Научный архив: статьи

Идентификация и картирование генов, детерминирующих проявление селекционно значимых признаков у сельскохозяйственных животных, в том числе птицы, - одна из ключевых задач геномной селекции, направленной на повышение эффективности животноводства. За последние годы с использованием полногеномного анализа ассоциаций выявлено достаточно большое число важных генов-кандидатов у разных видов сельскохозяйственных животных. При этом из многочисленных видов сельскохозяйственной птицы существенная доля исследований по поиску и идентификации локусов количественных признаков (QTL, quantitative trait loci) проведена на курах. На перепелах число подобных исследований относительно невелико. Это связано прежде всего с отсутствием коммерческих чипов, что затрудняет поиск SNP и идентификацию генов, связанных с селекционно значимыми признаками. К настоящему времени в литературе недостаточно информации о локусах количественных признаков перепелов, достоверно связанных с продуктивностью. Живая масса и скорость роста перепелов - показатели мясной продуктивности, которые зависят от условий кормления и содержания птицы и детерминированы множеством QTL. В настоящем сообщении представлены результаты полногеномных ассоциативных исследований скорости роста перепелов из F2 модельной ресурсной популяции. Целью работы была идентификация локусов количественных признаков в геноме перепелов и анализ ассоциации найденных мутаций с показателем массы тела, а также характеристика аллельных вариантов в изученной F2 модельной ресурсной популяции. Перепела F2 модельной ресурсной популяции были получены посредством серии межпородных скрещиваний японского перепела (медленный рост) и техасского перепела (быстрый рост). Генотипирование полученных особей F2 ( n = 232) проводили методом GBS (genotyping by sequencing). После фильтрации при обработке данных генотипирования для последующего анализа отобрали 92686 SNP. C использованием программного обеспечения PLINK 1.9 (https://www. cog-genomics. org/plink/) с принятыми ограничениями (geno 0,1, mind 0,2, maf 0,05) изучили ассоциации между данными полногеномного генотипирования и живой массой, отражающей физическое развитие птицы. Показано, что полученная F2 ресурсная популяция перепелов характеризовалась высокой изменчивостью этого показателя. У 1-суточных перепелят живая масса варьировала от 5 до 11 г и составила в среднем 9±0,1 г. В возрасте 2, 4, 6 и 8 нед она достигала соответственно 69±1, 157±2, 219±2 и 252±2 г. На основании проведенного GWAS-анализа идентифицированы 149 SNP на 1-й, 2-й, 3-й, 5-й, 6-й, 8-й, 11-й, 14-й, 15-й, 20-й, 24-й, 25-й и 26-й хромосомах, которые с высокой достоверностью (p < 0,00001) ассоциированы с живой массой. При этом на 1-й, 2-й, 3-й, 5-й, 11-й и 26-й хромосомах детектированы блоки из 2-9 SNP, относящиеся к одному гену. Установлены семь генов-кандидатов ( PCDH9, SMAD9, PAN4, EGFR, WDPCP, MDGA2 и PEPD ), достоверно (p < 0,00001) связанных с показателем живой массы в возрасте 8 нед. Выявленные SNP могут быть в дальнейшем изучены в качестве генетических маркеров в программах селекции на увеличение массы перепелов, а также в связи с остальными показателями продуктивности.

