Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы

Харзинова, Вероника Руслановна

Бесплатный автореферат и диссертация по биологии на тему
Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы
ВАК РФ 03.02.07, Генетика

Автореферат диссертации по теме "Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы"

4848046

На правах рукописи

ХАРЗИНОВА Вероника Руслановна

ИЗУЧЕНИЕ ГЕНОТИПОВ ДНК-МАРКЕРОВ вН, БСАТ! И Тв5 В СВЯЗИ С ЛИНЕЙНОЙ ПРИНАДЛЕЖНОСТЬЮ И УРОВНЕМ МОЛОЧНОЙ ПРОДУКТИВНОСТИ КОРОВ ЧЕРНО-ПЕСТРОЙ

ПОРОДЫ

Специальность: 03.02.07-ГЕНЕТИКА

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата биологических наук

2 6 МАЙ 2011

Дубровицы - 2011

4848046

Работа выполнена в Центре биотехнологии и молекулярной диагностики животных ГНУ Всероссийский научно-исследовательский институт животноводства Российской академии сельскохозяйственных наук.

Научный руководитель: доетор биологических наук,

профессор, член-корреспондент РАСХН Зиновьева Наталия Анатольевна

Официальные оппоненты: доктор биологических наук, профессор

Букаров Нурмагомед Гаджикулиевич

доктор биологических наук Субботин Александр Данилович

Ведущее учреждение - ФГОУ ВПО Московская государственная академия ветеринарной медицины и биотехнологии имени К.И. Скрябина.

Защита состоится июня 2011 года, в 10 часов, на заседании совета по защите докторских и кандидатских диссертаций Д 006.013.03 при ГНУ Всероссийский научно-исследовательский институт животноводства Российский академии сельскохозяйственных наук.

Адрес института: 142132, Московская область,

Подольский район, пос. Дубровицы, ГНУ ВИЖ. т/факс (4967) 651101

ко

С диссертацией можно ознакомиться в научной библиотеке ГНУ ВИЖ Россельхозакадемии.

Автореферат разослан « » мая 2011 года.

Ученый секретарь Совета Д 006.013.03

И.В. Гусев

1. ВВЕДЕНИЕ

Актуальность темы. Повышение уровня молочной продуктивности является одной из основных целей селекции пород скота молочного направления продуктивности (Стрекозов Н.И. и др., 2006). В качестве дополнительного критерия отбора, в этой связи, рассматривается использование генотипа животных по ДНК-маркерам, что позволит перевести селекционный процесс на принципиально новый уровень (Калашникова JI.A., Дунин М.И., Глазко В.И., 2000). Функциональными генами-кандидатами молочной продуктивности коров (уровня удоя, содержания молочного жира и белка) считаются гены гормона роста (GH), диацилглицерол О-ацилтрансферазы (DGAT1) и тиреоглобулина (TG5) (Dybus А., 2002, Winter et.al., 2002, Pawar R.S., 2007, Casas et al., 2007, Михайлова M.E., 2008). Выбор вышеназванных генов в качестве ДНК-маркеров обусловлен участием кодируемых ими белков в процессах формирования отдельных компонентов молока.

Неотъемлемым элементом управления процессом совершенствования стад по племенным и продуктивным качествам в ряде предприятий является создание и поддержание определенной линейной структуры. В этой связи, аллелофонд животных по ДНК-маркерам следует рассматривать не только в масштабах стада в целом, но и в аспекте отдельных генеалогических линий. Такой подход обеспечит возможность проведения отбора животных с учетом генотипа по ДНК-маркерам при сохранении заданной линейной структуры стада. Исходя из вышеизложенного, актуальным является изучение генотипов ДНК-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров.

Цель и задачи исследования. Целью настоящей работы является изучение генотипов ДНК-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы.

Для достижения поставленной цели были решены следующие задачи:

1. Изучить уровень молочной продуктивности коров черно-пестрой породы различных генеалогических линий.

2. Выполнить анализ распределения генотипов и аллелей ДНК-маркеров GH, DGAT1 и TG5 в изучаемой выборке коров.

3. Оценить генетическую структуру генеалогических линий коров по изучаемым ДНК-маркерам.

4. Выполнить анализ связи генотипов ДНК-маркеров GH, DGAT1 и TG5 с показателями молочной продуктивности коров черно-пестрой породы.

5. Установить связи между распределением мультилокусных генотипов по изучаемым ДНК-маркерам и уровнем молочной продуктивности коров различных генеалогических линий.

Научная новизна исследований. Изучен аллелофонд коров черно-пестрой породы по ДНК-маркерам GH, DGAT1 и TG5 в аспекте отдельных генеалогических линий. Показано, что мультилокусный подход к анализу генетической структурированности стада приводит к более четкой линейной

дифференциации по сравнению с подходом, основанным на рассмотрении каждого из изучаемых локусов в отдельности. Установлены зависимости между распределением мультилокусных генотипов по изучаемым ДНК-маркерам в генеалогических линиях и показателями молочной продуктивности коров.

Практическая значимость. Дана характеристика уровня молочной продуктивности коров черно-пестрой породы различной линейной принадлежности. Установлено достоверное положительное влияние генотипов изучаемых ДНК-маркеров на показатели молочной продуктивности коров: генотипа VV по GH - на уровень удоя и количество молочного белка по 3-й лактации (р<0,05), генотипа СТ по TG5 - на количество молочного жира по 2-й лактации (р<0,05). Выявлены мультилокусные генотипы, достоверно коррелирующие с показателями молочной продуктивности первотелок различных генеалогических линий: генотип LL/AA/CC - с уровнем удоя (р<0,05), генотип LV/AA/CC - с содержанием жира в молоке (р<0,01).

Основные положения, выносимые на защиту:

• Аллельные профили коров черной пестрой породы различных генеалогических линий по ДНК-маркерам GH, DGAT1 и TG5.

• Мультилокусный подход в оценке генетической структуры стада.

• Влияние генотипов по GH и TG5 на показатели молочной продуктивности коров.

• Связь некоторых мультилокусных генотипов изучаемых ДНК-маркеров с показателями молочной продуктивности коров различных генеалогических линий.

Апробация работы. Результаты исследований были доложены и обсуждены на следующих конференциях:

• международной научно-практической конференции «Проблемы увеличения производства продуктов животноводства и пути их решения», Дубровицы, ГНУ ВИЖ Россельхозакадемии, 2008 г;

• 7-ой международной научной конференции-школе «Современные достижения и проблемы биотехнологии сельскохозяйственных животных: роль нанотехнологий в реализации приоритетных задач биотехнологии» «БиоТехЖ-2008», Дубровицы, ГНУ ВИЖ Россельхозакадемии, 2008 г.;

• международной научной конференции, посвященной 100-летию со дня рождения основателя института, заслуженного деятеля науки РСФСР, профессора М.М. Лебедева «Достижения в генетике, селекции и воспроизводстве сельскохозяйственных животных», С-Петербург, ВНИИГРЖ, 2009 г.;

• международной конференции «ЕС - Россия: 7-я Рамочная программа в области биотехнологии, сельского, лесного, рыбного хозяйства и пищи», Башкирский ГАУ, 2010 г.

Структура и объем работы. Диссертация написана на 115 страницах, состоит из следующих разделов: введение, обзор литературы, материалы и методы исследований, результаты и обсуждение, выводы, практические предложения, список литературы. Диссертационная работа содержит 27 таблиц и 18 рисунков. Список литературы включает 128 источников, в том числе 90 источников на иностранном языке.

Публикации результатов исследований. По материалам диссертации опубликовано б научных работ, в том числе 2 статьи в журналах, рекомендованных ВАК РФ (Зоотехния, Проблемы биологии продуктивных животных).

2. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ

Исследования проводили в лаборатории молекулярной генетики и цитогенетики животных Центра биотехнологии и молекулярной диагностики животных ГНУ ВИЖ Россельхозакадемии в период с 2007 по 2011 гг. согласно схеме (рис. 1).

Характеристика уровня молочной продуктивности юровчерно-пестрой породы различных

генеалогическихлиний

Монтвик- Рефлеш- Романдсйл Уес Франса, Ф(п=14) СилингТрайджуг Вис Бэк Файнтелекс

Чифтейн, МЧ (п=46) Соверинг, РС(п=93) ШаммарГениус, РШГ(п=5) Идеал, УИ(п=69) Рокит, СТР(п=50) АйдиалЮШ, ВБ (п=25) II

Анализ распределения частот встречаемости генотиповиалл ел ей ДНК-маркеров

ОН _ РСЯ-ШТ ООАТ1 . PCR.RI.FP ТС5 - РС1Ш(3

Ь V гЧ-' гЧ А К | | С т

Аллельные профили коров генеалогаческихлиний по изучаемым ДНК-маркерам (Ые)

Изучениеуровня гетерозиготности популяции по ДНК-маркерам (Но, Не, Рв)

Анализ генетических связей между линиями

Изучение генетических параметров ДНК-маркеровигенеапогическихлинийкоровчерно-песгрой породы (Тч^Рй^Мп)

Анализ частот встречаемое™ мультилокусных генотипов ДНК-маркеров для коров различной __линейной принадлежности_

Изучение связи генотипов исследуемых генов с уровнем молочной продуктивности

Рис. 1 Схема исследований

В эксперименте были исследованы коровы черно-пестрой породы (п=280) экспериментального хозяйства ФГУП «Кленово-Чегодаево» следующих 8-и генеалогических линий: Монтвик-Чифтейна, МЧ (п=46), Рефлекшен Соверинга, PC (п=93), Рамандейл Шаммар Гениуса, РШГ (п=5), Уес Идеала, УИ (п=69), Франса, Ф (п=14), Силинг Трайджут Рокита, СТР (п=24), Вис Бэк Айдиала 10134, ВБА (п=25), Файнтелекс Грейлита, ФГ (п=4).

Материалом для молекулярно-генетических исследований служили пробы ткани коров (ушной выщип). Выделение ДНК проводили с помощью колонок фирмы Nexttec (Германия). Анализ ДНК и постановку ПЦР проводили согласно «Методическим рекомендациям по использованию метода полимеразной цепной реакции в животноводстве» (Зиновьева H.A. и др., 1998). Анализ полиморфизма изучаемых ДНК-маркеров выполняли по методикам Центра биотехнологии и молекулярной диагностики животных ГНУВИЖ.

На основании данных анализа генотипа коров по изучаемым ДНК-маркерам проводили построение и анализ аллельных профилей, определение наблюдаемого (Но) и ожидаемого (Не) уровней гетерозиготности, расчет популяционно-генетических параметров генеалогических линий коров черно-пестрой породы (индексы фиксации Fis, Fit, Fst и число мигрантов Nm). На основе частот встречаемости аллелей по исследуемым ДНК-маркерам, между отдельными линиями коров рассчитывали показатели стандартной генетической дистанции (Nei M., 1983), а на основе частот встречаемости мультилокусных генотипов проводили расчет Евклидовых дистанций. Для оценки устойчивости топологии дендрограмм рассчитывали бут-стреп вероятности формирования каждой «ветви» (использовано 1000 псевдовыборок) с помощью программы PAST v. 1.82b. Статистическую обработку данных генотипирования и зоотехнического учета проводили по стандартным методикам (Вейр Б., 1995, Животовский Л.А., 1991, Меркурьева Е.А. и др., 1991) с использованием программ Microsoft Excel, Statistica for Windows, Version 5.0. Достоверность разницы между животными с разными генотипами была оценена с помощью критерия Фишера на основе однофакторного дисперсионного анализа.

3. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ 3.1. Анализ показателей молочной продуктивности изучаемой выборки коров черно-пестрой породы ФГУП «Кленово-Чегодаево»

Результаты анализа удоя коров черно-пестрой породы различной линейной принадлежности за 305 дней 1-3 лактаций обобщены в таблице 1.

Как следует из данных таблицы 1, наивысший удой по результатам 1-й лактации был отмечен у коров линий ВБА и СТР - 6701,0 и 6699,0 кг, соответственно, наименьший - у коров линии Ф. По итогам 2- и 3-й лактаций наивысшим удоем характеризовались коровы линии УИ (7235,6 и 8140,8 кг, соответственно). Наименьшие уровни удоев по результатам 2- и 3-й лактаций отмечались у коров линии Ф (6157 кг) и ФГ (6730 кг), соответственно.

Таблица 1

Удой коров черно-пестрой породы различной линейной принадлежности за _305 дней лактации__

Линия 1-я лактация 2-я лактация 3-я лактация

п Х±Бх СУ, % п Су, % п СУ, %

МЧ 46 6609±139 14,3 37 7174±191 16,3 20 7723±492 28,5

Ф 14 5497±275 18,7 14 6157±324 19,7 12 6926±345 17,3

РШГ 5 6015±524 19,5 5 6844±775 25,3 5 7406±855 25,8

РС 93 6540±98 14,5 53 7157±168 17,1 24 7813±202 12,7

УИ 69 642Ш17 15,1 36 7236±196 16,3 17 8141±235 11,9

ФГ 4 6551±610 18,6 3 6718±317 8,2 2 6730±689 14,5

ВБА 25 6701±233 17,0 21 7137±296 19,0 6 7568±672 21,7

СТР 24 6699±156 11,4 13 6987±319 16,4 6 7099±740 25,5

Анализ показателей содержания жира в молоке коров изучаемых линий (табл. 2) показал наивысшее значение данного показателя по 1-й лактации у коров линий СТР и ВБА (4,26 и 4,22%, соответственно), по 2-й лактации - у коров линии Ф (4,26%), по 3-й лактации - у коров МЧ (4,28%). Наименьшие значения содержания жира в молоке по 1-, 2- и 3-й лактациям отмечены у коров линий УИ (3,91%), ФГ (3,76%) и ВБА (3,75%).

Таблица 2

Содержание жира в молоке коров черно-пестрой породы различной

линейной принадлежности за 305 дней лактации

Линия 1-я лактация 2-я лактация 3-я лактация

п Су, % п Х±5х Су, % п Х±Зх Су, %

МЧ 46 4,08±0,05 8,2 37 4,17±0,06 8,9 20 4,28±0,09 9,0

Ф 14 4,13±0,08 7,4 14 4,26±0,07 6,5 12 4,07±0,11 9,1

РШГ 5 3,97±0,14 7,6 5 3,97±0,18 10,2 5 3,88±0,12 7,0

РС 93 4,15±0,03 6,6 53 4,20±0,05 9,5 24 4,09±0,09 10,3

УИ 69 3,91±0,04 7,8 36 4,12±0,05 7,3 17 4,13±0,09 9,0

ФГ 4 3,97±0,12 6,1 3 3,76±0,10 4,5 2 3,92±0,02 0,5

ВБА 25 4,22±0,08 9,9 21 4,22±0,08 8,3 6 3,75±0,17 11,0

СТР 24 4,26±0,06 6,7 13 4,03±0,11 10,0 6 4,09±0,19 11,1

Результаты анализа содержания белка в молоке разных генеалогических линий изложены в таблице 3.

Наивысшее значение данного показателя по 1-й лактации выявлено у коров линий ВБА (3,12%) и СТР (3,11%), по 2-й лактации - у коров линии ФГ (3,18%), по 3-й лактации - у коров ФГ (3,46%). Наименьшие значения показателя молочного белка по 1-, 2- и 3-й лактациям отмечены у коров линий Ф (2,95%), РШГ (2,90%) и Ф (2,93%)

Таблица 3

Содержание белка в молоке коров черно-пестрой породы различной

линейной принадлежности за 305 дней лактации

Линия 1-я лактация 2-я лактация 3-я лактация

п Су, % п Х±йх Су, % п Х±йх Су, %

МЧ 43 3,00±0,03 6,07 33 3,06±0,04 6,78 18 3,04±0,04 5,6

ф 10 2,95±0,04 4,4 13 3,05±0,04 4,8 11 2,93±0,05 5,6

РШГ - - - 3 2,90±0,10 5,7 4 2,96±0,09 6,0

РС 90 3,09±0,02 5,1 51 3,14±0,03 6,1 23 3,07±0,04 6,3

УИ 66 3,08±0,02 5,6 35 3,06±0,04 8,2 16 3,01±0,03 4,2

ФГ 4 2,97±0,05 3,2 3 3,18±0,07 3,9 2 3,46±0,15 6,1

ВБА 23 3,12±0,03 5,0 19 3,14±0,05 7,0 5 3,13±0,09 6,8

СТР 24 з,п±о,оз 4,4 13 3,06±0,07 7,9 6 2,98±0,06 4,8

Проведенный дисперсионный анализ влияния линейной принадлежности коров на показатели их молочной продуктивности по результатам первых трех лактации, выявил достоверные отличия по 1-й лактации по показателям удоя (р< 0,01), содержания жира в молоке (р< 0,001), количества молочного жира (р< 0,01) и содержания молочного белка (р< 0,01), а также по 3-й лактации - по показателю содержания молочного белка (р< 0,01).

Кластерный анализ генетических расстояний между линиями показал выраженную генетическую дифференциацию отдельных генеалогических линий в отношении уровня показателей молочной продуктивности (ри'с. 2).

мч РС УМ ВВА СТР Ф РШГ ФГ

4 б

Евклидова яистаиция

Примечание: Значения бут-стреп вероятностей формирования «ветвей» указаны над соответствующими ветвями.

Рис. 2. Генетические взаимоотношения между линиями коров на основе показателей молочной продуктивности по первой-третьей лакгациям

Как показано на рисунке 2, на дендограмме формируется два кластера с бут-стреп вероятностью 100%: первый включает МЧ, РС, УИ, ВБА и СТР, второй - линии Ф, РШГ и ФГ. Наибольшей близостью внутри первого кластера характеризуются коровы линий МЧ, РС и УИ, внутри второго

кластера - коровы линий Ф и РШГ. Бут-стреп вероятности формирования ветвей внутри кластеров являются относительно низкими.

3.2. Распределение частот встречаемости генотипов и аллелей ДНК-маркеров GH, DGAT1 И TG5 у коров черно-пестрой породы Результаты анализа распределения генотипов и аллелей изучаемых ДНК-маркеров в выборке коров представлены в таблице 4.

Таблица 4

Распределение генотипов и аллелей ДНК-маркеров GH, DGAT1 и TG5 у

коров черно-пестрой породы (п=280)

Маркер Частоты встречаемости

генотипов, % аллелей, %

GH LL LV VV L V

60,4 35,7 3,9 78,2 21,8

DGAT1 АА АК КК А К

7,9 60,3 31,8 38,0 62,0

TG5 СС CT TT С Т

38,6 61,4 0,0 69,3 30,7

Как показано в таблице 4, наибольшие частоты встречаемости отмечались для аллеля Ь (78,2%) и гомозиготного генотипа IX (60,4%) в гене ОН, для аллеля К (62,0%) и гетерозиготного генотипа АК (60,3%) - в гене БОАН и для аллеля С (69,3%) и гетерозиготного генотипа СТ (61,4%) - в гене ТС5. Анализ генного равновесия по Харди-Вайнбергу показал смещение генного равновесия по всем исследованным ДНК-маркерам (р<0,001).

3.3. Генетическая структура различных генеалогических линий по ДНК-маркерам вН, БСАТ1 и ТС5 3.3.1. Аллельные профили коров различных генеалогических линий по изучаемым ДНК-маркерам Результаты анализа распределения аллелей ДНК-маркеров ОН, БОАТ1 и Т05 у коров 8-и генеалогических линий, а также оценки их эффективного числа показаны в таблице 5.

Таблица 5

Частота встречаемости аллелей в отношении трех генов у коров различных

линий

Локус Аллель Линия

МЧ Ф РШГ PC УИ ФГ ВБА СТР

GH L 0,772 0,763 0,900 0,768 0,893 0,813 0,875 0,780

V 0,228 0,237 0,100 0,232 0,107 0,188 0,125 0,110

DGAT1 А 0,380 0,419 0,400 0,377 0,286 0,313 0,375 0,340

К 0,620 0,581 0,600 0,623 0,714 0,688 0,625 0,660

TG5 С 0,663 0,694 0,600 0,725 0,679 0,667 0,625 0,740

Т 0,337 0,306 0,400 0,275 0,321 0,333 0,375 0,260

Как показано в таблице 5, наивысшими значениями частоты встречаемости аллеля Ь гена ОН характеризовались коровы линий РШГ (0,900), УИ (0,893) и ВБА (0,875), минимальное значение было отмечено у коров линии Ф (0,763). В отношении гена БОАТ1 наибольшее значение частоты встречаемости аллеля К выявлено в линии УИ (0,714), наименьшее -в линии Ф (0,581). В отношении гена ТС5, среди коров исследуемого стада преобладали носители аллеля С, частота которого в различных линиях варьировала от 0,600 у коров линии РШГ до 0,740 у коров линии СТР.

Результаты анализа числа эффективных аллелей (Не) в отношении трех изучаемых генов показаны на рисунке 3.

*всж

□

0TGS

Рис. 3. Эффективное число аллелей (Ne) в отношении трех генов для коров

различных линий

Наибольшим числом эффективно действующих в популяции аллелей (Ne) в отношении гена GH характеризовались коровы линии СТР (1,61), а наименьшим - коровы линии РШГ (1,22). У коров линии Ф было отмечено максимальное число эффективных аллелей (1,95) по гену DGAT1. Близкие значения также выявлены в линиях РШГ (1,92) и ВБА (1,89). Самый низкий уровень полиморфности наблюдался у коров линии УИ (1,64). По гену TG5 наибольшим уровнем полиморфности характеризовались коровы линий РШГ (1,92) и МЧ (1,81), при этом линия СТР имела наименьшее значение данного показателя (1,63).

3.3.2. Анализ уровня гетерозиготности популяции по изучаемым ДНК-маркерам Значение уровня гетерозиготности зависит от того, какая система маркеров используется для расчета данного показателя. Поэтому прямое сравнение данного показателя следует проводить только внутри одной маркерной системы при использовании одинакового набора локусов. Вместе с тем следует отметить, что ранжирование групп животных по показателю уровня гетерозиготности имеет одинаковую тенденцию вне зависимости от используемой системы генетических маркеров. В таблице 6 приведены

показатели генетического разнообразия в отношении изучаемых локусов для коров различной линейной принадлежности.

Таблица 6

Показатели генетического разнообразия в отношении трех локусов для _коров различных линий_

Локус Показатель Линия

МЧ Ф РШГ PC УИ ФГ ВБА СТР

GH Но 0,370 0,409 0,200 0,319 0,214 0,292 0,250 0,440

Не 0,352 0,361 0,180 0,356 0,191 0,305 0,219 0,343

Fis. -0,049 -0,131 -0,111 0,105 -0,120 0,043 -0,143 -0,282

DGAT1 Но 0,587 0,538 0,800 0,667 0,571 0,625 0,750 0,600

Не 0,471 0,487 0,480 0,470 0,408 0,430 0,469 0,449

Fis -0,245 -0,104 -0,667 -0,419 -0,400 -0,455 -0,600 -0,337

TG5 Но 0,674 0,613 0,800 0,551 0,643 0,667 0,750 0,520

Не 0,447 0,425 0,480 0,399 0,436 0,444 0,469 0,385

Fis -0,508 -0,442 -0,667 -0,380 -0,474 -0,500 -0,600 -0,351

Примечание: Но - наблюдаемая гетерозиготность; Не - ожидаемая гетерозиготность; Fis - индекс фиксации.

