دوره 17، شماره 2 - ( تابستان 1405 )
جلد 17 شماره 2 صفحات 135-125 |
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, Khaltabadi Farahani A H, Mehdipour M. (2026). Identification of Selection Signatures in Ducks Using Whole Genome Sequence Data. Res Anim Prod. 17(2), 125-135. doi:10.61882/rap.2026.1516
URL: http://rap.sanru.ac.ir/article-1-1516-fa.html
URL: http://rap.sanru.ac.ir/article-1-1516-fa.html
محمّدی حسین، خلت آبادی فراهانی امیر حسین، مهدی پور مهدیه.(1405). ردیابی نشانههای انتخاب در اردک با استفاده از داده های توالی یابی کل ژنوم پژوهشهاي توليدات دامي 17 (2) :135-125 10.61882/rap.2026.1516
1- گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران
2- پژوهشکده کشاورزی، سازمان پژوهش های علمی و صنعتی ایران، تهران، ایران
2- پژوهشکده کشاورزی، سازمان پژوهش های علمی و صنعتی ایران، تهران، ایران
چکیده: (814 مشاهده)
چکیده مبسوط
مقدمه و هدف: در مقایسه با سایر طیور، اردک در برابر عوامل نامساعد محیطی مقاومتر است و دارای سرعت رشد نسبتاً بالایی است. همچنین، نسبت به پرورش مرغ نیاز به تأسیسات و تجهیزات کمتری برای دوره پرورشی دارد. از طرف دیگر، دسترسی به دادههای توالییابی کل ژنوم در گونههای مختلف، شناسایی مناطق ژنومی که هدف انتخاب بوده اند، اطلاعاتی در مورد مراحل تکامل گونه های مختلف از جمله اردک را فراهم می کند. بهعبارت دیگر، اهلی سازی و انتخاب به شدت در خصوصیات ظاهری و رفتاری پرندگان اهلی امروز تغییر ایجاد کرده اند. در این مسیر، انتخاب های انجام شده توسط انسان نشانه های قابل شناسایی را در ژنوم اردکهای امروزی به جا گذاشته اند که شناسایی این نشانه ها می تواند به اصلاح و بهبود ژنتیکی صفات مهم اقتصادی در این پرندگان کمک کند. طی دهه های اخیر، تمایل به شناسایی مناطق ژنومی که حاوی ژن های کاندیدایی که هدف انتخاب بوده اند، با توجه به دسترسی و هزینه پایین تعیین ژنوتیپ رو به افزایش بوده است. شناسایی نشانه های انتخاب می تواند دیدگاه های ارزشمندی را در مورد ژن ها و یا مناطق ژنومی که تحت انتخاب مثبت بوده اند و یا هستند فراهم کند که به نوبه خود منجربه درک بهتر ارتباط ژنوتیپ با فنوتیپ می شود. هدف از این مطالعه، شناسایی مناطق ژنومی تحت انتخاب مثبت و ژنهای کاندیدای مرتبط با صفات مهم اقتصادی در اردکهای نژاد پیکین از طریق روش آماری مبتنی بر عدم تعادل پیوستگی است.
