دوره 15، شماره 3 - ( پاییز 1403 )                   جلد 15 شماره 3 صفحات 41-30 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Navoshki F, Moradi shahr babak H, Sadeghi Sefid Mazgi A, soelkner J. (2024). Identification of Selection Signatures Related to Johne's Disease in Iranian Holstein Cows using Genomic Data. Res Anim Prod. 15(3), 30-41. doi:10.61186/rap.15.3.30
URL: http://rap.sanru.ac.ir/article-1-1430-fa.html
ناوشکی فاطمه، مرادی شهر بابک حسین، صادقی سفید مزگی علی، سولکنر جوهان. شناسایی مناطق تحت انتخاب مرتبط با بیماری یون در گاوهای هلشتاین ایرانی با استفاده از داده های ژنومی پژوهشهاي توليدات دامي 1403; 15 (3) :41-30 10.61186/rap.15.3.30

URL: http://rap.sanru.ac.ir/article-1-1430-fa.html

شناسایی مناطق تحت انتخاب مرتبط با بیماری یون در گاوهای هلشتاین ایرانی با استفاده از داده های ژنومی
فاطمه ناوشکی1، حسین مرادی شهر بابک*1 ، علی صادقی سفید مزگی2، جوهان سولکنر3
1- گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی دانشگاه تهران، کرج، البرز، ایران
2- گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی دانشگاه صنعتی اصفهان، اصفهان، ایران
3- گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی دانشگاه بوکو، وینا، اتریش
چکیده:   (738 مشاهده)
چکیده مبسوط
مقدمه و هدف: یکی از مهم‎ترین و چالش برانگیزترین مطالعات حیوانات در زمینه ژنتیک جمعیت، شناسایی نشانه‎های انتخاب در جهت ارتقا صفات اقتصادی و کاهش بیماری‎ها است. بیماری یون یک عفونت باکتریایی مزمن علاج‎ناپذیر است که به‎صورت اولیه قسمت‎های تحتانی روده کوچک نشخوارکنندگان را درگیر می‎کند، هرچند آسیب‎شناسی و نشانه‎های آن میان گونه‎ها متفاوت است. از پیامدهای اقتصادی بیماری یون کاهش تولید، از دست رفتن ارزش ژنتیکی، افزایش حساسیت به سایر بیماری‎ها، افزایش فاصله بین گوساله‎زایی، کاهش وزن‎گیری، کاهش ارزش لاشه، کاهش باروری (به‎دلیل کاهش تشکیل پروژسترون سرم و جسم زرد)، کاهش کیفیت وکمیت شیر (کاهش چربی و پروتئین و افزایش سلول‎های سوماتیک در شیر) و حذف پیش از موعد می‎باشند. از جهتی، با توجه به نتایج تحقیقات جدید احتمال داده می‎شود این باکتری یک پاتوژن زئونوز باشد که در ایجاد بیماری کرون (یک بیماری التهابی مزمن روده (IBD)) در انسان نقش دارد. نتایج بررسی تعدادی از محققان ‏نشان می‎دهد که حتی در مواردی بعد از پاستوریزاسیون شیر نیز این پاتوژن، زنده باقی‎مانده و در نتیجه تهدید‎ی برای سلامت جامعه می‎باشد. این بیماری از نظر اقتصادی یکی از مهم ترین بیماری‎ها و از نظر شیوع یکی از شایع‎ترین بیماری‎هاست و خسارت اقتصادی زیادی به صنعت دامداری در سراسر جهان وارد می‎کند. در این مطالعه، با هدف شناسایی نشانه‎های انتخاب بین جمعیت‎های گاوهای مبتلا به بیماری یون و سالم هلشتاین، با استفاده از چندشکلی‎های تک نوکلئوتیدی (SNP) یک پویش گسترده در سطح ژنوم انجام شد.
