توجیه واریانس ژنتیکی صفت باقیمانده مصرف خوراک با چندشکلی های تک نوکلئوتیدی (SNP) کشف شده بر روی ترانسکریپتوم گاو هلشتاین

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم دامی، دانشکده علوم و مهندسی کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

2 گروه علوم دامی، دانشکده کشاورزی، دانشگاه کرنل، نیویورک، آمریکا

3 گروه علوم دامی، دانشکده کشاورزی، دانشگاه یاسوج

چکیده

چندشکلی‌های تک نوکلئوتیدی ( SNP) امروزه به مهم‌ترین و کارآمدترین ابزار به نژادی تبدیل شده‌اند. مطالعات پویش کل ژنوم و انتخاب ژنومی دو کاربرد مهم در اصلاح نژاد دام هستند که هر دو مبتنی بر تعیین ژنوتیپ تعداد بسیار زیادی از این جایگاهها هستند. بدین منظور آرایه های با تراکم بالا از این نشانگرها در صنعت گاو شیری ارایه شده اند. از آنجاییکه ترانسکریپتوم تنها حاصل رونویسی بخشهایی از ژنوم است که رمزگر بوده و در نهایت به یک فرآورده پروتئینی ترجمه و بیان می شوند، احتمالا SNP های موجود در این مناطق نیز بهتر می توانند ارزش اصلاحی ژنومی را برآورد کنند. بر اساس این فرضیه، با استفاده از بسته نرم افزاری samtools، فهرستی از SNPها بر روی توالی ترانسکریپتوم نمونه ای از جمعیت گاو ماده هلشتاین آمریکا کشف و سهم آنها در توجیه واریانس ژنتیکی صفت باقیمانده مصرف خوراک ((RFI در جمعیتی از تلیسه های هلشتاین استرالیایی ارزیابی شد. این ترانسکریپتوم با همردیفی و مکان یابی خوانش های RNA-Seq بر روی ژنوم مرجع گاو تشکیل شد. در مجموع، یک فهرست شامل 53478 نشانگر SNP بر روی توالی ترانسکریپتوم جمعیت مورد مطالعه کشف شد که بیشتر آنها در طراحی آرایه‌های SNP ایلومینا در نظر گرفته نشده‌اند. فهرست یافت شده با آرایه با تراکم بالا ایلومینا تنها 6336 نشانگر مشترک داشت. این فهرست مشترک نتوانست سهم بیشتری از واریانس ژنتیکی صفت باقیمانده مصرف خوراک را توجیه نماید. پیشنهاد می شود جایگاههای کشف شده در پیش بینی‌های مبتنی بر توالی کل ژنوم به کار برده شوند تا بهتر ارزیابی گردند.

