دوره 16، شماره 1 - ( بهار 1404 )
جلد 16 شماره 1 صفحات 131-121 |
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:
Hosseini M, Moradi-shahrbabak H. (2025). Identification of Loci under Selection by Combining Different Methods in Thoroughbred and Turkmen Horses. Res Anim Prod. 16(1), 121-131. doi:10.61186/rap.16.1.121
URL: http://rap.sanru.ac.ir/article-1-1477-fa.html
URL: http://rap.sanru.ac.ir/article-1-1477-fa.html
حسینی میلاد، مرادی شهربابک حسین. شناسایی جایگاه‌های تحت انتخاب به‌وسیله‌ی ترکیب روش‌های مختلف در اسب‌های تروبرد و ترکمن پژوهشهاي توليدات دامي 1404; 16 (1) :131-121 10.61186/rap.16.1.121
1- پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران
2- گروه علوم دامی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران
2- گروه علوم دامی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران
چکیده: (416 مشاهده)
چکیده مبسوط
مقدمه و هدف: در سال‌های اخیر، دسترسی وسیع به داده‌های چند‌شکلی مولکولی، توجه به شناسایی الگوهای درون ژنوم که نشان‌دهنده انتخاب‌های مثبتی به‌وقوع پیوسته در جمعیت‌ها است را افزایش داده‌است. دیدگاه کلیدی در این خصوص پدیده انتقال همراه می‌باشد. هنگامی‌که یک آلل سودمند در طی زمان‌های مختلف هدف انتخاب مثبت قرار می‌گیرد، باعث ایجاد نشانه‌هایی در سطح ژنوم می‌گردد که این نشانه‌ها با روش‌های مختلف قابل شناسایی و پیگیری می‌باشند. فراتحلیل روش‌های مختلف نشانه‌های انتخاب در سطح ژنوم می‌تواند به پیگیری و شناسایی بسیار دقیق‌تر این نشانه‌ها منجر شود چراکه هر کدام از روش‌های مختلف شناسایی نشانه‌های انتخاب، معیارهای متفاوتی را برای پیگیری نشانه‌ها در ژنوم موجودات دنبال می‌کنند. در واقع هدف از انجام روش‌های مختلف شناسایی نشانه‌های انتخاب، بهبود مرحله کشف و شناسایی با استفاده از ترکیب اطلاعات و افزایش صحت و دقت نتایج است.
مواد و روش‌ها: تعداد نمونه‌ها در این مطالعه شامل 111 راس از اسب‌های نژاد تروبرد و ترکمن (به‌ترتیب با تعداد 44 و 67 راس) بود. نمونه‌های خون از رگ‌های وداجی و زیردمی اسب تهیه شد. در این پژوهش از داده‌های چند‌شکلی تک نوکئوتیدی (SNP chips, 60k)استفاده شد. تعیین ژنوتایپ نمونه‌ها با استفاده از آرایه‌های 60 K مربوط به شرکت Illumina در دانشگاه کنتاکی انجام شد. برای اطمینان از کیفیت داده‌های ژنومی تعیین ژنوتایپ شده آنالیز‌های کنترل کیفیت با یک‌سری فیلترها شاملMAF، SNP-CR، Animal-CR، آزمونHWE انجام شد. به‌دلیل اینکه یکی از مباحث مهم در بحث نشانه‌های انتخاب در نظر گرفتن زیر جمعیت‌های هر نژاد می‌باشد، مولفه اصلی در این بخش بر اساس ماتریس خویشاوندی به‌دست‌آمد. آنالیز مؤلفه‌های اصلی در محیط R صورت گرفت. در این پژوهش به‌منظور شناسایی نشانه‌های انتخاب از روش‌های Fst، iHS (EHH)، Rsb و در نهایت آنالیز فراتحلیل انجام شد. مناطق تحت انتخاب ژنوم و جایگاه‌های ژنومی به‌دست‌آمده از مطالعات پیوستگی کل ژنوم جهت یافتن ژن‌های موجود در این نواحی مورد بررسی بیشتر قرار گرفت. ژن‌های گزارش شده در این مناطق در اسب و مناطق متناظر در گاو با استفاده از پایگاه اطلاعاتی ENSEMBL و براساس سرهم‌سازی آخرین نسخه ژنومی در دسترس اسب از پایگاه اطلاعاتی NCBI و BioMart شناسایی شد. کد شناسایی مربوط به ژن‌های شناسایی شده جهت بررسی مسیرهای بیولوژیکی مرتبط با مناطق تحت انتخاب در نرم‌افزار DAVID انجام گرفت.
