دوره 15، شماره 4 - ( زمستان 1403 )
جلد 15 شماره 4 صفحات 92-83 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mohammadi H, Najafi A. (2024). Identification of Positive Selection Signatures Associated with Important Economic Traits in Beetal Goats. Res Anim Prod. 15(4), 83-92. doi:10.61186/rap.15.4.83
URL: http://rap.sanru.ac.ir/article-1-1450-fa.html
URL: http://rap.sanru.ac.ir/article-1-1450-fa.html
محمدی حسین، نجفی ابوذر. شناسایی نشانه های انتخاب مثبت مرتبط با صفات مهم اقتصادی در بزهای نژاد بیتال پژوهشهاي توليدات دامي 1403; 15 (4) :92-83 10.61186/rap.15.4.83
حسین محمدی*1 
، ابوذر نجفی2
، ابوذر نجفی2
1- گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران
2- گروه علوم دام و طیور، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران
2- گروه علوم دام و طیور، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران
چکیده: (662 مشاهده)
چکیده مبسوط
مقدمه و هدف: شناسایی مناطق ژنومی که هدف انتخاب بودهاند، یکی از راهکارهای اصلی تحقیقات زیستی است. بهعبارت دیگر اهلیسازی و انتخاب بهشدت در خصوصیات ظاهری و رفتاری حیوانات اهلی امروز تغییر ایجاد کرده است. در این مسیر انتخابهای انجام شده توسط انسان نشانههای قابل شناسایی را در ژنوم بزهای امروزی بهجا گذاشته است که شناسایی این نشانهها میتواند به اصلاح و بهبود ژنتیکی صفات مهم اقتصادی در این حیوانات کمک کند. طی دهههای اخیر تمایل به شناسایی مناطق ژنومی که حاوی ژن‌های کاندیدایی که هدف انتخاب بودهاند روبه افزایش بوده است. شناسایی نشانههای انتخاب میتواند دیدگاههای ارزشمندی در مورد ژنها و یا مناطق ژنومی که تحت انتخاب مثبت بوده و یا هستند فراهم کند که بهنوبه خود منجر به درک بهتر ارتباط ژنوتیپ با فنوتیپ میشود. هدف از این مطالعه، شناسایی ژن‌های کاندیدا و مناطق ژنومی تحت انتخاب مثبت در بزهای نژاد بیتال از طریق روش‌های شناسایی ردپای انتخاب و هستیشناسی ژن میباشد.
مواد و روشها: در این پژوهش اطلاعات ژنوتیپی مربوط به 631 رأس بزهای نژاد بیتال تعیین ژنوتیپ شده توسط آرایههای Caprine 50K BeadChip شرکت ایلومینا استفاده شد. ابتدا جهت اطمینان از کیفیت دادههای تعیین ژنوتیپ، مراحل مختلف کنترل کیفیت روی دادههای اولیه تعیین ژنوتیپ شده قبل از آنالیزهای ژنومی انجام شد. برای فیلتراسیون دادههای ژنوتیپ شده، ابتدا نمونههایی که فراوانی نرخ تعیین ژنوتیپ آنها کمتر از 90% بود، شناسایی و حذف شد. در مرحله بعد نشانگرهایی که حداقل فراونی آللی در آنها کمتر از 5% بود حذف شدند. سپس نشانگرهایی که نرخ تعیین ژنوتیپ آنها در نمونهها کمتر از 95% بود شناسایی و حذف شدند. در نهایت برای SNPهای باقیمانده آنهایی که بر روی کروموزوم جنسی بودند و یا در تعادل هاردی-واینبرگ قرار نداشتند کنار گذاشته شدند. پس از کنترل کیفیت دادههای اولیه تعیین ژنوتیپ شده با استفاده از نرم‌افزار PLINK (v1.90; http://pngu.mgh.harvard.edu/purcell/plink) نهایتاً 36861 نشانگر SNP و 594 رأس دام وارد آنالیزهای بعدی شدند. برای شناسایی نشانههای انتخاب از روش مبتنی بر عدم تعادل پیوستگی ژنی و آزمون نمره هاپلوتیپ تمایز یافته (iHS) با استفاده از بسته نرمافزاری REHH در نرم‌افزار R انجام شد. ژن‌های کاندید با استفاده از SNPهایی که در بازه‌ی 1% بالای iHS واقع شده بودند، با استفاده از نرم‌افزارPLINK و توسط لیست ژنی شرکت ایلومینا در محیط R شناسایی شدند. همچنین، برای بررسی وجود QTLهای مرتبط با صفات مربوط به صفات مهم اقتصادی در مناطق شناسایی شده معنی‌دار، از آخرین نسخه‌ی منتشر شده پایگاه genome Animal استفاده شد. بهمنظور شناسایی مراحل بیولوژی ژن‌های شناسایی شده از آنالیز هستیشناسی استفاده شد. برای تجزیه و تحلیل هستیشناسی ژن‌های شناسایی شده از پایگاه برخط DAVID (http://david.abcc.ncifcrf.gov) استفاده گردید. همچنین برای تفسیر بهتر عملکرد ژن‌های بهدست آمده از پایگاههای اطلاعاتی آنلاینGeneCards http://www.genecards.org)) و (http://www.uniprot.org) UniProtKB استفاده شد.