Енных воздействий он может оказаться под угрозой исчезновения, поэтому изучение и сохранение генетического разнообразия северного оленя остается актуальной задачей. В представленной работе мы впервые дали характеристику генетического разнообразия северных оленей, обитающих на территории Российской Федерации, выявили филогенетические связи и дали оценку степени дифференциации исследованных животных с использованием комплексного молекулярно-генетического подхода, который заключался в анализе ядерного и митохондриального геномов. Нашей целью была оценка генетического разнообразия, генетической структуры и филогенетических взаимоотношений домашних и диких популяций северного оленя, разводимых на территории Российской Федерации, на основе полных последовательностей гена CytB митохондриальной ДНК и полиморфизма локусов микросателлитов. Исследования проводили в 2022 году. Материалом служили срезы с рогов северного оленя. Выборка включала диких северных оленей тундровой популяции (WLD), домашних оленей ненецкой (NEN), чукотской (CHU), эвенской (EVN) пород, а также красноярской (EVK_KRA) и якутской (EVK_YAK) популяций эвенкийской породы. Для исследования мтДНК были отобраны 123 неродственные особи. Микросателлитный анализ проводили у 213 особей домашних пород и 119 представителей дикой популяции. Полные последовательности гена CytB определяли с использованием NGS (next generation sequencing) технологии (секвенатор miSeq, «Illumina, Inc.», США). Полиморфизм 9 STR (short tandem repeat) локусов (NVHRT21, NVHRT24, NVHRT76, RT1, RT6, RT7, RT9, RT27, RT30) определяли с помощью фрагментного анализа (генетический анализатор ABI3130xl, «Applied Biosystems», США). Для оценки генетического разнообразия каждой группы северных оленей рассчитывали показатели митохондриальной (число полиморфных сайтов S, среднее число нуклеотидных различий K, число гаплотипов H, гаплотипическое разнообразие HD, нуклеотидное разнообразие p) и микросателлитной (аллельное разнообразие, вычисленное с применением процедуры рарификации AR, наблюдаемая HO и несмещенная ожидаемая uHE гетерозиготность, несмещенный коэффициент инбридинга FIS) изменчивости. Степень генетической дифференциации групп оценивали на основании попарных значений FST и JostD. Статистическую обработку данных выполняли с использованием программ MEGA 7.0.26, PopART 1.7, PartitionFinder 2, Arlequin 3.5.2.2, MrBayes 3.2.7, FigTree 1.4.3, DnaSP 6.12.01, SplitsTree 4.14.5, STRUCTURE 2.3.4 и R пакетов diveRsity, pophelper, аdegenet и ggplot2. Анализ последовательностей гена CytB мтДНК показал, что все популяции характеризовались высоким гаплотипическим HD = 0,519 (CHU)-0,997 (WLD) и нуклеотидным разнообразием p = 0,00238 (CHU)-0,00626 (WLD). По мтДНК обособленной генетической структуры исследуемых популяций северного оленя мы не выявили. При анализе микросателлитной изменчивости значения аллельного разнообразия находились в пределах от 6,188 у CHU до 8,76 у WLD. Во всех шести популяциях наблюдаемая гетерозиготность варьировала от 0,566 (CHU) до 0,687 (EVK_YAK) и 0,693 (WLD). Все группы северного оленя характеризовались дефицитом гетерозигот, на что указывали положительные значения индекса фиксации FIS = 0,11 (EVK_YAK)-0,262 (EVK_KRA). Анализ структуры генетической сети показал дифференциацию чукотской породы от остальных, о чем свидетельствуют наивысшие показатели индекса FST и критерия JostD - от 0,203 и 0,488 у EVK_KRA до 0,212 и 0,564 у EVN. Как по ядерным, так и по митохондриальным маркерам популяция диких оленей отличалась от одомашненных популяций более высоким генетическим разнообразием. Можно предположить, что так или иначе селекционная работа с домашними породами северного оленя привела к созданию уникальных массивов животных, отличающихся от исходных диких сородичей. Тем не менее как домашняя, так и дикая популяции характеризовались высокой генетической изменчивостью.

