Association between threshold size and motif length of microsatellite markers with growth traits and Keliber ratio in commercial goats

Document Type : Research Paper

Authors

Abstract

Microsatellite genotyping can always be prone to genotyping errors which significantly affect the entire subsequent analysis. One of the new approaches to overcome this problem is an alternative method of using a clustering system of genotypes based on microsatellite motif length and allelic frequencies range instead of individual genotypes. The objective of the present study was to establish an association of 13 microsatellite markers, classified into three new groups based on allele size consisting homozygous for the short allele, homozygous for the long allele and the class of heterozygous for long and short alleles, with body weight and Keliber ratio in commercial Boer goats. The results after considering the fixed effects, revealed that the class of heterozygous for long and short alleles of TEXAN006 and CSSM32 loci were significantly associated with kids birth weight (P<0.05). The highest weaning weight was observed in individuals homozygous for long alleles at the BMC1009 locus (P<0.05). The BM4307, BM4621 and UWCA46 loci were also shown an association with average daily gain (P<0.05). In conclusion, the results showed that the use of motif length in the genotyping of microsatellite markers instead of genotype of each locus can minimize the genotyping errors and cause the higher probability to get a significant association with economically important traits.

Keywords


 

ارتباط بین حد آستانه­ای و اندازه موتیف نشانگرهای ریزماهواره با صفات رشد و شاخص

نسبت کلیبر دربزهای تجاری

 

آرش جوانمرد*1، لیلا علی طالش2، محمد حسین مرادی3، زهرا عزیزی1، علی اسماعیلی زاده کشکویه4

 

1استادیار و دانشجوی دکتری ژنتیک و اصلاح نژاد، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.

فارغ التحصیل کارشناسی ارشد ژنتیک و اصلاح نژاد، مجتمع  کشاورزی و منابع طبیعی پردیس ابوریحان دانشگاه تهران، ایران.

3 استادیار ژنتیک و اصلاح نژاد، گروه علوم دامی،  دانشکده کشاورزی، دانشگاه اراک، اراک، ایران.

4دانشیار ژنتیک و اصلاح نژاد، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران.

 

تاریخ دریافت: 25/04/1393، تاریخ پذیرش: 13/09/1394

چکیده

تعیین ژنوتیپ جایگاه­های ریزماهواره­ای همیشه با ریسک بروز خطا همراه است، که می­تواند به­طور معنی­داری کلیه نتایج حاصل از آنرا تحت­تأثیر قرار دهد. یکی از راهکارهای جدید برای حل این مشکل، استفاده از سامانه گروه­بندی جدید ژنوتیپی براساس ماهیت توالی موتیف و دامنه آللهای مشاهده شده به جای قرائت ژنوتیپ انفرادی هر جایگاه می­باشد. در این راستا، هدف از مطالعه حاضر ارزیابی ارتباط بین سه گروه بندی جدید ژنوتیپی هموزیگوت برای آلل­های کوتاه، هموزیگوت برای آلل­های بلند و هتروزیگوت برای ترکیب آلل­های کوتاه و بلند برای تعدا کل 13 جایگاه ریزماهواره با صفات رشد و شاخص نسبت کلیبر در بزهای تجاری بوئر بود. پس از تصحیح اثرات ثابت، نتایج مطالعه حاضر نشان داد که گروه ژنوتیپی هتروزیگوت در جایگاههای TEXAN006 وCSSM32  تاثیر معنی­داری بر روی صفت وزن تولد بزغاله­ها دارند (P<0.05). همچنین افراد متعلق به گروه هموزیگوت برای آلل­های بلند در جایگاه BMC1009 به طور معنی­دار دارای وزن از شیرگیری بالاتری در مقایسه با دیگر گروه­های ژنوتیپی بودند (P<0.05). علاوه بر این ارتباط معنی­داری درجایگاه­های ریزماهواره­ای BM4307، BM4621 و UWCA46 با صفت افزایش وزن روزانه مشاهده گردید (P<0.05). در مجموع نتایج مطالعه حاضر نشان داد، که دیدگاه گروه­بندی جدید آللهای مشاهده شده در جایگاه ریزماهواره بر مبنای تغییر طول موتیف می­تواند خطاهای تعیین ژنوتیپ ناشی از وجود باندهای کاذب در سیستم تعیین ژنوتیپ انفرادی را حداقل نماید و شانس بالاتری را برای مشاهده همبستگی بین این جایگاهها و صفات اقتصادی مورد ارزیابی ایجاد کند.

کلمات کلیدی: نشانگرهای ریزماهواره، خطای تعیین ژنوتیپ، طول موتیف، صفات رشد


مقدمه

بز تجاری نژاد بوئر[1] به علت رشد سریع، کیفیت عالی گوشت، مقاومت در مقابل بیماریها، توان باروری بالای غیرفصلی و درصد بزغاله­زایی بالا به عنوان یک نژاد معروف گوشتی در دنیا شناخته می­شود (Greyling, 2000 Malan, 2000;). منشأ پیدایش این نژاد آفریقای جنوبی می­باشد که بعدها به آمریکا، استرالیا، چین، آژانتین و مالزی آورده شده و جمعیت آن به سرعت افزایش یافته است. در این نژاد، پیشرفت ژنتیکی حاصل از انتخاب فنوتیپی برای صفات رشد به دلیل اندازه­گیری آسان و وراثت­پذیری متوسط به بالا، به میزان زیادی مؤثر بوده است (Naude and Hofmeyr, 1981).

در دهه­های گذشته، نشانگرهای ریزماهواره­ به دلیل چند شکلی بالا، به عنوان یک ابزار سودمند و کارآمد در انتخاب و بررسی تنوع ژنتیکی حیوانات اهلی مورد استفاده قرار گرفته­اند (Estoup and Angers, 1998). در مطالعات متعدد و گزارشات موجود، ارتباط نشانگرهای ریزماهواره­ با صفات رشد، در گونه­های اهلی مختلف به خوبی مورد بررسی قرار گرفته است اما از چالشهای مورد بحث و معایب ذکر شده، احتمال بروز خطای تعیین ژنوتیپ در نشانگرهای ریزماهواره می­باشد زیرا اولاً، بنا به ماهیت این جایگاهها عملا تفاوت توالی نوکلئوتیدی در ژنوم دو فرد معمولاً بیش از چند باز نوکلئوتیدی نیست و ثانیاً وجود الگوهای باندی کاذب حتی با به کارگیری روشهای پیشرفته الکتروفورز نیز قابل اجتناب نمی­باشد. بنابراین قرائت ژنوتیپ نادرست، امکان اجرای برنامه اصلاح مولکولی موثر و با صحت بالا را  غیر محتمل می­کند. یکی از راهکارهای اخیر برای غلبه بر این تنگنا، استفاده از سیستم گروه­بندی جدید ژنوتیپهای مشاهده شده بر اساس ماهیت و طول موتیف ریزماهواره و انساب ژنوتیپ مشاهده شده افراد به جای ژنوتیپ انفرادی افراد می­باشد. بطوریکه ژنوتیپ­های هرجایگاه بر اساس اندازه آلل به صورت گروه هموزیگوت برای آلل­های کوتاه، گروه هموزیگوت برای آلل­های بلند و گروه هتروزیگوت برای آلل­های کوتاه و بلند گروه­بندی می­شوند.

