برآورد میزان ضرایب همخونی ژنومی، شناسایی جزایر همخون و ژن‌های متاثر در برخی از گوسفندان نژاد مصری سازگار با شرایط محیطی متفاوت

در پژوهش حاضر، به منظور برآورد میزان ضرایب همخونی ژنومی و شناسایی جزایر roh، مجموع 206راس گوسفند متعلق به سه نژاد گوسفند مصری با تراشه های k50 تعیین ژنوتیپ شدند. پس از کنترل کیفیت داده ها، 48361 تعداد نشانگر snp در تعداد نمونه 204 راس گوسفند باقی ماند. تخمین ضریب همخونی، از طریق چهار روش ماتریس روابط خویشاوندی (fgrm)، میزان هموزیگوسیتی (fhom)، همبستگی گامت ها (funi)، با استفاده از نرم افزار gcta (نسخه0/1) و همچنین، قطعات هموزیگوت ژنومی (froh) با plink (نسخه 9/1) محاسبه شد. بعنوان پیش فرض، 1 درصد از نشانگرهای snp با بالاترین فراوانی در قطعات هموزیگوت بعنوان، جزایر roh در نظر گرفته شد. نتایج این بررسی نشان داد که بطور کلی، پس از تجزیه و تحلیل های انجام شده مجموع، 62 جزیره roh با طول 60/24 تا 13 مگاباز شناسایی شد. بطورئیکه، توزیع جزایر roh در سرتاسر ژنوم یکنواخت نبود و بین نژادها متفاوت بود، بطوری که بیشترین و کمترین تعداد جزایر roh به ترتیب روی کروموزوم های شماره 1، 24 و 26 مشاهده شد، ولی، برخی مناطق مشترک شناسایی شدند. میانگین تعداد و طول roh محاسبه شده در تمام نژادهای گوسفند مورد مطالعه به ترتیب برابر، با 11 و 78/205 مگا جفت باز بود. کمترین ضریب همخونی محاسبه شده با سه روش (fgrm، fhom، funi) مربوط به نژاد گوسفند وهیتی و بیشترین مربوط به نژاد گوسفند سیدی بود. همچنین، بیشترین میزان froh (043/0) در نژاد سیدی و کمترین مقدار آن (018/0) در نژاد بارکی برآورد شد. بررسی بیوانفورماتیکی، مناطق شناسایی شده نشان داد که برخی از این مناطق ژنومی با ژن های موثر بر آداپتاسیون و سیستم ایمنی (sema3d، csf2، itpr1)، ژن های کاندیدای دخیل صفات رشد و توسعه عضلات اسکلتی (uggt1، itga2)، ژن های کاندیدای تولید مثل (abhd16b) همپوشانی دارند. به عنوان جمع بندی نتایج پژوهش حاضر نشان داد که فرآیند انتخاب برای صفات مهم اقتصادی در طی سال های متوالی، منجر به شکل گیری قطعات هموزیگوت زیادی به نام جزایر roh در ژنوم گوسفندان شده است که پویش ژنومی این جزایر در سطح ژنوم می تواند بعنوان، راهبرد جایگزین برای شناسایی مناطق ژنومی مرتبط با صفات مهم اقتصادی باشد.

estimation of genomic inbreeding coefficient, detection of roh islands and related genes in different egyptian sheep breeds adapted to different environment

in this study in order to estimate inbreeding coefficient and identify the roh islands associated with the genes under selection, the 50k beadchip genotyped data of 206 sheep from 3 different egyptian breeds were used. after quality control, 48361 snps in 204 sheep were remained for the future analysis. inbreeding coefficient was calculated using four methods including, genomic relationship matrix (fgrm), excess of homozygosity (fhom), correlation between uniting gametes (funi) using the gcta 1.0 software and run of homozygosity (froh) using the plink 1.9 software. one percent of snp with the highest frequency in roh were considered as roh islands. the lowest rate of inbreeding according to (fgrm, fhom, and funi) was related to wahati and the highest was related to saidi breed. the highest amount of froh (0.043) was observed in saidi and the lowest amount (0.018) was observed in barki breed. average length of roh ranged from 45.02 to 205.87 mb, while the average number of roh ranged from 8.14 to 14.07. the highest number roh was observed on chromosome 2, while the lowest was on chromosome 26. average inbreeding coefficient from froh in barki, saidi and wahati were estimated 0.018, 0.043 and 0.027 respectively. a total of 62 roh islands with length: 24.60 kb to 13 mb were identified, which covering less than 1% of the sheep genome. the roh islands was not distributed across the genome uniform and varied among breeds, but some common were identified. bioinformatics analysis demonstrated that some of these genomic regions overlapped with reported genes that directly or indirectly influenced traits for adaptation and immune system (sema3d, csf2, itpr1), development of the skeletal muscle (uggt1, itga2), and reproduction (abhd16b). the results of this study revealed that, the selection processes in different sheep breeds for economic traits during several years, has led to the formation of many roh islands in sheep genome, therefore scanning these regions at the genome level can be an alternative strategy to identify genes and associated loci with economic traits.