مواد و روش ها: در این پژوهش، اطلاعات ژنوتیپی مربوط به 643 قطعه اردک با حداقل روابط خویشاوندی مربوط به نژاد پیکین که بهوسیله پلتفرم Hiseq 4000 شرکت ایلومینا بهصورت paired-endو طول خوانش 150 جفتباز توالییابی کل ژنوم شده بودند، استفاده گردید. ابتدا، جهت اطمینان از کیفیت داده های تعیین ژنوتیپ، مراحل مختلف کنترل کیفیت روی داده های اولیه تعیین ژنوتیپ شده قبل از آنالیزهای ژنومی انجام شدند. برای فیلتراسیون داده های ژنوتیپ شده، ابتدا نمونه هایی که فراوانی نرخ تعیین ژنوتیپ آن ها کمتر از 90 درصد بود شناسایی و حذف شدند. در مرحله بعد، نشانگرهایی که حداقل فراونی آللی در آن ها کمتر از 1 درصد بود، حذف شدند. سپس، نشانگرهایی که نرخ تعیین ژنوتیپ آن ها در نمونه ها کمتر از 90 درصد بود شناسایی و حذف شدند. در گام بعدی، برای شناسایی SNPهای مستقل از نرم افزارPLINK استفاده شد. برای این منظور، با حذف SNPهایی که در حالت عدم تعادل پیوستگی بالایی با یکدیگر قرار داشتند، در پنجره هایی شامل SNP 25 و با حرکت SNP 5 رو به جلو در هر مرحله، SNPهای دارای r2 (معیار عدم تعادل پیوستگی) بیش از 0/2 با یکدیگر از مجموعه داده ها حذف شدند. پس از کنترل کیفیت داده های اولیه تعیین ژنوتیپ شده در برنامه PLINK (v1.90; http://pngu.mgh.harvard.edu/purcell/plink)، نهایتاً 67586 نشانگر SNP و 643 قطعه پرنده وارد آنالیزهای بعدی شدند. در مرحله بعدی، به منظور شناسایی مناطق ژنومی و ژن های کاندیدای مرتبط با صفات مهم اقتصادی توسط آزمون iHS که مبتنی بر عدم تعادل پیوستگی است، نرمافزار Selscan (نسخه 0/2) مورد استفاده قرار گرفت. ژنهای کاندیدا با استفاده از SNPهایی که در بازهی 1 درصد ارزش بالای این آزمون واقع شده بودند، با استفاده از برنامه BioMart در پایگاه آنلاین Ensemble شناسایی شدند. همچنین، برای آنالیز غنی سازی مجموعه های ژنی با استفاده از برنامه آنلاین DAVID
(DAVID 6.8; https://david.ncifcrf.gov/summary.jsp) با هدف شناسایی مسیرهای هستیشناسی و مسیرهای بیوشیمیایی KEGG معنیدار مرتبط با صفات مهم اقتصادی انجام شد. در نهایت، برای تفسیر بهتر عملکرد ژن های به دست آمده از پایگاه های اطلاعاتی آنلاینGeneCards http://www.genecards.org)) و (http://www.uniprot.org) UniProtKB استفاده شد.
یافته ها: نتایج این پژوهش منجربه شناسایی مناطق ژنومی مختلغی کاندیدا با بالاترین ارزش آزمون آماره iHS شدند. در تفسیر مجموعه های ژنی، تعداد 14 مسیر هستی شناسی ژنی و بیوشیمیایی شناسایی شدند (P˂0.05). از این بین، مسیرهای تنظیم مثبت رشد و توسعه فیبرهای عضات اسکلتی، آزادسازی یون کلسیم به درون سیتوزول، تنظیم منفی کموتاکسینهای منفی، پاسخ سلولی به محرکهای هورمونی، تنظیم مثبت رونویسی از الگوی DNA و پاسخ به محرک هورمونهای پپتیدی بیشترین ضریب غنی سازی را داشتند. بررسی ژن های گزارش شده در این مناطق نشان داد که ژن های CSMD1، THYN1، FOXO1، ACAD8، CALCR، TMEM161A و FRMPD3 در این مناطق حضور داشتند که عملکردهای مهمی را در ارتباط با رشد و توسعه ی عضلات بدن، فرآیند تخمک اندازی، تشکیل پوسته تخم، فسفریله کردن گلیکوپروتئینها، کیفیت گوشت و تفرق سلول های استئوبلاست انجام میدهند.
نتیجه گیری: برخی از ژن های کاندیدای شناسایی شده در مناطق تحت انتخاب مثبت با مطالعات قبلی پویش ژنومی در نژادهای مختلف گونه اردک و مرغ گزارش شده بودند. ژنها نقش مؤثری در رشد و توسعه عضلات اسکلتی، رشد استخوان و غضروف و فرآیند میوژنز داشتند. با توجه به نقش کلیدی و مؤثر ژن های کاندیدای شناسایی شده بر صفات مهم اقتصادی شامل رشد بدن و تعداد تخم تولیدی در این تحقیق، در صورت تأیید به وسیله مطالعات تکمیلی، آن ها می توانند در انتخاب ژنتیکی گله های تجاری اردک از طریق پرندگان برتر باعث تسریع در پیشرفت ژنتیکی برنامه های اصلاح نژادی شوند.