ریزماهواره­ها اغلب، در مناطق آغازین رونویسی متمرکز هستند که خود به خود نقش بالقوه آنها را در تنظیم ژن پیشنهاد می­کند. براساس یافته­های اخیر در ژنتیک انسانی، ارتباط بین ریزماهواره­ها و صفات فنوتیپی نه تنها به یک آلل ویژه بلکه به حد آستانه­ای و اندازه موتیف تکراری نیز وابسته می­باشد. به عنوان مثال کاهش فزاینده در نسبت­های رونویسی یک ژن به وسیله افزایش تدریجی در تعداد تکرار از 16 به 20 برای یک ریزماهواره CA در اینترون 1 از ژن گیرنده فاکتور رشد اپیدرمی[2] در انسان گزارش شده است (Gebhardt et al., 1999). همچنین با افزایش تدریجی در تعداد تکرار نوکلئوتیدی از صفر به 21 برای ریزماهواره CA در ناحیه آغازگر ژن متالو پروتئیناز9 ماتریکس انسانی میزان و سرعت رونویسی افزایش می­یابد (Shimajiri et al., 1999). در تحقیقی دیگر نشان داده شد در ژن آلدوردوکتاز، تغییر درتعداد تکرار n(CA) ریزماهواره مستقر در منطقه پایین دست آغازگر با بروز بیماریهای دیابت و رتینوپاتی در ارتباط است و در ژن α گیرنده استروژن، تغییر در تعداد تکرار ریزماهواره (TA)n با تغییرات در تراکم مواد معدنی استخوانی و استخوان­سازی مرتبط می­باشد Hayashi et al. 2007)).

در تحقیقاتی مشابه در گاوهای گوشتی کوتوله،تیم تحقیقاتی Lucy et al. (1998) نشان دادند که تعداد تکرار نوکلئوتیدی ریزماهواره GT مستقر در ناحیه آغازگر ژن گیرنده هورمون رشد GHR در گاوهای بوس ایندیکوس[3] به صورت تکرارهای 11 جفت بازی و در گاوهای بوس­تاروس[4] معمولاً یک تکرار 20-16 جفت بازی را شامل می­شود. این نتایج نشان می­داد که آلل کوتاه ریزماهواره مشاهده شده با وزن از شیرگیری پایین و وزن لاشه ارتباط معنی­داری دارند (Hale et al., 2000). این رویکرد دلیلی بر وجود ارتباط منفی صفت رشد با آلل کوتاه در ریزماهواره GT است و رشد کم در گاوهای پرواری آنگوس[5] ممکن است مستقیماً به طول کوتاه این تکرار واقع در پروموتور ژن گیرنده هورمون رشد مرتبط باشد در پژوهشیWeller  (2008) با مطالعه ریزماهواره­های موثر بر میزان رونویسی نشان دادند که چند شکلی­های طول ریز ماهواره یک ابزار مهم کنترل کننده تنوع صفات کمی است که اصلاحگران را در تدوین برنامه های اصلاحی کمک می­کند.

در راستای بررسی این فرضیه، هدف مطالعه حاضر تعیین ژنوتیپ مجموع 13 نشانگر ریزماهواره مختص ژنوم بز با استفاده از سیستم گروه­بندی ژنوتیپی و سپس ارزیابی ارتباط آنها با صفات وزن بدن، افزایش رشد روزانه و در نهایت شاخص کلیبر[6] در بزهای تجاری نژاد بوئر بود.

 

مواد و روش­ها

در این مطالعه، داده­ها بطور تصادفی از 122 رأس بز نژاد تجاری بوئر( نر و ماده) استرالیایی از بین گله­های مختلف (1000-300 رأسی) جمع­آوری گردید. بزهای ماده در این مطالعه، برای یک بار بزغاله­زایی در سال، مدیریت و به طور کنترل شده با نرها جفت­گیری می­کردند. در شروع زمان پرورش، ماده­ها وزن شدند و به طور تصادفی برای هر بز نر، بسته به سن، 25 تا40 ماده اختصاص داده شد. صفات رکوردگیری شده شامل وزن تولد، وزن از شیرگیری، وزن شش ماهگی، میانگین افزایش وزن روزانه و نسبت کلیبر است. افزایش وزن روزانه بین تولد تا سه ماهگی (ADG1)، بین سه ماهگی تا شش ماهگی (ADG2) و بین تولد تا یک سالگی (ADG3) و همچنین نسبت کلیبر بین سه ماهگی تا شش ماهگی (KBR1) و بین شش ماهگی تا یکسالگی (KBR2) محاسبه گردید. علاوه بر این، ویرایش­های اساسی برای تصحیح رکوردهای اندازه­گیری شده بر اساس عوامل ثابت تاثیرگذار بر هر حیوان انجام گرفت، رکوردهای حیواناتی که در یک دوره پرورش به خاطر بیماری و یا دلایل دیگر از بین رفته بود، از ارزیابی نهایی حذف شدند. رکوردهای خارج از سه انحراف استاندارد فنوتیپی ازمیانگین تصحیح شده نیز از محاسبات نهایی حذف شدند.

فرمول ریاضی زیر برای محاسبه صفت افزایش وزن از زمان تولد تا وزن از شیرگیری از روی رکوردهای موجود وزن تولد و وزن از شیرگیری هر حیوان استفاده شد:

 

که در این فرمول،  ADGمتوسط وزن روزانه، WW وزن از شیرگیری تصحیح شده و BW وزن تولد می­باشد. برای تصحیح وزن از شیرگیری از فرمول ذیل استفاده گردید:

 

که اجزا این فرمول AWW وزن از شیرگیری تصحیح شده و BW وزن تولد می­باشد.

شاخص کلیبر طبق فرمول زیر محاسبه می شود:

ADG/W0.75

که در فرمول فوق ADG متوسط افزایش وزن روزانه است که در واحد g/day بیان می­شود، W وزن بدن در واحد کیلوگرم و W0.75  حجم متابولیک می­باشد.