Как показано в таблице 6, значение коэффициента инбридинга у индивидуумов по отношению к субпопуляции (Fis) имеет отрицательное значение практически во всех линиях исследованного стада, что указывает на смещение генетического равновесия в сторону избытка гетерозигот в данных группах.

Исключение составили линии PC и ФГ, где было отмечено положительное значение коэффициент Fis по гену GH, что свидетельствует о недостатке гетерозигот в данных линиях.

333. Характеристика генетических связей между линиями коров по изучаемым ДНК-маркерам

На основании частот встречаемости аллелей изучаемых локусов нами были рассчитаны показатели стандартной генетической дистанции Нея М. (1983) между отдельными линиями коров. Результаты проведенного анализа в графическом выражении представлены на рисунке 4.

Как показано на рисунке 4, структура дендограммы имеет два кластера с бут-стреп вероятностью формирования 100%: первый кластер образован линиями МЧ, Ф, PC и СТР, а второй - линиями РШГ, ВБА, УИ и ФГ. Наибольшей близостью в отношении частот встречаемости изучаемых ДНК-маркеров характеризуются линии PC и СТР с бут-стреп вероятностью формирования ветви 70%.

мч ф

PC СТР РШГ BSA. УМ ФГ

0,00 0,02 0.04 О, Об О.Ов О.Ю О, 12 О, 14 О, 16 Генетическая листениия М.Н^я

Примечание: значения бут-стреп вероятностей формирования «ветвей» указаны над соответствующими ветвями. Рис. 4. Дендрограмма генетической близости коров различных линий.

Результаты анализа показателей р-статистики для каждого из локусов, а также средние значения для трех локусов показаны в таблице 7.

Таблица 7

Показатели ^-статистики и числа мигрантов (//от) на основе частот трех _ локусов между различными линиями коров_

Показатель Локус В среднем для трех локусов

GH DGAT1 TG5

Fis -0,080 -0,402 -0,497 -0,327

Fit -0,058 -0,392 -0,484 -0,311

Fst 0,021 0,008 0,009 0,012

Nm 11,7 32,2 28,3 19,8

Как следует из данных таблицы 7, были установлены высокие отрицательные значения показателей Fis и Fit, что указывает на значимый избыток гетерозигот. Низкие значения индекса фиксации (Fst) и, наоборот, высокие - числа мигрантов (Nm) свидетельствуют о слабой генетической дифференциации между линиями в отдельности.

Для более детального исследования генетической структуры анализируемого стада по изучаемым ДНК-маркерам нами был использован мультилокусный подход. Результаты анализа генетической близости изучаемых генеалогических линий на основании частот встречаемости мультилокусных генотипов показаны на рисунке 5. Мультилокусный подход привел к существенным изменениям структуры дерева по сравнению с однолокусным подходом (рис. 4). Семь линий коров за исключением линии ВБА формируют общий кластер с бут-стреп вероятностью 100%.

мч ф

рс фг стр РШГ

ни вб А

X.О 1.2 1.4

Евклидова дистанция

Примечание: значения бут-стреп вероятностей формирования «ветвей» указаны над соответствующими ветвями.

Рис. 5. Дендрограмма генетической близости коров различных линий, построенная на основе частот встречаемости мультопокусных генотипов

Внутри кластера с бут-стреп вероятностью 66% выделяется две ветви. Одна из которых, образована коровами линий МЧ, Ф, РС, ФГ и СТР, а вторая - коровами линий РШГ и УИ. Принимая во внимание более высокие значения бут-стреп вероятностей формирования отдельных ветвей, можно заключить, что мультилокусный подход к анализу генетической структуры стада приводит к более четкой линейной дифференциации по сравнению с подходом, основанным на рассмотрении каждого из изучаемых локусов в отдельности.

3.4 Изучение влияния генотипов коров по ДНК-маркерам

на показатели молочной продуктивности 3.4.1. Молочная продуктивность коров с различными генотипами

по вН

Анализ показателей молочной продуктивности коров в группах с различными генотипами по вН показан в таблице 8.

Таблица 8

Показатели изменчивости признаков молочной продуктивности коров в

Показатели Генотипы (X ± Бх

IX ЬУ УУ

1-я лактация п=169 п=100 п=11

Удой, га- 6548,9 ±76,0 6380,8 ±96,9 6423,8 ±367,5

Жир, % 4,12 ±0,03 4,04 ±0,03 4,01 ±0,08

Молочный жир, кг 267,9 ±3,7 258,2 ±4,5 258,9 ±17,5

Белок, % 3,07 ±0,01 3,06 ± 0,02 3,12 ±0,05

Молочный белок, кг 202,4 ± 2,9 197,8 ±3,0 200,6 ± 12,7

2-я лактация п=108 п=67 п=8

Удой, га- 6986,3 ±116,4 7201,5 ± 156,1 7120,3 ± 380,1

Жир, % 4,19 ±0,04 4,13 ± 0,04 4,11 ±0,10

Показатели Генотипы (X ± Бх

IX ЬУ УУ

Молочный жир, кг 291,1± 4,8 297,1 ±7,0 291,8 ±16,1

Белок, % 3,08 ± 0,02 3,10 ±0,03 3,09 ± 0,06

Молочный белок, кг 215,1 ±3,8 223,1 ±7,0 220,4 ± 14,0

3-я лактация п=55 п=33 п=5

Удой, кг 7282,1 ± 199,1 8101,1 ±255,7 8329,2 ± 349,9*

Жир, % 4,15 ± 0,06 4,00 ± 0,07 4,07 ±0,12

Молочный жир, кг 302,7 ±9,3 322,9 ± 10,9 340,5 ±23,6

Белок, % 3,04 ± 0,03 3,02 ± 0,03 3,08 ± 0,06

Молочный белок, кг 226,6 ± 5,0 246,9 ±8,4 256,3 ± 10,9*

Примечание: *р< 0,05.

Из данных таблицы видно, что коровы с генотипом УУ за 3-ю лактацию достоверно превосходили своих сверстниц с генотипом IX по уровню удоя на 1047,1 кг и количеству молочного белка - на 29,7 кг.

3.4.2. Молочная продуктивность коров с различными генотипами по БСАТ1

Анализ молочной продуктивности в группах коров с различными генотипами по ООАТ1 показал, что достоверного влияния генотипа на показатели молочной продуктивности коров выявлено не было.

В качестве тенденции следует отметить превосходство коров с генотипом АА над сверстницами с генотипами АК и КК по уровню удоя по 1-3-й лактациям, при этом, по итогам 3-й лактации, различия носили наиболее выраженный характер (табл. 9).

Таблица 9

Показатели изменчивости признаков молочной продуктивности коров в

отношении различных генотипов по локусу РвАТ!

Показатели Генотипы (X ± Бх'

АА АК КК

1-я лактация п=22 п=169 п=89

Удой, кг 6635,7 ± 176,0 6405,8 ± 78,0 6594,9 ± 103,4

Жир, % 4,18 ±0,07 4,07 ±0,03 4,10 ±0,03

Молочный жир, кг 277,0 ±8,1 260,8 ±3,6 267,1 ± 5,4

Белок, % 3,14 ±0,04 3,06 ± 0,01 3,06 ± 0,02

Молочный белок, кг 208,1 ±5,1 198,9 ± 2,6 202,1 ±4,2

2-я лактация п—11 п=110 п=62

Удой, кг 7275,4 ±415,4 7152,2 ±112,8 6890,6 ± 162,4

Жир, % 4,20 ± 0,09 4,14 ±0,03 4,20 ± 0,05

Молочный жир, кг 305,8 ± 18,4 294,9 ± 4,8 288,2 ±7,1

Белок, % 3,10 ±0,07 3,06 ± 0,02 3,13 ±0,03

Молочный белок, кг 224,7 ± 12,4 218,6 ±4,5 216,3 ± 5,8

Показатели Генотипы (X ± Бх)

АА АК КК

Удой, кг 8361,7 ±703,4 7521,6 ±187,0 7779,0 ±297,2

Жир, % 4,05 ±0,24 4,09 ±0,05 4,11 ±0,08

Молочный жир, га- 341,9 ±47,1 307,6 ±8,4 317,9 ±12,7

Белок, % 3,06 ±0,10 3,03 ± 0,03 3,04 ± 0,03

Молочный белок, кг 256,4 ± 26,8 233,0 ±4,8 237,9 ±9,1

3.43. Молочная продуктивность коров с различными генотипами

поТв5

Результаты анализа молочной продуктивности коров с различными генотипами по локусу Т05 представлены в таблице 10.

Как следует из данных таблицы 10, коровы с генотипом СТ достоверно превосходили сверстниц с генотипом СС по количеству молочного жира по итогам 2-й лактации на 15,6 кг (р<0,05).

Таблица 10

Показатели изменчивости признаков молочной продуктивности исследуемых

коров в отношении различных генотипов по локусу Тв5

Показатели Генотипы (X ± Бх)

СС СТ

1-я лактация п=108 п=172

Удой, кг 6440,6 ± 85,6 6511,2 ±80,1

Жир, % 4,09 ± 0,03 4,09 ±0,02

Молочный жир, кг 261,2 ±4,7 265,9 ±3,6

Белок, % 3,07 ± 0,02 3,06 ± 0,01

Молочный белок, кг 196,6 ± 3,3 203,5 ± 2,7

2-я лактация п=71 п=112

Удой, кг 6895,6 ± 128,4 7182,1 ± 123,3

Жир, % 4,14 ±0,04 4,18 ±0,03

Молочный жир, кг 284,4 ±5,4 299,0 ±5,3*

Белок, % 3,08 ± 0,02 3,09 ±0,02

Молочный белок, кг 213,2 ±4,2 221,6 ± 4,9

3-я лактация п=34 п=59

Удой, га- 7943,3 ± 171,4 7447,9 ± 221,2

Жир, % 4,03 ± 0,06 4,13 ±0,06

Молочный жир, кг 319,5 ±7,9 307,5 ±9,9

Белок, % 3,03 ± 0,03 3,03 ± 0,03

Молочный белок, кг 240,2 ±5,0 232,4 ± 6,3

Примечание: *р<0,05.

3.4.4. Влияние мультилокусных генотипов по GH, DGAT1 и TG5 на показатели молочной продуктивности коров различных генеалогических линий В связи с тем, что мультилокусный подход к анализу генетической структурированности животных изученного стада выявил более четкую линейную дифференциацию, то нами были рассмотрены возможные связи между распределением мультилокусных генотипов по изучаемым ДНК-маркерам в генеалогических линиях, с показателями молочной продуктивности. Проведенный анализ показал наличие достоверной связи некоторых мультилокусных генотипов с показателями молочной продуктивности коров различных генеалогических линий (рис. 6).

ваоо 6600 g 6400

го

Ё 6200 бооо

СП 5600

5 ббоо

54 ОО

О.ОО

0,04 о.оа 0.12 0:16

Чэгтога гекстиггэ LZ*/.".7.

0.20 0.24

А 0,28

а. б

4,30 4,25 4,20 4.15 4,1 О 4.05 4,00 3,05 3.SO 3,os

ИНГ УИ

О.ОА 0,08 0.12

^агготд г ь:-"."тиг п

0.1в

tvv А

0,24

Рис. 6. Показатели продуктивности и частоты встречаемости отдельных мультилокусных генотипов по GH, DGAT1 и TG5 у первотелок

Так, наблюдалась достоверная корреляция (р<0,05) между частотой встречаемости генотипа LL/AK/CC и уровнем удоя за 305 дней 1-ой лактации (рис. 6 А), а так же достоверная корреляция (р<0,01) между частотой встречаемости генотипа LV/AK/CC и содержанием жира в молоке по 1-й лактации (рис. 6 Б).