یافته‌ها: کنترل کیفیت اولیه بر روی 111 حیوان از 2 جمعیت (تعداد 76 حیوان نژاد ترکمن و 44 حیوان نژاد تروبرد) مورد مطالعه انجام شد. تعداد 3 حیوان از نژاد ترکمن به‌دلیل نرخ ژنوتایپ از دست رفته‌ی بیشتر از 9 درصد از ادامه‌ی آنالیزها حذف شدند و تعداد 108نمونه باقی ماندند. از تعداد کل 59349 نشانگر SNP، تعداد 52036 نشانگر بعد از کنترل کیفیت باقی ماندند. در مجموع تعداد 118 SNP به‌دلیلحداقل فراوانی آللی کمتر از 1 درصد، تعداد 704 SNP خارج از تعادل هاردی واینبرگ، تعداد 6493 SNP با نرخ ژنوتیپ گم شده بیشتر از 5 درصد حذف شدند. نتایج آنالیز PCA نشان دهنده این موضوع است که نمونه‌های مورد بررسی در این مطالعه در 2 گروه کاملا جدا از هم قرار گرفتند. در نهایت 5 ناحیه بر روی ژنوم جهت بررسی‌های بعدی انتخاب شدند که توانستند از حد آستانه بالاتر باشند. 5 منطقه که آماره تتا ارزش عددی بالاتر از 0.28 را بین دو نژاد اسب ترکمن و تروبرد داشتند به‌ترتیب روی کروموزوم‌های 4، 5، 10، 13، 15 قرار دارند. بیشترین تعداد نشانگرهایی که ارزش تتای آن‌ها از حد آستانه بالاتر بود بر روی کروموزوم 5 قرار داشت و کمترین تعداد نشانگر شناسایی شده بر روی کروموزوم 13 و 15 قرار داشتند. با توجه به نتایج به‌دست‌آمده از آنالیز iHS، تعداد 8 و 23 اسنیپ به ترتیب در نژادهای تروبرد و ترکمن دارای بالاترین ارزش iHS بودند که تعداد 3، 2، 2، 1 اسنیپ به‌ترتیب روی کروموزوم‌های 28، 21، 1 و 7 نژاد تروبرد قرار داشتند و بالاترین مقدار ارزش iHS برای اسنیپ BIEC2_548092 واقع بر کروموزوم 21 این نژاد است. نتایج آنالیز فراتحلیل نشان داد این مناطق بر روی کروموزوم‌های 10، 12، 14، 15، 16، 17، 32 قرار گرفته‌اند. آنالیز Rsb بین دو جمعیت اسب‌های کرد و ترکمن انجام شد و نتایج نشان داد که نشانه‌های انتخاب بر روی کروموزوم‌های 12، 16، 17، 31، 32، قرار دارند. پس از بررسی ژن‌های در مناطق به‌دست‌آمده، مهم‌ترین ژن‌ها در گلیکوزیلاسیون، پاسخ سلولی به استرس، فرآیند متابولیک ماکرومولکول سلولی، تعمیر شکستگی دو رشته پپتیدها دخالت داشتند.