استخراج DNA از خون کامل با استفاده از کیت تجاری  QIAGENانجام شد. خلوص DNA استخراج شده به وسیله نسبت­هایnm ­280/260 با فتوبیومتری[7] شرکت اپندورف تعیین شد. فناوری واکنش زنجیره­ای پلیمراز (PCR) چندگانه با استفاده از  WELLRED dye (شرکت بکمن) انجام شد و برای الکتروفورز محصولات PCR از دستگاه توالی­یاب شرکت بکمن آمریکا CEQ8000 استفاده گردید. واکنش زنجیره­ای پلیمراز (PCR) در حجم 25 میکرولیتر شامل MgCl2 mM 5/1، mM dNTP 2/0، mM 01/0 از هرکدام از آغازگرها (Research Biolab)،50 نانوگرم DNA ژنومی و 2/0 واحد از Taq DNA polymerase(Progma Company) انجام شد. برنامه حرارتی PCR شامل دمای واسرشت سازی اولیه ˚C95 به مدت 3 دقیقه و 34 سیکل واسرشت­سازی به مدت 45 ثانیه در دمای ˚C94، دمای اتصال آغازگرها به مدت یک دقیقه در دمای مخصوص هر آغازگر و˚C  72 به مدت 45 ثانیه برای بسط و بسط نهایی به مدت 10دقیقه در دمای ˚C72 در نظرگرفته شد. توالی­ آغازگرها و دمای اتصال استفاده شده در اینجا از مطالعات قبلی گرفته شده است (Hale et al., 2000). سیکل­های Touch-down نیز به صورت واسرشت­سازی اولیه به مدت 5 دقیقه در دمای ˚C95، پنج سیکل در دمای ˚C95 به مدت 45 ثانیه، در ˚C68 برای 5/1 دقیقه (˚C2- برای هر سیکل)، ˚C 72 به مدت یک دقیقه و چهار سیکل از ˚C95 به مدت 45 ثانیه، ˚C58 به مدت یک دقیقه(˚C2- برای هر سیکل)،˚C 72 به مدت یک دقیقه و 25 سیکل از ˚C95 به مدت 45 ثانیه، ˚C50 به مدت یک دقیقه، ˚C72 یک دقیقه و در نهایت پنج دقیقه در ˚C72 انجام شد.

اندازه آلل­ها به وسیله مقایسه باندهای مشاهده شده روی ژل با اندازه نشانگر[8] 25 جفت­بازی تعیین شد. گروه­بندی ژنوتیپ­های هر جایگاه ریزماهواره­ای چندشکل[9] بر اساس دامنه اللی مشاهده شده در کل جمعیت گروه­بندی شد. ژنوتیپها طبق اندازه آلل­ها در گروه­های هموزیگوت برای آلل­های کوتاه، هموزیگوت برای آلل­های بلند و هتروزیگوت، در 8 جایگاه ریزماهواره­ای چندشکل از بین سیزده جایگاه کل بررسی شده آنالیز شدند (سایر نشانگرها الگوی یک­شکل[10] نشان دادند). معیار گروه­بندی ژنوتیپهای مشاهده شده بر اساس دامنه اللی گزارش شده در بانک توالیهای ژن و آلل­های مشاهده شده در جمعیت حاضر بود. در هر گروه فاصله ده جفت باز معرف هر گروه اللی کوتاه و بلند بود و بین دو گروه نیز فاصله ده جفت باز به عنوان مرز متمایز کننده محسوب گردید که این دامنه­ها در جدول 1 آورده شده است.

هتروزیگوسیتی مورد انتظار و مشاهده شده بر اساس Levene (1949) و Nei (1973) و همچنین تعداد آلل­های مؤثر و مشاهده شده طبق Kimura(1964)  Crow and با استفاده از نرم افزار POPGENE v1.31 (Yeh, 1999) محاسبه گردید. روابط بین گروه­های ژنوتیپی و نشانگرهای ژنتیکی و عملکرد رشد با آنالیز واریانس یک طرفه در نرم­افزارSAS version 9.1  تعیین شد. گروه­های ژنوتیپی آلل­ها به عنوان متغیر مستقل و رکوردهای صفات رشد به عنوان متغیر وابسته درنظرگرفته شد. مدل زیر در این مطالعه به کار برده شد:

Yijklm=µ+ Pi+ Lj+ Sk+ Xl+ Om+ βcovij+ eijklm

 

که در این مدل Yijklm رکورد فنوتیپی حیوان، µ میانگین کل،  Piاثرثابت i امین قلو (1،2،3و4)، Lj اثرثابت j امین تعداده بزغاله در هر زایش (1،2،3)، Sk اثرثابتk  امین جنس (1و2)، Xl اثر ثابت  Lامین سال تولد (2007و 2008)، Om گروهm ­ام از ژنوتیپ­ها، β ضریب رگرسیون کوواریانس، covij کوواریانسی بین وزن تولد و صفات اندازه گیری شده رشد است که طبق صفت آنالیز شده تغییر میکند و در نهایت eijklm خطای تصادفی در ارتباط با هر رکورد می­باشد.

 از طرفی در آنالیزها وزن تولد به عنوان کوواریت (همبسته) برای صفات افزایش وزن روزانه در نظر گرفته شد. پس از بررسی ارتباط بین هر گروه ژنوتیپی با رکوردهای رشد و در صورت معنی­داری از طریق آزمون مقایسه میانگین بونفرونی[11] تصحیح شده، اختلاف و معنی داری بین آنها محاسبه گردید.

 

نتایج  و بحث

وزن زنده در سنین مختلف، معیار انتخابی خوبی برای ارزیابی صفات رشد در نژادهای تیپ گوشتی بز محسوب می­شود. صفات رشد، وراثت­پذیری بالایی دارند و پیشرفت ژنتیکی حاصل از انتخاب فنوتیپی در این صفات چشمگیر می­باشد. مجموعه­ای از مکانها با اثرات انفرادی کوچک به عنوان مکان صفات کمی یا QTLs نامیده می­شوند که صفات رشد را کنترل می­کنند و ممکن است اثرات مثبتی در تنوع وزن بدن و برنامه پیشرفت میانگین افزایش وزن روزانه داشته باشند. بعد از تعیین ژنوتیپ، 8 جایگاه ریزماهواره­ای شامل BM4307, BM4621, BMC1009, CSSM3, IDVGA37, TEXAN006, TGLA245, UWCA46 دارای چندشکلی بودند و 5 جایگاه ILSTS004, INRA11, INRABEN17, MCM512, RM148 مونومورف شناخته شدند که از آنالیزهای بعدی کنار گذاشته شدند. معیارهای تعیین کننده چندشکلی از جمله تعداد آلل­های واقعی(na)، تعداد آلل­های مؤثر(ne)، هتروزیگوسیتی مشاهده­شده و مورد انتظار، شاخص اطلاعاتی شانون (I)، میانگین تنوع ژنی Nei (1978)، و میانگین و انحراف استاندارد برای هر یک از نشانگرهای مورد مطالعه در جدول 2 ارائه شده است.