4. ВЫВОДЫ

1. Выявлены достоверные различия по показателям молочной продуктивности коров различных генеалогических линий по результатам 3-й лактации: по уровню удоя (F = 2,78; р = 0,0083), содержанию жира в молоке (F = 5,74; р = 0,0000), количеству молочного жира (F = 3,48; р = 0,0014), содержанию белка в молоке (F = 3,53; р = 0,0022) и количеству молочного белка (F = 3,08; р = 0,0064).

2. Исследование полиморфизма ДНК-маркеров гормона роста (GH), диацилглицерол О-ацилтрансферазы 1 (DGAT1) и тиреоглобулина (TG5) у коров черно-пестрой породы показало наличие аллелей L и V, А и К, С и Т, соответственно. Максимальные частоты встречаемости отмечены для генотипа LL по GH (60,4%), генотипа АК по DGAT1 (60,3%) и генотипа СТ по TG5 (61,4%).

3. Анализ распределения генотипов и аллелей ДНК-маркеров GH, DGAT1 и TG5 показал отсутствие достоверных различий между генеалогическими линиями коров. Частота встречаемости аллеля L гена GH варьировала от 0,763 в линии Франса до 0,900 в линии Рамандейл Шаммар Гениуса; аллеля К гена DGAT1 - от 0,581 в линии Франса до 0,714 в линии Уес Идеала; аллеля С гена TG5 - от 0,725 в линии Рефлекшен Соверинга до 0,740 в линии Силинг Трайджун Рокита. За исключением линий Рефлекшн Соверинга и Файнтелекс Грейлита по локусу GH, во всех генеалогических линиях установлен избыток гетерозигот по трем изучаемым ДНК-маркерам.

4. Установлена более четкая линейная дифференциация стада при использовании подхода, основанного на мультилокусных генотипах, по сравнению с анализом по отдельными локусам ДНК-маркеров GH, DGAT1 и TG5. Линии Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита, Силинг Трайджут Рокита, Рамандейл Шаммар Гениуса и Уес Идеала с бут-стреп вероятностью 100% образуют общий кластер. Внутри кластера с бут-стреп вероятностью 66% выделяется две ветви, одна из которых образована коровами линий Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита и Силинг Трайджут Рокита, а вторая - коровами линий Рамандейл Шаммар Гениуса и Уес Идеала.

5. Анализ показателей F-статистики для каждого локуса, а также средние оценки для трех локусов показали высокие отрицательные значения показателей Fis и Fit (-0,327 и -0,311 в среднем для трех локусов, соответственно), что свидетельствует о значимом избытке гетерозигот в популяции. Низкие значения Fst (0,012) и, наоборот, высокие - для Nm (19,8) указывают на слабую генетическую дифференциацию между генеалогическими линиями по отношению к изучаемым ДНК-маркерам.

6. Установлены различия по некоторым показателям молочной продуктивности между группами коров с различными генотипами по изучаемым ДНК-маркерам. Коровы с генотипом VV по GH достоверно превосходили своих сверстниц по уровню удоя на 1047,1 кг (р<0,05) и количеству молочного белка за 3-ю лактацию на 29,7 кг ф<0,05). Коровы с генотипом СТ по TG5 достоверно превосходили сверстниц с генотипом СС по количеству молочного жира по итогам 2-й лактации на 14,6 кг (р<Р,05). Показана тенденция превосходства коров с генотипом АА по DGAT1 по

уровню удоя на 229,9, 384,8 и 840,1 кг по результатам 1-, 2- и 3-й лактаций, соответственно.

7. Установлены достоверные зависимости между распределением мультилокусных генотипов и уровнем молочной продуктивности первотелок различных генеалогических линий: генотипа LL/AK/CC и уровня удоя за 305 дней лактации (р<0,05), генотипа LV/AK/CC и содержания жира в молоке 0X0,01).

5. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ

Лабораториям молекулярно-генетической экспертизы для накопления в стадах желательных комплексных генотипов рекомендуем проводить генетическое тестирование коров черно-пестрой породы по генам гормона роста (GH), диацилглицерол О-ацилтрансферазы 1 (DGAT1) и тиреоглобулина (TG5).

Список опубликованных работ

В журналах, рекомендованных ВАК.

1. Харзинова, В.Р. Полиморфизм ДНК-маркеров DGAT1, TG5 и GH в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы / Харзинова В.Р., Зиновьева H.A., Гладырь Е.А // Проблемы биологии продуктивных животных. 2011 - № 1. С. 73-77.

2. Зиновьева, H.A. Роль ДНК - маркеров признаков продуктивности сельскохозяйственных животных I Зиновьева H.A., Костюнина О.В., Гладырь Е.А., Банникова А.Д., Харзинова В.Р., Ларионова П.В., Шавырина K.M., Эрнст Л.К. // Зоотехния. 2010 - №1. С. 8-10.

В других изданиях.

3. Харзинова, В.Р. Полиморфизм гена BGH у коров черно-пестрой породы / Харзинова В.Р., Зиновьева H.A., Гусев И.В. // Сборник трудов международной научно-практической конференции «Проблемы увеличения производства продуктов животноводства и пути их решения», Дубровицы, 21-28 октября 2008. - С. 442-443.

4. Харзинова, В.Р. Изучение полиморфизма гена DGAT1 у коров черно-пестрой породы и его связи с признаками молочной продуктивности / Харзинова В.Р., Зиновьева H.A. // Сборник материалов научной конференции «Достижения в генетике, селекции и воспроизводстве сельскохозяйственных животных», 9-11 июня 2010. - С. 19-22.

5. Харзинова, В.Р. Генетическая структура коров различных генеалогических линий / Харзинова В.Р., Зиновьева H.A. // В сборнике Международной конференции «ЕС - Россия: 7-я Рамочная программа в области биотехнологии, сельского, лесного, рыбного хозяйства и пищи», г. Уфа, БашГАУ, 29 сент. - 5 окт. 2010. - С. 142-144.

6. Харзинова, В.Р. Технология раннего отбора животных по жирномолочности посредством современной ДНК-диагностики / Харзинова В.Р Л Сборник трудов 7-ой Международной научной конференции-школы: «Современные достижения и проблемы биотехнологии сельскохозяйственных животных: роль нанотехнологий в реализации приоритетных задач биотехнологии», БиоТехЖ, Дубровицы, 2008. - С. 282284.

Издательство ГНУ ВИЖ Россельхозакадемии Тел. (8-4967) 65-13-18 (8-4967) 65-15-97

Сдано в набор 11.05.2011. Подписано в печать 11.05.2011. _Заказ № 15. Печ. л. 1,0. Тираж 100 экз._

Отпечатано в типографии ГНУ ВИЖ Россельхозакадемии

Содержание диссертации, кандидата биологических наук, Харзинова, Вероника Руслановна

СПИСОК СОКРАЩЕНИЙ

1. ВВЕДЕНИЕ

2. ОБЗОР ЛИТЕРАТУРЫ

2.1. Маркер - зависимая селекция ^ *

2.1.1. Генетические маркеры (ДНК-маркеры)

2.1.1.1. ДНК-маркеры, основанные на анализе 19 рестрикционного полиморфизма

2.1.1.2. ДНК-маркеры, основанные на полимеразной 21 цепной реакции

2.1.1.3. ДНК-маркеры, основанные на полимеразной цепной 21 реакции с праймерами, имеющие множественную локализацию в геноме.

2.1.2. Гены-кандидаты

2.2. ДНК-маркеры признаков продуктивности

2.2.1. Ген гормона роста (Bovine growth hormone, GH)

2.2.2. Ген диацилглицерол О-ацилтрансферазы 29 1 (Diacylglycerol О-Асу transferase 1, DGAT1)

2.2.3. Ген тиреоглобулина (Thyroglobulin, TG5)

2.3. Обзор молекулярных методов, используемых в 33 геномном анализе.

2.3.1. Метод полимеразной цепной реакции (ПЦР, 33 Polymerase chain reaction, PCR) и ее модификации.

2.3.2. Ферментативные методы

2.3.3. Методы детекции на твердой фазе

2.3.4. Физические методы 41 2.4. ЗАКЛЮЧЕНИЕ

3. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ

3.1. Объекты и материалы исследований

3.2. Методы исследований

4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ 52 4.1. Анализ показателей молочной продуктивности изучаемой выборки коров черно-пестрой породы ФГУП «Кленово-Чегодаево»

4.2. Распределение частот встречаемости генотипов и 62 аллелей ДНК - маркеров GH, DGAT1 и TG5 у коров черно-пестрой породы

4.3. Генетическая структура коров различных 64 генеалогических линий по ДНК - маркерам GH, DGAT1 и TG

4.3.1. Аллельные профили коров различных 64 генеалогических линий по изучаемым ДНК-маркерам

4.3.2. Анализ уровня гетерозиготности популяции по 67 изучаемым ДНК - маркерам

4.3.3. Характеристика генетических связей между линиями 68 коров по изучаемым ДНК - маркерам

4.4. Изучение влияния генотипов коров по ДНК маркерам на показатели молочной продуктивности

4.4.1. Молочная продуктивность коров с различными 74 генотипами по ОН

4.4.2. Молочная продуктивность коров с различными 79 генотипами по ООАТ

4.4.3. Молочная продуктивность коров с различными 84 генотипами по Т

4.4.4. Влияние мультилокусных генотипов по ОН, ВОАТ1 и 85 Т05 на показатели молочной продуктивности коров различных генеалогических линий

5. ОБСУЖДЕНИЕ

6. ВЫВОДЫ

7. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ

Введение Диссертация по биологии, на тему "Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы"

Актуальность темы

Повышение уровня молочной продуктивности является одной из основных целей селекции пород скота молочного направления продуктивности (Стрекозов Н.И. и др., 2006). В качестве дополнительного критерия отбора по таким признакам, в этой связи, рассматривается использование генотипа животных по ДНК-маркерам, что позволит перевести селекционный процесс на принципиально новый уровень (Калашникова Л.А., Дутш М.И., Глазко В.И., 2000). Наибольший интерес, в этом аспекте, представляют ДНК-маркеры локусов количественных признаков (QTL). Использование в селекции методов анализа непосредственно QTL или сцепленных с ними генов имеет ряд преимуществ перед традиционными методами селекции (Зиновьева H.A., 2002). В связи с тем, что такая селекция основана непосредственно на анализе генотипа, то она не учитывает изменчивость хозяйственно - полезных признаков, которая обусловлена факторами внешней среды и делает возможным проводить селекцию в раннем возрасте, независимо от пола животных. Оценка животных по связанным с QTL генетическим маркерам особенно важна для таких признаков, которые фенотипически выявляются относительно поздно или только у животных одного пола, а также для тех признаков, на уровень проявления которых значительное влияние оказывают внешние факторы. Более того, оценка генотипа животных позволяет оценить состояние генетической структуры популяций, степень консолидации, а также проследить направление процессов изменчивости в динамике (Букаров Н.Г., 1995, Букаров Н.Г., 2004; Стрекозов Н.И и др., 2009).