نتیجه‌گیری: تحقیق حاضر با در نظر گرفتن روش‌های متنوع به‌منظور شناسایی نشانه‌های انتخاب در اسب‌های ترکمن و تروبرد و ترکیب نتایج حاصل از هر یک از روش‌ها، رویکرد جدیدی را برای استنتاج نقاط مثبت نشانه‌های انتخاب در ژنوم اسب اجرا می‌کند. از نتایج این تحقیق می‌توان نتیجه‌گیری کرد که ترکیب روش‌های شناسایی نشانه‌های انتخاب قدرت و صحت نتایج را بالا می‌برد. همچنین ژن‌های شناسایی شده در این تحقیق در مسیرهای مهم از جمله گلیکوزیلاسیون، پاسخ سلولی به استرس، فرایند متابولیک پپتیدها، سازماندهی زیر واحدهای پروتئین‌ها، فرآیندکاتابولیک ماکرومولکول‌های سلولی و انتقال از فضای خارج سلولی نقش دارند.
مقدمه و هدف: در سال‌های اخیر، دسترسی وسیع به داده‌های چند‌شکلی مولکولی، توجه به شناسایی الگوهای درون ژنوم که نشان‌دهنده انتخاب‌های مثبتی به‌وقوع پیوسته در جمعیت‌ها است را افزایش داده‌است. دیدگاه کلیدی در این خصوص پدیده انتقال همراه می‌باشد. هنگامی‌که یک آلل سودمند در طی زمان‌های مختلف هدف انتخاب مثبت قرار می‌گیرد، باعث ایجاد نشانه‌هایی در سطح ژنوم می‌گردد که این نشانه‌ها با روش‌های مختلف قابل شناسایی و پیگیری می‌باشند. فراتحلیل روش‌های مختلف نشانه‌های انتخاب در سطح ژنوم می‌تواند به پیگیری و شناسایی بسیار دقیق‌تر این نشانه‌ها منجر شود چراکه هر کدام از روش‌های مختلف شناسایی نشانه‌های انتخاب، معیارهای متفاوتی را برای پیگیری نشانه‌ها در ژنوم موجودات دنبال می‌کنند. در واقع هدف از انجام روش‌های مختلف شناسایی نشانه‌های انتخاب، بهبود مرحله کشف و شناسایی با استفاده از ترکیب اطلاعات و افزایش صحت و دقت نتایج است.
مواد و روش‌ها: تعداد نمونه‌ها در این مطالعه شامل 111 راس از اسب‌های نژاد تروبرد و ترکمن (به‌ترتیب با تعداد 44 و 67 راس) بود. نمونه‌های خون از رگ‌های وداجی و زیردمی اسب تهیه شد. در این پژوهش از داده‌های چند‌شکلی تک نوکئوتیدی (SNP chips, 60k)استفاده شد. تعیین ژنوتایپ نمونه‌ها با استفاده از آرایه‌های 60 K مربوط به شرکت Illumina در دانشگاه کنتاکی انجام شد. برای اطمینان از کیفیت داده‌های ژنومی تعیین ژنوتایپ شده آنالیز‌های کنترل کیفیت با یک‌سری فیلترها شاملMAF، SNP-CR، Animal-CR، آزمونHWE انجام شد. به‌دلیل اینکه یکی از مباحث مهم در بحث نشانه‌های انتخاب در نظر گرفتن زیر جمعیت‌های هر نژاد می‌باشد، مولفه اصلی در این بخش بر اساس ماتریس خویشاوندی به‌دست‌آمد. آنالیز مؤلفه‌های اصلی در محیط R صورت گرفت. در این پژوهش به‌منظور شناسایی نشانه‌های انتخاب از روش‌های Fst، iHS (EHH)، Rsb و در نهایت آنالیز فراتحلیل انجام شد. مناطق تحت انتخاب ژنوم و جایگاه‌های ژنومی به‌دست‌آمده از مطالعات پیوستگی کل ژنوم جهت یافتن ژن‌های موجود در این نواحی مورد بررسی بیشتر قرار گرفت. ژن‌های گزارش شده در این مناطق در اسب و مناطق متناظر در گاو با استفاده از پایگاه اطلاعاتی ENSEMBL و براساس سرهم‌سازی آخرین نسخه ژنومی در دسترس اسب از پایگاه اطلاعاتی NCBI و BioMart شناسایی شد. کد شناسایی مربوط به ژن‌های شناسایی شده جهت بررسی مسیرهای بیولوژیکی مرتبط با مناطق تحت انتخاب در نرم‌افزار DAVID انجام گرفت.
