دوره 15، شماره 2 - ( تابستان 1403 )
جلد 15 شماره 2 صفحات 43-32 |
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. (2024). A Genome-wide Association Study based on Pathway Analysis Related to the Angle Wing in Pekin Ducks using Whole-Genome Sequencing Data. Res Anim Prod. 15(2), 32-43. doi:10.61186/rap.15.2.32
URL: http://rap.sanru.ac.ir/article-1-1406-fa.html
URL: http://rap.sanru.ac.ir/article-1-1406-fa.html
محمدی حسین. پویش ژنومی برپایه آنالیز مسیر مرتبط با صفت بال فرشته ای در اردک های نژاد پیکین با استفاده از داده های توالی یابی کل ژنوم پژوهشهاي توليدات دامي 1403; 15 (2) :43-32 10.61186/rap.15.2.32
گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران & گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، اراک، ایران
چکیده: (1205 مشاهده)
چکیده مبسوط
مقدمه و هدف: بال فرشته یک بدشکلی توسعه یافته بال است که می تواند بر پرورش و تولیدمثل در گله های تجاری اردک تأثیر گذار باشد. از این رو مطالعه تنوع ژنتیکی و شناسایی مناطق ژنومی مؤثر بر صفت بال فرشته ای در جمعیت های اردک، امری ضروری در این گونه محسوب می شود. در این راستا، ابزارهای قدرتمندی مانند نسل جدید توالی یابی امکان رمزگشایی اطلاعات کل ژنوم در این گونه را فراهم آورده است. به طور معمول در مطالعات پویش کل ژنومی در نظر گرفتن تصحیحات سختگیرانه برای جلوگیری از نتایج مثبت کاذب ضروری می باشد، ولی اعمال این نوع تصحیحات موجب از دست رفتن نشانگرهای SNP با اثر کوچکتر مؤثر بر صفات کمّی می گردد که نتیجه آن شناسایی SNPهایی می گردد که تنها بخش کوچکی از تنوع ژنتیکی صفت را نشان می دهد و از این رو در اکثر مواقع بخش عمده واریانس ژنتیکی پنهان باقی می ماند. یکی از روش های جایگزین استفاده از آنالیزهای غنی سازی مجموعه های ژنی می باشد. در این روش ارتباط بین صفت مورد مطالعه و نشانگرهای ژنتیکی را در یک دسته یا گروه ژنی که به طور عملکردی با هم مرتبط هستند بررسی می کند. در حقیقت در این روش به دنبال ژن هایی هستیم که به تنهایی اثر آنها بر صفت مورد نظر معنی دار نشده، ولی اثر تجمعی آنها روی صفت دارای اثر معنی دار است. علاوه براین، یکی از دلایل اصلی آنالیز
مقدمه و هدف: بال فرشته یک بدشکلی توسعه یافته بال است که می تواند بر پرورش و تولیدمثل در گله های تجاری اردک تأثیر گذار باشد. از این رو مطالعه تنوع ژنتیکی و شناسایی مناطق ژنومی مؤثر بر صفت بال فرشته ای در جمعیت های اردک، امری ضروری در این گونه محسوب می شود. در این راستا، ابزارهای قدرتمندی مانند نسل جدید توالی یابی امکان رمزگشایی اطلاعات کل ژنوم در این گونه را فراهم آورده است. به طور معمول در مطالعات پویش کل ژنومی در نظر گرفتن تصحیحات سختگیرانه برای جلوگیری از نتایج مثبت کاذب ضروری می باشد، ولی اعمال این نوع تصحیحات موجب از دست رفتن نشانگرهای SNP با اثر کوچکتر مؤثر بر صفات کمّی می گردد که نتیجه آن شناسایی SNPهایی می گردد که تنها بخش کوچکی از تنوع ژنتیکی صفت را نشان می دهد و از این رو در اکثر مواقع بخش عمده واریانس ژنتیکی پنهان باقی می ماند. یکی از روش های جایگزین استفاده از آنالیزهای غنی سازی مجموعه های ژنی می باشد. در این روش ارتباط بین صفت مورد مطالعه و نشانگرهای ژنتیکی را در یک دسته یا گروه ژنی که به طور عملکردی با هم مرتبط هستند بررسی می کند. در حقیقت در این روش به دنبال ژن هایی هستیم که به تنهایی اثر آنها بر صفت مورد نظر معنی دار نشده، ولی اثر تجمعی آنها روی صفت دارای اثر معنی دار است. علاوه براین، یکی از دلایل اصلی آنالیز
غنی سازی مجموعه های ژنی تعداد کم بودن SNPهای معنی دار می باشد که موجب عدم شناسایی مناطق ژنومی مرتبط با صفات مهم اقتصادی می گردد. در نتیجه روش پویش ژنومی بر مبنای مسیر کارآیی بهتری برای یافتن مناطق ژنومی، درک بهتر مکانیسم و معماری ژنتیکی را دارا می باشد. بنابراین، هدف از پژوهش حاضر شناسایی مناظق ژنومی و ژن های کاندیدای مرتبط با صفت بال فرشته ای در اردک با استفاده از پویش کل ژنوم بر پایه آنالیز مسیر می باشد.