В качестве генов-кандидатов молочной продуктивности коров (уровня удоя, содержания молочного жира и белка) считаются гены гормона роста (GH), диацилглицерол О-ацилтрансферазы (DGAT1) и тиреоглобулина (TG5) (Dybus А., 2002, Winter et.al., 2002, Pawar R.S., 2007, Casas et al, 2007,

Михайлова М.Е., 2008). ОН является важнейшим регулятором соматического роста животных, обладающий лактогенным, жиромобилизующим действием. ООАТ1 - микросомальный энзим, катализирующий последний этап синтеза триглицеридов. Т05 - гликопротеин, предшественник, гормонов, участвующих в образовании жировых клеток. Выбор вышеназванных генов в качестве ДНК-маркеров обусловлен участием кодируемых ими белков в процессах формирования отдельных компонентов молока (функциональные гены-кандидаты).

Неотъемлемым элементом управления процессом совершенствования стад по племенным и продуктивным качествам в ряде предприятий является создание и поддержание определенной линейной структуры. Линии и родственные группы являются важными структурными элементами породы, позволяющими совершенствовать стада по племенным и продуктивным качествам. В этой связи, аллелофонд животных по ДНК-маркерам следует рассматривать не только в масштабах стада в целом, но и в аспекте отдельных генеалогических линий. Такой подход обеспечит возможность проведения отбора животных с учетом генотипа по ДНК-маркерам при сохранении заданной линейной структуры стада. Это совершенно справедливо, потому что основная цель селекции - это увеличение продуктивности животных, т.е. в конечном итоге продуктов питания (Кленовгщкий П.М. и др., 2004).

Исходя из вышеизложенного, актуальным является изучение генотипов ДНК-маркеров ОН, БОАТ1 и Т05 в связи с линейной принадлежностью и уровнем молочной продуктивности коров.

Цель и задачи исследования

Целью настоящей работы является изучение генотипов ДНК-маркеров ОН, ООАТ1 и Т05 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы.

Для достижения поставленной цели были решены следующие задачи:

1. Изучить уровень молочной продуктивности коров черно-пестрой породы различных генеалогических линий.

2. Выполнить анализ распределения генотипов и аллелей ДНК-маркеров ОН, ООАТ1 и Тв5 в изучаемой выборке коров.

3. Оценить генетическую структуру генеалогических линий коров по изучаемым ДНК-маркерам.

4. Выполнить анализ связи генотипов ДНК-маркеров ОН, БОАТ1 и Т05 с показателями молочной продуктивности коров черно-пестрой породы.

Научная новизна исследований

Изучен аллелофонд коров черно-пестрой породы по ДНК-маркерам ОН, БОАТ1 и Т05 в аспекте отдельных генеалогических линий. Показано, что мультилокусный подход к анализу генетической структурированности стада приводит к более четкой линейной дифференциации по сравнению с подходом, основанным на рассмотрении каждого из изучаемых локусов в отдельности. Установлены зависимости между распределением мультилокусных генотипов по изучаемым ДНК-маркерам в генеалогических линиях и показателями молочной продуктивности коров.

Практическая значимость

Дана характеристика уровня молочной продуктивности коров черно-пестрой породы различной линейной принадлежности. Установлено достоверное положительное влияние генотипов изучаемых ДНК-маркеров на показатели молочной продуктивности коров: генотипа УУ по ОН — на уровень удоя и количество молочного белка по 3-й лактации (р<0,05), генотипа СТ по ТС5 - на количество молочного жира по 2-й лактации (р<0,05). Выявлены мультилокусные генотипы, достоверно коррелирующие с показателями молочной продуктивности первотелок различных генеалогических линий: генотип ЬЬ/АА/СС - с уровнем удоя (р < 0,05), генотип ЬУ/АА/СС - с содержанием жира в молоке (р <0,01).

Основные положения, выносимые на защиту:

• Аллельные профили коров черной пестрой породы различных генеалогических линий по ДНК-маркерам ОН, ЭОАТ1 и Т05.

• Мультилокусный подход в оценке генетической структуры стада.

• Влияние генотипов по ОН и Т05 на показатели молочной продуктивности коров.

Апробация работы

Результаты исследований были доложены и обсуждены на следующих конференциях:

Публикации результатов исследований

По материалам диссертации опубликовано 6 научных работ, в том числе 2 статьи в журналах, рекомендованных ВАК РФ (Зоотехния, Проблемы биологии продуктивных животных).

Структура и объем работы

Диссертация написана на 115 страницах, состоит из следующих разделов: введение, обзор литературы, материалы и методы исследований, результаты и обсуждение, выводы, практические предложения, список литературы. Диссертационная работа содержит 27 таблиц и 18 рисунков. Список литературы включает 128 источников, в том числе 90 источников на иностранном языке.

Заключение Диссертация по теме "Генетика", Харзинова, Вероника Руслановна

6. ВЫВОДЫ

1. Выявлены достоверные различия по показателям молочной продуктивности коров различных генеалогических линий по результатам 3-й лактации: по уровню удоя (Г = 2,78; р = 0,0083), содержанию жира в молоке (Б = 5,74; р = 0,0000), количеству молочного жира (Б = 3,48; р = 0,0014), содержанию белка в молоке (Б = 3,53; р = 0,0022) и количеству молочного белка (Р = 3,08; р = 0,0064).

2. Исследование полиморфизма ДНК-маркеров гормона роста (ОН), диацилглицерол О-ацилтрансферазы 1 (ВОАТ1) и тиреоглобулина (Т05) у коров черно-пестрой породы показало наличие аллелей Ь и V, А и К, С и Т, соответственно. Максимальные частоты встречаемости отмечены для генотипа IX по ОН (60,4%), генотипа АК по БОАП (60,3%) и генотипа СТ по Т05 (61,4%).

3. Анализ распределения генотипов и аллелей ДНК-маркеров ОН, БОАТ1 и Т05 показал отсутствие достоверных различий между генеалогическими линиями коров. Частота встречаемости аллеля Ь гена ОН варьировала от 0,763 в линии Франса до 0,900 в линии Рамандейл Шаммар Гениуса; аллеля К гена БОАТ1 - от 0,581 в линии Франса до 0,714 в линии Уес Идеала; аллеля С гена Т05 - от 0,725 в линии Рефлекшен Соверинга до 0,740 в линии Силинг Трайджун Рокита. За исключением линий Рефлекшн Соверинга и Файнтелекс Грейлита по локусу ОН, во всех генеалогических линиях установлен избыток гетерозигот по трем изучаемым ДНК-маркерам.

4. Установлена более четкая линейная дифференциация стада при использовании подхода, основанного на мультилокусных генотипах, по сравнению с анализом по отдельными локусам ДНК-маркеров ОН, БОАТ1 и Т05. Линии Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита, Силинг Трайджут Рокита, Рамандейл Шаммар Гениуса и Уес Идеала с бут-стреп вероятностью 100%) образуют общий кластер. Внутри кластера с бут-стреп вероятностью 66% выделяется две ветви, одна из которых образована коровами линий Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита и Силинг Трайджут Рокита, а вторая - коровами линий Рамандейл Щаммар Гениуса и Уес Идеала.

6. Установлены различия по некоторым показателям молочной продуктивности между группами коров с различными генотипами по изучаемым ДНК-маркерам. Коровы с генотипом VV по GH достоверно превосходили своих сверстниц по уровню удоя на 1047,1 кг (р < 0,05) и количеству молочного белка за 3-ю лактацию на 29,7 кг (р < 0,05). Коровы с генотипом СТ по TG5 достоверно превосходили сверстниц с генотипом СС по количеству молочного жира по итогам 2-й лактации на 14,6 кг (р < 0,05). Показана тенденция превосходства коров с генотипом АА по DGAT1 по уровню удоя на 229,9, 384,8 и 840,1 кг по результатам 1-, 2- и 3-й лактаций, соответственно.

7. Установлены достоверные зависимости между распределением мультилокусных генотипов и уровнем молочной продуктивности первотелок различных генеалогических линий: генотипа LL/AK/CC и уровня удоя за 305 дней лактации (р < 0,05), генотипа LV/AK/CC и содержания жира в молоке

Р<0,01).

7. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ

2.4. ЗАКЛЮЧЕНИЕ

Молекулярная характеристика может играть важную роль в раскрытии истории, оценке разнообразия, самобытности и популяционной структуры генетических ресурсов животных. Она также может помочь избежать избыточного инбридинга при генетическом управлении маленькими популяциями. Многие исследования описывают внутри- и межпопуляционное разнообразие - некоторые в весьма крупном масштабе. Однако эти исследования фрагментарны, их трудно сравнивать и обобщать. Более того, не проведены всесторонние международные обследования соответствующих видов. По этой причине стратегическое значение имеет разработка методов объединения существующих, частично перекрывающихся наборов данных, и обеспечение стандартизации образцов и маркеров для будущего использования в качестве стандартов для исследований во всех странах. Маркерные технологии эволюционируют и, похоже, что микросателлиты последовательно замещаются на SNP. Эти маркеры очень перспективны, поскольку число их в геноме велико, и они пригодны для автоматизации анализа и генотипирования (Goldstein D. et. all., 1999). Однако эффективность SNP в изучении разнообразия у видов животных до сих пор остается недостаточно исследованной. К этому вопросу необходимо относиться достаточно критично, для того, чтобы избежать накопления искаженных данных. Методы анализа данных также эволюционируют. Новые методы позволяют изучать разнообразие, не прибегая к предположениям a priori о структуре исследуемой популяции; использовать разнообразие для выявления адаптивных генов, обобщать информацию, полученную из различных источников, включая социально-экономические и экологические параметры. Принятие правильной стратегии формирования выборок и систематический сбор фенотипических и экологических данных, остаются ключевыми требованиями для использования полного потенциала новых технологий и подходов. Кроме изучения нейтральной изменчивости ведется активный поиск генов, влияющих на ключевые признаки. В первую очередь изучаются такие признаки как продуктивность, устойчивость к заболеваниям, качество конечной продукции. В этих целях используется ряд стратегий и новых высокоэффективных технологий. Идентификация QTL открывает новые возможности и ставит новые задачи в управлении генетическими ресурсами животных. Обнаружение в определенных популяциях уникальных аллелей или комбинаций аллелей по адаптивным признакам может усилить обоснование их сохранения и направленного использования.

Селекция с помощью генов потенциально может уменьшить разрыв в эффективности отбора, обычно существующий между большими популяциями, разводящимися в индустриальных системах производства, и небольшими локальными популяциями, где не могут быть применены системы популяционной генетической оценки и схемы селекции. Селекция с помощью маркеров и генов, однако, не всегда может представлять наилучшее решение. Эти подходы необходимо оценивать и оптимизировать на основе последовательного анализа каждого случая, принимая во внимание краткосрочные и долгосрочные воздействия на популяционную структуру и степень инбридинга, стоимость и выгоды, выраженные в экологических и социально-экономических параметрах, в особенности по влиянию на экономическое положение людей (Bertone P. at. all., 2004). Как в случае других успешных технологий, очень желательно, чтобы преимущества научных достижений в области молекулярной генетики стали глобальными, внося свой вклад в улучшение понимания, использования и сохранения мировых генетических ресурсов животных, для пользы настоящих и будущих поколений человека.

3. МАТЕРИАЛЫ И МЕТОДИКА ИССЛЕДОВАНИЙ

Исследования выполнены в лаборатории молекулярной генетики и цитогенетики животных Центра биотехнологии и молекулярной диагностики животных ГНУ Всероссийский научно-исследовательский институт животноводства Россельхозакадемии в период с 2007 по 2011 гг. по схеме, представленной на рисунке 6.