مقدمه و هدف: در مقایسه با سایر طیور، اردک در برابر عوامل نامساعد محیطی مقاومتر است و دارای سرعت رشد نسبتاً بالایی است. همچنین، نسبت به پرورش مرغ نیاز به تأسیسات و تجهیزات کمتری برای دوره پرورشی دارد. از طرف دیگر، دسترسی به دادههای توالییابی کل ژنوم در گونههای مختلف، شناسایی مناطق ژنومی که هدف انتخاب بوده اند، اطلاعاتی در مورد مراحل تکامل گونه های مختلف از جمله اردک را فراهم می کند. بهعبارت دیگر، اهلی سازی و انتخاب به شدت در خصوصیات ظاهری و رفتاری پرندگان اهلی امروز تغییر ایجاد کرده اند. در این مسیر، انتخاب های انجام شده توسط انسان نشانه های قابل شناسایی را در ژنوم اردکهای امروزی به جا گذاشته اند که شناسایی این نشانه ها می تواند به اصلاح و بهبود ژنتیکی صفات مهم اقتصادی در این پرندگان کمک کند. طی دهه های اخیر، تمایل به شناسایی مناطق ژنومی که حاوی ژن های کاندیدایی که هدف انتخاب بوده اند، با توجه به دسترسی و هزینه پایین تعیین ژنوتیپ رو به افزایش بوده است. شناسایی نشانه های انتخاب می تواند دیدگاه های ارزشمندی را در مورد ژن ها و یا مناطق ژنومی که تحت انتخاب مثبت بوده اند و یا هستند فراهم کند که به نوبه خود منجربه درک بهتر ارتباط ژنوتیپ با فنوتیپ می شود. هدف از این مطالعه، شناسایی مناطق ژنومی تحت انتخاب مثبت و ژنهای کاندیدای مرتبط با صفات مهم اقتصادی در اردکهای نژاد پیکین از طریق روش آماری مبتنی بر عدم تعادل پیوستگی است.
مواد و روش ها: در این پژوهش، اطلاعات ژنوتیپی مربوط به 643 قطعه اردک با حداقل روابط خویشاوندی مربوط به نژاد پیکین که بهوسیله پلتفرم Hiseq 4000 شرکت ایلومینا بهصورت paired-endو طول خوانش 150 جفتباز توالییابی کل ژنوم شده بودند، استفاده گردید. ابتدا، جهت اطمینان از کیفیت داده های تعیین ژنوتیپ، مراحل مختلف کنترل کیفیت روی داده های اولیه تعیین ژنوتیپ شده قبل از آنالیزهای ژنومی انجام شدند. برای فیلتراسیون داده های ژنوتیپ شده، ابتدا نمونه هایی که فراوانی نرخ تعیین ژنوتیپ آن ها کمتر از 90 درصد بود شناسایی و حذف شدند. در مرحله بعد، نشانگرهایی که حداقل فراونی آللی در آن ها کمتر از 1 درصد بود، حذف شدند. سپس، نشانگرهایی که نرخ تعیین ژنوتیپ آن ها در نمونه ها کمتر از 90 درصد بود شناسایی و حذف شدند. در گام بعدی، برای شناسایی SNPهای مستقل از نرم افزارPLINK استفاده شد. برای این منظور، با حذف SNPهایی که در حالت عدم تعادل پیوستگی بالایی با یکدیگر قرار داشتند، در پنجره هایی شامل SNP 25 و با حرکت SNP 5 رو به جلو در هر مرحله، SNPهای دارای r2 (معیار عدم تعادل پیوستگی) بیش از 0/2 با یکدیگر از مجموعه داده ها حذف شدند. پس از کنترل کیفیت داده های اولیه تعیین ژنوتیپ شده در برنامه PLINK (v1.90; http://pngu.mgh.harvard.edu/purcell/plink)، نهایتاً 67586 نشانگر SNP و 643 قطعه پرنده وارد آنالیزهای بعدی شدند. در مرحله بعدی، به منظور شناسایی مناطق ژنومی و ژن های کاندیدای مرتبط با صفات مهم اقتصادی توسط آزمون iHS که مبتنی بر عدم تعادل پیوستگی است، نرمافزار Selscan (نسخه 0/2) مورد استفاده قرار گرفت. ژنهای کاندیدا با استفاده از SNPهایی که در بازهی 1 درصد ارزش بالای این آزمون واقع شده بودند، با استفاده از برنامه BioMart در پایگاه آنلاین Ensemble شناسایی شدند. همچنین، برای آنالیز غنی سازی مجموعه های ژنی با استفاده از برنامه آنلاین DAVID
(DAVID 6.8; https://david.ncifcrf.gov/summary.jsp) با هدف شناسایی مسیرهای هستیشناسی و مسیرهای بیوشیمیایی KEGG معنیدار مرتبط با صفات مهم اقتصادی انجام شد. در نهایت، برای تفسیر بهتر عملکرد ژن های به دست آمده از پایگاه های اطلاعاتی آنلاینGeneCards http://www.genecards.org)) و (http://www.uniprot.org) UniProtKB استفاده شد.
