شناسایی نشانه های انتخاب مثبت مرتبط با صفات مهم اقتصادی در بزهای نژاد بیتال

مقدمه و هدف: شناسایی مناطق ژنومی که هدف انتخاب بوده‎‎اند، یکی از راهکارهای اصلی تحقیقات زیستی است. به‎عبارت دیگر اهلی‎سازی و انتخاب به‎شدت در خصوصیات ظاهری و رفتاری حیوانات اهلی امروز تغییر ایجاد کرده است. در این مسیر انتخاب‎های انجام شده توسط انسان نشانه‎های قابل شناسایی را در ژنوم بزهای امروزی به‎جا گذاشته است که شناسایی این نشانه‎ها می‎تواند به اصلاح و بهبود ژنتیکی صفات مهم اقتصادی در این حیوانات کمک کند. طی دهه‎های اخیر تمایل به شناسایی مناطق ژنومی که حاوی ژن‎های کاندیدایی که هدف انتخاب بوده‎اند رو‎به افزایش بوده است. شناسایی نشانه‎های انتخاب می‎تواند دیدگاه‎های ارزشمندی در مورد ژن‎ها و یا مناطق ژنومی که تحت انتخاب مثبت بوده و یا هستند فراهم کند که به‎نوبه خود منجر به درک بهتر ارتباط ژنوتیپ با فنوتیپ می‎شود. هدف از این مطالعه، شناسایی ژن‌های کاندیدا و مناطق ژنومی تحت انتخاب مثبت در بزهای نژاد بیتال از طریق روش‌های شناسایی ردپای انتخاب و هستی‎شناسی ژن می‎باشد. مواد و روش‎ها: در این پژوهش اطلاعات ژنوتیپی مربوط به 631 راس بزهای نژاد بیتال تعیین ژنوتیپ شده توسط آرایه‎های caprine 50k beadchip شرکت ایلومینا استفاده شد. ابتدا جهت اطمینان از کیفیت داده‎های تعیین ژنوتیپ، مراحل مختلف کنترل کیفیت روی داده‎های اولیه تعیین ژنوتیپ شده قبل از آنالیزهای ژنومی انجام شد. برای فیلتراسیون داده‎های ژنوتیپ شده، ابتدا نمونه‎هایی که فراوانی نرخ تعیین ژنوتیپ آنها کمتر از 90% بود، شناسایی و حذف شد. در مرحله بعد نشانگرهایی که حداقل فراونی آللی در آنها کمتر از 5% بود حذف شدند. سپس نشانگرهایی که نرخ تعیین ژنوتیپ آنها در نمونه‎ها کمتر از 95% بود شناسایی و حذف شدند. در نهایت برای snpهای باقیمانده آنهایی که بر روی کروموزوم جنسی بودند و یا در تعادل هاردی-واینبرگ قرار نداشتند کنار گذاشته شدند. پس از کنترل کیفیت داده‎های اولیه تعیین ژنوتیپ شده با استفاده از نرم‎افزار plink (v1.90; http://pngu.mgh.harvard.edu/purcell/plink) نهایتاً 36861 نشانگر snp و 594 راس دام وارد آنالیزهای بعدی شدند. برای شناسایی نشانه‎های انتخاب از روش مبتنی بر عدم تعادل پیوستگی ژنی و آزمون نمره هاپلوتیپ تمایز یافته (ihs) با استفاده از بسته نرم‎افزاری rehh در نرم‎افزار r انجام شد. ژن‌های کاندید با استفاده از snpهایی که در بازه‌ی 1% بالای ihs واقع‌ شده بودند، با استفاده از نرم‌افزارplink  و توسط لیست ژنی شرکت ایلومینا در محیط r شناسایی شدند. همچنین، برای بررسی وجود qtl‎های مرتبط با صفات مربوط به صفات مهم اقتصادی در مناطق شناسایی ‌شده معنی‌دار، از آخرین نسخه‌ی منتشر شده پایگاه genome  animal استفاده شد. به‎منظور شناسایی مراحل بیولوژی ژن‎های شناسایی شده از آنالیز هستی‎شناسی استفاده شد. برای تجزیه و تحلیل هستی‎شناسی ژن‎های شناسایی شده از پایگاه برخط david (http://david.abcc.ncifcrf.gov) استفاده گردید. همچنین برای تفسیر بهتر عملکرد ژن‎های به‎دست آمده از پایگاه‎های اطلاعاتی آنلاینgenecards  http://www.genecards.org)) و http://www.uniprot.org) uniprotkb استفاده شد. یافته‎ها: از مجموع 53347 نشانگر snp به‎کار رفته در این تحقیق، 36861 نشانگر توانستند مراحل مختلف کنترل کیفیت را بگذرانند. به‎طور کلی 3963 نشانگر به‎دلیل حداقل فراوانی آللی کمتر از 05/0، 1342 نشانگر به‎دلیل نرخ تعیین ژنوتیپ کمتر از 95% در هر نمونه، 9761 نشانگر به‎دلیل عدم تعادل هاردی واینبرگ و 1420 نشانگر با موقعیت ناشناخته و همچنین 37 نمونه به‎دلیل فراوانی تعیین ژنوتیپ کمتر از 90% حذف شدند. نتایج این پژوهش منجر به شناسایی ده منطقه ژنومی روی کروموزوم‎های 4، 6، 7، 11 (دو منطقه)، 13، 14، 15، 17 و 18 با بالاترین ارزش آزمون آماره ihs شد. ژن‎های شناسایی شده در مناطق مورد انتخاب با اندازه بدن (spp1, tnpo2)، متابولیسم چربی (sdcbp)، رشد و توسعه استخوان (ibsp, mepe) و متابولیسم انرژی (trpc3, ucp2, fbp1) مرتبط بودند. برخی از این ژن‎ها در مناطق تحت انتخاب با مطالعات قبلی هم‎خوانی داشتند. بررسی qtlهای گزارش شده در مناطق انتخابی و اورتولوگوس گاوی در مناطق شناسایی شده، qtlهای مرتبط با میانگین خوراک مصرفی، وزن لاشه و اندازه بدن قرار داشتند. از بین مسیرهای زیستی شناسایی شده، مسیرهای skeletal system development و calcium channel complex و مسیرهای kegg شامل glucagon signaling pathway و ampk signaling pathway نقش مهمی در تنظیم یون کلسیم، متابولیسم مواد غذایی، هموستازی گلوکز و رشد و توسعه عضلات اسکلتی داشتند. نتیجه‎گیری: در هر صورت، ژن‎های متعددی که در نواحی شناسایی شده بر اساس عملکرد می‎توانند به‎عنوان کاندیداهای تحت انتخاب مطرح باشند. برخی از این ژن‎ها در مناطق تحت انتخاب با مطالعات قبلی هم‎خوانی داشتند و بیشتر در مسیرهای بیولوژیکی مرتبط با رشد، وزن بدن، فرآیندهای متابولیکی، صفات تیپ نقش دارند. همچنین، بررسی qtl‎های موجود در مناطق تحت انتخاب نشان داد که این qtl‎ها با بعضی صفات اقتصادی مهم از قبیل وزن بدن، عمق بدن، وزن و ترکیبات لاشه ارتباط دارند. در هر حال نیاز به بررسی‎های پیوستگی و عملکردی بیشتری جهت شناسایی عملکرد ژن‎ها می‎باشد. همچنین بررسی بیشتر qtl‎های مرتبط با مناطق ژنومی انتخاب شده از مطالعات جستجوی نشانه‎های انتخاب و مطالعات پیوستگی ضروری است. نتایج این تحقیق می‎تواند در درک ساز و کار ژنتیکی کنترل کننده صفات رشد مورد استفاده قرار گیرد و با توجه به تایید مناطق قبلی پویش ژنومی و شناسایی مناطق ژنومی جدید، استفاده از یافته‎های این پژوهش می‎تواند در انتخاب ژنتیکی بز از طریق افزایش وزن بدن مفید واقع شود. 