یکی از معیارهای مورد استفاده جهت بررسی میزان تنوع ژنتیکی و ساختار جمعیت­های مختلف تعداد آلل­های نشانگرهای مورد استفاده می­باشد. تعداد آلل­های مشاهده­شده در مطالعات متعددی برای نشانگرهای ریز ماهواره­ای گزارش شده است در پژوهشیNanekarani et al. (2010)، دامنه تغییرات تعداد آلل­ها در جایگاههای ریز ماهواره­ای مورد مطالعه در سه نژاد گوسفند پوستی ایران را 6 تا 12 آلل و میانگین تعداد آلل به ازای هر جایگاه در سه نژاد قهوه­ای شیراز، زندی و قره گل را به ترتیب 1/8، 8، 1/8 گزارش نمودند. در مطالعه­ای دیگر طی تحقیقاتMuneeb et al.  (2012) با استفاده از 19 نشانگر ریزماهواره­ای، 173 آلل با دامنه­ی 2-14 و میانگین 11/9 آلل مشاهده شده در هر جایگاه را در گوسفند نجدی گزارش کردند. مقایسه ne با naدر هر جایگاه، اطلاعاتی در مورد پیش غالبیت آلل­های خاص در هر نژاد را فراهم می­کند (Arranz et al., 1998).

 

جدول 1- دامنه اندازه اللی در جایگاه­های مورد مطالعه و اندازه­ی آللی در نظر گرفته شده برای آلل­های کوتاه و بلند.

Table 1- The range of observed allele sizes in studied loci and the sizes which considered as short and long.

الل بلند

Long allele

الل کوتاه

Short allele

دامنه مشاهده شده

Observed range

کروموزوم

Chromosome

جایگاه

Loci

210 - 220

190 - 200

189 - 221

1

BM4307

171 - 181

160 - 170

161 - 173

1

BM4621

300 - 310

280 - 290

282 - 308

5

BMC1009

224 - 234

213 - 223

213 - 221

1

CSSM32

190 - 200

116 - 126

116 - 206

2

IDVGA37

160 - 170

140 - 150

142 - 172

1

TEXAN006

140 - 150

120 - 130

131 - 151

1

TGLA245

130 - 140

110 - 120

111 - 140

1

UWCA46

 

 

 

 

 

جدول 2- تنوع ژنی نئی، هتروزیگوسیتی مشاهده شده و مورد انتظار، شاخص شانون، تعداد آلل­های مشاهده شده و مؤثر برای نشانگرهای مختلف در این تحقیق.

Table 2- Nei’s genetic diversity, Observed and expected hetrozygosity, Shannon’s index and effective and observed numbers of alleles for different markers in this research.

تعداد آلل­های واقعی

Observed allele number

(na)

تعداد آلل­های موثر Effective allele number

(ne)

شاخص شانون

Shannon’s index

(I)

هتروزیگوسیتی مشاهده شده

Expected Hetrozygosity (Hobs)

هتروزیگوسیتی مورد انتظار

Observed Hetrozygosity (Hexp)

ضریب تنوع

Gene diversity

جایگاه

Loci

9

5.17

1.79

0.8

0.81

0.8

BM4307

6

3.73

1.42

0.61

0.73

0.73

BM4621

6

3.61

1.49

0.78

0.72

0.72

BMC1009

7

3.62

1.47

0.61

0.72

0.72

CSSM32

8

6.01

1.9

1

0.83

0.83

IDVGA37

11

4.85

1.77

0.78

0.79

0.79

TEXAN006

9

5.2

1.83

0.73

0.81

0.8

TGLA245

6

3.24

1.33

0.57

0.69

0.69

UWCA46

7.83

4.5

1.64

0.76

0.77

0.77

Mean

1.85

0.95

0.19

0.14

0.05

0.05

SD

 

 

یکی دیگر از فراسنجه­های مهم در مقایسه و بررسی تنوع ژنتیکی نژادهای مختلف، تنوع ژنی می­باشد. نتایج حاصل از این پژوهش نشان داد، میانگین (انحراف معیار) تنوع ژنی در نژاد بز بوئر 05/077/0 می­باشد. این میانگین بالاتر از مقادیر گزارش شده در نژادهای دیگر بز است. در چند پژوهش  Moradi et al. (2013) میانگین تنوع ژنی را در بزهای نژاد مرخز با استفاده از نشانگرهای بین ریزماهواره­ای ISSR، 34/0، Olivera et al. (2005) در جمعیت­های مختلف نژاد موکسوتوی[12] برزیل با استفاده از نشانگرهای RAPD، 33/0 – 22/0 و Ajmone-Marsan et al. (2001) در بزهای ایتالیایی با استفاده از نشانگرهای AFLP، 24/0 – 21/0 گزارش کرده­اند. بدون در نظر گرفتن تفاوت­های نشانگری به نظر می­رسد تنوع ژنی در بز­های بوئر در مقایسه با نژادهای بز ذکر شده بیشتر می­باشد، هر چند در تفسیر این نتایج باید تفاوت­های نژادی و نحوه نمونه­برداری متفاوت را نیز مد نظر قرار داد.

نتایج حاصل از این تحقیق نشان داد که میانگین (انحراف معیار) شاخص اطلاعاتی شانن 19/064/1 می­باشد. شاخص اطلاعاتی شانن روشی دیگر در ارزیابی تنوع ژنتیکی است که بیشتر در نشانگرهای ریزماهواره­ای مورد استفاده قرار می­گیرد. در این نشانگرها به دلیل اینکه به طور عمده میزان هتروزیگوسیتی بیشتر از 8/0 است، برای رفع محدودیت موجود در مقایسه تنوع حاصل از این نشانگرها از شاخص اطلاعاتی شانن استفاده می­شود که مقدار عددی آن می­تواند از یک بیشتر شود. به عنوان مثال طی پژوهش Gour et al. (2006) میانگین هتروزیگوسیتی مورد انتظار و شاخص اطلاعاتی شانن را در بزهای چاماناپاری[13] هند با استفاده از نشانگرهای ریزماهواره­ای به ترتیب 23/052/0 و 51/006/1 گزارش کرده­اند. طی تحقیقات Muneeb et al. (2012) نیز هتروزیگوسیتی مشاهده شده، مورد انتظار و شاخص اطلاعاتی شانون را در گوسفند نجدی به ترتیب 67/0، 75/0، 69/1 گزارش کردند. به همین خاطر در این تحقیق شاخص اطلاعاتی شانن نیز برای مقایسات بعدی محاسبه گردید.