مواد و روش ها: بدین منظور از اطلاعات داده ژنوم توالی یابی شده 63 قطعه اردک شامل 30 قطعه دارای بال نرمال (شاهد) و 33 قطعه دارای بال فرشته ای (موردی) استفاده شد. توالی یابی کل ژنوم توسط شرکت ایلومینا Hiseq 4000 انجام شده بود. ابتدا نشانگرهای SNP شناسایی شده از ایندل جدا شدند و با استفاده از برنامه GATK فیلتر شدند. سپس با استفاده از برنامه PLINK، SNPهای دو آللی با حداقل فراوانی آللی بزرگتر یا مساوی با 0/01 که حداقل در 95 درصد افراد دارای ژنوتیپ مشخص بودند، حفظ شده و مابقی حذف شدند. که در نهایت 14064984 نشانگر SNP بعد از مراحل مختلف کنترل کیفیت باقی ماندند. 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 50 و با حرکت SNP 5 رو به جلو در هر مرحله، SNPهای دارای r2 (معیار عدم تعادل پیوستگی) بیش از 0/2 (دستور --indep-pairwise 50 5 0.2) با یکدیگر از مجموعه داده ها حذف شدند. در نهایت بعد از کنترل کیفیت تعداد 686449 SNP برای آنالیزهای پویش کل ژنومی بر پایه تجزیه و تحلیل غنی سازی مجموعه ژنی باقی ماندند. اساساً آنالیز پویش ژنومی بر پایه تجزیه و تحلیل مجموعه های ژنی در سه مرحله انجام می گردد: 1) تعیین مکان SNPهای معنی دار با ژن 2) ارتباط ژن ها به طبقات عملکردی و مسیرهای زیستی 3) پویش کل ژنومی بر پایه آنالیز مسیر. 1- تعیین مکان SNPها با ژن ها: SNPهایی که مقدار P-value آنها کمتر از 0/005 بود با استفاده از بسته نرم افزاری biomaRt2 در محیط R و با استفاده از رفرانس ژنومی اردک (CAU_duck1.0) به ژن هایی که نشانگر SNP موردنظر در داخل آن ژن و یا kb 15 بالادست یا پایین دست آن ژن قرار داشت، ارتباط داده شدند. 2- ارتباط ژن ها به طبقات عملکردی و مسیرهای بیوشیمیایی: جهت تعیین طبقات عملکردی ژنی و مسیرهای متابولیکی و تنظیمی ژن های معنی دار از 5 پایگاه های اطلاعاتی شامل هستی شناسی ژن (http://www.geneontology.org/GO, )، مسیرهای بیوشیمیایی (http://www.genome.jp/kegg/KEGG, )، Panther (http://www.pantherdb.org)، Metacyc (http://www.metacyc.org) و Reactome (http://www.reactome.org) جهت تعیین طبقات عملکردی و مسیرهای بیوشیمیایی استفاده گردید. 3- پویش کل ژنومی بر پایه آنالیز مسیر: ارتباط های معنی دار مسیرهای عملکردی با صفت با فرشته ای با استفاده از توزیع فوق هندسی و آماره Fisher’s exact test مورد آزمون قرار گرفت.
یافته ها: نتایج آنالیز PCA نشان داد که با PC1 گروه جمعیت سالم و PC2 گروه جمعیت بیمار را به خوبی از یکدیگر تفکیک و جدا کردند. در این پژوهش نشانگرهای تک نوکلئوتیدی واقع روی کروموزومهای 1، 2، 3، 6، 8، 11، 18، 20، 27 و 31 شناسایی شدند که با ژنهای ATP11A، UBE2E2، ITPR2، GUCA1C،ATP2C1، PLCG1 و BMPR1A مرتبط بودند. در تفسیر مجموعه ژنی، تعداد 21 مسیر هستی شناسی ژنی و بیوشیمیایی با صفت بال فرشته ای شناسایی شد (0/05P˂). از این بین، مسیرهای skeletal muscle myosin thick filament assembly، response to calcium ion،wing disc morphogenesis و Calcium signaling pathway عملکرد‌های مهمی را در ارتباط با رشد و توسعه ی عضلات اسکلتی، پاسخ به یون کلسیم، رشد و توسعه استخوان، حجم مواد معدنی استخوان و فعال سازی مسیر سیگنال دهی کلسیم بر عهده داشتند
نتیجه گیری: با توجه به نقش کلیدی و مؤثر ژن های کاندیدای شناسایی شده بر صفت بال فرشته ای در این تحقیق، در صورت تأیید به وسیله مطالعات تکمیلی می توان از آنها در انتخاب ژنتیکی گله های تجاری اردک مورد استفاده قرار گیرند.