یافتهها: از مجموع 53347 نشانگر SNP بهکار رفته در این تحقیق، 36861 نشانگر توانستند مراحل مختلف کنترل کیفیت را بگذرانند. بهطور کلی 3963 نشانگر بهدلیل حداقل فراوانی آللی کمتر از 05/0، 1342 نشانگر بهدلیل نرخ تعیین ژنوتیپ کمتر از 95% در هر نمونه، 9761 نشانگر بهدلیل عدم تعادل هاردی واینبرگ و 1420 نشانگر با موقعیت ناشناخته و همچنین 37 نمونه بهدلیل فراوانی تعیین ژنوتیپ کمتر از 90% حذف شدند. نتایج این پژوهش منجر به شناسایی ده منطقه ژنومی روی کروموزومهای 4، 6، 7، 11 (دو منطقه)، 13، 14، 15، 17 و 18 با بالاترین ارزش آزمون آماره iHS شد. ژن‌های شناسایی شده در مناطق مورد انتخاب با اندازه بدن (SPP1, TNPO2)، متابولیسم چربی (SDCBP)، رشد و توسعه استخوان (IBSP, MEPE) و متابولیسم انرژی
(TRPC3, UCP2, FBP1) مرتبط بودند. برخی از این ژنها در مناطق تحت انتخاب با مطالعات قبلی همخوانی داشتند. بررسی QTLهای گزارش شده در مناطق انتخابی و اورتولوگوس گاوی در مناطق شناسایی شده، QTLهای مرتبط با میانگین خوراک مصرفی، وزن لاشه و اندازه بدن قرار داشتند. از بین مسیرهای زیستی شناسایی شده، مسیرهای skeletal system development و calcium channel complex و مسیرهای KEGG شامل Glucagon signaling pathway و AMPK signaling pathway نقش مهمی در تنظیم یون کلسیم، متابولیسم مواد غذایی، هموستازی گلوکز و رشد و توسعه عضلات اسکلتی داشتند.
نتیجهگیری: در هر صورت، ژن‌های متعددی که در نواحی شناسایی شده بر اساس عملکرد میتوانند بهعنوان کاندیداهای تحت انتخاب مطرح باشند. برخی از این ژنها در مناطق تحت انتخاب با مطالعات قبلی همخوانی داشتند و بیشتر در مسیرهای بیولوژیکی مرتبط با رشد، وزن بدن، فرآیندهای متابولیکی، صفات تیپ نقش دارند. همچنین، بررسی QTLهای موجود در مناطق تحت انتخاب نشان داد که این QTLها با بعضی صفات اقتصادی مهم از قبیل وزن بدن، عمق بدن، وزن و ترکیبات لاشه ارتباط دارند. در هر حال نیاز به بررسیهای پیوستگی و عملکردی بیشتری جهت شناسایی عملکرد ژنها میباشد. همچنین بررسی بیشتر QTLهای مرتبط با مناطق ژنومی انتخاب شده از مطالعات جستجوی نشانههای انتخاب و مطالعات پیوستگی ضروری است. نتایج این تحقیق میتواند در درک ساز و کار ژنتیکی کنترل کننده صفات رشد مورد استفاده قرار گیرد و با توجه به تأیید مناطق قبلی پویش ژنومی و شناسایی مناطق ژنومی جدید، استفاده از یافتههای این پژوهش میتواند در انتخاب ژنتیکی بز از طریق افزایش وزن بدن مفید واقع شود.