هشت نشانگر ریزماهواره به طور موفقیت­آمیزی در نژاد بز تجاری (بوئر) تکثیر شدند و طبق معیارهای استفاده شده برای تعیین چندشکلی، در تمام نشانگرها چندشکلی بالایی تشخیص داده ­شد. نتایج اندازه آللی در جدول 2 ارایه شده است. بزرگترین اندازه باندی محصولات حاصل از تکثیر برای جایگاه BMC1009 مشاهده شد. تفاوت تعداد افراد مطالعه شده در هرسامانه، به دلیل مشکلات عدم تکثیر در تعدادی از نمونه­ها می­باشد.

فراوانی­های آللی و ژنوتیپی جایگاه­های مورد مطالعه در جدول 3 ارائه شده است. ژنوتیپ­های هرجایگاه طبق اندازه آلل به صورت گروه­های هموزیگوس برای آلل­های کوتاه LL، گروه هموزیگوس برای آلل­های بلند HH و گروه هتروزیگوس برای آلل­های کوتاه و بلند HL گروه­بندی می­شوند. نتایج نشان داد که بیشترین فراوانی آللی بالا H)) مربوط به جایگاه IDVGA37 و بیشترین فراوانی آللی پایین (L) مربوط به جایگاه BMC1009 می­باشد. از طرفی همان گونه که مورد انتظار بود گروه آلل­های HH یعنی با طول بلند در اکثر موارد فراوانی بیشتری را نسبت به گروه آللی با طول کوتاه (LL) نشان دادند زیرا بروز جهش­ از نوع حذف کمتر از جهش از نوع اضافه شدن می­باشد (Comings, 1996).

 

 

جدول 3- فراوانی­های آللی و ژنوتیپی جایگاه­های مورد مطالعه.

Table 3- Genotypic and allelic frequencies of investigated loci.

فراوانی اللی

Allelic Frequency

فراوانی ژنوتیپی

Genotypic Frequency

جایگاه

Loci

H

L

HH

HL

LL

 

0.87

0.13

0.74

0.26

0

BM4307

0.69

0.31

0.6

0.18

0.22

BM4621

0.44

0.56

0.12

0.63

0.25

BMC1009

0.53

0.47

0.27

0.51

0.22

CSSM32

0.99

0.01

0.99

0.01

0

IDVGA37

0.56

0.44

0.12

0.88

0

TEXAN006

0.62

0.38

0.29

0.66

0.05

TGLA245

0.4

0.6

0.12

0.57

0.31

UWCA46

LL: Homozygous for the short allele, HL: Heterozygous for long and short alleles,  HH: Homozygous for the long allele.

 

 

میانگین حداقل مربعات گروه­های ژنوتیپی بر روی وزن تولد، وزن از شیرگیری، وزن شش ماهگی و همچنین نسبت کلیبر بین سه ماهگی تا شش ماهگی (KBR1) و بین شش ماهگی تا یکسالگی (KBR2) در جدول 4 ارائه شده است. نتایج نشان داد که ژنوتیپ HH در جایگاه­های TEXAN006 و CSSM32 ژنوتیپ مطلوب برای وزن تولد می باشد (P<0.05). در افراد هموزیگوس برای آلل­های بلند در جایگاه BMC1009 در مقایسه با دیگر جایگاه­ها وزن شیرگیری بیشتری مشاهده گردید (P<0.05). به طوریکه گروه ژنوتیپی HH و LL در جایگاه BMC1009 با میانگین 9.80 در برابر 6.63 کیلوگرم اثر معنی­دای بر روی وزن از شیرگیری نشان دادند (P<0.01). وزن زنده بالا در 6 ماهگی در افراد هتروزیگوس در جایگاه BM4621 و افراد هتروزیگوس و هموزیگوس برای آلل­های بلند در جایگاه UWCA46 مشاهده شد. در جایگاه UWCA46 گروه آللی بلند نسبت به بقیه ژنوتیپ­ها با وزن شش­ماهگی ارتباط معنی­دار مثبت نشان داد، درحالیکه در جایگاه­های BM4621 این روند برعکس بود (P<0.01). همچنین هیچکدام از نشانگرهای مورد بررسی در این تحقیق ارتباط معنی­داری با میزان کلیبر نشان ندادند.

 

 

جدول 4- مقایسه میانگین حداقل مربعات وزن تولد (BW0)، وزن از شیرگیری (WW) وزن 6 ماهگی (W6)، نسبت کلیبر بین سه ماهگی تا شش ماهگی (KBR1) و بین شش ماهگی تا یکسالگی (KBR2)  در گروه­های ژنوتیپی مختلف نشانگرهای ریزماهواره­ای با اثرات معنی­دار در سطح 05/0.

Table 4- Comparison of least square means for birth weight (BW0), weaning weight (WW), weight in 6 months (W6), Keliber ratio among 3-6 months (KBR1) and among 6-12 months (KBR2) traits in different genotypic classes of significant microsatellite markers (α=0.05).

 

*اعداد داخل پرانتز بیانگر تعداد بزهای قرار گرفته در هر گروه ژنوتیپی است.

*The numbers inside the parenthesis are showing the number of animals in each genotypic class.

 

افزایش وزن روزانه بین تولد تا سه ماهگی (ADG1) و بین سه ماهگی تا شش ماهگی (ADG2) و بین تولد تا یک سالگی (ADG3) محاسبه گردید. ژنوتیپ هموزیگوت و هتروزیگوت HH  و  HLنشانگر UWCA46، دارای اثرات معنی­داری با افزایش وزن روزانه در سنین مختلف بود و ژنوتیپ هتروزیگوت HL نشانگرهای BM4621 و BM4307 اثر معنی­داری روی افزایش وزن روزانه بین 6 ماهگی تا یکسالگی داشت (جدول 5).