مواد و روش ها: بدین منظور از اطلاعات داده ژنوم توالی یابی شده 63 قطعه اردک شامل 30 قطعه دارای بال نرمال (شاهد) و 33 قطعه دارای بال فرشته ای (موردی) استفاده شد. توالی یابی کل ژنوم توسط شرکت ایلومینا Hiseq 4000 انجام شده بود. ابتدا نشانگرهای SNP شناسایی شده از ایندل جدا شدند و با استفاده از برنامه GATK فیلتر شدند. سپس با استفاده از برنامه PLINK، SNPهای دو آللی با حداقل فراوانی آللی بزرگتر یا مساوی با 0/01 که حداقل در 95 درصد افراد دارای ژنوتیپ مشخص بودند، حفظ شده و مابقی حذف شدند. که در نهایت 14064984 نشانگر SNP بعد از مراحل مختلف کنترل کیفیت باقی ماندند. 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 50 و با حرکت SNP 5 رو به جلو در هر مرحله، SNPهای دارای r2 (معیار عدم تعادل پیوستگی) بیش از 0/2 (دستور --indep-pairwise 50 5 0.2) با یکدیگر از مجموعه داده ها حذف شدند. در نهایت بعد از کنترل کیفیت تعداد 686449 SNP برای آنالیزهای پویش کل ژنومی بر پایه تجزیه و تحلیل غنی سازی مجموعه ژنی باقی ماندند. اساساً آنالیز پویش ژنومی بر پایه تجزیه و تحلیل مجموعه های ژنی در سه مرحله انجام می گردد: 1) تعیین مکان SNPهای معنی دار با ژن 2) ارتباط ژن ها به طبقات عملکردی و مسیرهای زیستی 3) پویش کل ژنومی بر پایه آنالیز مسیر. 1- تعیین مکان SNPها با ژن ها: SNPهایی که مقدار P-value آنها کمتر از 0/005 بود با استفاده از بسته نرم افزاری biomaRt2 در محیط R و با استفاده از رفرانس ژنومی اردک (CAU_duck1.0) به ژن هایی که نشانگر SNP موردنظر در داخل آن ژن و یا kb 15 بالادست یا پایین دست آن ژن قرار داشت، ارتباط داده شدند. 2- ارتباط ژن ها به طبقات عملکردی و مسیرهای بیوشیمیایی: جهت تعیین طبقات عملکردی ژنی و مسیرهای متابولیکی و تنظیمی ژن های معنی دار از 5 پایگاه های اطلاعاتی شامل هستی شناسی ژن (http://www.geneontology.org/GO, )، مسیرهای بیوشیمیایی (http://www.genome.jp/kegg/KEGG, )، Panther (http://www.pantherdb.org)، Metacyc (http://www.metacyc.org) و Reactome (http://www.reactome.org) جهت تعیین طبقات عملکردی و مسیرهای بیوشیمیایی استفاده گردید. 3- پویش کل ژنومی بر پایه آنالیز مسیر: ارتباط های معنی دار مسیرهای عملکردی با صفت با فرشته ای با استفاده از توزیع فوق هندسی و آماره Fisher’s exact test مورد آزمون قرار گرفت.
یافته ها: نتایج آنالیز PCA نشان داد که با PC1 گروه جمعیت سالم و PC2 گروه جمعیت بیمار را به خوبی از یکدیگر تفکیک و جدا کردند. در این پژوهش نشانگرهای تک نوکلئوتیدی واقع روی کروموزومهای 1، 2، 3، 6، 8، 11، 18، 20، 27 و 31 شناسایی شدند که با ژنهای ATP11A، UBE2E2، ITPR2، GUCA1C،ATP2C1، PLCG1 و BMPR1A مرتبط بودند. در تفسیر مجموعه ژنی، تعداد 21 مسیر هستی شناسی ژنی و بیوشیمیایی با صفت بال فرشته ای شناسایی شد (0/05P˂). از این بین، مسیرهای skeletal muscle myosin thick filament assembly، response to calcium ion،wing disc morphogenesis و Calcium signaling pathway عملکرد‌های مهمی را در ارتباط با رشد و توسعه ی عضلات اسکلتی، پاسخ به یون کلسیم، رشد و توسعه استخوان، حجم مواد معدنی استخوان و فعال سازی مسیر سیگنال دهی کلسیم بر عهده داشتند
نتیجه گیری: با توجه به نقش کلیدی و مؤثر ژن های کاندیدای شناسایی شده بر صفت بال فرشته ای در این تحقیق، در صورت تأیید به وسیله مطالعات تکمیلی می توان از آنها در انتخاب ژنتیکی گله های تجاری اردک مورد استفاده قرار گیرند.