مواد و روش‎ها: در این مطالعه از گاوهای گاوداری فکا در اصفهان که شامل 145 رأس گاو هلشتاین بود استفاده شد. این 145 راس بر اساس تراشه‌های 30K شرکت ایلومینا تعیین ژنوتیپ شدند. گاوها در دو گروه بیمار و سالم گروه‎بندی شدند. گروه بیمار شامل 45 رأس و گروه سالم شامل 100 رأس گاو بود. شاخص‎های کنترل کیفیت شامل نرخ خوانش حیوان (mind)، نرخ خوانش SNP (geno)، فراوانی آلل نادر (maf) و تعادل هاردی– واینبرگ بودند. برای شناسایی مسیرهای متابولیکی مهم، از افزونه ClueGo (نسخه 2.5.6) در نرم‎افزار Cytoscape استفاده شد که تفسیرهای بیولوژیکی ژن‎ها را ارائه می‎کنند. در این مطالعه برای شناسایی نشانه‎های انتخاب از دو آماره iHS و RSB استفاده شد.
یافته‎ها: 63 ژن در جمعیت بیمار و 70 ژن در جمعیت سالم گاوهای هلشتاین توسط آماره iHS شناسایی شد. ژن‎های مهم شناسایی شده توسط آماره iHS در جمعیت بیمار شامل HCN2، DOCK4، ITGA8 و STAG1 و همچنین، در جمعیت سالم شامل CAV2، CNTNAP4، MIB1 و TTC23 بودند. همچنین، پس از بررسی مناطق تحت انتخاب 39 ژن در جمعیت بیمار و 53 ژن در جمعیت سالم گاوهای هلشتاین توسط آماره RSB شناسایی شد. ژن‎های مهم شناسایی شده توسط آماره RSB در جمعیت بیمار شامل GRID2، PPIP5K2 و CTNNA2 و در جمعیت سالم شامل DOCK1، PCDH9 و AK1 بودند.
نتیجه‎گیری کلی: در مطالعه اخیر، نتایج آماره iHS نشان داد که در جمعیت سالم 84 منطقه ژنومی و در جمعیت بیمار 96 منطقه ژنومی و همچنین در آماره RSB در جمعیت سالم 152 منطقه ژنومی و در جمعیت بیمار 129 منطقه ژنومی تحت انتخاب بودند. اکثر ژن­های شناسایی شده در این مطالعه با ایمنی، سرطان، تهاجم باکتری به سلول‎ها، پیری سلولی، پاسخ سلولی، رشد و چسبندگی سلولی در ارتباط بود، که جزو صفات و ویژگی‎های مهم زیستی جاندار قرار می‎گیرد. با مشخص شدن ژن‎های کاندید احتمالی مرتبط با بیماری یون و مقاوم به بیماری یون در گاو، می‎توان از این اطلاعات در برنامه‎های اصلاح نژادی (انتخاب در جهت کاهش یا افزایش بیان و فراوانی ژن‎های مهم) گاوهای هلشتاین در کشور استفاده کرد. البته به‎دلیل اطلاعات ناقص مربوط به عملکرد ژن‌ها در گونه گاو و همچنین کوچک بودن جمعیت مورد استفاده در این مطالعه، مطالعات گسترده‎تر با تعداد نمونه‎های بیشتر و تجزیه و تحلیل چند جمعیت جداگانه درک بهتری از ژن‎های کاندید برای بیماری یون در جمعیت گاو ایجاد خواهد نمود.