تمام نشانگرهای ریزماهواره­ای با اثرات معنی­دار بر روی رشد و وزن بدن در این تحقیق در کروموزوم­های 1 و 5 ژنوم بز قرار گرفته­اند. BM4307 و UWCA46 از کروموزوم شماره 1 با وزن بدن و میانگین افزایش وزن روزانه ارتباط نشان دادند. در پژوهشی Lan et al. (2007) گزارش کردند که یک جهش خاموش در ژن POUF1 که بر روی کروموزوم شماره 1 قرار دارد به صورت معنی­داری چندقلوزایی و وزن بدن را در بز تحت تأثیر قرار می­دهد. در مطالعه­ای، Javanmard (2012) دو QTL بین نشانگرهای BMC1009 و RM029 در کروموزوم 5 بز گزارش کردند که با وزن تولد ارتباط معنی­داری را نشان می­داد. وجود ارتباط بین QTL و وزن تولد در کروموزوم 5 برای بزهای رائینی نیز گزارش شده است (Mohammad Abadi et al., 2009).

در پژوهشی Saghi et al. (2011) نیز QTL معنی­داری را برای وزن تولد، وزن 30 و 60 روزگی در کروموزوم یک به ترتیب در نزدیکی نشانگرهای BMS 2572، BMS2321 و BM7145 گزارش کردند. همچنین طی تحقیقات Esmailizadeh (2010) QTL معنی­داری را در کروموزوم یک نزدیک نشانگر BMS2572 در گوسفند کرمانی گزارش کرد. نتایج بدست آمده در این تحقیق مبنی بر وجود QTLهای کنترل کننده صفات رشد در کروموزوم­های 1 و 5 با نتایج این تحقیقات در گونه­های مختلف مطابقت دارد.

 

نتیجه­گیری

نتایج مطالعه حاضر با استفاده از روش گروه­­بندی ژنوتیپ براساس طول توالی موتیف ریزماهواره­ای به جای ژنوتیپ انفرادی برای تعیین ارتباط­های معنی­دار بین نشانگرها و صفات کمی یک مرحله ابتکاری به طرف انتخاب به کمک نشانگرها در حیوانات اهلی می­باشد.

شیوه تشکیل گروههای آللی برای مکانهای ریزماهواره که به وسیله Comings (1998) به جای بررسی ارتباط با هر آلل پیشنهاد شده بود، گنجاندن تعداد بیشتری از افراد هر ژنوتیپ را امکان پذیر می­سازد. بنابراین قابلیت اطمینان آزمایش­های مرتبط افزایش می­یابد. در مجموع، نتایج مطالعه حاضر امکان استفاده از این روش را برای تعیین ارتباطات معنی­دار بالا با صفات کمی و بگارگیری انتخاب به کمک نشانگرها در حیوانات اهلی نشان می­دهد.


سپاسگزاری

بدینوسیله از مدیریت و کارکنان مزرعه بز تجاری بوئر برای فراهم کردن نمونه­ها برای این مطالعه کمال تشکر و قدردانی را داریم.

 

 

 

جدول 5- مقایسه میانگین حداقل مربعات افزایش وزن روزانه بین تولد تا سه ماهگی (ADG1)، بین سه ماهگی تا شش ماهگی (ADG2) و بین شش ماهگی تا یک سالگی (ADG3) در گروه­های ژنوتیپی مختلف نشانگرهای ریزماهواره­ای با اثرات معنی­دار.

Table 5- Comparison of least square means for Average Daily Gain among Birth to 3 months (ADG1), 3-6 months (ADG2) and 6-12 months (ADG3) in different genotypic classes of significant microsatellite markers (α=0.05).

افزایش وزن روزانه شش ماهگی تا یک سالگی

Average daily gain among 6-12 months

ADG3(g/day)

افزایش وزن روزانه  بین سه ماهگی تا شش ماهگی

Average daily gain among 3-6 months

ADG2(g/day)

 

افزایش وزن روزانه بین تولد تا سه ماهگی

Average daily gain  among 0-3 months

ADG1(g/day)

 

گروه

Class

 

جایگاه مورد بررسی

Loci

108.28 ± 13.20b

174.84 ± 34.64

40.86 ± 16.35

HH(82)*

BM4307

 

117.06 ± 13.23a

179.16 ± 34.70

54.19 ± 16.40

HL (30)

--

--

--

LL(0)

109.40 ± 13.69b

173.31 ± 35.93

44.63 ± 17.33

HH(68)

BM4621

 

117.98 ± 12.81a

180.25 ± 33.61

54.84 ± 15.57

HL (20)

110.64 ± 13.63b

177.44 ± 35.77

43.10 ± 17.21

LL(24)

114.79 ± 13.58a

186.40 ± 35.65a

57.74 ± 17.11a

HH(13)

UWCA46

 

114.76 ± 13.23a

185.84 ± 34.71a

42.68 ± 16.40b

HL (63)

108.47 ± 13.40b

158.76 ± 35.15b

52.15 ± 16.74b

LL(36)

*        اعداد داخل پرانتز بیانگر تعداد بزهای قرار گرفته در هر گروه ژنوتیپی است.

*The numbers inside the parenthesis are showing the number of animals in each genotypic class.

 

 

 


 

منابع

Ajmone-Marsan P, Negrini R, Crepaldi P, Milanesi E, Gorni C, Valentini A, Cicogna M (2001). Assessing genetic diversity in Italian goat populations using AFLP markers. Animal Genetics 32: 281-288

Arranz JJ, Bayón Y, Primitivo F (1998). Genetic relationships among Spanish sheep using microsatellites. Animal Genetics 29: 435–440. 

Comings DE (1998). Polygenic inheritance and minisatellites. Molecular Psychiatry 3: 21-31.

Comings DE, Gade R, MacMurray JP, Muhleman D, Peters WR (1996) Genetic variants of the human obesity (OB) gene: Association with body mass index in young women, psychiatric symptoms, and interaction with the dopamine D-2 receptor (DRD2) gene. Molecular Psychiatry 1:325-335. 

Esmailizadeh KA (2010). A partial genome scan to identify quantitative trait loci affecting birtweight in kermani sheep. Small Ruminant Research. 94: 73-78.

 Estoup A, Angers B (1998). Microsatellites and minisatellites for molecular ecology: theoretical and empirical considerations, Advances in Molecular Ecology, IOS Press, Amsterdam.

Gebhardt F, Zanker KS, Brandt B (1999) Modulation of epidermal growth factor gene transcription by a polymorphic dinucleotide repeat in intron 1. Journal of Biological Chemistry. 274:13176−13180.

Gour DS, Malik G, Ahlawat SPS, Pandey AK, Sharma R, Gupla N, Gupta SC, Bisen PS, Kumar D (2006) Analysis of genetic structure of Jamunapari goats by microsatellite markers. Small Ruminant Research. 66:140-149.

Greyling JP (2000) Reproduction traits in the Boer goat doe. Small Ruminant Research. 36 (2):171–177

Hale CS, Herring WO, Shibuya H, Lucy MC, Lubahn DB, Keisler DH, Johnson GS (2000) Decreased growth in Angus steers with a short TG-microsatellite allele in the P1 promoter of the growth hormone receptor gene. Journal of Animal Science. 78:2099–2104.