مقدمه و هدف: شناسایی مناطق ژنومی که هدف انتخاب بودهاند، یکی از راهکارهای اصلی تحقیقات زیستی است. بهعبارت دیگر اهلیسازی و انتخاب بهشدت در خصوصیات ظاهری و رفتاری حیوانات اهلی امروز تغییر ایجاد کرده است. در این مسیر انتخابهای انجام شده توسط انسان نشانههای قابل شناسایی را در ژنوم بزهای امروزی بهجا گذاشته است که شناسایی این نشانهها میتواند به اصلاح و بهبود ژنتیکی صفات مهم اقتصادی در این حیوانات کمک کند. طی دهههای اخیر تمایل به شناسایی مناطق ژنومی که حاوی ژن‌های کاندیدایی که هدف انتخاب بودهاند روبه افزایش بوده است. شناسایی نشانههای انتخاب میتواند دیدگاههای ارزشمندی در مورد ژنها و یا مناطق ژنومی که تحت انتخاب مثبت بوده و یا هستند فراهم کند که بهنوبه خود منجر به درک بهتر ارتباط ژنوتیپ با فنوتیپ میشود. هدف از این مطالعه، شناسایی ژن‌های کاندیدا و مناطق ژنومی تحت انتخاب مثبت در بزهای نژاد بیتال از طریق روش‌های شناسایی ردپای انتخاب و هستیشناسی ژن میباشد.
مواد و روشها: در این پژوهش اطلاعات ژنوتیپی مربوط به 631 رأس بزهای نژاد بیتال تعیین ژنوتیپ شده توسط آرایههای Caprine 50K BeadChip شرکت ایلومینا استفاده شد. ابتدا جهت اطمینان از کیفیت دادههای تعیین ژنوتیپ، مراحل مختلف کنترل کیفیت روی دادههای اولیه تعیین ژنوتیپ شده قبل از آنالیزهای ژنومی انجام شد. برای فیلتراسیون دادههای ژنوتیپ شده، ابتدا نمونههایی که فراوانی نرخ تعیین ژنوتیپ آنها کمتر از 90% بود، شناسایی و حذف شد. در مرحله بعد نشانگرهایی که حداقل فراونی آللی در آنها کمتر از 5% بود حذف شدند. سپس نشانگرهایی که نرخ تعیین ژنوتیپ آنها در نمونهها کمتر از 95% بود شناسایی و حذف شدند. در نهایت برای SNPهای باقیمانده آنهایی که بر روی کروموزوم جنسی بودند و یا در تعادل هاردی-واینبرگ قرار نداشتند کنار گذاشته شدند. پس از کنترل کیفیت دادههای اولیه تعیین ژنوتیپ شده با استفاده از نرم‌افزار PLINK (v1.90; http://pngu.mgh.harvard.edu/purcell/plink) نهایتاً 36861 نشانگر SNP و 594 رأس دام وارد آنالیزهای بعدی شدند. برای شناسایی نشانههای انتخاب از روش مبتنی بر عدم تعادل پیوستگی ژنی و آزمون نمره هاپلوتیپ تمایز یافته (iHS) با استفاده از بسته نرمافزاری REHH در نرم‌افزار R انجام شد. ژن‌های کاندید با استفاده از SNPهایی که در بازه‌ی 1% بالای iHS واقع شده بودند، با استفاده از نرم‌افزارPLINK و توسط لیست ژنی شرکت ایلومینا در محیط R شناسایی شدند. همچنین، برای بررسی وجود QTLهای مرتبط با صفات مربوط به صفات مهم اقتصادی در مناطق شناسایی شده معنی‌دار، از آخرین نسخه‌ی منتشر شده پایگاه genome Animal استفاده شد. بهمنظور شناسایی مراحل بیولوژی ژن‌های شناسایی شده از آنالیز هستیشناسی استفاده شد. برای تجزیه و تحلیل هستیشناسی ژن‌های شناسایی شده از پایگاه برخط DAVID (http://david.abcc.ncifcrf.gov) استفاده گردید. همچنین برای تفسیر بهتر عملکرد ژن‌های بهدست آمده از پایگاههای اطلاعاتی آنلاینGeneCards http://www.genecards.org)) و (http://www.uniprot.org) UniProtKB استفاده شد.
