مطالعه ی کل ژنوم بلدرچین ژاپنی با استفاده از رویکرد تک مرحله ای صفات مرتبط با بازده مصرف خوراک

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 129

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAP-24-2_001

تاریخ نمایه سازی: 23 مرداد 1401

چکیده مقاله:

هدف از این مطالعه بررسی معماری ژنتیکی، شناسایی مناطق ژنومی و ژن­های کاندیدای مرتبط با صفات افزایش وزن بدن، میزان خوراک مصرفی و ضریب تبدیل خوراک در بلدرچین ژاپنی بود. برای شناسایی پنجره­های ژنومی اصلی، از روش مطالعه پویش کل ژنومی تک مرحله­ای و از اطلاعات ژنومی ۹۲۰ قطعه بلدرچین ژاپنی استفاده شد. آنالیز پویش ژنومی به­وسیله نرم­افزارهای خانواده BLUPF۹۰ انجام شد. نتایج براساس مقدار واریانس ژنتیکی افزایشی کنترل شده در قالب پنجره­های به­طور میانگین ۱/۵ مگابازی از SNP­­های مجاور ارائه شد. پنجره­هایی که بیش از ­یک درصد واریانس را کنترل می­کردند به عنوان مناطق ژنومی موثر و برای یافتن ژن­های کاندیدا استفاده شدند. تعداد ۱۳ پنجره ژنومی معنی­دار روی هشت کروموزوم، ۲۳­ درصد کل واریانس ژنتیکی صفت افزایش وزن بدن را توجیه می­کردند و حاوی ژن­های کاندیدای SMYD۱، ADGRG۶وCFL۲بودند. بیش ترین واریانس مربوط به پنجره­ای روی کروموزوم شماره دو بود. تعداد ۲۰ پنجره روی هشت کروموزوم و شامل ژن­های کاندیدای ACSL۱،­PPA۲ ­، FGF۲ و RBL۲مرتبط با میزان خوراک مصرفی بودند. این پنجره­ها ۳۸­ درصد واریانس ژنتیکی را کنترل می­کردند و مهم­ترین پنجره روی کروموزوم شماره چهار بود. هم چنین برای ضریب تبدیل خوراک تعداد ۱۲ منطقه ژنومی روی هفت کروموزوم، ۲۳/۷درصد از واریانس ژنتیکی را توجیه می­کردند و حاوی ژن­های کاندیدای ATRNL۱­و PTPN۴بود. نتایج نشان داد چهار منطقه ژنومی اثر پلیوتروپی دارند. باتوجه به شناسایی مناطق ژنومی جدیدونقش کلیدی ژن­های ذکرشده مرتبط با مصرف خوراک می­توان کارایی روش تک مرحله ای برای پویش ژنومی صفات بازده مصرف خوراک را تاییدکرد.

کلیدواژه ها:

نویسندگان

حسین محمدی

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

امیر حسین خلت آبادی فراهانی

دانشیار،گروه علومدامی،دانشکده کشاورزی و محیط زیست،دانشگاه اراک،اراک،ایران.

محمد حسین مرادی

دانشیار،گروه علومدامی،دانشکده کشاورزی و محیط زیست،دانشگاه اراک،اراک،ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aarabi H (۲۰۱۶) Identification of polymorphism in candidate genes and ...
  • Christensen OF and Lund MS (۲۰۱۰) Genomic prediction when some ...
  • Du SJ, Rotllant J and Tan X (۲۰۰۶) Muscle-specific expression ...
  • Do DN, Strathe AB, Ostersen T, Jensen J, Mark T ...
  • Han Y and Peñagaricano F (۲۰۱۶) Unravelling the genomic architecture ...
  • Kang H, Zhao D, Xiang H, Li J, Zhao G ...
  • Khaldari M, Pakdel A, Mehrabani Yeganeh H, Nejati Javaremi A ...
  • Lu Y, Chen S and Yang N (۲۰۱۳) Expression and ...
  • Mahmoudi Zarandi M, Rokouei M, Vafaye Valleh M and Maghsoudi ...
  • Marchesi JAP, Ono RK, Cantão ME, Ibelli AMG, Peixoto JO, ...
  • Nayeri S, Sargolzaei M, Abo-Ismail MK, Miller S, Schenkel F, ...
  • Neijat M, Eck P and House JD (۲۰۱۷) Impact of ...
  • Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, ...
  • Ran J, Li J, Yin L, Zhang D, Yu C, ...
  • Rescan PY (۲۰۰۱) Regulation and functions of myogenic regulatory factors ...
  • Tsou R and Bence K (۲۰۱۳) Central regulation of metabolism ...
  • VanRaden PM (۲۰۰۸) Efficient methods to compute genomic predictions. Journal ...
  • Wang H, Misztal I, Aguilar I, Legarra A and Muir ...
  • Wang H, Misztal I, Aguilar I, Legarra A, Fernando RL, ...
  • Xue Q, Zhang G, Li T, Ling J, Zhang X ...
  • Yang X, Sun J, Zhao G, Li W, Tan X, ...
  • Zhou C, Li C, Cai W, Liu S, Yin H, ...
  • نمایش کامل مراجع