Hayashi, T., Iwamoto, Y., Kaku, K., Hirose, H., Maeda, S ( 2007) Replication study for the association of TCF7L2 with susceptibility to the type 2 diabetes in a Japanese population. Diabetologia 50, 980–984

Javanmard A (2012) Genetic Parameters and polymorphism in candidate genes for growth and conformation traits in boer goats. PH.D thesis, University of Putra, Malaysia.

Kimura M, Crow JF (1964) The number of alleles that can be maintained in a finite population. Genetics. 49:725-738.

Lan XY, Pan CY, Chen CL, Zhang JYL, Zhao C Z, Lei AL Zhang L (2007). ALUI PCR-RFLP detecting a silent allele at the goat POUF1 locus and its association with production traits. Small Ruminant Research. 73 (3): 8-12.

Levene H (1949) On a matching problem arising in genetics. Annals of Mathematical Statistics. 20: 91-94.

Lucy MC, Johnson GS, Shibuya S, Boyd CK, Herring WO (1998) Rapid communication: Polymorphic (GT)n microsatellite in the bovine somatotrophin receptor gene promoter. Journal of Animal Science. 76:2209−2210

Malan SW (2000) The improved Boer goat. Small Ruminant Research. 36 (2): 165–170.

Mohammad Abadi MR, Askari N, Baghizadeh A, Esmailizadeh AK (2009) A directed search around caprine candidate loci provided evidence for microsatellites linkage to growth and cashmere yield in Rayini goats. Small Ruminant Research. 81 (2-3): 146-151.

Moradi MH, Rostamzadeh J, Rashidi A, Vahabi Kh, Farahmand H (2013) Analysis of genetic diversity in Iranian Mohair goat and its color types using Inter Simple Sequence Repeat (ISSR) markers. Journal of Agricultural Communications. 1:2.

Muneeb M, Aljummah RS, Alshaik MA (2012) Genetic diversity of Najdi sheep based on microsatellite analysis. African Journal of Biotechnology.11 (83):14868-14876.

Nanekarani S, Amirinia C, Amirmozafari N, Vaez Torshizi R, Gharahdaghi A (2010). Genetic variation among pelt sheep population using microsatellite markers. African journal of Biotechnology. 9(44): 7437-7445.

Naude RT, Hofmeyr HS (1981) Meat Production. In: C. Gall (Ed.), Goat Production. Academic Press, London, New York, pp. 285–307.

Nei M (1973) Analysis of gene diversity in subdivided populations. Proceedings of the National Academy of Sciences. 70:3321-3323.

Nei M (1978) Molecular evolutionary genetics. New York: Columbia University Press, USA.

Olivera RR, Egito AA, Riberio MN, Paiva SR, Albuquerque MSM, Castro SR, Mariante AS, Adriao M (2005) Genetic characterization of the Moxoto goat breed using RAPD markers. Pesq. Agropec. Brasilia. 40:233-239.

Renaville N, Gengler E, Vrech A, Prandi S, Massart C, Corradini C, Bertozzi F, Mortiaux A, Burny, Portetelle D (1997) Pit-1 gene polymorphism, milk yield and conformation traits for Ital Holstein-Frisian bulls. Journal of Dairy Science. 80: 3431–343.

Saghi, D., Aslaminajad,A.M.Tahmoraspour,M.R.Nassiri,G.,Dashab.(2012).Identification of QTL controlling body weigh in bluchi sheep. Journal of Animal Science. 95:200-201( in persian)

Shimajiri S, Nobuyuki N, Tanimoto A, Murata Y, Hamada T, Wang KY, Sasaguri Y (1999) Shortened microsatellite (CA)21 sequence down-regulates promoter activity of matrix metaloproteinase 9 gene. FEBS Let. 455:70−74.

Yeh FC (1999). POPGENE, v.1.31. Distributed by the http:..www.ualberta.ca.~fyeh.fyeh.

Yu K, Park J, Poysa V, Gepts P (2000) Integration of simple sequence repeats (SSR) markers into a molecular linkage map of common bean (phaseolus vulgaris). Heredity 91:429-434.

Weller JI. 2008. Quantitative trait loci analysis in animals. New York: CABI Publishing;

Zhao ME, Hines HC (2004) Associations of polymorphisms in the pit-1 gene with growth and carcass traits in Angus beef cattle. Journal of Animal Science 82: 2229-2233.

 

 

 

Association between threshold size and motif length of microsatellite markers with growth traits and Keliber ratio in commercial goats

 

Javanmard A.* 1, Alitalesh L.2, Moradi M. H.3, Azizi Z.1, Esmailzadeh A. K.4

 

1Assistant Professor and Ph.D. Student, Department of Animal Science, University of Tabriz, Tabriz, Iran.

2Ph.D. Student, Department of Animal Science, University of Tehran, Karaj, Iran.

3Assistant Professor, Department of Animal Science, Arak University, Arak, Iran.

4Associate Professor, Department of Animal Science, University of Kerman, Kerman, Iran.

 

 

 

Abstract

     Microsatellite genotyping can always be prone to genotyping errors which significantly affect the entire subsequent analysis. One of the new approaches to overcome this problem is an alternative method of using a clustering system of genotypes based on microsatellite motif length and allelic frequencies range instead of individual genotypes. The objective of the present study was to establish an association of 13 microsatellite markers, classified into three new groups based on allele size consisting homozygous for the short allele, homozygous for the long allele and the class of heterozygous for long and short alleles, with body weight and Keliber ratio in commercial Boer goats. The results after considering the fixed effects, revealed that the class of heterozygous for long and short alleles of TEXAN006 and CSSM32 loci were significantly associated with kids birth weight (P<0.05). The highest weaning weight was observed in individuals homozygous for long alleles at the BMC1009 locus (P<0.05). The BM4307, BM4621 and UWCA46 loci were also shown an association with average daily gain (P<0.05). In conclusion, the results showed that the use of motif length in the genotyping of microsatellite markers instead of genotype of each locus can minimize the genotyping errors and cause the higher probability to get a significant association with economically important traits.

 

Keywords: Microsatellite markers, Genotyping error, Motif length, Growth traits.