یافته ها: نتایج این پژوهش منجربه شناسایی مناطق ژنومی مختلغی کاندیدا با بالاترین ارزش آزمون آماره iHS شدند. در تفسیر مجموعه های ژنی، تعداد 14 مسیر هستی شناسی ژنی و بیوشیمیایی شناسایی شدند (P˂0.05). از این بین، مسیرهای تنظیم مثبت رشد و توسعه فیبرهای عضات اسکلتی، آزادسازی یون کلسیم به درون سیتوزول، تنظیم منفی کموتاکسینهای منفی، پاسخ سلولی به محرکهای هورمونی، تنظیم مثبت رونویسی از الگوی DNA و پاسخ به محرک هورمونهای پپتیدی بیشترین ضریب غنی سازی را داشتند. بررسی ژن های گزارش شده در این مناطق نشان داد که ژن های CSMD1، THYN1، FOXO1، ACAD8، CALCR، TMEM161A و FRMPD3 در این مناطق حضور داشتند که عملکردهای مهمی را در ارتباط با رشد و توسعه ی عضلات بدن، فرآیند تخمک اندازی، تشکیل پوسته تخم، فسفریله کردن گلیکوپروتئینها، کیفیت گوشت و تفرق سلول های استئوبلاست انجام میدهند.
نتیجه گیری: برخی از ژن های کاندیدای شناسایی شده در مناطق تحت انتخاب مثبت با مطالعات قبلی پویش ژنومی در نژادهای مختلف گونه اردک و مرغ گزارش شده بودند. ژنها نقش مؤثری در رشد و توسعه عضلات اسکلتی، رشد استخوان و غضروف و فرآیند میوژنز داشتند. با توجه به نقش کلیدی و مؤثر ژن های کاندیدای شناسایی شده بر صفات مهم اقتصادی شامل رشد بدن و تعداد تخم تولیدی در این تحقیق، در صورت تأیید به وسیله مطالعات تکمیلی، آن ها می توانند در انتخاب ژنتیکی گله های تجاری اردک از طریق پرندگان برتر باعث تسریع در پیشرفت ژنتیکی برنامه های اصلاح نژادی شوند.