Количество жира в молоке коров относится к признакам, наиболее подверженным высокой изменчивости, и зависит как от условий среды (кормление, технология содержания), так и от генетических факторов (порода, генотип). Особый интерес представляет содержание жирных кислот (ЖК) как биомаркера контроля физиологического состояния животных и критерия оценки показателей качества сырого молока, в части его пригодности к переработке (выход сыра, масла и сливок). Соотношение ЖК в молоке по числу атомов углерода, а также длине цепи, степени ее насыщения различается между особями и на популяционном уровне. Поэтому изучение генетической и геномной изменчивости признаков молочной продуктивности для повышения эффективности управления отбором животных остается актуальной задачей. Цель наших исследований заключалась в поиске полногеномных ассоциаций и полиморфизмов в генах, детерминирующих жирнокислотный состав молока, на основе инфракрасной спектрометрии как одного из наиболее быстрых и точных экспресс-методов физико-химического анализа состава молока. Популяционно-генетические параметры и изменчивость содержания жирных кислот в молоке изучали на популяции голштинизированного черно-пестрого и голштинского скота 14 племенных стад из Московской области (2017-2018 годы). Всего для оценки суточных показателей молочной продуктивности использовали 36982 образца. Расчет коэффициентов наследуемости (h2) и корреляции ( rg ) показателей состава молока коров проводили на основе метода REML (residual maximum likelihood) с использованием семейства программ BLUPF90. Поиск SNP проводили в выборке коров из экспериментального стада голштинизированного черно-пестрого скота (ПЗ «Ладожский» - филиал ФГБНУ ФИЦ ВИЖ им. Л. К. Эрнста, 2020-2021 годы). Фракционный состав молока определяли с помощью автоматического анализатора MilkoScan 7 DC («FOSS», Дания), принцип действия которого основан на экспресс-оценке методом инфракрасной спектроскопии. При индивидуальной оценке была сформирована группа из 144 генотипированных с помощью биочипа Bovine GGP 150K («Neogen», США) коров с полным фенотипическим описанием спектра жирных кислот и компонентов молока. Контроль качества генотипирования (110884 SNP), анализ полногеномных ассоциаций (GWAS, genome-wide association study) и многомерное шкалирование (MDS, multidimensional scaling) выполняли с помощью программы Plink 1.9. Поиск генов по выявленным значимым полиморфизмам проводили в браузере Ensembl по сборке генома крупного рогатого скота Bos taurus UMD 3.1.1 (https://www. ncbi. nlm. nih. gov/assembly/). Аннотацию генов для определения локусов количественных признаков на хромосомах животных осуществляли по международной базе данных Animal QTLdb. Наследуемость показателей жирных кислот молока варьировала от низкой для полиненасыщенных ЖК (h2 = 0,018) до умеренных для средне- (h2 = 0,125), длинноцепочечных (h2 = 0,155) и миристиновой кислоты (h2 = 0,155), мононенасыщенных ЖК (h2 = 0,176) и олеиновой кислоты (h2 = 0,196). Методом многомерного шкалирования оценили генетическую структуру экспериментальной группы животных, где мы наблюдали умеренный размах вариабельности по первой (PC1 = 7,82 %) и по второй (PC2 = 4,65 %) компонентам изменчивости. Для миристиновой и пальмитиновой ЖК выявлены общие кластеры (QTL) на хромосомах BTA5, BTA10, BTA14, BTA18 и BTA27; для стеариновой и олеиновой ЖК (как входящих в группу длинноцепочечные ЖК) показана схожая локализация QTL на хромосомах BTA9, BTA10, BTA11, BTA14, BTA17, BTA18, BTA19, BTA20 и BTA29. Для коротко- и среднецепочечных ЖК обнаружены ассоциации на хромосомах BTA1, BTA5, BTA10, BTA11, BTA14, BTA18, BTA19 и BTA24, для длинноцепочечных ЖК детектированы QTL на BTA6, BTA7, BTA9, BTA10, BTA11, BTA17, BTA18 и BTA29. Для коротко- и среднецепочечных ЖК, насыщенных ЖК, C14:0, C16:0, C18:0 и C18:1 установлены гены, образующие QTL на хромосомах BTA10, BTA11 и BTA14, - CACNA1C, GCH1, ATG14, KCNH5, PRKCE, CTNNA2, CYHR1, VPS28, DGAT1, ZC3H3, RHPN1, TSNARE1. Коротко- и среднецепочечные ЖК, миристиновая и пальмитиновая ЖК, насыщенные ЖК показали связь с полиморфизмами в генах MED12L, EPHB1, GRIN2B, PRMT8, ERC1, PELI2, ARHGAP39, MROH1, MAF1, GSDMD, LY6D. Для длинноцепочечных и мононенасыщенных ЖК, стеариновой и олеиновой ЖК в результате аннотации получены селекционно значимые гены RPS6KA2, CPQ, CPE, FTO, FAT3, LUZP2. Продолжение изучения генетических механизмов наследования содержания жирных кислот и компонентов молока необходимо для формирования стратегии селекции молочного скота с лучшим жирнокислотным профилем и составом компонентов.