فهرست منابع
1. 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]
2. Dadousis, C., Pegolo, S., Rosa, G. J. M., Gianola, D., Bittante G., & Cecchinato, A. (2017). Pathway-based genome-wide association analysis of milk coagulation properties, curd firmness, cheese yield, and curd nutrient recovery in dairy cattle. Journal of Dairy Science, 100, 1223-1231. [DOI:10.3168/jds.2016-11587]
3. Deng, M.T., Zhu, F., Yang, Y.Z., Yang, F.X., Hao, J.P., Chen, S.R., & Hou, Z.C. (2019). Genome-wide association study reveals novel loci associated with body size and carcass yields in Pekin ducks. BMC Genomics, 20(1), 1. [DOI:10.1186/s12864-018-5379-1]
4. El Yaagoubi, F.L., Charoute, H., Morjane, I., Sefri, H., Rouba, H., & Ainahi, A. (2017). Association analysis of genetic variants with metabolic syndrome components in the Moroccan population. Current Research in Translational Medicine, 65(3), 121-5. [DOI:10.1016/j.retram.2017.08.001]
5. Faenza, I., Bavelloni, A., & Fiume, R. (2004). Expression of phospholipase C beta family isoenzymes in C2C12 myoblasts during terminal differentiation. Journal Cell Physiology, 200, 291-6. [DOI:10.1002/jcp.20001]
6. Guo, L., Han, J., Guo, H., Lv, D., & Wang, Y. (2019). Pathway and network analysis of genes related to osteoporosis. Molecular Medicine Reports, (2), 985-994. [DOI:10.3892/mmr.2019.10353]
7. Halgrain, M., Bernardet, N., Hennequet-Antier, C., Hincke, M., & Réhault-Godbert, S. (2023). RNA-seq analysis of the active chick embryo chorioallantoic membrane reveals genes that encode proteins assigned to ion transport and innate immunity. Genomics, 115(2), 110564. [DOI:10.1016/j.ygeno.2023.110564]
8. Huang, Y., Li, Y., Burt, D.W., Chen, H., Zhang, Y., & Qian, W. (2013). The duck genome and transcriptome provide insight into an avian influenza virus reservoir species. Nature Genetics, 45, 776-783. [DOI:10.1038/ng.2657]
9. Kominakis, A., Hager-Theodorides, A.L., Zoidis, E., Saridaki, A., Antonakos, G., & Tsiamis, G. (2017). Combined GWAS and 'guilt by association'-based prioritization analysis identifies functional candidate genes for body size in sheep. Genetic Selection Evolution, 49(1), 41. [DOI:10.1186/s12711-017-0316-3]
10. Khaltabadi Farahani, A.H., Mohammadi, H., Moradi, M.H., Ghasemi, H.A., & Hajkhodadadi, I. (2020). Gene set enrichment analysis to identify genes and biological pathways associated with body weight in chicken. Animal Production Research, 9(3), 47-57. In Persian.