Харак1фисгикауравня мэлочнойпродукхганосшюровчфшчкс^ генеалогических линий

МЬнгаис- 1Ъ|шскш- Вэмавдейл Уес Франса, Ф(п=14) СшингТравджуг Вис Бок Фойншлекс

Чифгейн, СЬверинг, ШьммфГениус, Идеал, Вэкиг, Авдиап 10134, Грейлиг,

Ш(гИб) РС(п=93) РШГ(п=5) УИ(п=б9) С1Р(п^0) ВБ(п=25) ФГ(п=4)

Анализ распределения час1отвслречаа\юс1и геноггигюв иаш 1слей Д Н<-маркфШ а-1 рсн-шт»

1 ь . 1 V —г-1

ЕХЗАП

РСК-ЯШ3

1 А —1— 1 К ц—

ТС5

1 С 1 т

Аготельныепрофюшюров генеалогических линийгю шучаемьмДНК-шркфам(Ме)

Изучениеургаш гетфозигоггосшт Не, Кб)

Анализ га (егических связей меяфу линиями

Изучение гше1шескихтрамеф()вДЧК-марьфовига]еа1Ю песфойпороды (Кб, Гз^Мт)

Аталгочаслотвслречаемсхлил^ьтаго!^ ли[{еиной принадлежности

Изучение связи генотипов исследуемых хренов с уровнем ^moчнш проду1сгивносш

Рис. 6. Схема исследований 3.1. Объекты и материалы исследований

Рефлекшен Соверинг, PC (п=93), Рамандейл Шаммар Гениус, РШГ (п=5), Уес Идеал, УИ (п=69), Франса, Ф (п=14), Силинг Трайджут Рокит, СТР (п=24), Вис Бэк Айдиал 10134, ВБА (п=25), Файнтелекс Грейлит, ФГ (п=4).

Оборудование:

Автоматические дозаторы переменного объема: 0,1 -20ц, 20-200ц, 200-1000(1, Gilson, Eppendorf, Германия;

Амплификаторы: Mastercycler, Eppendorf, Германия, Tecline Barloworld Scientific Ltd, Великобритания;

Аналитические весы: Sortorius BP 310S, Германия;

Вакуумный насос: Millipore, Франция;

Деионизатор воды: Millipore, Франция;

Дистиллятор: ДЭ-4-02-ЭМО, Россия;

Источники тока для электрофореза: Biokom, Россия;

Компьютер: Pentium 3;

Магнитная мешалка: Cimares2; Thermoline, США;

Микроволновая печь: LG MS-192A, Корея;

Микроцентрифуги: Kubota КМ 15200, Япония; 5415D, Eppendorf, Германия; Биоком, Россия;

Пиросеквенатор PSQ МА 96: Pyrosequencing, Швеция;

РН-метр: ORION model 320, США;

Программное обеспечение: MS Office 2000, BioTest;

Программное обеспечение для обработки данных пиросеквенирования: PSQ96MA SNP software v.2.0;

Система для документации гелей: Биотест Biokom, Россия;

Термостаты: Термостат Termo 48-48 Biokom, Россия;

Трансиллюминатор: UVT1, Biokom, Россия;

Фильтры для вакуумного насоса: Pyrosequencing, Швеция;

Электрофорезные камеры: Biokom ЕС 13x12, Россия; Biorad 10x10.

Реактивы и расходные материалы:

Выделение ДНК: колонки Nexttec GmbH, Германия; набор DIAtom™ DNA Prep 100, Россия.

Постановка ПНР: вода для ПЦР, Синтол, Россия; смесь дезоксинуклеозидтрифосфатов (dATP, dTTP, dCTP, dGTP (2мМ)), R0241, Ферментас, Литва; Сибэнзим, Россия; наконечники одноразовые для дозаторов; планшеты 96-луночные для ПЦР; праймеры, Синтол, Россия; полиоксиэтиленсорбитан монолаурат (Tween 20), чда Диаэм, Россия; пробирки 0,5 и 1,5 мл пробирки типа Eppendorf, Биоком, Россия; соляная кислота, Химмед, Россия; сульфат аммония: А4418, Sigma, Германия; Taq-полимераза (5ед/мкл), Синтол, Россия; тригидроксиметиламинометан (Трис): USB, Великобритания; хлорид магния, Merk, Германия;

Гель-электрофорез: агароза, ДиаэМ, Россия; бромид димидия: RT193 993, ICN, США; глицерин, ДиаэМ, Россия; додецилсульфат натрия (SDS): чда ДиаэМ, Россия; ксилен цианол: чда ДиаэМ, Россия; маркер 1 т.п.н. (1000 bp Gene Ruler): SM0311, Ферментас, Литва; рестрикционные эндонуклеазы: Alul, Gfrl, СибЭнзим, Россия; Ферментас, Литва; тригидроксиметиламинометан (Трис): USB, Великобритания; этилендиаминтетрауксусная кислота (ЭДТА): Е5134,99+%, Sigma, Германия; уксусная кислота, Химмед, Россия; хлорид натрия: хч ДиаэМ, Россия.

Пиросеквенирование: буферы, Pyrosequencing, Швеция; гидроксид натрия: чда, ДиаэМ, Россия; картридж для реагентов, Pyrosequencing, Швеция; планшет полимерный для иммунологических реакций однократного применения, Медполимер, Россия; PSQ 96 SNP набор реактивов, Pyrosequencing, Швеция; PSQ 96 plate low, Pyrosequencing, Швеция; сиквенс-праймеры, Синтол, Россия; стрептавидин-сефароза HP, Amersham Bioscieces.

3.2. Методы исследований

Материалом для молекулярно-генетических исследований служили пробы ткани коров (ушной выщип). Выделение ДНК проводили с помощью колонок фирмы Nexttec (Германия). Анализ ДНК и постановку ПЦР проводили согласно «Методическим рекомендациям по использованию метода полимеразной цепной реакции в животноводстве» (Зиновьева Н.А. и др., 1998). Анализ полиморфизма изучаемых ДНК-маркеров выполняли по методикам Центра биотехнологии и молекулярной диагностики животных ГНУ ВИЖ.

Анализ полиморфизма генетических маркеров GH и DGAT1 проводили методом ПЦР с последующим гидролизом образующихся фрагментов соответствующими рестрикционными эндонуклеазами (ПЦР-ПДРФ) и их разделением методом электрофореза в агарозном геле с добавлением бромистого димидия. Визуализацию фрагментов в ультрафиолетовом свете и документацию результатов осуществляли с помощью цифровой видеокамеры и программного обеспечения BioTestD.

Полиморфизм гена GH определяли в позиции 2141 с помощью рестриктазы A lid (Mitra et al, 1995; Mattos et al.,2004, Львина O. A., 2005). Единичная нуклеотидная замена в этой позиции приводит к образованию двух аллелей - L и V. Полиморфизм гена DGAT1 определяли в позиции 6829 с помощью рестриктазы Gfrl (Winter et all., 2000). Динуклеотидная мутация в данных позициях (10433/10434), вначале экзона VIII, приводит к аминокислотной замене лизина на аланин.

Для определения полиморфизма гена TG5 в позиции 1696 5'-области использовали технологию пиросеквенирования (Ларионова П.В., 2005). Единичная нуклеотидная замена в этой позиции приводит к образованию двух аллелей - С и Т.

Статистическую обработку данных зоотехнического учета проводили по стандартным методикам (Вейр Б., 1995, Животовский Л.А., 1991, Меркурьева Е.А. и др., 1991). Расчет средних значений (X) и стандартного отклонения (а) в выборках, вели с использованием программы Microsoft Excel. Ошибку средней находили по формуле Mx=a/Vn, где a - стандартное отклонение, n - число значений признака. Коэффициент изменчивости находили по формуле: Cv=ct/X*100%.

На основании данных анализа генотипа коров по ДНК-маркерам проводили определение числа эффективных аллелей для коров различных генеалогических линий. Это число аллелей, встречающихся с равной частотой в идеальной популяции, которое необходимо для получения такой же степени гомозиготности или генетического разнообразия в реальной популяции, рассчитывали по формуле:

Ne = 1 / (1 - Не), где

Ne - число эффективных аллелей в популяции, Не — ожидаемая степень гомозиготности.

Ожидаемая степень гетерозиготности (Не): рассчитывали для каждого локуса, используя следующую формулу:

He=l-£pi2, где

Pi - частота встречаемости i-ro аллеля. Для расчета Не индивидуума находили среднее арифметическое значение Не по всем исследованным локусам.

Наблюдаемая степень гетерозиготности (Но): рассчитывали для каждого локуса как отношение числа гетерозигот к общему числу исследованных животных: Ho=n/N (где n-число особей, гетерозиготных по данному локусу, N-численность выборки). Для расчета Но индивидуума находили среднее арифметическое значение Но по всем исследованным локусам.

Индекс фиксации Fis: коэффициент инбридинга у индивидуумов по отношению к субпопуляции (группе). Служит мерой измерения снижения уровня гетерозиготности индивидуума вследствие неслучайного спаривания внутри каждой группы. Для расчета использовали формулу:

Fis = (Не - Но) / Не.

Также были рассчитаны показатели F-статистик для каждого из локусов в отдельности, а также средние оценки для всех локусов вместе.

Индекс фиксации Fit: коэффициент инбридинга у индивидуумов по отношению ко всей выборке в целом. Служит мерой измерения снижения уровня гетерозиготности индивидуума, как вследствие неслучайного спаривания внутри каждой субпопуляции (группы), так и вследствие генетических различий между популяциями. Для расчета использовали формулу:

Fit = (Ht - Но) / Ht, где

Ht - общая ожидаемая степень гетерозирготности по всей выборке в целом.

Индекс фиксации Fst: коэффициент инбридинга в субпопуляциях (группах) по отношению ко всей выборке в целом. Служит мерой генетических различий между группами и отражает долю общего генетического разнообразия (гетерозиготности), которая отделяет популяции друг от друга. Для расчета использовали формулу:

Fst = (Ht - Не) / Ht. Число мигрантов (Nm) рассчитывали, используя следующую формулу:

Nm = ((l / Fst) - 1) /4.

На основе частот встречаемости аллелей по трем исследуемым генам, между отдельными линиями коров, рассчитывали показатели стандартной генетической дистанции (Nei М, 1983). Полученная матрица служила основой для построения дендрограммы генетической близости между линиями, используя метод невзвешенной парно-групповой средней (UPGMA). Кроме того, на основе частот встречаемости мультилокусных генотипов проводили расчет Евклидовых дистанций. Для оценки устойчивости топологии дендрограмм рассчитывали бут-стреп вероятности формирования каждой «ветви» (использовано 1000 псевдовыборок) с помощью программы PAST v. 1.82b.

Для анализа связи между генотипами животных по ДНК-маркерам и показателями молочной продуктивности использована модель, описанную в работах Ли Ч. (1978), Lynch М. и Walsh В. (1998). Согласно этой модели нами были рассчитаны следующие параметры аддитивно-доминантной модели наследования количественных признаков.

Аддитивная (А) и доминантная (D) компоненты модели рассчитывались по формулам:

А = X 22 — X 11 , — Х\\ + X 22 D = Х\г----, где

Х\\,Х\2,Х22 - средние арифметические оценки исследуемого показателя продуктивности для генотипов.

Эффект аллелей 1 и 2 оценивался по формулам: а} =т{-Х а2 =ОТ2-Х'где тх = p-X\\+q-X\2 т^ = p-X\2+q-X22' ГД6 р и q - частоты аллелей 1 и 2, соответственно;

- общее среднее арифметическое для всей группы. а

Эффекты замены аллелей (Ъ рассчитывался по формуле:

2 2

Таким образом, для каждого анализируемого ДНК-маркера были рассчитаны средние арифметические значения признаков молочной продуктивности для трех генотипов (за исключением маркера ТС5, для которого отсутствовала вторая гомозигота). Достоверность различий между животными с разными генотипами была оценена с помощью критерия

Фишера на основе однофакторного дисперсионного анализа. Статистический анализ полученных данных проводили по компьютерной программе Statistica for Windows, Version 5.0.