Мясное скотоводство характеризуется существенно более высокими затратами корма на получение единицы продукции по сравнению с другими отраслями животноводства. Для большинства видов сельскохозяйственных животных селекция на повышение эффективности использования корма до недавнего времени была затруднена из-за сложности индивидуальной оценки этого показателя. В основном улучшение признака происходило косвенно, посредством селекции на повышение интенсивности роста и уменьшение содержания жира в тушах. В 1960-1980 годах компания «Förster-Technik GmbH» (Германия) разработала автоматические кормовые станции индивидуального откорма для учета данных о затратах энергии на рост и развитие животных, что позволило вывести показатель конверсии корма (feed conversion rate, FCR), который остается одним из основных параметров эффективности использования корма (K. R. Koots с соавт., 1994). FCR как признак генетического отбора не имеет важного значения из-за умеренной наследуемости (А. А. Сермягин с соавт., 2020; Crews D. N. с соавт., 2005). В связи с этим и благодаря данным с фидлотов в 1963 году была разработана новая альтернативная концепция показателя FCR - прогнозируемое остаточное потребление корма (residual feed intake, RFI). RFI - это индивидуальная характеристика животного, которая определяется по результатам тестового откорма (продолжительность от 70 до 84 сут) с ежесуточным учетом потребленного корма и прироста живой массы (R. M. Koch с соавт., 1963). Преимущество RFI в качестве характеристики эффективности использования корма совместно с FCR заключается в том, что отбор по отрицательному значению RFI даст возможность сократить потребление корма без ущерба для роста. Прогнозируемое остаточное потребление корма не зависит от продуктивности, роста и размера тела, что делает этот признак важным для включения в селекционный отбор (G. Acetoze с соавт., 2015; J. A. Archer с соавт., 2000; G. E. Carstens с соавт., 2002). Установлено, что RFI коррелирует с FCR (коэффициенты генетической корреляции варьируют от 0,45 до 0,85), но RFI не зависит от среднесуточного прироста (ADG) и метаболической массы тела (MWT) (B. W. Kennedy с соавт., 1993; P. F. Artur с соавт., 2001). Утверждение, что особи с одной и той же массой тела требуют разное количество корма для достижения одной и той же продуктивности, составляет научную основу для оценки RFI у мясного скота. Благодаря тому, что показатель RFI наследственно обусловлен (коэффициенты наследуемости варьируют от 0,08 до 0,49), ведется направленный поиск локусов количественных признаков (quantitative trait loci, QTL) при помощи методологии GWAS (genome-wide association studies). С 2000-х годов были разработаны и внедрены способы оценки племенной ценности сельскохозяйственных животных с использованием информации по большому числу SNP (single nucleotide polymorphism), основанные на принципе линейного моделирования. Линейные модели в зависимости от подхода к структурированию данных подразделяются на rrBLUP (оценка эффекта каждого маркера), GBLUP (оценка племенной ценности на основании геномного родства) и один из наиболее распространенных методов одношаговой оценки - ssGBLUP (модель оценки геномной племенной ценности, учитывающая геномное родство наряду с родословной); нелинейные байесовские методы включают BayesA и BayesB. Научные исследования с использованием полногеномного анализа ассоциаций позволили разработать программы геномной селекции и идентифицировать ряд SNP, ассоциированных с показателями эффективности использования корма. Так, обнаружены семь позиционных генов-кандидатов, которые ранее ассоциировались с эффективностью использования корма и энергией роста у разных видов сельскохозяйственных животных, а недавно были выявлены у крупного рогатого скота породы ангус. Проведенный анализ зарубежных исследований позволяет нам рекомендовать применение описанных методов как в научно-исследовательской работе, так и в производственных целях с перспективой включения указанных параметров в критерии геномной оценки мясного скота разных пород, разводимых на территории России.