 
واژه‌های کلیدی: بیماری یون، گاو شیری، نشانه‎ های انتخاب، iHS، RSB، SNP
متن کامل [PDF 1217 kb]   (540 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: ژنتیک و اصلاح نژاد دام
دریافت: 1402/9/6 | پذیرش: 1402/11/28
فهرست منابع
1. Akis, I., Oztabak, K., Gonulalp, I., Mengi, A., Un, C. (2010). IGF-1 and IGF-1r gene polymorphisms in East Anatolian Red and South Anatolian Red cattle breeds. Genetika, 46(4), 497-501. [DOI:10.1134/S1022795410040083]
2. Bahador, Y., Mohammadabadi, M., Khezri, A., Asadi, M., & Medhati, L. (2016). Study of genetic diversity in honey bee populations in Kerman province using ISSR markers. Research On Animal Production, 7(13), 192-186. https://doi.org/10.18869/acadpub.rap.7.13.192 [DOI:10.18869/acadpub.rap.7.13.192 [In Persian]]
3. Bellucco, F. T., Rodrigues de Oliveira-Júnior, H., Santos Guilherme, R., Bragagnolo, S., Alvarez Perez, A. B., Ayres Meloni, V., & Melaragno, M. I. (2019). Deletion of chromosome 13 due to different rearrangements and impact on phenotype. Molecular Syndromology, 10(3), 139-146. [DOI:10.1159/000497402]
4. Bindea, G., Mlecnik, B., Hackl, H., Charoentong, P., Tosolini, M., Kirilovsky, A., Fridman, W.H., Pagès, F., Trajanoski, Z., & Galon, J. (2009). ClueGO: a Cytoscape plug-in to decipher functionally grouped gene ontology and pathway annotation networks. Bioinformatics, 25(8), 1091-1093. [DOI:10.1093/bioinformatics/btp101]
5. Brito, L. F., Mallikarjunappa, S., Sargolzaei, M., Koeck, A., Chesnais, J., Schenkel, F. S., ... & Karrow, N. A. (2018). The genetic architecture of milk ELISA scores as an indicator of Johne's disease (paratuberculosis) in dairy cattle. Journal of dairy science, 101(11), 10062-10075. [DOI:10.3168/jds.2017-14250]
6. Breuza, L., Halbeisen, R., Jenö, P., Otte, S., Barlowe, C., Hong, W., & Hauri, HP. Proteomics of endoplasmic reticulum-Golgi intermediate compartment (ERGIC) membranes from brefeldin A-treated HepG2 cells identifies ERGIC-32, a new cycling protein that interacts with human Erv46. Journal of Biological Chemistry, 279, 47242-47253. [DOI:10.1074/jbc.M406644200]
7. Cahn, C.M., & Line, S. (2005). The Merck Veterinary Manual. 9th ed. John Wiley & Sons.
8. Castanon, B. I., Stapp, A. D., Gifford, C. A., Spicer, L. J., Hallford, D. M., & Hernandez Gifford, J. A. (2012). Follicle-stimulating hormone regulation of estradiol production: possible involvement of WNT2 and beta-catenin in bovine granulosa cells. Journal of Animal Science, 90, 3789-3797. [DOI:10.2527/jas.2011-4696]
9. Chamberlain, P. P., Qian, X., Stiles, A. R., Cho, J., Jones, D. H., Lesley, S. A., ... & Spraggon, G. (2007). Integration of inositol phosphate signaling pathways via human ITPK1. Journal of Biological Chemistry, 282(38), 28117-28125. [DOI:10.1074/jbc.M703121200]
10. Chen, M., Pan, D., Ren, H., Fu, J., Li, J., Su, G., Wang, A., Jiang, L., Zhang, Q., & Liu, J. F. (2016). Identification of selective sweeps reveals divergent selection between Chinese Holstein and Simmental cattle populations. Genetics Selection Evolution, 48(1), 1-12. [DOI:10.1186/s12711-016-0254-5]
11. Cui, C.Y. and Schlessinger, D., 2015. Eccrine sweat gland development and sweat secretion. Experimental Dermatology, 24(9), 644-650. [DOI:10.1111/exd.12773]
12. Damon, M., Wyszynska-Koko, J., Vincent, A., Herault, F., & Lebret, B. (2012). Comparison of muscle transcriptome between pigs with divergent meat quality phenotypes identifies genes related to muscle metabolism and structure. Plos One, 7(3), e33763. [DOI:10.1371/journal.pone.0033763]
13. Denicol, A.C., Block, J., Kelley, D.E., Pohler, K.G., Dobbs, K.B., Mortensen, C.J., Ortega, M.S. and Hansen, P.J. (2014). The WNT signaling antagonist Dickkopf-1 directs lineage commitment and promotes survival of the preimplantation embryo. The FASEB Journal, 28(9), p.3975. [DOI:10.1096/fj.14-253112]
14. Dong, Y., Xie, M., Jiang, Y., Xiao, N., Du, X., Zhang, W., Tosser-Klopp, G., Wang, J., Yang, S., Liang, J., & Chen, W. (2013). Sequencing and automated whole-genome optical mapping of the genome of a domestic goat (Capra hircus). Nature Biotechnology, 31(2), 135-141. [DOI:10.1038/nbt.2478]
15. Fonseca, P. A. S., Lam, S., Chen, Y., Waters, S. M., Guan, L. L., & Cánovas, A. (2023). Multi-breed host rumen epithelium transcriptome and microbiome associations and their relationship with beef cattle feed efficiency. Scientific Reports, 13(1), 16209. [DOI:10.1038/s41598-023-43097-8]
16. Gautier, M., & Vitalis, R. (2012). rehh: an R package to detect footprints of selection in genome-wide SNP data from haplotype structure. Bioinformatics, 28(8), 1176-1177. [DOI:10.1093/bioinformatics/bts115]
17. Gholamhoseinzadeh Gooki, F., Mohammadabadi, M. R., & Asadi Fozi, M. (2018). Polymorphism of the growth hormone gene and its effect on production and reproduction traits in goat. Iranian Journal of Applied Animal Science, 8(4), 653-659.