یافته‌ها: کنترل کیفیت اولیه بر روی 111 حیوان از 2 جمعیت (تعداد 76 حیوان نژاد ترکمن و 44 حیوان نژاد تروبرد) مورد مطالعه انجام شد. تعداد 3 حیوان از نژاد ترکمن به‌دلیل نرخ ژنوتایپ از دست رفته‌ی بیشتر از 9 درصد از ادامه‌ی آنالیزها حذف شدند و تعداد 108نمونه باقی ماندند. از تعداد کل 59349 نشانگر SNP، تعداد 52036 نشانگر بعد از کنترل کیفیت باقی ماندند. در مجموع تعداد 118 SNP به‌دلیلحداقل فراوانی آللی کمتر از 1 درصد، تعداد 704 SNP خارج از تعادل هاردی واینبرگ، تعداد 6493 SNP با نرخ ژنوتیپ گم شده بیشتر از 5 درصد حذف شدند. نتایج آنالیز PCA نشان دهنده این موضوع است که نمونه‌های مورد بررسی در این مطالعه در 2 گروه کاملا جدا از هم قرار گرفتند. در نهایت 5 ناحیه بر روی ژنوم جهت بررسی‌های بعدی انتخاب شدند که توانستند از حد آستانه بالاتر باشند. 5 منطقه که آماره تتا ارزش عددی بالاتر از 0.28 را بین دو نژاد اسب ترکمن و تروبرد داشتند به‌ترتیب روی کروموزوم‌های 4، 5، 10، 13، 15 قرار دارند. بیشترین تعداد نشانگرهایی که ارزش تتای آن‌ها از حد آستانه بالاتر بود بر روی کروموزوم 5 قرار داشت و کمترین تعداد نشانگر شناسایی شده بر روی کروموزوم 13 و 15 قرار داشتند. با توجه به نتایج به‌دست‌آمده از آنالیز iHS، تعداد 8 و 23 اسنیپ به ترتیب در نژادهای تروبرد و ترکمن دارای بالاترین ارزش iHS بودند که تعداد 3، 2، 2، 1 اسنیپ به‌ترتیب روی کروموزوم‌های 28، 21، 1 و 7 نژاد تروبرد قرار داشتند و بالاترین مقدار ارزش iHS برای اسنیپ BIEC2_548092 واقع بر کروموزوم 21 این نژاد است. نتایج آنالیز فراتحلیل نشان داد این مناطق بر روی کروموزوم‌های 10، 12، 14، 15، 16، 17، 32 قرار گرفته‌اند. آنالیز Rsb بین دو جمعیت اسب‌های کرد و ترکمن انجام شد و نتایج نشان داد که نشانه‌های انتخاب بر روی کروموزوم‌های 12، 16، 17، 31، 32، قرار دارند. پس از بررسی ژن‌های در مناطق به‌دست‌آمده، مهم‌ترین ژن‌ها در گلیکوزیلاسیون، پاسخ سلولی به استرس، فرآیند متابولیک ماکرومولکول سلولی، تعمیر شکستگی دو رشته پپتیدها دخالت داشتند.