فهرست منابع
1. Adams, J. M., Pei, H., Sandoval, D. A., Seeley, R. J., Chang, R. B., & Liberles, S. D. (2018). Liraglutide modulates appetite and body weight through glucagon-like peptide 1 receptor-expressing glutamatergic neurons. Diabetes, 67, 1538-1548. doi: 10.2337/db17-1385. Epub 2018 May 18 [DOI:10.2337/db17-1385]
2. Chen, L., Wang, X., Cheng, D., Chen, K., Fan, Y., Wu, G., You, J., Liu, S., & Ren J. )2019(. Population genetic analyses of seven Chinese indigenous chicken breeds in a context of global breeds. Animal Genetics, 50, 82-86. doi: 10.1111/age.12732. Epub 2018 Nov 13 [DOI:10.1111/age.12732]
3. Chen, X., Sun, X., Chimbaka, I. M., Qin, N., Xu, X., Liswaniso, S., Xu, R., & Gonzalez J. M. (2021). Transcriptome analysis of ovarian follicles reveals potential pivotal genes associated with increased and decreased rates of chicken egg production. Frontiers in Genetics, 12, 622751. doi:10.3389/fgene.2021.622751 [DOI:10.3389/fgene.2021.622751]
4. Chen, H., Luo, K., Wang, C., Xuan, R., Zheng, S., Tang, H., Li, Y., Xiong, Y, Wu, Y., Wang, L., Ouyang, J., & Yan, X. (2023). Genomic characteristics and selection signals of Zhongshan ducks. Animal, 17(5), 100797. doi: 10.1016/j.animal.2023.100797 [DOI:10.1016/j.animal.2023.100797]
5. Cheruiyot, E. K., Bett, R. C., Amimo, J. O., Zhang, Y., Mrode, R., & Mujibi, F. D. N. )2018(. Signatures of Selection in Admixed Dairy Cattle in Tanzania. Frontiers in Genetics, 9, 607. doi:10.3389/fgene.2018.00607 [DOI:10.3389/fgene.2018.00607]
6. Davis, R. B., Ding, S., Nielsen, N. R., Pawlak, J. B., Blakeney, E. S., & Caron, K. M. J. (2019). Calcitonin-receptor-like receptor signaling governs intestinal lymphatic innervation and lipid uptake. ACS Pharmacology & Translational Science, 2, 114-121. doi:10.1021/acsptsci.8b00061 [DOI:10.1021/acsptsci.8b00061]
7. Fariello, M. I., Servin, B., Tosser-Klopp, G., Rupp, R., Moreno, C., International Sheep Genomics Consortium. )2014(. Selection Signatures in Worldwide Sheep Populations. PLoS ONE, 9(8), e103813. doi: 10.1371/journal.pone.0103813 [DOI:10.1371/journal.pone.0103813]
8. Fay, J. C., & Wu, C. I. )2000(. Hitchhiking under positive Darwinian selection. Genetics, 155, 1405-1413. doi: 10.1093/genetics/155.3.1405 [DOI:10.1093/genetics/155.3.1405]
9. Fleming, D. S., Weigend, H., Simianer, A., Weigend, M., Rothschild, C., Schmidt, C., Ashwell, M., Persia, J., & Lamont, S. )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 [DOI:10.1534/g3.117.041228]
10. Gao, G., Gao, D., Zhao, X., Xu, S., Zhang, K., Wu, R., Yin, C., Li, J., Xie, Y., Hu, S., & Wang, Q. (2021). Genome-wide association study-based identification of SNPS and haplotypes associated with goose reproductive performance and egg quality. Frontiers in Genetics, 12, 602583. doi: 10.3389/fgene.2021.602583 [DOI:10.3389/fgene.2021.602583]
11. Guan, D., Martínez, A., Luigi-Sierra, M. G., Delgado, J. V., Landi, V., Castelló, A., Fernández Álvarez, J., Such, X., Jordana, J., & 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 [DOI:10.1111/age.13113]
12. Hu, M., Jiang, H., Lai, W., Shi, L., Yi, W., Sun, H., Chen, C., Yuan, B., Yan, S., & Zhang J. (2023). Assessing Genomic Diversity and Signatures of Selection in Chinese Red Steppe Cattle Using High-Density SNP Array. Animals, 13, 1717. doi: 10.3390/ani13101717 [DOI:10.3390/ani13101717]
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 [DOI:10.3390/genes15030313]
