اثرات استفاده از حیوانات برتر در گروه پایه بر صحت ارزیابی ژنومیک در صفاتی با وراثت پذیری بالا و پایین در جمعیت گاو شیری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار دانشگاه محقق اردبیلی، دانشکده کشاورزی و منابع طبیعی مغان، گروه علوم دامی

2 دانشیار دانشگاه تهران،پردیس کشاورزی و منابع طبیعی، گروه علوم دامی

3 استادیار دانشگاه محقق اردبیلی، دانشکده کشاورزی و منابع طبیعی، گروه علوم دامی

4 استادیار دانشگاه تبریز، دانشکده کشاورزی، گروه علوم دامی

چکیده

چکیده
سابقه و هدف:
پیشرفت ژنتیکی گاو شیری در نیمه دوم قرن بیستم با به کارگیری اطلاعات شجره ای و عملکردی بسیار موفقیت آمیز بوده است. انتخاب ژنومیک با کاهش فاصله نسل و افزایش صحت ارزشهای اصلاحی برآورد شده در بدو تولد، می تواند سرعت این پیشرفت را افزایش دهد. موضوعات زیادی در رابطه با به کار گیری ارزیابی ژنومیک مطرح می باشد. در مطالعه حاضر در صفاتی با وراثت پذیری‌های بالا و پایین، برخی از استراتژی ها جهت بررسی تاثیر استفاده از حیوانات برتر به عنوان گروه پایه بر صحت ارزیابی ژنومیک، مورد مقایسه قرار گرفته است.
مواد و روش‌ها:
برای هر حیوان سه کروموزوم هر یک با 1000 نشانگر SNP با فواصل یکنواخت (هر 1/0 سانتی مورگان یک SNP) شبیه سازی شد. جهت ایجاد عدم تعادل پیوستگی به میزان کافی، برای 50 نسل تلاقی تصادفی صورت گرفت. در نسل 51 اندازه جمعیت به 4000 فرد گسترش یافت. تا نسل 55 این اندازه جمعیت حفظ شد. در طی این نسلها 5 درصد از حیوانات نر برتر و 80 درصد از گاوهای ماده برتر هر نسل به عنوان والدین نسل بعد انتخاب می‌شدند. حیوانات نسل 55 (نسل 5) به عنوان گروه تایید و حیوانات نسلهای 51 تا 54 (نسلهای 1 تا 4) به عنوان جمعیت پایه در نظر گرفته شدند. در استراتژی 1 برترین و ضعیف ترین حیوانات، در استراتژی 2 حیوانات برتر و در استراتژی 3، یک نمونه تصادفی از جمعیت به عنوان گروه پایه مورد استفاده قرار گرفتند. این پژوهش برای صفات با وراثت پذیری پایین (1/0) و وراثت پذیری بالا (5/0) انجام شد.
یافته‌ها:
نتایج حاصل از این تحقیق نشان داد که صحت ارزیابی ژنومیک در استراتژی 1 در مقایسه با استراتژی 2 و 3 بالاتر بود. وقتی نسبت و تعداد حیوانات در گروه پایه افزایش یافت، تفاوت بین سه استراتژی کاهش یافت. به طور مثال در شرایط استفاده از 20 درصد از حیوانات نسلهای 1 تا 4، در صفتی با وراثت پذیری 1/0 استفاده از استراتژی 1 منجر به 29 درصد صحت ارزیابی بیشتر نسبت به استراتژی 2 شد. در حالی که در شرایط مشابه و در صورت استفاده از 40 درصد حیوانات این تفاوت به 14 درصد رسید. صحت ارزیابی ژنومیک برای صفاتی با وراثت پذیری بالا در همه استراتژی ها، بالاتر بود و تفاوت بین استراتژی ها نیز در این صفات کمتر بود. به طور مثال، وقتی 40 درصد از حیوانات نسلهای اول تا چهارم به عنوان گروه پایه در نظر گرفته شدند، تفاوت بین استراتژی 1 و 2 برای صفاتی با وراثت پذیری 1/0 برابر 14 درصد و برای صفاتی با وراثت پذیری 5/0 برابر 4 درصد بود.
نتیجه گیری:
استفاده منحصر به فرد از حیوانات برتر، در گروه پایه می تواند منجر به کاهش صحت ارزیابی ژنومیک شود، لیکن این اثر در صفاتی با وراثت پذیری بالا کمتر است. همچنین استفاده از تعداد زیادتری حیوان این اثر را با افزایش واریانس ژنتیکی توصیف شده توسط نشانگرها، تعدیل می کند.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Effects of using superior animals in training set on the accuracy of genomic evaluation for high and low heritability traits in dairy cattle

