تاثیر تعداد و نوع نشانگرهای ریزماهواره بر برآورد پارامترهای جمعیتی در مطالعات تنوع ژنتیکی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو دکتری ، گروه ژنتیک و اصلاح نژاد دام، دانشکده علوم دامی وشیلات، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 استاد ، گروه ژنتیک و اصلاح نژاد دام، دانشکده علوم دامی وشیلات، دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 استادیار پژوهشی ، بخش پژوهش‌های بیوتکنولوژی، موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران،

4 استاد ارشد علوم زیستی، دانشگاه کاردیف، ولز

5 محقق ارشد، شورای تحقیقات ملی (CNR) ایتالیا

چکیده

سابقه و هدف
ریزماهواره‌ها نواحی تکراری در دی.ان.آشامل آرایه‌های همگنی از موتیف‌های مونو، دی، تری، تترا، پنتا و هگزا نوکلئوتیدی با طول کمتر از یک کیلو جفت باز هستند که به صورت غیر تصادفی در سطح ژنوم پراکنده‌اند. تعداد و تراکم ریزماهواره‌ها در گونه‌های مختلف متفاوت است. حتی در گونه های بسیار نزدیک به هم مثل انسان و شامپانزه نیز تفاوت هایی وجود دارد. فراوانی موتیف‌های ریزماهواره‌ایی نیز در موجودات مختلف، متفاوت و دارای نرخ جهش متفاوتی می‌باشند. در ژنوم پستانداران، ریزماهواره‌های دی نوکلئوتیدی فراوانترین و پس از آنها ریزماهواره های مونو و تترا نوکلئوتیدی از وفور بالایی برخوردارند. تکرارهای تری نوکلئوتیدی معمولاً در گیاهان فراوان‌تر هستند. اما بررسی اثراین موتیف‌های ریزماهواره‌ای متفاوت روی برآورد پارامترهای تنوع ژنتیکی و یا ساختار ژنتیکی در جمعیت‌ها بحثی است که کمتر به آن توجه شده است.
مواد و روش‌ها
این پژوهش با استفاده از فایل نشانگرهای ریزماهواره‌ای حاصل از 36 نمونه از گوسفندان اهلی و وحشی ایرانی از توالی کل ژنوم گوسفندان به روش توالی یابی نسل جدید، تعداد 163973 نشانگر ریزماهواره را شناسایی شد. پراکنش نمونه های اهلی مربوط به نواحی شمال غرب کشور و نمونه های وحشی مربوط به نواحی مرکزی و شمال غرب کشور می باشند. پس از طی مراحل مختلف جهت مرتب سازی و فیلتراسیون جایگاه‌ها در نرم افزارهای Samtools و VCFtools نشانگرها در چهار فایل جداگانه شامل نشانگرهای دی، تری و تترا نوکلئوتیدی و نیز فایلی حاوی ترکیبی از هرسه نشانگر دسته بندی شدند. سپس اسکریپتی در نرم افزار R جهت تهیه زیرمجموعه‌های مختلفی شامل10، 20، 30، 40، 50، 60، 70، 80، 90، 100، 150، 200، 250، 300، 400 و 500 نشانگر از هر یک از انواع موتیف‌ها تهیه نوشته شد و شش پارامتر معمول مورد استفاده در مطالعات تنوع ژنتیکی از جمله هتروزیگوسیته مشاهده شده، هتروزیگوسیته مورد انتظار، شاخص تنوع ئنی، شاخص شانون، غنای آللی و ضریب همخونی با استفاده از هر یک از انواع موتیف‌ها و تعداد مختلفی از ریزماهواره‌ها در نرم افزار MSA (نسخه 4.05) محاسبه شد. برای هر پارامتر 10 تکرار در نظر گرفته شد. در نهایت میانگین و واریانس هر پارامتر در بین 10 تکرار محاسبه و نتایج به صورت نمودارهای باکس پلات در نرم افزار R (نسخه 3.3.3 ) گزارش شد. برای بررسی آماری اختلاف‌هایی که در مقدار برآورد پارامترهای مختلف با استفاده از تعداد و انواع مختلف موتیف‌های ریزماهواره‌ای مشاهده شد، از روش تحلیل واریانس برای آزمون فرض مقایسه میانگین زیرمجموعه‌های مختلف در نرم افزار R استفاده شد.
یافته‌ها
برآورد شش پارامتر با استفاده از تعداد و موتیف‌های مختلف نشانگرهای ریزماهواره‌ایی نتایج متفاوتی را نشان دادند. به طوریکه در هر زیر مجموعه، پارامتر برآورده شده با استفاده از موتیف‌های نوع دی مقدار عددی بالاتری را به خود اختصاص داد. همینطور در اکثر پارامتر‌های مورد بررسی بیشترین مقدار برآورده شده برای آن پارامتر با استفاده از 40 نشانگر دی نوکلئوتیدی و کمترین آن با استفاده از 10 نشانگر تری و یا تترا نوکلئوتیدی به دست آمده است. برای بررسی وجود اختلاف معنی دار در نتایج به دست آمده از برآورد پارامترها با استفاده از تعداد و انواع مختلف موتیف‌های ریزماهواره‌ای از تکنیک آنالیز واریانس برای مقایسه میانگین‌ها استفاده شد. در مواردی که اجرای مدل نتایج معنی داری نشان داد به منظور بررسی دوبه‌دوی زیرمجموعه‌هایی که با یکدیگر اختلاف معنی دار نشان دادند از روش مقایسه میانگین توکی استفاده شد.
نتیجه گیری
نتایج این پژوهش برتری استفاده از موتیف های نوع دی نوکلئوتیدی در مطالعات تنوع ژنتیکی بر جمعیت‌ گوسفند را نشان داد. همینطور نتایج این پژوهش لزوم استفاده از حداقل 50 جایگاه ریزماهوره‌ای را برای داشتن برآوردهایی باثبات از پارامترهای جمعیتی در مطالعات تنوع ژنتیکی پیشنهاد میدهد