نتیجه‌گیری: تحقیق حاضر با در نظر گرفتن روش‌های متنوع به‌منظور شناسایی نشانه‌های انتخاب در اسب‌های ترکمن و تروبرد و ترکیب نتایج حاصل از هر یک از روش‌ها، رویکرد جدیدی را برای استنتاج نقاط مثبت نشانه‌های انتخاب در ژنوم اسب اجرا می‌کند. از نتایج این تحقیق می‌توان نتیجه‌گیری کرد که ترکیب روش‌های شناسایی نشانه‌های انتخاب قدرت و صحت نتایج را بالا می‌برد. همچنین ژن‌های شناسایی شده در این تحقیق در مسیرهای مهم از جمله گلیکوزیلاسیون، پاسخ سلولی به استرس، فرایند متابولیک پپتیدها، سازماندهی زیر واحدهای پروتئین‌ها، فرآیندکاتابولیک ماکرومولکول‌های سلولی و انتقال از فضای خارج سلولی نقش دارند.
فهرست منابع
1. Barendse, W., Harrison, B. E., Bunch, R. J., Thomas, M. B., & Turner, L. B. (2009). Genome wide signatures of positive selection: the comparison of independent samples and the identification of regions associated to traits. BMC Genomics, 10, 1-15. [DOI:10.1186/1471-2164-10-178]
2. Cantor, R. M., Lange, K., & Sinsheimer, J. S. (2010). Prioritizing GWAS results: a review of statistical methods and recommendations for their application. The American Journal of Human Genetics, 86(1), 6-22. [DOI:10.1016/j.ajhg.2009.11.017]
3. Cuervo, A. M., & Dice, J. F. (1996). A receptor for the selective uptake and degradation of proteins by lysosomes. Science, 273(5274), 501-503. [DOI:10.1126/science.273.5274.501]
4. Dhamija, R., & Chambers, C. (2016). Clinical and Molecular Characterization of ALG1-CDG. Pediatric Neurology Briefs, 14-14. [DOI:10.15844/pedneurbriefs-30-2-5]
5. Dominissini, D., Nachtergaele, S., Moshitch-Moshkovitz, S., Peer, E., Kol, N., Ben-Haim, M. S., Clark, W. C. (2016). The dynamic N 1-methyladenosine methylome in eukaryotic messenger RNA. Nature, 530(7591), 441-446. [DOI:10.1038/nature16998]
6. Duncan, T., Trewick, S. C., Koivisto, P., Bates, P. A., Lindahl, T., & Sedgwick, B. (2002). Reversal of DNA alkylation damage by two human dioxygenases. Proceedings of the National Academy of Sciences, 99(26), 16660-16665. [DOI:10.1073/pnas.262589799]
7. Freeze, H. H., Eklund, E. A., Ng, B. G., & Patterson, M. C. (2015). Neurological aspects of human glycosylation disorders. Annual Review of Neuroscience, 38, 105-125. [DOI:10.1146/annurev-neuro-071714-034019]
8. Gondro, C., Van der Werf, J., & Hayes, B. (2013). Genome-Wide Association Studies and Genomic Prediction, (Vol. 1019). Springer. [DOI:10.1007/978-1-62703-447-0]
9. Grimberg, J., Nawoschik, S., Belluscio, L., McKee, R., Turck, A., & Eisenberg, A. (1989). A simple and efficient non-organic procedure for the isolation of genomic DNA from blood. Nucleic Acids Research, 17(20), 8390. [DOI:10.1093/nar/17.20.8390]
10. Grossman, S. R., Shylakhter, I., Karlsson, E. K., Byrne, E. H., Morales, S., Frieden, G., Zuk, O. (2010). A composite of multiple signals distinguishes causal variants in regions of positive selection. Science, 327(5967), 883-886. [DOI:10.1126/science.1183863]
11. Gurgul, A., Jasielczuk, I., Semik-Gurgul, E., Pawlina-Tyszko, K., Stefaniuk-Szmukier, M., Szmatoła, T., Bugno-Poniewierska, M. (2019). A genome-wide scan for diversifying selection signatures in selected horse breeds. PloS one, 14(1), e0210751. [DOI:10.1371/journal.pone.0210751]