1.Boichard, D., Ducrocq, V., Croiseau, P., and Fritz, S. 2016. Genomic selection in domestic animals: Principles, applications and perspectives. J. Bio. 339: 274–277.
2.Boustan, A., Nejati Javaremi, A., Moradi Shahrbabak, M., and Saatchi, M. 2013. Effect of using different number and type of records from different generations as reference population on the accuracy of genomic evaluation. Archives. J. Anim. Breed. 56(68): 684-690.
3.Bouquet, A. and Juga, J. 2013. Integrating genomic selection into dairy cattle breeding programmes: a review. J. Anim. 7(5): 705–713.
4.Brotherstone, S. and Goddard, M. 2005. Artificial selection and maintenance of genetic variance in the global dairy cow population. Philosophical Transactions of the Royal Society of London. J. Biol. Sci. 360(1459): 1479–1488.
5.Calus, M.P.L., and Veerkmp, R.F. 2007. Accuracy of breeding values when using and ignoring the polygenic effect in genomic breeding value estimating with a maker density of one SNP per CM. J. Anim. Breed. Genet. 124: 362-368.
6.Colombani, C., Legarra, A., Fritz, S., Guillaume, F., Croiseau, P., Ducrocq, V., and Robert-Granié, C. 2013. Application of Bayesian least absolute shrinkage and operator (LASSO) and bayesC methodsfor genomic selection in French Holstein and Montbéliarde breeds. J. Dairy Sci. 96: 575–591.
7.Daetwyler, H.D., Villanueva, B., and Woolliams, J.A. 2008. Accuracy of predicting the genetic risk of disease using a genome-wide approach. PLoS ONE, 3(10): e3395.
8.Dassonneville, R., Baur, A., Fritz, S., Boichard, D., and Ducrocq, V. 2012. Inclusion of cow records in genomic evaluations and impact on bias due to preferential treatment. J. Genet. Sel. Evol. 44(1): 40.
9.García-Ruiz, A., Cole, J.B., VanRaden, P.M., Wiggans, G.R., Ruiz-Lópeza, F.J. and Van Tassell, C.P. 2016. Changes in genetic selection differentials and generation intervals in US Holstein dairy cattle as a result of genomic selection. PNAS E3995–E4004.
10.Goddard, M. 2009. Genomic selection: Prediction of accuracy and maximization of long term response. J. Genet. 136: 245–257.
11.Hayes, B.J. 2007. QTL mapping, MAS and genomic selection. A short course organized by Animal Breeding and Genetics, Department of Animal Science, Iowa State University. 12.Hayes, B.J., Bowman, P.J., Chamberlain, A.J., and Goddard, M.E. 2009. Invited review: Genomic selection in dairy cattle: progress and challenges. J. Dairy Sci. 92(2):433-43.
13.Hill, W.G., and Robertson, A. 1968. Linkage disequilibrium in finite populations. J. Theor. Appl. Genet. 38: 226-231.
14.Ibañez-Escriche, N., and Gonzalez-Recio, O. 2011. Review. Promises, pitfalls and challenges of genomic selection in breeding programs. Spanish J. Agri. Res. 9(2): 404-413.
15.Khnsefid, M. 2010. Genetic evaluation of animals with genotypes of bull animals for dense markers by simulation. MS Dissertation, Tehran University, Iran. (In Persian)
16.Koivula, M., Strandén, I., Aamand, G.P., and Mäntysaari, E. 2016. Effect of cow reference group on validation reliability of genomic evaluation. J. Anim. 1(6):1-6.
17.Lourenco, D.A.L., Misztal, I., Tsuruta, S., Aguilar, I., Ezra, E., Ron, M., Shirak, A., and Weller, J.I. 2014. Methods for genomic evaluation of a relatively small genotyped dairy population and effect of genotyped cow information in multiparity analyses. J. Dairy Sci. 97: 1742–1752.
18.Meuwissen, T.H.E., Hayes, B.J., and Goddard, M.E. 2001. Prediction of total genetic value using genome-wide dense marker maps. J. Genet. 157: 1819-1829.
19.Moser, G., Tier, B., Crump, R., Khatkar, M., and Raadsma, H. 2009. A comparison of five methods to predict genomic breeding values of dairy bulls from genome-wide SNP markers. J. Genet. Sele. Evol. 41: 56–71.
20.Robertson, A., and Rendel, J.M. 1950. The use of progeny testing with artificial insemination in dairy cattle. J. Genet. 50(1): 21–31.
22.Saatchi, M. 2009. Estimation of breeding values using dense marker information in dairy cattle population. PhD Dissertation, Tehran University, Iran. (In Pesian).
23.Schaeffer, L.R. 2006. Strategy for applying genome-wide selection in dairy cattle. J. Anim. Breed. Genet. 123:1-6.
24.VanRaden, P.M., Van Tassel, C.P., Wiggans, G.R., Sonstegard, T.S., Schnabel, R.D., Taylor, J.F., and Schenkel, F.S. 2009. Invited review: Reliability of genomic predictions for North American Holstein bulls. J. Dairy Sci. 92:16–24.
25.VanRaden, P.M., and Wiggans, G.R. 1991. Derivation, calculation and use of national animal model information. J. Dairy Sci. 74: 2737–2746.
26.Visscher Peter, M., Hill William, G., and Wray Naomi, R. 2008. Heritability in the genomics era concepts and misconceptions. J. Nature Rev. Genet. 9(4): 255–66.