کلیدواژه‌ها


Canovas, A., Rincon, G., Islas-Trejo, A., Wickramasinghe, S., and Medrano, J. (2010). SNP discovery in the bovine milk transcriptome using RNA-Seq technology. Mammalian Genome. 21: 592-598.
Djari, A., Esquerre, D., Weiss, B., Martins, F., Meersseman, C., Boussaha, M., et al. (2013). Gene-based single nucleotide polymorphism discovery in bovine muscle using next-generation transcriptomic sequencing. BMC Genomics. 14: 307.
Do, D.N., Janss, L.L. G., Jensen, J., and Kadarmideen, H.N. (2015). SNP annotation-based whole genomic prediction and selection: An application to feed efficiency and its component traits in pigs. Journal of Animal Science. 93: 2056-2063.
Druet, T., Macleod, I.M., and Hayes, B.J. (2014). Toward genomic prediction from whole-genome sequence data: impact of sequencing design on genotype imputation and accuracy of predictions. Heredity. 112: 39-47.
Erbe, M., Hayes, B.J., Matukumalli, L.K., Goswami, S., Bowman, P.J., Reich, C.M., et al. (2012). Improving accuracy of genomic predictions within and between dairy cattle breeds with imputed high-density single nucleotide polymorphism panels. Journal of Dairy Science. 95: 4114-4129.
Flintoft, L. (2008). Transcriptomics: Digging deep with RNA-Seq. Nature Reviews Genetics, 9: 568-568.
Haas, B.J. and Zody, M.C. (2010). Advancing RNA-seq analysis. Nature Biotechnolog, 28: 421-423.
Hayes, B., Bowman, P., Chamberlain, A., and Goddard, M. (2009). Invited review: genomic selection in dairy cattle: progress and challenge. Journal of Dairy Science, 92: 433 - 443.
Huang, W., Nadeem, A., Zhang, B., Babar, M., Soller, M., and Khatib, H. (2012). Characterization and Comparison of the Leukocyte Transcriptomes of Three Cattle Breeds. PLoS ONE, 7: e30244.
Khansefid, M., Pryce, J.E., Bolormaa, S., Miller, S.P., Wang, Z., Li, C., and Goddard, M. E. (2014). Estimation of genomic breeding values for residual feed intake in a multibreed cattle population. Journal of Animal Science. 92: 3270-3283.
Koufariotis, L., Chen, Y.-P., Bolormaa, S., and Hayes, B. (2014). Regulatory and coding genome regions are enriched for trait associated variants in dairy and beef cattle. BMC Genomics. 15: 436.
Levin, J., Adiconis, X., Yassour, M., Thompson, D., Guttman, M., Berger, M., et al. (2010). [v1] Development and evaluation of RNA-seq methods. Genome Biology. 11(Suppl 1): P26.
Marguerat, S. and Bahler, J. (2010). RNA-seq: from technology to biology. Cellular and Molecular Life Sciences. 67: 569-579.
Meuwissen, T., Hayes, B. and Goddard, M. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics. 157: 1819 - 1829.
Morota, G., Abdollahi-Arpanahi, R., Kranis, A., and Gianola, D. (2014). Genome-enabled prediction of quantitative traits in chickens using genomic annotation. BMC Genomics. 15: 109.
Mortazavi, A., Williams, B.A., McCue, K., Schaeffer, L., and Wold, B. (2008). Mapping and quantifying mammalian transcriptomes by RNA-seq. Nature Methods. 5: 621-628.
Nicolazzi, E.L., Caprera, A., Nazzicari, N., Cozzi, P., Strozzi, F., Lawley, C., et al. (2015). SNPchiMp v.3: integrating and standardizing single nucleotide polymorphism data for livestock speciesBMC genomics, 16: 283.
Park, K.-D., Park, J., Ko, J., Kim, B., Kim, H.-S., Ahn, K., et al. (2012). Whole transcriptome analyses of six thoroughbred horses before and after exercise using RNA-Seq. BMC Genomics. 13: 473.
Pennisi, E. (2012). ENCODE Project Writes Eulogy for Junk DNA. Science. 337: 1159-1161.
Ponting, C.P., Oliver, P.L. and Reik, W. (2009). Evolution and functions of long noncoding RNAs. Cell. 136: 629-641.
Pryce, J., Arias, J., Bowman, P., Davis, S., Macdonald, K., Waghorn, G. et al. (2012). Accuracy of genomic predictions of residual feed intake and 250-day body weight in growing heifers using 625,000 single nucleotide polymorphism markers. Journal of Dairy Science. 95: 2108 - 2119.
Schaeffer, L. (2006). Strategy for applying genome-wide selection in dairy cattle. Journal of Animal Breeding and Genetics. 123: 218-223.
Sharma, U., Banerjee, P., Joshi, J. and Vijh R.K. (2012). Identification of SNPs in Goats (Capra hircus) using RNA-Seq Analysis. International Journal of Animal and Veterinary Advances, 4: 272-283.
Wang, K.C. and Chang, H.Y. (2011). Molecular mechanisms of long noncoding RNAs. Molecular Cell. 43: 904-914.
Wang, Z., Gerstein, M., and Snyder, M. (2009). RNA-Seq: a revolutionary tool for transcriptomics. Nature Reviews Genetics. 10: 57- 63.
Wilhelm, B.T. and Landry, J.R. (2009). RNA-seq-quantitative measurement of expression through massively parallel RNA-sequencing. Methods. 48: 249-257.
Zhang, C., Wang, G., Wang, J., Ji, Z., Liu, Z., Pi, X., and Chen, C. (2013). Characterization and Comparative Analyses of Muscle Transcriptomes in Dorper and Small-Tailed Han Sheep Using RNA-Seq Technique. PLoS ONE, 8: e72686.