Поскольку различные признаки молочной продуктивности были выражены в различных единицах измерения, а также для того, чтобы элиминировать эффект шкалы и получить возможность провести сравнения показателей аддитивно-доминантной модели для разных признаков и различных маркеров, исходные данные были стандартизированы:

Хг значение признака продуктивности;

- общее среднее арифметическое для всей группы.

4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ 4.1. Анализ показателей молочной продуктивности изучаемой выборки коров черно-пестрой породы ФГУП «Кленово-Чегодаево»

Результаты анализа удоя коров черно-пестрой породы различной линейной принадлежности за 305 дней 1-3 лактаций обобщены в таблице 6. В качестве критерия вариабельности показателей продуктивности в группах был использован коэффициент вариации (Су).

Библиография Диссертация по биологии, кандидата биологических наук, Харзинова, Вероника Руслановна, Дубровицы

1. Брем Г., Кройслих X., Штранцингер Г. Экспериментальная генетика в животноводстве // М. РАСХН, 1995. С. 326.

2. Брем Г., Кройслих X., Штранцингер Г. Экспериментальная генетика в животноводстве // пер. и ред. Зиновьевой H.A., М.: тип-я Россельхозакадемии. 1996. 328 с.

3. Букаров Н.Г. Использование полиморфизма антигенов эритроцитов и главного комплекса тканевой совместимости в разведении и совершенствовании крупного рогатого скота. Автореф. докт. дисс, Дубровицы, 1995. С. 300.

4. Долматова И.Ю., Ильясов А.Г. Связь полиморфизма гена соматотропина крупного рогатого скота симментальской породы с продуктивностью // Зоотехния, 2008. №5. С.6-8.

5. Зиновьева Н. А., Гладырь Е. А., Державина Г., Кунаева Е. Методы маркер-зависимой селекции // Животноводство России. 2006. №3. С. 29-31.

6. Зиновьева H.A. Введение в ДНК-диагностику. Школа-практикум «Методы исследований в биотехнологии сельскохозяйственных животных». Вып.4. ВИЖ, 2005. С. 134

7. Зиновьева H.A. Проблемы биотехнологии и селекции сельскохозяйственных животных / H.A. Зиновьева, JI.K. Эрнст. Дубровицы, ВИЖ. 2004. С. 316.

8. Зиновьева H.A., Гладырь Е.А., Эрнст Л.К., Брем Г. Введение в молекулярную генную диагностику сельскохозяйственных животных. // ВИЖ, 2002. С. 112.

9. Зиновьева H.A., Костюнина О.В., Гладырь Е.А., Банникова А.Д., Харзинова В.Р., Ларионова П.В., Шавырина K.M., Эрнст Л.К. Роль ДНК — маркеров признаков продуктивности сельскохозяйственных животных // Зоотехния. 2010. №1. С. 8-10.

10. Зиновьева H.A., Попов А.П., Эрнст Л.К., Марзанов Н.С., Бочкарев В.В., Стрекозов Н.И., Брем Г. Методические рекомендации по использованию метода полимеразной цепной реакции в животноводстве // Дубровицы: ВИЖ, 1998. 47 с.

11. Калашникова Л.А., Дунин И.М., Глазко В.И. Селекция XXI века: использование ДНК-технологий // Московская обл., Лесные поляны, ВНИИплем. 2000. С. 31.

12. Кленовицкий П.М. Генетика и биотехнология в селекции животных / П.М. Кленовицкий, Н.С. Марзанов, В.А. Багиров, М.Г. Насибов. М.: ФГУП «Эксплор», 2004. С - 285.

13. Ларионова П.В. Разработка и экспериментальная апробация систем анализа полиморфизма генов-кандидатов липидного обмена у крупного рогатого скота. Автореф. канд. дисс., Дубровицы, 2006.

14. Левонтин Р. Генетические основы эволюции. // М.: Мир, 1978, 351с.

15. Ли Ч. Введение в популяционную генетику. М.: Мир, 1978, 243 с.

16. Львина О. А.,Молочная продуктивность коров симментальской породы с различными генотипами по генам каппа-казеина, альфа -лактальбумана, бета казеина и гормона роста.// Сельскохозяйственная биология, 2007. - №6. - С. 35-40.

17. Марзанов Н.С., Фролкин Д.А., Зиновьева H.A., Попов А.Н., Данилин A.B., Брем Г. RYRl-ген у свиней отечественных и зарубежных пород // Доклады РАСХН, 2001, № 1, с. 34-36.

18. Меркурьева Е.К., Абрамова З.В., Бакай A.B. и др. Генетика. М., 1991. 446 с.

19. Рыжова Н.В., Калашникова JI.A. ДНК-диагностика стрессчувствительности свиней скороспелой мясной породы Диагностика полиморфных вариантов RYRl-гена. // Вестник РАСХН, 2000, N 1, С. 68-71

20. Рыжова Н.В., Калашникова JI.A. Скрининг RYR-гена свиней скороспелой мясной породы // Сборник материалов международной научной конференции «Молекулярно-генетические маркеры животных», Киев, 1999, С. 21-22.

21. Рыжова Н.В., Калашникова JI.A., Новиков A.A. Частота встречаемости мутантного аллеля RYRl-гена в популяциях свиней крупной белой породы // Доклады РАСХН, 2001, N 6, С. 31-35.

22. Сизарева Е.И. Изучение продуктивных особенностей и характеристика аллелофнда свиней породы боди по ДНК-маркерам. Автореф. канд. дисс., Дубровицы, 2010.

23. Стрекозов Н.И., Чернушенко В.К., Цысь В.И. Интенсификация молочного скотоводства России. Смоленск, 2006. - С. 12.

24. Сулимова Г.Е. ДНК-маркеры в генетических исследованиях: типы маркеров, их свойства и области применения. // Успехи соврем, биологии. 2004. Т. 124, №3. С. 260.

25. Улубаев И. X. Совершенствование методов разведения молочного скота. Автореф. канд. дисс., СПб., 2008.

26. Фолконер Д.С. Введение в генетику количественных признаков. М.: Агропромиздат, 1985. 486 с.

27. Фролкин Д.А. Скрининг гена злокачественного гипертермического синдрома (MHS) у свиней // Автореф. канд. дисс., ВИЖ, 2000.

28. Хабибрахманова Я. А. Полиморфизм генов молочных белков и гормонов крупного рогатого скота. Автореферат диссертации на соискание ученой степени к. биол. наук, Лесные Поляны Московской обл., 2009. С. 329.

29. Хатами С.Р., Лазебный О.Е., Максименко В.Ф., Сулимова Г.Е. ДНК-полиморфизм генов гормона роста и пролактина у ярославского и черно-пестрого скота в связи с молочной продуктивностью // Генетика. 2005, 41(2): 229-236.

30. Эрнст Л.К., Зиновьева Н.А. Биологические проблемы животноводства в XXI веке. М.: РАСХН, 2008. 508с.

31. Ahmadian A., Gharizadeh В., Gustafsson AC., Sterky F., Nyren P., Uhlen M., Lundeberg J. Single-nucleotide polymorphism analysis by pyrosequencing. // Anal Biochem. 2000.280(1): 103-109.

32. Ailhaud G., Grimaldi P., Negrel R. Cellular and molecular aspects of adipose tissue development. // Annu. Rev. Nutr. 1992 .12:207-233.

33. Ajmone-Marsan P., Negrini R., Milanesi E., Bozzi R. Genetic distances within and across cattle breeds as indicated by biallelic AFLP markers // Animal Genetics.2002. 33, 280-286.

34. Barendse W. J. Bunch R., Thomas M., Armitage S., Baud S., Donaldson N.TG5 DNA marker test for marbling capacity in Australian feedlot cattle. // Proc. Beef Quality CRC Marbling Symp. 2001. P. 52-57

35. Barendse W. J. Assessing lipid metabolism. Patent. International Publication Number: WO 99/23248. World Intellectual Property Organization, Geneva, Switzerland. 1999.

36. Barendse W. J., Bunch R., Thomas M., Armitage S., Baud S., Donaldson N. The TG5 thyroglobulin gene test for a marbling quantitative trait loci evaluated in feedlot cattle // Australian Journal of Experimental Agriculture. 2004. 44(7) 669 -674.

37. Bauman D. Bovine somatotropin and lactation: from basic science to commercial application.// Domestic Animal Endocrinology. 1999. V.17. P. 101116.

38. Bennewitz J., Reinsch N., Paul S., Looft C., Kaupe B. The DGAT1 K232A Mutation Is Not Solely Responsible for the Milk Production Quantitative Trait Locus on the Bovine Chromosome 14 // Journal of dairy science. 2004. Vol.87. №5. p. 431-433.

39. Buntjer J., Otsen M., Nijman I., Kuiper M. Phylogeny of bovine species based on AFLP fingerprinting // Heredity. 2002. 88, 46-51.

40. Cases S., Smith S., Myers H., Lear S. Identification of a gene encoding an acyl CoA:diacylglycerol acyltransferase, a key enzyme in triacylglycerolsynthesis // Proceedings of the National Academy of Sciences, 2007. 95, 1301813023.

41. Chen J., Hebert P. Directed termination PCR: a one step approach to mutation detection //Nucleic Acids Res. 1998. 26, 1546-1547.

42. Chrenek P., Huba J., Oravcova M., Hetenyi 1., Peskovieova D., Bulla J.

43. Genotypes of BGH and BPRL genes in relationships to milk production// EAAP -th

44. Annual Meeting, Zurich, Book of Abstracts. 1999. 40.

45. Coppieters W., Riquet J., Arranz J., Berzi P., Cambisano N. A QTL with major effect on milk yield and composition maps to bovine chromosome 14 // Mammalian Genome. 1998. 9, 540-544.

46. Cowan C.M., Dentine M.R., Ax R.L., Schuler L.A. Restriction fragment length polymorphism associated with growth hormone and prolactin genes in Holstein bulls: evidence for a novel growth hormone allele. // Animal Genetics. 1989. 20. 157-165.

47. Dawson M., Richard C. Moore A., Stephen C. Bishop L. Progress and limits of PrP gene selection policy// Yet. Res. Vol. 39. № 4. 2008. P. 12

48. Jeffreys J., Peter G. David J. Forensic application of DNA 'fingerprints' //Nature. 1985. V. 318, 577-579.

49. Dybus, A. Associations between Leu/Val polymorphism of growth hormone gene and milk production traits in black and white cattle. Archiv for Tierzucht. 2002. 45: 421-428.

50. Farese Jr., Cases S., Smith S. Triglyceride synthesis: insights from the cloning of diacylglycerol acyltransferase // Current Opinion in Lipidology. 2000. 11.229-234.

51. Favis R., Day P., Gerry N., Phelan C., Narod S. Universal DNA array detection of small insertions and deletions in BRCA1 and BRCA2 // Nat. Biotechnol. 2000. 18, 561-564.

52. Fujii J., Otsu K., Zorzato F., De Leon S., Khanna V.K., Weiler J.E., O'Brien P.J., Maclennan D.H. Identification of a mutation in porcine ryanodine receptor associated with malignant hyperthermia // Science, 1991, 253, 448-451.

53. Goldstein D., Schlotterer C. Microsatellites: evolution and applications // New York, USA. Oxford University Press. 1999.

54. Graber J., Smith C., Cantor C. Differential sequencing with mass spectrometry // Genet. Anal. Biomol. Eng. 1999. 14, 215-219.

