بررسی مجموعه های ژنی و مسیرهای زیستی مرتبط با برخی صفات بیومتری در گوسفند

زمینه مطالعاتی: شناسایی ژن‌‌های بزرگ اثر موثر بر صفات مهم اقتصادی یکی از مهم‌‌ترین اهداف اصلاح نژادی در پرورش گوسفند است. هدف: پژوهش حاضر با هدف مطالعه پویش ژنومی بر اساس آنالیز مجموعه‌‌های ژنی برای شناسایی جایگاه‌‌های ژنی موثر بر وزن تولد و صفات بیومتری با استفاده از آرایه‌‌های ژنومی با تراکم بالا بوده است. روش‌ کار: بدین منظور از اطلاعات رکورد‌های فنوتیپی و ژنوتیپی مرتبط با وزن تولد (bw)، طول بدن، (bl) ارتفاع قد از جدوگاه (wh) و دور سینه (cg) 277 نمونه‌‌ از گوسفند لوزهانگ استفاده شد. ابتدا آنالیز پیوستگی برای وزن تولد و صفات بیومتری در برنامه gemma انجام شد. سپس با استفاده از بسته نرم افزاری biomart2 ژن‌های معنی‌داری که در داخل و یا 25 کیلوباز بالا و پایین دست نشانگرهای معنی‌دار قرار داشتند، شناسایی گردید. در نهایت تفسیر مجموعه ژنی با بسته نرم افزاری goseq برنامه r با هدف شناسایی عملکرد بیولوژیکی ژن‌‌های نزدیک به مناطق انتخابی و ژن‌‌های کاندیدا از طریق پایگاه‌‌های go، kegg، david و panther انجام شد. نتایج: در این پژوهش تعداد 14 نشانگر تک نوکلئوتیدی واقع روی کروموزوم‌‌‌های 2، 3، 5، 7، 11، 13، 17، 19، 20 و 25 شناسایی شدند که با ژن‌‌های ‌myl1، myl3، acaca (bw)،‌plcb1 ، bmpr1a، lrpprc، ptbp1، tmem117 (bl)، adipor2، syn3، trak1 (wh) و pparg، hmga1 (cg) مرتبط بودند. در تفسیر مجموعه ژنی تعداد 21 مسیر هستی شناسی ژنی و بیوشیمیایی با صفات وزن تولد و بیومتری شناسایی شد (p˂0.05). از این بین، مسیرهایmuscle structure development ، carbohydrate derivative metabolic process، anatomical structure formation involved in morphogenesis، skeletal system development، positive regulation of ossification، muscle cell proliferationو gnrh signaling pathway عملکرد‌های مهمی را در ارتباط با رشد و توسعه عضلات اسکلتی، هموستازی گلوکز، فرآیند استخوان‌سازی، تنظیم یون کلسیم و فعال‌سازی مسیر سیگنال‌دهی mapk بر عهده داشتند. نتیجه ‌گیری نهایی: با توجه به تایید نتایج حاصل از مطالعه قبلی در زمینه پویش ژنومی وزن تولد و صفات بیومتری و شناسایی مناطق ژنومی جدید استفاده از یافته‌های این تحقیق می‌تواند در انتخاب ژنتیکی برنامه‌های اصلاح نژادی گوسفند مفید باشد.

gene-set enrichment analysis to identify genes and biological pathways associated with biometric traits in sheep

abstractintroduction: genomic selection has provided the sheep industry with a powerful tool to increase genetic gains on economically important traits such as meat production (taylor et al. 2016). in addition identifying genes with large effects on economically important traits, has been one of the important goals in sheep breeding. one way to identify new loci and confirm existing qtl is through genome-wide association studies (gwas). qtl assisted selection and genomic regions affecting the production traits have been considered to increase the efficiency of selection and improve production performance. genome wide association studies typically focus on genetic markers with the strongest evidence of association. however, single markers often explain only a small component of the genetic variance and hence offer a limited understanding of the trait under study. a solution to tackle the aforementioned problems, and deepen the understanding of the genetic background of complex traits, is to move up the analysis from the snp to the gene and gene-set levels. in a gene-set analysis, a group of related genes that harbor significant snp previously identified in gwas, is tested for over-representation in a specific pathway. the present study aimed to conduct a genome wide association studies (gwas) based on gene-set enrichment analysis for identifying the loci associated with birth weight and biometric traits using the high-density snps. materials and methods:phenotypes records and genotypic data related to birth weight, body length, withers height and chest girth were obtained from 277 luzhong sheep. the gene set analysis consists basically in three different steps: the assignment of snps to genes, the assignment of genes to functional categories, and finally the association analysis between each functional category and the phenotype of interest. genome wide association study was performed with birth weight and biometric traits using gemma software. using the biomart2 r package the snp were assigned to genes if they were within the genomic sequence of the gene or within a flanking region of 25 kb up- and downstream of the gene. for the assignment of the genes to functional categories, the gene ontology and kyoto encyclopedia of genes and genomes pathway databases were used. the go database designates biological descriptors to genes based on attributes of their encoded products and it is further partitioned into 3 components: biological process, molecular function, and cellular component. the kegg pathway database contains metabolic and regulatory pathways, representing the actual knowledge on molecular interactions and reaction networks. finally, a fisher’s exact test was performed to test for overrepresentation of the significant genes for each gene-set. the gene enrichment analysis was performed with the goseq r package. in the next step, a bioinformatics analysis was implemented to identify the biological pathways performed in biomart, panther, david and genecards databases.results and discussion: gene set enrichment analysis has proven to be a great complement of genome-wide association analysis (gambra et al., 2013; abdalla et al., 2016). among available gene set databases, go is probably the most popular, whereas kegg is a relatively new tool that is gaining ground in livestock genomics (morota et al., 2015, 2016). we had hypothesized that the use of gene set information could improve prediction. however, neither of the gene set snp classes outperformed the standard whole-genome approach. gene sets have been primarily developed using data from model organisms, such as mice and flies, so it is possible that some of the genes included in these terms are irrelevant for meat production.