یافتهها: از مجموع 53347 نشانگر SNP بهکار رفته در این تحقیق، 36861 نشانگر توانستند مراحل مختلف کنترل کیفیت را بگذرانند. بهطور کلی 3963 نشانگر بهدلیل حداقل فراوانی آللی کمتر از 05/0، 1342 نشانگر بهدلیل نرخ تعیین ژنوتیپ کمتر از 95% در هر نمونه، 9761 نشانگر بهدلیل عدم تعادل هاردی واینبرگ و 1420 نشانگر با موقعیت ناشناخته و همچنین 37 نمونه بهدلیل فراوانی تعیین ژنوتیپ کمتر از 90% حذف شدند. نتایج این پژوهش منجر به شناسایی ده منطقه ژنومی روی کروموزومهای 4، 6، 7، 11 (دو منطقه)، 13، 14، 15، 17 و 18 با بالاترین ارزش آزمون آماره iHS شد. ژن‌های شناسایی شده در مناطق مورد انتخاب با اندازه بدن (SPP1, TNPO2)، متابولیسم چربی (SDCBP)، رشد و توسعه استخوان (IBSP, MEPE) و متابولیسم انرژی
(TRPC3, UCP2, FBP1) مرتبط بودند. برخی از این ژنها در مناطق تحت انتخاب با مطالعات قبلی همخوانی داشتند. بررسی QTLهای گزارش شده در مناطق انتخابی و اورتولوگوس گاوی در مناطق شناسایی شده، QTLهای مرتبط با میانگین خوراک مصرفی، وزن لاشه و اندازه بدن قرار داشتند. از بین مسیرهای زیستی شناسایی شده، مسیرهای skeletal system development و calcium channel complex و مسیرهای KEGG شامل Glucagon signaling pathway و AMPK signaling pathway نقش مهمی در تنظیم یون کلسیم، متابولیسم مواد غذایی، هموستازی گلوکز و رشد و توسعه عضلات اسکلتی داشتند.
نتیجهگیری: در هر صورت، ژن‌های متعددی که در نواحی شناسایی شده بر اساس عملکرد میتوانند بهعنوان کاندیداهای تحت انتخاب مطرح باشند. برخی از این ژنها در مناطق تحت انتخاب با مطالعات قبلی همخوانی داشتند و بیشتر در مسیرهای بیولوژیکی مرتبط با رشد، وزن بدن، فرآیندهای متابولیکی، صفات تیپ نقش دارند. همچنین، بررسی QTLهای موجود در مناطق تحت انتخاب نشان داد که این QTLها با بعضی صفات اقتصادی مهم از قبیل وزن بدن، عمق بدن، وزن و ترکیبات لاشه ارتباط دارند. در هر حال نیاز به بررسیهای پیوستگی و عملکردی بیشتری جهت شناسایی عملکرد ژنها میباشد. همچنین بررسی بیشتر QTLهای مرتبط با مناطق ژنومی انتخاب شده از مطالعات جستجوی نشانههای انتخاب و مطالعات پیوستگی ضروری است. نتایج این تحقیق میتواند در درک ساز و کار ژنتیکی کنترل کننده صفات رشد مورد استفاده قرار گیرد و با توجه به تأیید مناطق قبلی پویش ژنومی و شناسایی مناطق ژنومی جدید، استفاده از یافتههای این پژوهش میتواند در انتخاب ژنتیکی بز از طریق افزایش وزن بدن مفید واقع شود.