کلیدواژه‌ها


عنوان مقاله [English]

The Effect of microsatellite number and motif type on estimation of population parameters in genetic diversity studies i

نویسندگان [English]

  • Mona Hashemi 1
  • Godrat Rahimi mianji 2
  • mohammad hossein banabazi 3
  • Pablo Orozco Ter-Wengel 4
  • Filippo Biscarini 5
1 Sari agriculture science and natural resources university
2 Sari agriculture science and natural resources university
3 Assistant Professor, Department of Biotechnology, Animal Science Research Institute of IRAN (ASIR), Agriculture Research, Education and Extension Organization (AREEO), Karaj, Iran
4 Senior Lecturer at Cardiff University, Wales
5 Senior Research Scientist, National Research Council (CNR), Italy
چکیده [English]

Background and objective:
Microsatellites are repetitive regions in DNA including homogeneous array of mono, di, tri, tetra, penta and hexa nucleotides with length of less than 1 Kbp which are non-randomly distributed in genome. The number and density of microsatellites is vary within species even in very close spices such as humans and chimpanzees. The frequency of microsatellite motifs and their mutation rate is reported differently in various organisms. In mammalian genomes di-nucleotide microsatellites are the more abundant type following by mono and tetra microsatellite motifs as next. Tri microsatellites are more frequent in plants. However, the effect of variety in microsatellite motifs on genetic diversity or population structural parameters is a topic that has received less attention.
Material and methods
In the present study with using the 36 VCf file of microsatellite markers extracted from whole genome of Iranian sheep “Ovis aries and Ovis orientalis” by NGS, the total number of 163973 microsatellite markers were detected. The distribution of Ovis aries samples is from north-west part of Iran and ovis orientalis samples are belongs to central part and north-west of Iran. After rearrangement and filtration on data file using Samtools and VCFtools softwares, we classified the whole markers on four different motif types including di- tri- and tetra-nucleotide microsatellites and a file includes all three microsatellite types. Several subsets including 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 150, 200, 250, 300, 400 and 500 markers were generated from each microsatellite motif types using a R script. Six common genetic diversity parameters including observed and expected heterozygosity, Nei diversity index, Shanon index, Allelic richness and FIS were calculated for each different subset of number and motif type of microsatellites in MSA (V.4.05) software. 10 replications were considered for each parameter. The mean and variance were calculated among 10 replications and results were represented by boxplots using R (v.3.3.3). The statistical investigation of parameter estimation differences using different microsatellite number and motif types were analyzed using ANOVA for testing the hypothesis of equality of means in R (v.3.3.3).
Results
Estimation of all six parameters revealed various results using different number of loci as well as motif types. Additionally, the results revealed higher values for parameters estimated with di microsatellite motifs compared to others. In addition, the highest and lowest value for most parameters were obtained by 40-di and 10-tri/tetra microsatellites respectively. The statistical significance on findings of parameter values using different number/motif of microsatellite markers were analyzed using ANOVA in R (v.3.3.3). In the case with significant results, Tukey Honestly Significant Difference test was used to test pairwise contrasts between different subsets.
Conclusion
Our result proposes a better application of di microsatellites for genetic diversity studies in sheep populations. Moreover, results showed that for stable estimation of population parameters in genetic diversity studies a minimum of 50 microsatellite loci are needed.

کلیدواژه‌ها [English]

