. Journal of  Dairy Science 86: 3164-3166.
  7. Caraviello DZ, Weigel KA, Craven M, Gianola D, Cook NB, Nordlund KV, Fricke PM, Wiltbank MC (2006) Analysis of reproductive performance of lactating cows on large dairy farms using machine learning algorithms. Journal of  Dairy Science 89: 4703-4722.
  8. Clempson AM, Pollott GE, Brickell JS, Bourne NE, Munce N, Wathes DC (2011). Evidence that leptin genotype is associated with fertility, growth, and milk production in Holstein cows. Journal of  Dairy Science 94: 3618-3628.
  9. 9.      Falaki M, Gengler N, Sneyers M, Prandi A, Massart S, Formigoni A, Burny A, Portetelle D, Renaville R (1996) Relationships of polymorphisms for growth hormone and growth hormone receptor genes with milk production traits for Italian Holstein-Friesian bulls. Journal of  Dairy Science 79: 1446 53.
  10.  Georges M,  Nielsen D,  Mackinnon M,  Mishra A,  Okimoto R, Pasquino AT, Sargeant LS, Sorensen A, Steele MR, Zhao X, Womack JE, Hoeschele I (1995). Mapping quantitative trait loci controlling milk production in dairy cattle by exploiting progeny testing. Genetics 139: 907-920.
  11. Gordon DG, Quick DP, Erwin CR, Donelson JE, Maurer RA (1983).Nucleotide sequence of the bovine growth hormone chromosomal gene. Molecular Cell Endocrinology 33: 81-95.
  12. Harvey S, Scanes CG, Daughaday WH (1995). Growth Hormone. CRC London.
  13. Hassani A (1997) Identification of  polymorphism in growth hormone receptor (GHR) gene and its association with production traits in Iranian Holstein cattle. MSc. Thesis. University of Sistan and Baluchestan, Iran.
  14. HeraviMoussavi A, Ahouei M, Nassiry MR, Javadmanesh A (2006). Association of leptin polymorphism with production, reproduction and plasma glucose level in Iranian Holstein Cows. Asian-Australasian Journal of Animal Sciences 19: 627–631.
  15. Itossner KL (1998). Cellular, molecular and physiological aspects of leptin: Potential application in animal production. Canadian Journal of  Animal  Science 26: 463-480.
  16. Kerry LH, Harvey S (2000) Growth hormone roles in male reproduction. Endocrinelogy 13: 243-250.
  17. Lagonigro R, Wiener P, Pilla F, Woolliams JA, William J (2003). A new mutation in the coding region of the bovine leptin gene associated with feed intake. Animal Genetics 34: 371-374.
  18. Liefers SC, Veerkamp RF, Vanderlene T. (2002). Association between leptin gene polymorphism and production, live weight, energy balance, feed intake and fertility in Holstein heifers. Journal of  Dairy Science 85: 1633-1638.
  19. Mitko K, Ulbrich SE, Wenigerkind H, Sinowatz F, Blum H, Wolf E, Bauersachs S (2008) Dynamic changes in messenger RNA profiles of bovine endometrium during the oestrous cycle. Reproduction 135: 225-240.
  20. Mohammadabadi MR, Torabi A, Tahmourespoor M, Baghizadeh A, Esmailizadeh Koshkoieh A, Mohammadi A (2010). Analysis of bovine growth hormone gene polymorphism of local and Holstein cattle breeds in Kerman province of Iran using polymerase chain reaction restriction fragment length polymorphism (PCR-RFLP). African Journal of  Biotechnology 9: 6848-6852.
  21. Mullen MP, Creevey CJ, Berry DP, McCabe MS, Magee DA, Howard DJ, et al. (2012) Polymorphism discovery and allele frequency estimation using high-throughput DNA sequencing of target-enriched pooled DNA samples. BMC Genomics. 13: 16.
  22. Parmentier I, Gengler N, Fontaine S, Auvray B, Burnside T, Portelle D, Renaville R (2001) PIT-1, a candidate gene for mass assisted selection in dairy bulls. Journal of  Dairy Science 84: 1-340.
  23. Pimentel G,  Bauersachs S, Tietze M, Simianer  H, Tetens J, Thaller G, Reinhardt F, Wolf E, König S (2011). Exploration of relationships between production and fertility traits in dairy cattle via association studies of SNPs within candidate genes derived by expression profiling. Animal Genetics 42(3): 251–262.
  24. Pryce JE, Bolormaa S, Chamberlain AJ, Bowman PJ, Savin K, Goddard ME, Hayes BJ (2010). A validated genome-wide association study in 2 dairy cattle breeds for milk production and fertility traits using variable length haplotypes. Journal of  Dairy Science 93: 3331-3345.
  25. Renaville R, Gengler N, Vrech E, Prandi A, Massart S, et al. (1997a) PIT-1 gene polymorphism, milk yield and conformation traits for Italian Holstein-Friesian Bulls. Journal of  Dairy Science 80: 3431-3438.
  26. Renaville R, Gengler N, Parmentier I, Mriaux F, Massat S, Bertozzi C, Burny A, Portetelle D (1997b). Pit-1 gene HinfI RFLP and growth traits in double-muscled Belgian Blue cattle. Journal of Animal Science 75: 148-148.
  27. Rothschild MF, Soller M (1997) Candidate gene analysis to detect traits of economic importance in domestic livestock. Probe 8: 13–22.
  28. Sadeghi M (2007). The effect of candidate genes polymorphism on breeding value of milk yield production traits in Iranian Holestain bulls. PhD. Thesis. University of Tehran, Tehran, Iran.
  29. Shariflou MR, Moran C, Nicholas FW (2000)  Association  of  the  Leu(127)  variant  of  the bovine  growth  hormone  (bGH)  gene  with  increased  yield  of  milk,  fat,  and  protein  in Australian Holstein-Friesians. Australian Journal of  Agricultural Research 51(4): 515-522. 
  30. Tavakolian J, (2000). An introduction to genetic resources of native farm animals in Iran, Animal Science Genetic Research Institute Press, Tehran, Iran (in Persian).
  31. Tuggle CK, Yu TP, Helm J, Rothschild MF (1993). Cloning and restriction fragment length polymorphism analysis of a cDNA for swine Pit-1 gene controlling growth hormone expression. Journal of  Animal  Genetics 24: 17-21.
  32. Van Raden PM (2004). Selection on net merit to improve lifetime profit. Journal of  Dairy Science 87: 3125–3131.
  33. Veerkamp RF, Beerda B (2007) Genetics and genomics to improve fertility in high producing dairy cows. Theriogenology 68: S266-S273.
  34. Woolard, J, Tuggle CK, Ponce de Leon FA (1999). Localization of POU1F1 to bovine, ovine and caprine 1q21-22. Journal of  Animal Science 78: 242-243.
  35. Woollard J, Schmitz CB, Freeman AE, Tuggle CK (1994) Rapid communication: HinfI polymorphism at the bovine Pit-1 locus. Journal of  Animal Science 72:3267.
  36. Zhang Y, Wang X, Ryder O, et al. (2002). Genetic diversity and conservation of endangered animal species. Pure and Applied Chemistry. 74(4):575-584. 

 

Files

Share

How to cite

Statistics