identification of positive selection signatures associated with important economic traits in beetal goats

background: the identification of selection targeted genomic regions is one of the main aims of biological research. domestication and selection have significantly changed the behavioral and phenotypic traits in modern domestic animals. the selection of animals by humans has left detectable signatures on the genome of modern cattle. the identification of these signals can help us to improve the genetic characteristics of economically important traits in cattle. the interest in the detection of genes or genomic regions that are targeted by selection has been growing over the last decade. identifying the signatures of selection can provide valuable insights about the genes or genomic regions that are or have been under selection pressure, which in turn leads to a better understanding of genotype-phenotype relationships. this study aimed to identify effective genes and genomic regions on positive signatures of selection in beetal goats using selection signature and gene ontology methods.methods: in this study, data from 631 beetal goats genotyped using the caprine 50 k bead chip were used to identify genomic regions under selection associated with important traits in beetal goats. quality control measures were performed in plink by setting an animal call rate of 0.90, snp call rate of 0.95, and snps with minor allele frequencies (maf) lower than 0.05 or that do not conform to the hardy–weinberg expectation (p-value ≤ 0.000001) and unknown positions. after quality control of the initial data using plink software (v1.90; http://pngu.mgh.harvard.edu/purcell/plink), 36,861 snp markers in 594 animals of cattle were finally entered for further analysis. to identify the signatures of selection, the statistical method ihs was used under rehh software packages. candidate genes were identified by snps located at 1% upper the range of ihs using plink v1.9 software and the gene list of illumina in r. additionally, the latest published version of animal genome database was used for defining qtls associated with economically important traits in identified locations. in addition, the david database (http://david.abcc.ncifcrf.gov) was used to determine biological routes. at this stage, it is assumed that genes belonging to a functional class can be considered a group of genes that have some specific and common characteristics. genecards (http://www.genecards.org) and uniprotkb (http://www.uniprot.org) databases were also used to interpret the function of the obtained genes. moreover, gene ontology analysis for identified genes was performed using the david online database.