  • Genetic diversity
  • microsatellite motifs
  • microsatellite markers.Sheep
  1. Abdurakhmonov, I.Y. 2016. Introduction to microsatellites: basics, trends and highlights. Abdurakhmonov, I.Y (eds), Microsatellite Markers, Intech open. Uzbekistan. 4-16.
  2. Charoensook, R., Gatphayak, K., Brenig, B. and Knorr, C. 2019. Genetic diversity analysis of Thai indigenous pig population using microsatellite markers. Asian-Australas Journal of Animal Science. 32(10): 1491-1500.
  3. Cooper, G., Amos, W., Bellamy, R., Siddiqui, M.R., Frodsham, A., Hill, A. V. and Rubinsztein, D.C. 1999. An empirical exploration of the (delta mu)2 genetic distance for 213 human microsatellite markers. American Journal of Human Genetics. 65(4): 1125-1133.
  4. Danecek, P., Auton, A., Abecasis, G., Albers, C.A., Banks, E., DePristo, Handsaker, R.E., Lunter, G., Marth, G., T., Sherry, S., McVean, G. and Durbin, R. 2011. The variant call format and VCFtools. Bioinformatics. 27(15): 2156-2158.
  5. Dieringer, D. and Schlötterer, C. 2003. microsatellite analyser (MSA): a platform independent analysis tool for large microsatellite data sets. Molecular Ecology Notes. 3(1): 167-169.
  6. Eisen, J.A. and Hanawalt, P.C. 1999. A phylogenomic study of DNA repair genes. proteins and processes. Mutation research. 435(3): 171-213.
  7. Ellegren, H. 2004. Microsatellites: simple sequences with complex evolution. Nature Reviews Genetics. 5(6): 435-445.
  8. Esmaeilkhanian S.B.M. 2006. Genetic variation within and between five Iranian sheep populations using microsatellite markers. Pakistan Journal of Biological Sciences. 9: 2488-2492.
  9. Gibbs, R.A., Weinstock, G.M., Metzker, M.L., Muzny, D.M., Sodergren, E.J., Scherer, S. and Collins, F. 2004. Genome sequence of the Brown Norway rat yields insights into mammalian evolution. Nature. 428(6982): 493-521.
  10. Gymrek, M., Golan, D., Rosset, S. and Erlich, Y. 2012. lobSTR: A short tandem repeat profiler for personal genomes. Genome Research. 22(6): 1154-1162.
  11. Hentschel, C.C. 1982. Homocopolymer sequences in the spacer of a sea urchin histone gene repeat are sensitive to S1 nuclease. Nature. 295(5851): 714-716.
  12. Katti, M.V., Ranjekar, P.K. and Gupta, V.S. 2001. Differential distribution of simple sequence repeats in eukaryotic genome sequences. Molecular Biology and Evolution. 18(7): 1161-1167.
  13. Lagercrantz, U. and Andersson, L. 1993. The abundance of various polymorphic microsatellite motifs differs between plants and vertebrates. Nucleic Acids Research. 21(5): 1111-1115.
  14. Lander, E.S., Linton, L.M., Birren, B., Nusbaum, C., Zody, M. and Szustakowki, J. 2001. Initial sequencing and analysis of the human genome. Nature. 409(6822): 860-921.