18. Hasonova, L., & Pavlik, I. (2006). Economic impact of paratuberculosis in dairy cattle herds: a review. Veterinarni Medicina, 51(5), 193. [DOI:10.17221/5539-VETMED]
19. Hellstrom, A., et al. (2016). Role of insulin-like growth factor 1 in fetal development and in the early postnatal life of premature infants. American Journal of Perinatology, 33, 1067-1071. [DOI:10.1055/s-0036-1586109]
20. Hu, GF., Chang, SI., Riordan, JF., Vallee, BL. (1991). An angiogenin-binding protein from endothelial cells. Proceedings of the National Academy of Sciences of the United States of America, 88, 2227-2231. [DOI:10.1073/pnas.88.6.2227]
21. Huang, J. S. X. Y., & Deng, C. Y. (2009). Cloning and expression analysis of porcine ACTA2 gene and its association with production traits. Yi Chuan, 31(5), 489-494. https://doi.org/10.3724/SP.J.1005.2009.00489 [DOI:10.3724/sp.j.1005.2009.00489]
22. Jew, C. P., Wu, C. S., Sun, H., Zhu, J., Huang, J. Y., Yu, D., ... & Lu, H. C. (2013). mGluR5 ablation in cortical glutamatergic neurons increases novelty-induced locomotion. PLoS One, 8(8), e70415. [DOI:10.1371/journal.pone.0070415]
23. Johnson, S. A., Kaneene, J. B., Asare‐Dompreh, K., Tasiame, W., Mensah, I. G., Afakye, K., ... & Addo, K. (2019). Seroprevalence of Q fever in cattle, sheep and goats in the Volta region of Ghana. Veterinary Medicine and Science, 5(3), 402-411. [DOI:10.1002/vms3.160]
24. Kosińska-Selbi, B., Suchocki, T., Egger-Danner, C., Schwarzenbacher, H., Frąszczak, M., & Szyda, J. (2020). Exploring the potential genetic heterogeneity in the incidence of hoof disorders in Austrian Fleckvieh and Braunvieh cattle. Frontiers in Genetics, 11, 577116. [DOI:10.3389/fgene.2020.577116]
25. Kreitman, M. (2000). Methods to detect selection in populations with applications to the human. Annual Review of Genomics and Human Genetics, 1(1), 539-559. [DOI:10.1146/annurev.genom.1.1.539]
26. Lee, K.T., Chung, W.H., Lee, S.Y., Choi, J.W., Kim, J., Lim, D., Lee, S., Jang, G.W., Kim, B., Choy, Y.H., & Liao, X. (2013). Whole-genome resequencing of Hanwoo (Korean cattle) and insight into regions of homozygosity. BMC Genomics, 14(1), 1-14. [DOI:10.1186/1471-2164-14-519]
27. Li, J., Akanno, E. C., Valente, T. S., Abo-Ismail, M., Karisa, B. K., Wang, Z., & Plastow, G. S. (2020). Genomic heritability and genome-wide association studies of plasma metabolites in crossbred beef cattle. Frontiers in Genetics, 11, 538600. [DOI:10.3389/fgene.2020.538600]
28. Li, N., Yu, Q. L., Yan, X. M., Li, H. B., & Zhang, Y. (2020). Sequencing and characterization of miRNAs and mRNAs from the longissimus dorsi of Xinjiang brown cattle and Kazakh cattle. Gene, 741, p. 144537. [DOI:10.1016/j.gene.2020.144537]
29. Lu, X., Abdalla, I. M., Nazar, M., Fan, Y., Zhang, Z., Wu, X., Xu, T., & Yang, Z. (2021). Genome-wide association study on reproduction-related body-shape traits of Chinese Holstein cows. Animals, 11(7), 1927. [DOI:10.3390/ani11071927]
30. Malik, A., Lee, E. J., Jan, A. T., Ahmad, S., Cho, K. H., Kim, J., & Choi, I. (2015). Network analysis for the identification of differentially expressed hub genes using myogenin knock-down muscle satellite cells. PLoS One, 10(7), e0133597. [DOI:10.1371/journal.pone.0133597]