12. Higgins, J. P., Little, J., Ioannidis, J. P., Bray, M. S., Manolio, T. A., Smeeth, L., ... & Khoury, M. J. (2007). Turning the pump handle: evolving methods for integrating the evidence on gene-disease association. American Journal of Epidemiology, 166(8), 863-866. [DOI:10.1093/aje/kwm248]
13. Jani, D., Lutz, S., Hurt, E., Laskey, R. A., Stewart, M., & Wickramasinghe, V. O. (2012). Functional and structural characterization of the mammalian TREX-2 complex that links transcription with nuclear messenger RNA export. Nucleic Acids Research, 40(10), 4562-4573. [DOI:10.1093/nar/gks059]
14. Jombart, T., & Ahmed, I. (2011). adegenet 1.3-1: new tools for the analysis of genome-wide SNP data. Bioinformatics, 27(21), 3070-3071. [DOI:10.1093/bioinformatics/btr521]
15. Kawamoto, T., Noshiro, M., Sato, F., Maemura, K., Takeda, N., Nagai, R., Miyazaki, K. (2004). A novel autofeedback loop of Dec1 transcription involved in circadian rhythm regulation. Biochemical and Biophysical Research Communications, 313(1), 117-124. [DOI:10.1016/j.bbrc.2003.11.099]
16. Lean, I., Rabiee, A., Duffield, T. F., & Dohoo, I. (2009). Invited review: Use of meta-analysis in animal health and reproduction: Methods and applications. Journal of Dairy Science, 92(8), 3545-3565. [DOI:10.3168/jds.2009-2140]
17. Li, G., Xu, Y., Hu, X., Li, N., Yao, R., Yu, T., Wang, J. (2019). Compound heterozygous variants of the COG6 gene in a Chinese patient with deficiency of subunit 6 of the conserved oligomeric Golgi complex (COG6-CDG). European Journal of Medical Genetics, 62(1), 44-46. [DOI:10.1016/j.ejmg.2018.04.017]
18. Lui, K., Huang, Y., Sheikh, M. S., Cheung, K.-K., Tam, W. Y., Sun, K.-T., Loh, A. W.-K. (2023). The oncogenic potential of Rab-like protein 1A (RBEL1A) GTPase: The first review of RBEL1A research with future research directions and challenges. Journal of Cancer, 14(17), 3214. [DOI:10.7150/jca.84267]
19. Mena, E. L., Kjolby, R. A., Saxton, R. A., Werner, A., Lew, B. G., Boyle, J. M., Rape, M. (2018). Dimerization quality control ensures neuronal development and survival. Science, 362(6411), eaap8236. [DOI:10.1126/science.aap8236]
20. Moazemi, I., Mohammadabadi, M., Mostafavi, A., Esmailizadeh, A., Babenko, O., Bushtruk, M., Klopenko, N. (2020). Polymorphism of DMRT3 gene and its association with body measurements in horse breeds. Russian Journal of Genetics, 56, 1232-1240. [DOI:10.1134/S1022795420100087]
21. Moradi, M. H., Nejati-Javaremi, A., Moradi-Shahrbabak, M., Dodds, K. G., & McEwan, J. C. (2012). Genomic scan of selective sweeps in thin and fat tail sheep breeds for identifying of candidate regions associated with fat deposition. BMC Genetics, 13, 1-15. [DOI:10.1186/1471-2156-13-10]
22. Mostafavi, A., Fozi, M. A., Koshkooieh, A. E., Mohammadabadi, M., Babenko, O. I., & Klopenko, N. I. (2019). Effect of LCORL gene polymorphism on body size traits in horse populations. Acta Scientiarum. Animal Sciences, 42, e47483. [DOI:10.4025/actascianimsci.v42i1.47483]
23. Oleksyk, T. K., Smith, M. W., & O'Brien, S. J. (2010). Genome-wide scans for footprints of natural selection. Philosophical Transactions of the Royal Society B: Biological Sciences, 365(1537), 185-205. [DOI:10.1098/rstb.2009.0219]