 

 

 

 



* نویسنده مسئول: آرش جوانمرد                     تلفن: 04133356004                                              Email: a.javanmard@tabrizu.ac.ir

[1] Boer

[2] Epidermal Growth Factor Receptor

[3] Bos indicus

[4] Bos taurus

[5] Angus

[6] Keliber index

[7]  Photobiometry

[8] Size Marker

[9] Polymorph

[10] Monomorph

[11] Bonferroni

[12] Moxoto

[13] Jamunapari goat

* Corresponding Author: Javanmard A.                   Tel:041-33356004               Email: a.javanmard@tabrizu.ac.ir

Ajmone-Marsan P, Negrini R, Crepaldi P, Milanesi E, Gorni C, Valentini A, Cicogna M (2001). Assessing genetic diversity in Italian goat populations using AFLP markers. Animal Genetics 32: 281-288
Arranz JJ, Bayón Y, Primitivo F (1998). Genetic relationships among Spanish sheep using microsatellites. Animal Genetics 29: 435–440. 
Comings DE (1998). Polygenic inheritance and minisatellites. Molecular Psychiatry 3: 21-31.
Comings DE, Gade R, MacMurray JP, Muhleman D, Peters WR (1996) Genetic variants of the human obesity (OB) gene: Association with body mass index in young women, psychiatric symptoms, and interaction with the dopamine D-2 receptor (DRD2) gene. Molecular Psychiatry 1:325-335. 
Esmailizadeh KA (2010). A partial genome scan to identify quantitative trait loci affecting birtweight in kermani sheep. Small Ruminant Research. 94: 73-78.
 Estoup A, Angers B (1998). Microsatellites and minisatellites for molecular ecology: theoretical and empirical considerations, Advances in Molecular Ecology, IOS Press, Amsterdam.
Gebhardt F, Zanker KS, Brandt B (1999) Modulation of epidermal growth factor gene transcription by a polymorphic dinucleotide repeat in intron 1. Journal of Biological Chemistry. 274:13176−13180.
Gour DS, Malik G, Ahlawat SPS, Pandey AK, Sharma R, Gupla N, Gupta SC, Bisen PS, Kumar D (2006) Analysis of genetic structure of Jamunapari goats by microsatellite markers. Small Ruminant Research. 66:140-149.
Greyling JP (2000) Reproduction traits in the Boer goat doe. Small Ruminant Research. 36 (2):171–177
Hale CS, Herring WO, Shibuya H, Lucy MC, Lubahn DB, Keisler DH, Johnson GS (2000) Decreased growth in Angus steers with a short TG-microsatellite allele in the P1 promoter of the growth hormone receptor gene. Journal of Animal Science. 78:2099–2104.
Hayashi, T., Iwamoto, Y., Kaku, K., Hirose, H., Maeda, S ( 2007) Replication study for the association of TCF7L2 with susceptibility to the type 2 diabetes in a Japanese population. Diabetologia 50, 980–984
Javanmard A (2012) Genetic Parameters and polymorphism in candidate genes for growth and conformation traits in boer goats. PH.D thesis, University of Putra, Malaysia.
Kimura M, Crow JF (1964) The number of alleles that can be maintained in a finite population. Genetics. 49:725-738.
Lan XY, Pan CY, Chen CL, Zhang JYL, Zhao C Z, Lei AL Zhang L (2007). ALUI PCR-RFLP detecting a silent allele at the goat POUF1 locus and its association with production traits. Small Ruminant Research. 73 (3): 8-12.
Levene H (1949) On a matching problem arising in genetics. Annals of Mathematical Statistics. 20: 91-94.
Lucy MC, Johnson GS, Shibuya S, Boyd CK, Herring WO (1998) Rapid communication: Polymorphic (GT)n microsatellite in the bovine somatotrophin receptor gene promoter. Journal of Animal Science. 76:2209−2210
Malan SW (2000) The improved Boer goat. Small Ruminant Research. 36 (2): 165–170.
Mohammad Abadi MR, Askari N, Baghizadeh A, Esmailizadeh AK (2009) A directed search around caprine candidate loci provided evidence for microsatellites linkage to growth and cashmere yield in Rayini goats. Small Ruminant Research. 81 (2-3): 146-151.
Moradi MH, Rostamzadeh J, Rashidi A, Vahabi Kh, Farahmand H (2013) Analysis of genetic diversity in Iranian Mohair goat and its color types using Inter Simple Sequence Repeat (ISSR) markers. Journal of Agricultural Communications. 1:2.
Muneeb M, Aljummah RS, Alshaik MA (2012) Genetic diversity of Najdi sheep based on microsatellite analysis. African Journal of Biotechnology.11 (83):14868-14876.
Nanekarani S, Amirinia C, Amirmozafari N, Vaez Torshizi R, Gharahdaghi A (2010). Genetic variation among pelt sheep population using microsatellite markers. African journal of Biotechnology. 9(44): 7437-7445.
Naude RT, Hofmeyr HS (1981) Meat Production. In: C. Gall (Ed.), Goat Production. Academic Press, London, New York, pp. 285–307.
Nei M (1973) Analysis of gene diversity in subdivided populations. Proceedings of the National Academy of Sciences. 70:3321-3323.
Nei M (1978) Molecular evolutionary genetics. New York: Columbia University Press, USA.
Olivera RR, Egito AA, Riberio MN, Paiva SR, Albuquerque MSM, Castro SR, Mariante AS, Adriao M (2005) Genetic characterization of the Moxoto goat breed using RAPD markers. Pesq. Agropec. Brasilia. 40:233-239.
Renaville N, Gengler E, Vrech A, Prandi S, Massart C, Corradini C, Bertozzi F, Mortiaux A, Burny, Portetelle D (1997) Pit-1 gene polymorphism, milk yield and conformation traits for Ital Holstein-Frisian bulls. Journal of Dairy Science. 80: 3431–343.
Saghi, D., Aslaminajad,A.M.Tahmoraspour,M.R.Nassiri,G.,Dashab.(2012).Identification of QTL controlling body weigh in bluchi sheep. Journal of Animal Science. 95:200-201( in persian)
Shimajiri S, Nobuyuki N, Tanimoto A, Murata Y, Hamada T, Wang KY, Sasaguri Y (1999) Shortened microsatellite (CA)21 sequence down-regulates promoter activity of matrix metaloproteinase 9 gene. FEBS Let. 455:70−74.
Yeh FC (1999). POPGENE, v.1.31. Distributed by the http:..www.ualberta.ca.~fyeh.fyeh.
Yu K, Park J, Poysa V, Gepts P (2000) Integration of simple sequence repeats (SSR) markers into a molecular linkage map of common bean (phaseolus vulgaris). Heredity 91:429-434.
Weller JI. 2008. Quantitative trait loci analysis in animals. New York: CABI Publishing;
Zhao ME, Hines HC (2004) Associations of polymorphisms in the pit-1 gene with growth and carcass traits in Angus beef cattle. Journal of Animal Science 82: 2229-2233.