  15. Li, H. 2011. A statistical framework for SNP calling, mutation discovery, association mapping and population genetical parameter estimation from sequencing data. Bioinformatics. 27(21): 2987-2993.
  16. Nanekarani, S.H., A.C. and Amirmozafari, N. 2011. Genetic analysis of Karakul sheep breed using microsatellite markers. African Journal of Microbiology Research. 5: 703-707.
  17. Orozco-terWengel, P., Corander, J. and Schlötterer, C. 2011. Genealogical lineage sorting leads to significant, but incorrect Bayesian multilocus inference of population structure. Journal of Molecular Ecology. 20(6): 1108-1121.
  18. Schlötterer, C. and Tautz, D. 1992. Slippage synthesis of simple sequence DNA. Nucleic Acids Research. 20(2): 211-215.
  19. Seilsuth, S., Seo, J.H., Kong, H.S. and Jeon, G.J. 2016. Microsatellite analysis of the genetic diversity and population structure in dairy goats in Thailand. Asian-Australas Journal of Animal Science. 29(3): 327-332.
  20. Sheriff, O. and Alemayehu, K. 2018. Genetic diversity studies using microsatellite markers and their contribution in supporting sustainable sheep breeding programs: Review: Cogent Food and Agriculture. 4(1).
  21. Trivedi, S. 2004. Microsatellites (SSRs): puzzles with puzzle. Indian Journal of Biotechnology. 3: 331-347.
  22. Tautz, D. and Schlötterer, C. 1994. Simple sequences. Current Opinion in Genetics and Development. 4(6): 832-837.
  23. Vahidi, S.M.F., Faruque, M.O., Falahati Anbaran, M., Afraz, F., Mousavi, S.M., Boettcher, P., Joost, S., Han, J.L., Colli, L., Periasamy, K., Negrini, R. and Ajmone‐Marsan, P. 2016. Multilocus genotypic data reveal high genetic diversity and low population genetic structure of Iranian indigenous sheep. Journal of Animal Genetic. 47: 463-470.
  24. Vajed Ebrahimi, M.T., Mohammad Abadi, M.R. and Esmaeilzadeh, A.K. 2016. Analysis of genetic diversity in five iranian sheep population using microsatellite markers. Journal of Agriculture Biotechnology. 7 (4).
  25. Vajed Ebrahimi, M.T., Mohammadabadi, M. and Esmailizadeh, A. 2017. Using microsatellite markers to analyze genetic diversity in 14 sheep types in Iran. Arch. Journal of Animal Breeding. 60(3): 183-189.
  26. Webster, M.T., Smith, N.G. and Ellegren, H. 2002. Microsatellite evolution inferred from human-chimpanzee genomic sequence alignments. Proc. . Proceedings of the National Academy of Sciences 99(13): 8748-8753.
  27. Zahedi, Z., Esmaeelkhanian, S. and Torshizi, R.V. 2007. Microsatellite variation in one breed of Iranian sheep with 12 markers. Pakistan journal of biological sciences: PJBS. 10(24): 4455-4460.