14. Kroger, C. A., Lee, W., Fraley, G. S., Brito, L. F., & Karcher, D. (2024). Genetic parameters for egg quality traits in Pekin ducks. Poulty Science, 103(12), 104264. doi:10.1016/j.psj.2024.104264 [DOI:10.1016/j.psj.2024.104264]
15. Li, T., Wang, Y., Zhang, Z., Ji, C., Zheng, N., & Huang Y. (2024). A comparative analysis reveals the genomic diversity among 8 Muscovy duck populations. G3 (Bethesda), 14(7), jkae112. doi: 10.1093/g3journal/jkae112 [DOI:10.1093/g3journal/jkae112]
16. Lin, R., Li, H., Lin, W., Yang, F., Bao, X., Pan, C., Lai, L., & Lin W. (2024). Whole-genome selection signature differences between Chaohu and Ji'an red ducks. BMC Genomics, 25(1), 522. doi:10.1186/s12864-024-10339-6 [DOI:10.1186/s12864-024-10339-6]
17. Liu, H., Wang, L., Guo, Z., Xu, Q., Fan, W., Xu, Y., Hu, J., Zhang, Y., Tang, J., Xie, M., Zhou, Z., & Hou, S. (2021). Genome-wide association and selective sweep analyses reveal genetic loci for FCR of egg production traits in ducks. Genetic Selection Evolution, 53(1), 98. doi: 10.1186/s12711-021-00684-5. [DOI:10.1186/s12711-021-00684-5]
18. Mastrangelo, S., Ben-Jemaa, S., Perini, F., Cendron, F., Biscarini, F., Lasagna, E., Penasa, M., & Cassandro, M. (2023). Genome-wide mapping of signatures of selection using a high-density array identified candidate genes for growth traits and local adaptation in chickens. Genetic Selection Evolution, 55(1), 20. doi:10.1186/s12711-023-00790-6 [DOI:10.1186/s12711-023-00790-6]
19. Mohammadi, H. (2024). A Genome-wide Association Study based on Pathway Analysis Related to the Angle Wing in Pekin Ducks using Whole-Genome Sequencing Data. Research on Animal Production. 15(2), 32-43. doi:10.61186/rap.15.2.32 [In Persian] [DOI:10.61186/rap.15.2.32]
20. McKenna, A., Hanna, M., Banks, E., Sivachenko, A., Cibulskis, K., Kernytsky, A., Garimella, K., Altshuler, D., Gabriel, S., & Daly, M. (2010). The Genome Analysis Toolkit: A MapReduce framework for analyzin next-generation DNA sequencing data. Genome Research, 20, 1297-1303. doi:10.1101/gr.107524.110 [DOI:10.1101/gr.107524.110]
21. Mirzapour, A., Hedayat, N., Khalkhali, R., Seyedsharifi, R., & Abdi, H. (2023). Genome-Wide San for Detection of Runs of Homozygosity in Iranian Indigenous Sheep Breeds. Research on Animal Production. 14(1), 121-130. doi:10.61186/rap.14.39.121 [In Persian] [DOI:10.61186/rap.14.39.121]
22. Nielsen, R., Williamson, S., Kim, Y., Hubisz, M.J., Clark, A.G., & Bustament, C. )2005(. Genomic scans for selective sweeps using SNP data. Genome Research, 15, 1566-1575. doi:10.1101/gr.4252305 [DOI:10.1101/gr.4252305]
23. Oluwagbenga, E. M., Tetel, V., Schober, J., & Fraley, G. S. (2022). Chronic heat stress part 1: Decrease in egg quality, increase in cortisol levels in egg albumen, and reduction in fertility of breeder Pekin ducks. Frontiers in Physiology, 13, 1019741. doi:10.3389/fphys.2022.1019741 [DOI:10.3389/fphys.2022.1019741]
24. Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M. A., Bender, D., Maller, J., Sklar, P., de Bakker, P. I., Daly, M. J., & 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), 559-75. doi: 10.1086/519795 [DOI:10.1086/519795]
25. Qanbari, S., Pausch, H., Jansen, S., Somel, M., & Strom, T. M. (2014). Classic Selective Sweeps Revealed by Massive Sequencing in Cattle. PLoS Genetics, 10(2), e1004148. doi:10.1371/journal.pgen.1004148 [DOI:10.1371/journal.pgen.1004148]
26. Rahimmadar, S., Ghaffari, M., Mokhbe, R. 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 [DOI:10.3389/fgene.2021.608186]