55. Griffin T., Hall J., Prudent J., Smith L. Direct genetic analysis by matrix assisted laser desorption ionization mass spectrometry // Proc. Natl. Acad. Sci. USA. 1999. 96, 6301-6306

56. Grochowska, R., A. Lunden, L. Zwierzchowski, M. Snochowski and J. Oprzadek, 2001. Association between gene polymorphism of growth hormone and carcass traits in dairy bulls. Animal Sci., 72: 441-447

57. Gupta M., Chyi Y.S., Romero-Severson J., Owen J.L. // Theoret. Appl. Genet. 1994. V.89. P.998.

58. Hanotte O., Bradley D., Ochieng J., Verjee Y., Hill E. 2002. African pastoralism: genetic imprints of origins and migrations // Science. 2002. 296, 336339.

59. Hetch C., Gelderman H. Variants within the 5'-flanking region and the intron I of the bovine growth hormone gene.// Animal genetics. 1996. 27. 329-332.

60. Hunter N., Foster JD. Hope J. Natural scrapie in British sheep: breeds, ages and PrP gene polymorphisms// Journal of the British Veterinary Association, 1997; 130:389-392.

61. Jackson P., Scholl P., Groopman J. Mass spectrometry for genotyping: an emerging tool for molecular medicine // Mol. Med. Today. 2002. 6, 271-276.

62. Jarne P., Lagoda P. Microsatellites, from molecules to populations and back//Tree. 1996. 11,424-429.

63. Kilger C., Paabo S. Direct DNA sequence determination from total genomic DNA //Nucleic Acids Res. 1997. 25,2032-2034.

64. Kristensen T., Nedelcheva Kristensen V., Borresen-Dale A. High throughput screening for known mutations by automated analysis of single sequencing reactions (SSR) // BioTechniques. 1998. 24, 832-835

65. Kwolc S., Kellogg D., McKinney N., Spasic D., Goda L.1990. Effects of primer-template mismatches on the polymerase chain reaction: human immunodeficiency virus type 1 model studies // Nucleic Acids Res. 1990. 18(4), 999-1005.

66. Lagziel A., Lipkin E., Ezra E., Soller M. An Mspl polymorphism at the bovine growth hormone (bGH) gene is linked to a locus affecting milk protein percentage // Anim Genet. 1999. 30(4), 296-299.

67. Lagziel A., Lipkin E., Soller M. Association between SSCP haplotypes at the bovine growth hormone gene and milk protein percentage.//Genetics. 1996. 142. 945-951.

68. Lee B.K., Lin G.F., Crooker B.A., Murtaugh M.P., Hansen L.B. and Chester H. Association of somatotropin gene polymorphism at the 5th exon with selection for milk yield in Holstein cows. // Domest. Animal Endocrinol. 1996.13: 373-381.

69. LeRoy P., Naveau J., Elsen J. M., Sellier P. Evidence for a new major gene influencing meat quality in pigs// Genet. Res. Camb. 1990. P.55.

70. Luciana, P.M.K.V., D.T. Talhari, A.P. Pereira, L.L. Coutinno and L.C.A. Regitano, 2003. Genetic characterization of Aberdeen Angus cattle using molecules markers. Genet. Mol. Biol., 26: 133-137.

71. Lucy M.C., Hauser S.D., Eppard P.J., Krivi G.G., Clark J.H., Bauman D.E. Collier R.J. Variants of somatotropine in cattle: Gene frequencies in major dairy breeds and associated milk production. // Domest. Animal Endocrinol. 1993. 10: 325-333.

72. Lynch M., Walsh B. Genetics and Analysis of Quantitative Traits. // Sinauer, Sunderland. 1998. MA. P. 980.

73. McPheiTon A., Lee S. Proc. Natl. Acad. Sci. USA. 1997. 94, 1245712461.

74. Mears G. J., Mir P. S., Bailey D. R. C., Jones S. D. M. Effect of Wagyu genetics on marbling, back fat, and circulating hormones in cattle. // Can. J. Anim. Sci. 2001. 81:6573.

75. Mitra A., Schlee P., Balakrishnan C.R., Pirchner F. Polymorphisms at growth hormone and prolactin loci in Indian cattle and buffalo. // Journal of Animal Breeding and Genetics. 1995. V.l 12, p.71-74.

76. Mullis K. Enzymatic amplification of b-globulin genomic sequences and restriction site analysis for diagnosis of sickle cell anemia / R.Saiki, S.Scharf, F.Faloona, G.Horn, N. Arnheim II Science. 1985. 230, 1350-1354.

77. Nakamura Y. Variable number of tandem repeat (VNTR) markers for human gene mapping / M. Leppert, P.Connell, R.Wolff, T.Holm, M. Culver // Science. 1987. Vol. 235 no. 4796 pp. 1616-1622.

78. Negrini R., Milanesi E., Bozzi R., Pellecchia M., Ajmone-Marsan P. Tuscany autochthonous cattle breeds: an original genetic resource investigated by AFLP markers // Journal of Animal Breeding and Genetics. 2006. 123, 10-16.

79. Nei M., Tajima F., Tateno, Y. Accuracy of estimated phylogenetic trees from molecular data // J. Mol. Evol., 1983. 19, 153-170.

80. Nei M. Estimation of average heterozygosity and genetic distance from a small number of individuals // Genetics, 1987. 89: 583-590

81. Neve G., Meglecz E. // Trends Ecol. Evol. 2000. V.15. N.9. P.376.

82. Nikiforov T.T., Rendle R., Goelet P., Rogers R., Kotewicz M. Genetic bit analysis: a solid phase method for typing single nucleotide polymorphisms // Nucleic Acids Res. 1994. 20, 4167-4175.

83. Parmentier I., Portetelle D., Gengler N., Pradi, A. Bertozzi C. et al. Candidate gene markers associated with somatotropic axis and milk selection// Domestic Anim. Endocrinol. 1999. 17: 139-148

84. Parmentier I., Portetelle D., Gengler N., Prandi A., Bertozzi C., Vleurick L., Gilson R., Renaville R. Candidate gene markers associated with somatotropic axis and milk selection. // Domest. Anim. Endocrinol. 1999. 17 . 139-148

85. Pastinen, T., Partanen J., Syvanen A. Multiplex fluorescent solidphase minisequencing for efficient screening of DNA sequence variation // Clin. Chem. 1996. 42,1391-1397.

86. Pawar R. Growth Hormone Gene polymorphism and association with lactation yield in daity cattle // Indian Journal of Animal Sciences. 2007. 9, 884888.

87. Plaschke J., Voss H., Hahn M., Doublex sequencing in molecular diagnosis of hereditary diseases // BioTechniques. 1998. 24, 838-841.

88. Rocha E. Danchin A. Essentiality, not expressiveness, drives genestrand bias in bacteria//Nat. Genet. 2003. 34, 377-378.

89. Rodrigues C.V., Guimaraes S.E.F., Neto E.D., Pinheiro L.E.L. Identification of a novel polymorphism in the promoter region of the bovine growth hormone gene. // Animal Genetics. 1998. 29. 65-66.

90. Rothschild M.F., Soller M. Candidate gene analysis to detect traits of economic importance in domestic livestock//Probe, 1997, 8, 13-18.

91. Ruano G., Kidd K. Coupled amplification and sequencing of genomic DNA // Proc. Natl. Acad. Sci. USA. 1991. 88, 2815-2819.

92. Sabour M., Lin C., Lee A., Mcallister A. Association between milk protein genetics variants bulls for milk yield traits.// J. Dairy Sci. 1996. 79, 10501056

93. Sachidanandam R., Weissman D., Schmidt S., Kakol J., Stein L. A map of human genome sequence variation containing 1.42 million single nucleotide polymorphisms //Nature. 2001. 409, 928-933.

94. Sadeghi M., Moradi Shahr-e-Babak M., Rahimi and Nejati Javaremi A G. Association between Gene Polymorphism of Bovine Growth Hormone and Milk Traits in the Iranian Holstein Bulls. Anim. Sei. 2008. 2: 1-6.

95. Sadeghi M., Krassilnikova S, Zhang J. Detection of injury-induced vascular remodeling by targeting activated alphavbeta3 integrin in vivo. // Circulation. 2008. 110:84-90.

96. Sasvari-Szekely M., Gerstner A., Guttman A. Rapid genotyping of factor V Leiden mutation using single-tube bidirectional allele-specific amplification and automated ultrathin-layer agarose gel electrophoresis // Electrophoresis. 2000. 21(4), 816-821.

97. Schlotterrer C. // Nature Rev. Genet. 2004. V.5. N.l. P.65.

98. Schümm J. Identification of more than500 RFLPs by screening random genomic clones / R. Knowlton, J. Braman, D. Barker, D. Botstein, G. Akots, V. Brown // Am. J. Hum. Genet. 1998. 42, 143-159

99. Schwerin M. Struktur und Funktion von Genen beim Nutztier // In: 18. Hülsenberger Gespräche 2000. Weimar, 2000. 28-34.

100. Sokolov B.P. Primer extension technique for the detection of single nucleotides in genomic DNA // Nucleic Acids Res. 1990. 18, 3671

101. Sorensen В., Wegner J., Weselake R. Diacylglycerol acyltransferase activity in the muscle tissue of two metabolically different breeds of cattle // Arch. Tierz., Dummerstorf. 2003. 46, 178.

102. Sunnucks P. Efficient genetic markers for population biology // Tree. 2001. 15, 199-203.

103. Syvanen A. From gels to chips: "minisequencing" primer extension for analysis of point mutations and single nucleotide polymorphisms // Hum. Mutat. 1999. 13, 1-10.

104. Thaller G. Einfluss der Kandidatengene DGAT1 und Thyroglobulin auf den intramuskulären Fettgehalt beim Rind (Электронный ресурс) / Thaller G.,

105. Fries R. 2004. Электрон.текстовые дан. Режим доступа: http://www.lfl.bayern.de/ - свободный.

106. Thaller G., Effects of DGAT1 variants on milk production traits in German cattle breeds. / W.Kramer, A. Winter, В. Каире, G. Erhardt, R. Fries // Journal of animal science. 2003. 8, 1911-1918.

107. Tilquin P. A genome scan for quantitative trait loci affecting the Salmonella carrier-state in the chicken / P. Barrow, J. Marly, F. Pitel, F. Plisson-Petit, P. Velge, A. Vignal, P. Baret, C. Beaumont // Genetics Selection Evolution. 2005. 37, 539-561

108. Vos P., Hogers R., Bleeker M., Reijans M., van de Lee Т., Homes M. AFLP: a new technique for DNA fingerprinting // Nucleic Acids Res. 1995. 23, 4407-4414

109. Welsh J., McClelland M. // Nucleic Acids Res. 1990. V.18. N.24. P.7213.

110. Williams I., Kubelik A.R., Livak K.I., Rafalski I.A., Tongey S.N. // Nucleic Acids Res. 1990. V.18. N.22. P.6531.

111. Yager T. High performance DNA sequencing and the detection of mutations and polymorphisms on the Clipper sequencer. / L. Baron, A.Batra, D. Bouevitch, K. Chan, S. Chan//Electrophoresis. 1999. 20, 1280-1300.

112. Zvierzchowski L. An association of growth hormone, k-casein, p-lactoglobulin, leptin and Pit-I loci polymorphism with growth rate and carcass traits in beef cattle // Animal Science Papers and Reports. 2001. 19, 65-78.

Информация о работе

Харзинова, Вероника Руслановна
кандидата биологических наук
Дубровицы, 2011
ВАК 03.02.07

Диссертация

Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы - тема диссертации по биологии, скачайте бесплатно

Автореферат

Похожие работы