31. Mallikarjunappa, S., Brito, L. F., Pant, S. D., Schenkel, F. S., Meade, K. G., & Karrow, N. A. (2021). Johne's disease in dairy cattle: An Immunogenetic perspective. Frontiers in Veterinary Science, 8, 718987. [DOI:10.3389/fvets.2021.718987]
32. Manca, E., Cesarani, A., Gaspa, G., Sorbolini, S., Macciotta, N. P., & Dimauro, C. (2020). Use of the multivariate discriminant analysis for genome-wide association studies in cattle. Animals, 10(8), 1300. [DOI:10.3390/ani10081300]
33. Manning, E. J., & Collins, M. T. (2001). Mycobacterium avium subsp. paratuberculosis: pathogen, pathogenesis and diagnosis. Revue scientifique et technique (International Office of Epizootics), 20(1), 133-150. [DOI:10.20506/rst.20.1.1275]
34. McElwee, M., Beilstein, F., Labetoulle, M., Rixon, F.J., Pasdeloup, D. (2013). Dystonin/BPAG1 Promotes Plus-End-Directed Transport of Herpes Simplex Virus 1 Capsids on Microtubules during Entry. Journal of Virology, 87, 11008-11018. [DOI:10.1128/JVI.01633-13]
35. Mengistie, D., Edea, Z., Sisay Tesema, T., Dejene, G., Jemal, J., Dessie, T., Kim, K.S., Samuel, B., & Dadi, H. (2022). Detection and Evaluation of Breed-specific SNPs and Minor allele frequency in Ethiopian Indigenous and European Beef Cattle Breeds. [DOI:10.21203/rs.3.rs-1618777/v1]
36. Mohammadifar, A., & Mohammadabadi, M. (2018). Melanocortin-3 receptor (mc3r) gene association with growth and egg production traits in Fars indigenous chicken. Malaysian Applied Biology, 47(3), 85-90.
37. Mohamadipoor Saadatabadi, L., Mohammadabadi, M., Amiri Ghanatsaman, Z., Babenko, O., Stavetska, R., Kalashnik, O., ... & Asadollahpour Nanaei, H. (2021). Signature selection analysis reveals candidate genes associated with production traits in Iranian sheep breeds. BMC Veterinary Research, 17(1), 1-9. [DOI:10.1186/s12917-021-03077-4]
38. Mokhber, M., Moradi-Shahrbabak, M., Sadeghi, M., Moradi-Shahrbabak, H., Stella, A., Nicolzzi, E., Rahmaninia, J., & Williams, J. L. (2018). A genome-wide scan for signatures of selection in Azeri and Khuzestani buffalo breeds. BMC Genomics, 19(1), 1-9. [DOI:10.1186/s12864-018-4759-x]
39. Moré, D. D., Cardoso, F. F., Mudadu, M. A., Malagó-Jr, W., Gulias-Gomes, C. C., Sollero, B. P., Ibelli, A. M., Coutinho, L. L., & Regitano, L. C. (2019). Network analysis uncovers putative genes affecting resistance to tick infestation in Braford cattle skin. BMC Genomics, 20, 1-20. [DOI:10.1186/s12864-019-6360-3]
40. Ponsuksili, S., Murani, E., Phatsara, C., Schwerin, M., Schellander, K., & Wimmers, K. (2009). Porcine muscle sensory attributes associate with major changes in gene networks involving CAPZB, ANKRD1, and CTBP2. Functional & Integrative Genomics, 9, 455-471. [DOI:10.1007/s10142-009-0131-1]
41. Puckowska, P., Borowska, A., Szwaczkowski, T., Oleński, K., & Kamiński, S. (2019). Effects of a novel missense polymorphism within the SIGLEC5 gene on fertility traits in Holstein Friesian cattle. Reproduction in Domestic Animals, 54, 1163-1168. [DOI:10.1111/rda.13484]