11. Liang, S., Guo, H., Ma, K., Li, X., Wu, D., Wang, Y., Wang, W., Zhang, S., Cui, Y., Liu, Y., Sun, L., Zhang, B., Xin, M., Zhang, N., Zhou, H., Liu, Y., Wang, J., & Liu, L. (2021). A PLCB1-PI3K-AKT Signaling Axis Activates EMT to Promote Cholangiocarcinoma Progression. Cancer Research, 81(23), 5889-5903 [DOI:10.1158/0008-5472.CAN-21-1538]
12. Li, G.S., Zhu, F., Zhang, F., Yang, F.X., Hao, J.P., & Hou, Z.C. (2021). Genome-wide association study reveals novel loci associated with feeding behavior in Pekin ducks. BMC Genomics, 22(1), 334. [DOI:10.1186/s12864-021-07668-1]
13. Li, G.S., Liu, W.W., Zhang, F., Zhu, F., Yang, F.X., Hao, J.P., & Hou, Z.C. (2020). Genome-wide association study of bone quality and feed efficiency-related traits in Pekin ducks. Genomics, 112(6), 5021-5028. [DOI:10.1016/j.ygeno.2020.09.023]
14. Lin, M.J., Chang, S.C., Lin, T.Y., Cheng, Y.S., Lee, Y.P., & Fan, Y.K. (2015). Factors Affecting the Incidence of Angel Wing in White Roman Geese: Stocking Density and Genetic Selection. Asian-Australasian Journal of Animal Sciences, 29, 901 - 907. [DOI:10.5713/ajas.15.0456]
15. Lin, F.B., Zhu, F., Hao, J.P., Yang, F.X., & Hou, Z.C. (2018). In vivo prediction of the carcass fatness using live body measurements in Pekin ducks. Poultry Science, 97, 2365-2371. [DOI:10.3382/ps/pey079]
16. Liu, Z., Li, H., Zhong, Z., & Jiang, S. (2022). A Whole Genome Sequencing-Based Genome-Wide Association Study Reveals the Potential Associations of Teat Number in Qingping Pigs. Animals (Basel), 12(9), 1057. [DOI:10.3390/ani12091057]
17. McKenna, A., Hanna, M., Banks, E., Sivachenko, A., Cibulskis, K., & Kernytsky, A. (2010). The genome analysis toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data. Genome Research, 20, 1297-1303. [DOI:10.1101/gr.107524.110]
18. Mohammadi, H., Khaltabadi Farahani, A.H., & Moradi, M. H. (2023). Genome-wide association study based on gene-set enrichment analysis of economically important traits in Japanese quail. Animal Production Research, 12(1), 65-78. In Persian.
19. Mohammadabadi, M, (2021), Tissue-specific mRNA expression profile of ESR2 gene in goat. Agriculture Biotechnology Journal, 12 (4), 167-181. In Persian.
20. Mohammadabadi, M., & Soflaei, M. (2020), Tissue-specific mRNA expression profile of BMP15 gene in goat. Agriculture Biotechnology Journal,12, 191-208. In Persian.
21. Peñagaricano, F., Weigel, K.A., Rosa, G.J., & Khatib, H. (2013). Inferring quantitative trait pathways associated with bull fertility from a genome-wide association study. Frontiers in Genetics, 3, 307-314. [DOI:10.3389/fgene.2012.00307]
22. Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M.A.R., & Bender, D. (2007). PLINK: a toolset for whole-genome association and population-based linkage analysis. The American Journal of Human Genetics, 81, 559-575. [DOI:10.1086/519795]
23. Safaei, S.M.H., Dadpasand, M., & Mohammadabadi, M. (2022). An Origanum majorana Leaf Diet Influences Myogenin Gene Expression, Performance, and Carcass Characteristics in Lambs. Animals, 13 (1), e14. [DOI:10.3390/ani13010014]
24. Shahsavari, M., Mohammadabadi, M., & Khezri, A. (2022). Effect of Fennel (Foeniculum Vulgare) Seed Powder Consumption on Insulin-like Growth Factor 1 Gene Expression in the Liver Tissue of Growing Lambs. Gene Expression, 21 (2), 21-26. [DOI:10.14218/GE.2022.00017]
25. Seabury, C.M., Oldeschulte, D.L., Saatchi, M., Beever, J.E., Decker, J.E., Halley, Y.A., Bhattarai, E.K., Molaei, M., Freetly, H.C., Hansen, S.L., Spangler, M.L., Weaber, R.L., Garrick, D.J., & Taylor, J.F. (2017). Genome-wide association study for feed efficiency and growth traits in U.S. beef cattle. BMC Genomics, 18(1), 386-396. [DOI:10.1186/s12864-017-3754-y]
26. Srikanth, K., Lee, S.H., Chung, K.Y., Park, J.E., Jang, G.W., Park, M.R., Kim, N.Y., Kim, T.H., Chai, H.H., Park, W.C., & Lim, D. (2020). A Gene-Set Enrichment and Protein-Protein Interaction Network-Based GWAS with Regulatory SNPs Identifies Candidate Genes and Pathways Associated with Carcass Traits in Hanwoo Cattle. Genes (Basel),11(3), 316. [DOI:10.3390/genes11030316]
27. Tang, H., Zhang, H., Liu, D., Wang, Z., Yu, D., Fan, W., Guo, Z., Huang, W., Hou, S., & Zhou, Z. (2022). Genome-wide association study reveals the genetic determinism of serum biochemical indicators in ducks. BMC Genomics, 23(1), 856. [DOI:10.1186/s12864-022-09080-9]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