24. Péanne, R., De Lonlay, P., Foulquier, F., Kornak, U., Lefeber, D. J., Morava, E., Van Schaftingen, E. (2018). Congenital disorders of glycosylation (CDG): Quo vadis? European Journal of Medical Genetics, 61(11), 643-663. [DOI:10.1016/j.ejmg.2017.10.012]
25. Qanbari, S., Gianola, D., Hayes, B., Schenkel, F., Miller, S., Moore, S., Simianer, H. (2011). Application of site and haplotype-frequency based approaches for detecting selection signatures in cattle. BMC Genomics, 12, 1-12. [DOI:10.1186/1471-2164-12-318]
26. Qanbari, S., Pimentel, E., Tetens, J., Thaller, G., Lichtner, P., Sharifi, A. R., & Simianer, H. (2010). A genome‐wide scan for signatures of recent selection in Holstein cattle. Animal Genetics, 41(4), 377-389. [DOI:10.1111/j.1365-2052.2009.02016.x]
27. Ramasamy, A., Mondry, A., Holmes, C. C., & Altman, D. G. (2008). Key issues in conducting a meta-analysis of gene expression microarray datasets. PLoS Medicine, 5(9), e184. [DOI:10.1371/journal.pmed.0050184]
28. Saadatabadi, L. M., Mohammadabadi, M., Nanaei, H. A., Ghanatsaman, Z. A., Stavetska, R. V., Kalashnyk, O., Kucher, D. M. (2023). Unraveling candidate genes related to heat tolerance and immune response traits in some native sheep using whole genome sequencing data. Small Ruminant Research, 225, 107018. [DOI:10.1016/j.smallrumres.2023.107018]
29. Sabeti, P. C., Reich, D. E., Higgins, J. M., Levine, H. Z., Richter, D. J., Schaffner, S. F., McDonald, G. J. (2002). Detecting recent positive selection in the human genome from haplotype structure. Nature, 419(6909), 832-837. [DOI:10.1038/nature01140]
30. Shimada, T., Watanabe, J., Kawajiri, K., Sutter, T. R., Guengerich, F. P., Gillam, E. M., & Inoue, K. (1999). Catalytic properties of polymorphic human cytochrome P450 1B1 variants. Carcinogenesis, 20(8), 1607, 14-16. [DOI:10.1093/carcin/20.8.1607]
31. Sutton, A. J., Abrams, K. R., Jones, D. R., Sheldon, T. A., & Song, F. (2000). Methods for Meta-analysis in Medical Research (Vol. 348). Wiley Chichester.
32. 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]
33. Teo, Y. Y., Fry, A. E., Clark, T. G., Tai, E., & Seielstad, M. (2007). On the usage of HWE for identifying genotyping errors. Annals of Human Genetics, 71(5), 701-703. [DOI:10.1111/j.1469-1809.2007.00356.x]
34. Utsunomiya, Y. T., Pérez O'Brien, A. M., Sonstegard, T. S., Van Tassell, C. P., do Carmo, A. S., Meszaros, G., Garcia, J. F. (2013). Detecting loci under recent positive selection in dairy and beef cattle by combining different genome-wide scan methods. PloS One, 8(5), e64280. [DOI:10.1371/journal.pone.0064280]
35. Vesterinen, H., Sena, E., Egan, K., Hirst, T., Churolov, L., Currie, G., Macleod, M. (2014). Meta-analysis of data from animal studies: a practical guide. Journal of Neuroscience Methods, 221, 92-102. [DOI:10.1016/j.jneumeth.2013.09.010]
36. Voight, B. F., Kudaravalli, S., Wen, X., & Pritchard, J. K. (2006). A map of recent positive selection in the human genome. PLoS Biology, 4(3), e72. [DOI:10.1371/journal.pbio.0040072]
37. Weir, B. S., & Cockerham, C. C. (1984). Estimating F-statistics for the analysis of population structure. Evolution, 1358-1370. [DOI:10.2307/2408641]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