فهرست منابع
1. Abo-Ismail, M. K., Vander Voort, G., Squires, J. J., Swanson, K. C., Mandell, I. B., Liao, X., ... & Miller, S. P. (2014). Single nucleotide polymorphisms for feed efficiency and performance in crossbred beef cattle. BMC Genetics, 15, 1-14. [DOI:10.1186/1471-2156-15-14]
2. Bouleftour, W., Boudiffa, M., Wade-Gueye, N. M., Bouet, G., Cardelli, M., Laroche, N., ... & Malaval, L. (2014). Skeletal development of mice lacking bone sialoprotein (BSP)-Impairment of long bone growth and progressive establishment of high trabecular bone mass. PloS One, 9(5), e95144. [DOI:10.1371/journal.pone.0095144]
3. Cendron, F., Perini, F., Mastrangelo, S., Tolone, M., Criscione, A., Bordonaro, S., ... & Cassandro, M. (2020). Genome-wide SNP analysis reveals the population structure and the conservation status of 23 Italian chicken breeds. Animals, 10(8), 1441. [DOI:10.3390/ani10081441]
4. Chen, L., Wang, X., Cheng, D., Chen, K., Fan, Y., Wu, G., ... & Ren, J. (2019). Population genetic analyses of seven Chinese indigenous chicken breeds in a context of global breeds. Animal Genetics, 50(1), 82-86. [DOI:10.1111/age.12732]
5. Cheruiyot, E. K., Bett, R. C., Amimo, J. O., Zhang, Y., Mrode, R., & Mujibi, F. D. (2018). Signatures of selection in admixed dairy cattle in Tanzania. Frontiers in Genetics, 9, 607. [DOI:10.3389/fgene.2018.00607]
6. Denninger, K. C., Litman, T., Marstrand, T., Moller, K., Svensson, L., Labuda, T., & Andersson, Å. (2015). Kinetics of gene expression and bone remodelling in the clinical phase of collagen-induced arthritis. Arthritis Research & Therapy, 17, 1-18. [DOI:10.1186/s13075-015-0531-7]
7. Fariello, M. I., Servin, B., Tosser-Klopp, G., Rupp, R., Moreno, C., International Sheep Genomics Consortium, ... & Boitard, S. (2014). Selection signatures in worldwide sheep populations. PloS One, 9(8), e103813. [DOI:10.1371/journal.pone.0103813]
8. Fay, J. C., & Wu, C. I. (2000). Hitchhiking under positive Darwinian selection. Genetics, 155(3), 1405-1413. [DOI:10.1093/genetics/155.3.1405]
9. Fleming, D. S., Weigend, S., Simianer, H., Weigend, A., Rothschild, M., Schmidt, C., ... & Lamont, S. J. (2017). Genomic comparison of indigenous African and Northern European chickens reveals putative mechanisms of stress tolerance related to environmental selection pressure. G3: Genes, Genomes, Genetics, 7(5), 1525-1537. [DOI:10.1534/g3.117.041228]
10. Goodman, L. D., Cope, H., Nil, Z., Ravenscroft, T. A., Charng, W. L., Lu, S., ... & Tan, Q. K. G. (2021). TNPO2 variants associate with human developmental delays, neurologic deficits, and dysmorphic features and alter TNPO2 activity in Drosophila. The American Journal of Human Genetics, 108(9), 1669-1691. [DOI:10.1016/j.ajhg.2021.06.019]
11. Guan, D., Martínez, A., Luigi‐Sierra, M. G., Delgado, J. V., Landi, V., Castelló, A., ... & Amills, M. (2021). Detecting the footprint of selection on the genomes of Murciano‐Granadina goats. Animal Genetics, 52(5), 683-693. [DOI:10.1111/age.13113]
12. Ghoreishifar, S. M., Eriksson, S., Johansson, A. M., Khansefid, M., Moghaddaszadeh-Ahrabi, S., Parna, N., ... & Javanmard, A. (2020). Signatures of selection reveal candidate genes involved in economic traits and cold acclimation in five Swedish cattle breeds. Genetics Selection Evolution, 52, 1-15. [DOI:10.1186/s12711-020-00571-5]
13. Huang C., Zhao Q., Chen Q., Su Y., Ma Y., Ye S. & Zhao, Q. (2024). Runs of Homozygosity Detection and Selection Signature Analysis for Local Goat Breeds in Yunnan, China. Genes, 15, 31. [DOI:10.3390/genes15030313]
14. Jahuey-Martínez F.J., Parra-Bracamonte G.M., Sifuentes-Rincón A.M. & Moreno-Medina V.R. )2019(. Signatures of selection in Charolais beef cattle identified by genome-wide analysis. Journal of Animal Breeding and Genetics, 136(5), 378-389. [DOI:10.1111/jbg.12399]
15. 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]