42. Purfield, D. C., Bradley, D. G., Kearney, J. F., & Berry, D. P. (2014). Genome-wide association study for calving traits in Holstein-Friesian dairy cattle. Animal, 8(2), 224-235. [DOI:10.1017/S175173111300195X]
43. Qanbari, S., Gianola, D., Hayes, B., Schenkel, F., Miller, S., Moore, S., Thaller, G., & Simianer, H. (2011). Application of site and haplotype-frequency based approaches for detecting selection signatures in cattle. BMC Genomics, 12(1), 1-12. [DOI:10.1186/1471-2164-12-318]
44. Saatchi, M. (2018). Putative Functional Variants in the NCAPG, ARRDC3, PLAG1 and ERGIC1 Genes are Remarkably Associated with Pre-and Post-Natal Growth in Beef Cattle. In Plant and Animal Genome XXVI Conference (January 13-17, 2018). PAG. [DOI:10.1093/jas/sky073.034]
45. Sanchez, M. P., Guatteo, R., Davergne, A., Saout, J., Grohs, C., Deloche, M. C., ... & Boichard, D. (2020). Identification of the ABCC4, IER3, and CBFA2T2 candidate genes for resistance to paratuberculosis from sequence-based GWAS in Holstein and Normande dairy cattle. Genetics Selection Evolution, 52(1), 1-17. [DOI:10.1186/s12711-020-00535-9]
46. Schaffer, A. E., Breuss, M. W., Caglayan, A. O., Al-Sanaa, N., Al-Abdulwahed, H. Y., Kaymakcalan, H., ... & Gleeson, J. G. (2018). Biallelic loss of human CTNNA2, encoding αN-catenin, leads to ARP2/3 complex overactivity and disordered cortical neuronal migration. Nature Genetics, 50(8), 1093-1101. [DOI:10.1038/s41588-018-0166-0]
47. Shahmoradi, A.H., Mosavari, N., Aref Pajouhi, R., Heidari, M.R., Noamaan, V., Nabinejad, A., Tadaion, K., & Hosseini, S.M. (2009). Study of John's disease in industrial & semi-industrial cattle husbandry of Esfahan province. Veterinary Research & Biological Products, 22(1), 13-17. [In persian]
48. Sigurdsson, M. I., Waldron, N. H., Bortsov, A. V., Smith, S. B., Maixner, W. (2018). Genomics of cardiovascular measures of autonomic tone. Journal of Cardiovascular Pharmacology, 71, 180-191. [DOI:10.1097/FJC.0000000000000559]
49. Tang, K., Thornton, K.R., & Stoneking, M. (2007). A new approach for using genome scans to detect recent positive selection in the human genome. PLoS Biology, 5(7), e171. [DOI:10.1371/journal.pbio.0050171]
50. Tao, L., He, X., Wang, F., Zhong, Y., Pan, L., Wang, X., Gan, S., Di, R., & Chu, M. (2020). Luzhong mutton sheep: Inbreeding and selection signatures. Journal of Animal Science and Technology, 62(6), 777. [DOI:10.5187/jast.2020.62.6.777]
51. Taye, M., Kim, J., Yoon, S.H., Lee, W., Hanotte, O., Dessie, T., Kemp, S., Mwai, O.A., Caetano-Anolles, K., Cho, S., & Oh, S.J. (2017). Whole genome scan reveals the genetic signature of African Ankole cattle breed and potential for higher quality beef. BMC Genetics, 18(1), 1-14. [DOI:10.1186/s12863-016-0467-1]
52. Testa, J. R., & Tsichlis, P. N. (2005). AKT signaling in normal and malignant cells. Oncogene, 24, 7391-7393. [DOI:10.1038/sj.onc.1209100]
53. Tiwari, A., VanLeeuwen, J.A., McKenna, S.L., Keefe, G.P., & Barkema, H.W. (2006). Johne's disease in Canada: Part I: Clinical symptoms, pathophysiology, diagnosis, and prevalence in dairy herds. The Canadian Veterinary Journal, 47(9), 874.