27. 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 [DOI:10.1016/j.ygeno.2021.02.009]
28. Sun, Y., Li, Y., Jiang, X., Wu, Q., Lin, R., Chen, H., Zhang, M., Zeng, T., Tian, Y., Xu, E., Zhang, Y., & Lu, L. (2024). Genome-wide association study identified candidate genes for egg production traits in the Longyan Shan-ma duck. Poultry Science, 103(9), 104032. doi:10.1016/j.psj.2024.104032 [DOI:10.1016/j.psj.2024.104032]
29. 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 [DOI:10.1371/journal.pbio.0050171]
30. 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]
31. Tian, S., Tang, W., Zhong, Z., Wang, Z., Xie, X., Liu, H., Chen, F., Liu, J., Han, Y., Qin, Y., Tan, Z., & Xiao, Q. (2023). Identification of Runs of Homozygosity Islands and Functional Variants in Wenchang Chicken. Animals (Basel), 13(10), 1645. doi:10.3390/ani13101645 [DOI:10.3390/ani13101645]
32. 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 [DOI:10.3389/fgene.2022.858923]
33. Walugembe, M., Bertolini, F., & Dematawewa, C.M.B. (2019). Detection of selection signatures among Brazilian, Sri Lankan, and Egyptian chicken populations under different environmental conditions. Frontiers in Genetics, 9, 737. doi:10.3389/fgene.2018.00737 [DOI:10.3389/fgene.2018.00737]
34. 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 [DOI:10.1371/journal.pbio.0040072]
35. Xu, W., Wang, Z., Qu, Y., Li, Q., Tian, Y., Chen, L., Tang, J., Li, C., Li, G., Shen, J., Tao, Z., Cao, Y., Zeng, T., & Lu, L. (2022). Genome-Wide Association Studies and Haplotype-Sharing Analysis Targeting the Egg Production Traits in Shaoxing Duck. Frontiers in Genetics, 13, 828884. doi:10.3389/fgene.2022.828884 [DOI:10.3389/fgene.2022.828884]
36. Yuan, J., Sun, C., Dou, T., Yi, G., Qu, L., & Quan, L. (2015). Identification of Promising Mutants Associated with Egg Production Traits Revealed by Genome-wide Association Study. PLoS One, 10 (10), e0140615. doi:10.1371/journal.pone.0140615 [DOI:10.1371/journal.pone.0140615]
37. Yu, J. Z., Zhou, J., Yang, F. X., Hao, J. P., Hou, Z. C., & Zhu, F. (2024). Genome-wide association analysis identifies candidate genes for carcass yields in Peking ducks. Animal Genetics, 2020 Jun 00(6):1-5. doi: 10.1111/age.13480 [DOI:10.1111/age.13480]
38. Zhao, Q., Chen, J., Zhang, X., Xu, Z., Lin, Z., Li, H., Lin, W., & Xie, Q. (2020). Genome- Wide Association Analysis Reveals Key Genes Responsible for Egg Production of Lion Head Goose. Frontiers in Genetics, 10, 1391. doi:10.3389/fgene.2019.01391 [DOI:10.3389/fgene.2019.01391]
39. Zhou, Z., Li, M., Cheng, H., Fan, W., Yuan, Z., & Gao, Q. (2018). An intercross population study reveals genes associated with body size and plumage color in ducks. Nature Communications, 9, 2648. doi:10.1038/s41467-018-04868-4 [DOI:10.1038/s41467-018-04868-4]
40. Zhou, J., Yu, J. Z., Zhu, M. Y., Yang, F. X., Hao, J. P., He, Y., Zhu, X. L., Hou, Z. C., & Zhu, F. (2024). Genome-Wide Association Analysis and Genetic Parameters for Egg Production Traits in Peking Ducks. Animals (Basel), 14(13), 1891. doi: 10.3390/ani14131891 [DOI:10.3390/ani14131891]
41. Zhu, G., & Jiang, Y. (2014). Polymorphism, genetic effect and association with egg production traits of chicken matrix metalloproteinases 9 promoter. Asian-Australasian Journal of Animal Science, 27, 1526-1531. doi: 10.5713/ajas.2014.14209 [DOI:10.5713/ajas.2014.14209]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