16. Maiorano, A. M., Lourenco, D. L., Tsuruta, S., Ospina, A. M. T., Stafuzza, N. B., Masuda, Y., ... & Silva, J. A. I. D. V. (2018). Assessing genetic architecture and signatures of selection of dual purpose Gir cattle populations using genomic information. PLoS One, 13(8), e0200694. [DOI:10.1371/journal.pone.0200694]
17. Moaeen-ud-Din, M., Danish Muner, R., & Khan, M. S. (2022). Genome wide association study identifies novel candidate genes for growth and body conformation traits in goats. Scientific Reports, 12(1), 9891. [DOI:10.1038/s41598-022-14018-y]
18. Nielsen, R., & Yang, Z. (1998). Likelihood models for detecting positively selected amino acid sites and applications to the HIV-1 envelope gene. Genetics, 148(3), 929-936. [DOI:10.1093/genetics/148.3.929]
19. Nielsen, R., Williamson, S., Kim, Y., Hubisz, M. J., Clark, A. G., & Bustamante, C. (2005). Genomic scans for selective sweeps using SNP data. Genome Research, 15(11), 1566-1575. [DOI:10.1101/gr.4252305]
20. Olsen, H. G., Hayes, B. J., Kent, M. P., Nome, T., Svendsen, M., & Lien, S. (2010). A genome wide association study for QTL affecting direct and maternal effects of stillbirth and dystocia in cattle. Animal Genetics, 41(3), 273-280. [DOI:10.1111/j.1365-2052.2009.01998.x]
21. Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M. A., Bender, D., ... & Sham, P. C. (2007). PLINK: a tool set for whole-genome association and population-based linkage analyses. The American Journal of Human Genetics, 81(3), 559-575. [DOI:10.1086/519795]
22. Qanbari, S., Pausch, H., Jansen, S., Somel, M., Strom, T. M., Fries, R., ... & Simianer, H. (2014). Classic selective sweeps revealed by massive sequencing in cattle. PLoS Genetics, 10(2), e1004148. [DOI:10.1371/journal.pgen.1004148]
23. Rahimmadar, S., Ghaffari, M., Mokhber, M. & Williams, J. L. (2021). Linkage disequilibrium and effective population size of buffalo populations of Iran, Turkey, Pakistan, and Egypt using a medium density SNP array. Frontiers in Genetics, 12, 608186. [DOI:10.3389/fgene.2021.608186]
24. Saravanan, K.A., Panigrahi, M., Kumar, H., Parida, S., Bhushan, B., Gaur, G.K., Dutt, T., Mishra, B.P. & Singh, R.K. (2021). Genomic scans for selection signatures revealed candidate genes for adaptation and production traits in a variety of cattle breeds. Genomics, 113(3), 955-963. [DOI:10.1016/j.ygeno.2021.02.009]
25. Salehi, A., Nasiri, K., Aminafshar, M., Sayaadnejad, M.B. & Sobhani, R. (2015). The Association of Bovine Osteopontin (OPN) Gene with Milk Production Traits in Iranian Holstein Bulls. Iranina Journal of Biotechnology, (1), 43-48. [DOI:10.15171/ijb.1092]
26. Silva, D.B.S., Fonseca, L.F.S., Pinheiro, D.G., Magalhães, A.F.B., Muniz, M.M.M., Ferro, J.A., Baldi, F., Chardulo, L.A.L., Schnabel, R.D. & Taylor, J.F. (2020). Spliced Genes in Muscle from Nelore Cattle and Their Association with Carcass and Meat Quality. Scientific Reports, 10, 14701. [DOI:10.1038/s41598-020-71783-4]
27. Sun, X., Niu, Q., Jiang, J., Wang, G., Zhou, P., Li, J., Chen, C., Liu, L., Xu, L. & Ren, H. (2023). Identifying Candidate Genes for Litter Size and Three Morphological Traits in Youzhou Dark Goats Based on Genome-Wide SNP Markers. Genes, 14, 1183. [DOI:10.3390/genes14061183]
28. 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, e171. [DOI:10.1371/journal.pbio.0050171]
29. Toro-Ospina, A.M., Herrera Rios, A.C., Bizarria Santos, W., Pimenta Schettini, G. & Vallejo Aristizabal, V.H. (2022). Genetic Architecture and Signatures of Selection in the Caqueteño Creole (Colombian Native Cattle). Diversity, 14, 828. [DOI:10.3390/d14100828]
30. Waineina, R.W., Okeno, T.O., Ilatsia, E.D. & Ngeno, K. (2022). Selection Signature Analyses Revealed Genes Associated With Adaptation, Production, and Reproduction in Selected Goat Breeds in Kenya. Frontiers in Genetics,13, 858923. [DOI:10.3389/fgene.2022.858923]
31. Voight, B.F., Kudaravalli, S., Wen X. & Pritchard, J.K. (2006). A map of recent positive selection in the human genome. PLoS Biology, 4, e72. [DOI:10.1371/journal.pbio.0040072]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