54. Tizioto, P. C., Kim, J., Seabury, C. M., Schnabel, R. D., Gershwin, L. J., Van Eenennaam, A. L., ... & Taylor, J. F. (2015). Immunological response to single pathogen challenge with agents of the bovine respiratory disease complex: an RNA-sequence analysis of the bronchial lymph node transcriptome. PloS one, 10(6), e0131459. [DOI:10.1371/journal.pone.0131459]
55. Tribulo, P., Moss, J.I., Ozawa, M., Jiang, Z., Tian, X.C., Hansen, P.J. (2017). WNT regulation of embryonic development likely involves pathways independent of nuclear CTNNB1. Reproduction, 153, 405-419. [DOI:10.1530/REP-16-0610]
56. Vignal, A., Milan, D., SanCristobal, M., & Eggen, A. (2002). A review on SNP and other types of molecular markers and their use in animal genetics. Genetics Selection Evolution, 34(3), 275-305. [DOI:10.1051/gse:2002009]
57. Voight, B. F., Kudaravalli, S., Wen, X., & Pritchard, J. K. (2007). Correction: A map of recent positive selection in the human genome, PLoS Biology, 5(6), 1382-1382. [DOI:10.1371/journal.pbio.0050147]
58. Wang, Y., Zhang, C., Wang, N., Li, Z., Heller, R., Liu, R., ... & Qiu, Q. (2019). Genetic basis of ruminant headgear and rapid antler regeneration. Science, 364(6446), eaav6335. [DOI:10.1126/science.aav6335]
59. Wara, A. B., Kumar, A., Singh, A., Arthikeyan, A. K., Dutt, T., & Mishra, B. P. (2019). Genome-wide association study of test day's and 305 days milk yield in crossbred cattle. Indian Journal of Animal Science, 89, 861-865. [DOI:10.56093/ijans.v89i8.93019]
60. Wilke, K., Martin, A., Terstegen, L. and Biel, S.S., 2007. A short history of sweat gland biology. International Journal of Cosmetic Science, 29(3), pp.169-179. https://doi.org/10.1111/j.1467-2494.2007.00387.x [DOI:10.1111/j.1467-2494.2007.00387.x.]
61. Yang, L., Xu, L., Zhu, B., Niu, H., Zhang, W., Miao, J., Shi, X., Zhang, M., Chen, Y., Zhang, L., & Gao, X. (2017). Genome-wide analysis reveals differential selection involved with copy number variation in diverse Chinese cattle. Scientific Reports, 7(1), 14299. [DOI:10.1038/s41598-017-14768-0]
62. Yang, W., Kang, X., Yang, Q., Lin, Y., & Fang, M. (2013). Review on the development of genotyping methods for assessing farm animal diversity. Journal of Animal Science and Biotechnology, 4(1), 1-6. [DOI:10.1186/2049-1891-4-2]
63. Yi-Lei, M., Yi-Fan, W., Cao, X. K., Cheng, J., Yong-Zhen, H., Ma, Y., ... & Chen, H. (2019). Copy number variation (CNV) in the IGF1R gene across four cattle breeds and its association with economic traits. Archiv Fuer Tierzucht, 62(1), 171-179. [DOI:10.5194/aab-62-171-2019]
64. Zhong, L., Ma, S., Wang, D., Zhang, M., Tian, Y., He, J., Zhang, X., Xu, L., Wu, C., Dong, M., & Gou, M. (2023). Methylation Levels in the Promoter Region of FHIT and PIAS1 Genes Associated with Mastitis Resistance in Xinjiang Brown Cattle. Genes, 14(6), 1189. [DOI:10.3390/genes14061189]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشهای تولیدات دامی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Research On Animal Production

Designed & Developed by : Yektaweb