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

هدف از این مطالعه بررسی معماری ژنتیکی، شناسایی مناطق ژنومی و ژن های کاندیدای مرتبط با صفات افزایش وزن بدن، میزان خوراک مصرفی و ضریب تبدیل خوراک در بلدرچین ژاپنی بود. برای شناسایی پنجره های ژنومی اصلی، از روش مطالعه پویش کل ژنومی تک‌مرحله ای و از اطلاعات ژنومی 920 قطعه بلدرچین ژاپنی استفاده شد. آنالیز پویش ژنومی به وسیله نرم افزارهای خانواده blupf90 انجام شد. نتایج براساس مقدار واریانس ژنتیکی افزایشی کنترل‌شده در قالب پنجره های به طور میانگین 1/5 مگابازی از snp های مجاور ارائه شد. پنجره هایی که بیش از یک درصد واریانس را کنترل می کردند به‌عنوان مناطق ژنومی موثر و برای یافتن ژن های کاندیدا استفاده شدند. تعداد 13 پنجره ژنومی معنی دار روی هشت کروموزوم، 23 درصد کل واریانس ژنتیکی صفت افزایش وزن بدن را توجیه می کردند و حاوی ژن های کاندیدای smyd1، adgrg6وcfl2بودند. بیش‌ترین واریانس مربوط به پنجره ای روی کروموزوم شماره دو بود. تعداد 20 پنجره روی هشت کروموزوم و شامل ژن های کاندیدای acsl1، ppa2 ، fgf2 و rbl2مرتبط با میزان خوراک مصرفی بودند. این پنجره ها 38 درصد واریانس ژنتیکی را کنترل می کردند و مهم ترین پنجره روی کروموزوم شماره چهار بود. هم‌چنین برای ضریب تبدیل خوراک تعداد 12 منطقه ژنومی روی هفت کروموزوم، 23/7درصد از واریانس ژنتیکی را توجیه می کردند و حاوی ژن های کاندیدای atrnl1 و ptpn4بود. نتایج نشان داد چهار منطقه ژنومی اثر پلیوتروپی دارند. باتوجه به شناسایی مناطق ژنومی جدیدونقش کلیدی ژن های ذکرشده مرتبط با مصرف خوراک می توان کارایی روش تک‌مرحله‌ای برای پویش ژنومی صفات بازده مصرف خوراک را تاییدکرد.

the genome-wide study in japanese quail fortraits related to feed efficiency using asinglestep approach

the aim of the present study was to evaluate the genetic architecture, genomic regions and candidate genes associated with body weight gain, feed intake and feed conversion ratio in japanese quails. for detection the informative genomic windows, genotyping data on 920 quails was used in a single-step genome-wide association study. the blupf90 family software was used to perform related analyses. theresults was calculated based on the proportion of additive genetic variance (agv) explained by genomic region with an average size of 1.5-mb of adjacent snps. windows with accounting for more than 1% of the agv were used to identify genomic regions and to search for candidate genes. a total of 13 significant windows over 8 chromosomes were explained 23% of the agv for the body weight gain and including smyd1, adgrg6 and cfl2 candidate genes. a peak on cja2 explained the largest proportion of variance. for feed intake, we identified 20 informative windows across 8 chromosomes and including acsl, ppa2, fgf2 and rbl2 candidate genes. these regions explained 38% of the agv and a peak on cja4 explained of agv. also, for the feed conversion ratio, 12 significant windows were identified on 7 chromosomes and explained 23.7% of agv, contained atrnl1 and ptpn4 candidate genes. four genomic regions had a pleiotropic effect. considering the identification of new genome regions and the key role of the mentioned genes related to feed intake, the single step method can be validated for gwas in feed efficiency traits.