Assessing the Genetic Diversity of Five Cattle Breeds Using SNP Markers Associated with Health

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Currently genetic evaluation of animals is an important part of the development of the agricultural complex. The improvement of molecular technologies every year makes it possible to carry out genetic research aimed at finding the most valuable animals in a cheaper and faster way. Indigenous breeds of cattle are an attractive object for such research because they have greater adaptive potential and resistance to diseases. However, modern comparative data on the genetic diversity of most local breeds based on SNP markers associated with health are lacking. Genetic association tests using these genetic markers for the Tagil, Sychevskaya, Suksun and Istobenskaya breeds are still to be carried out. The purpose of this work was to compare the genetic diversity of five cattle breeds using SNP markers associated with the development of ketosis, mastitis and productive longevity.

Толық мәтін

Проблема генетического разнообразия отечественного генофонда популяций молочного крупного рогатого скота в условиях активного замещения животными голштинской породы стоит особенно остро [1]. Несмотря на высокие показатели продуктивности, голштинская порода является менее адаптированной к неблагоприятным условиям содержания и кормления, что приводит к значительному сокращению сроков хозяйственного использования коров. В связи с этим представляется актуальным поиск генетических ресурсов среди животных других пород, устойчивых к заболеваниям и неприхотливых к условиям содержания.

В настоящей работе были исследованы аборигенные породы, разводимые на западе, северо-востоке и востоке европейской части России, – истобенская, сычевская, суксунская и тагильская.

Истобенскую породу вывели в конце XIX в. в Кировской области в селе Истобенск при скрещивании местного скота с холмогорской, швицкой и ярославской породами, при этом частично применяли прилитие крови остфризского и голштинского скота. В племенную книгу она была занесена в 1943 г. [2, 3].

С 1920-х гг. шла работа по усовершенствованию животных, направленная в первую очередь на увеличение у коров молочной продуктивности. В результате селекционной работы в конце XIX века в Сычевском районе Смоленской области получена сычевская порода скрещиванием аборигенных пород с высококровными помесями симментальского скота. Породу утвердили в 1950 г. [4].

Суксунская порода сформирована на основе аборигенного скота с использованием быков красной датской, бурой латвийской, красной степной и красной эстонской пород [5].

Некоторые аборигенные породы крупного рогатого скота уже исчезли, а многие из оставшихся находятся под угрозой исчезновения. Например, численность тагильской породы на 2022-й г. составляла всего лишь 100 голов [6]. Вероятно, в последние десятилетия голштинская порода использовалась в качестве улучшающей для тагильского крупного рогатого скота, а при формировании породы проводили скрещивание аборигенного скота с ярославской, холмогорской, голландской породами [7].

Оценка и мониторинг генетических вариаций между популяциями и внутри них могут способствовать разработке рациональных и устойчивых программ разведения и сохранения аборигенных пород. Одно из направлений поиска ценных генетических ресурсов – ассоциативные тесты для обнаружения маркеров устойчивости к заболеваниям. Для поиска генетических маркеров, ассоциированных с состоянием здоровья, были отобраны три SNP: rs137396952, rs109452259, rs134055603. Ранее в GWAS-исследованиях данные полиморфизмы показали высокую степень ассоциации с уровнями бета-гидроксимасляной кислоты и развитием субклинического кетоза у крупного рогатого скота молочного направления продуктивности [8], клиническим маститом [9] и продуктивным долголетием [10]. Нами исследовано генетическое разнообразие нескольких пород крупного рогатого скота по данным полиморфизмам.

МАТЕРИАЛЫ И МЕТОДЫ

Оборудование и методы для генотипирования особей крупного рогатого скота с помощью TaqMan ПЦР методики для SNP подробно описаны нами ранее [11]. Дизайн олигонуклеотидов для новой ПЦР тест-системы для генотипирования полиморфизма rs109452259 был выполнен аналогичным образом [11], последовательность олигонуклеотидов (производство OOO “ДНК-Синт) представлена в табл. 1. Проверка специфичности ПЦР с системой генотипирования TaqMan выполнена с помощью капиллярного электрофореза Qsep100 на картриджах S1 с наибольшей разрешающей способностью.

 

Таблица 1. Использованные олигонуклеотиды для генотипирования крупного рогатого скота по rs109452259

 

Последовательность

Длина ампликона, пн

rs109452259_F

GCAAAAACACAATATGCTGGAT

415

rs109452259_R

AGGTCAAACAACTAAACAGTGG

rs109452259_pA

[ROX]-CTT GTC +A+A+C TT+C +CA-[BHQ2]

rs109452259_pC

[FAM]-CTTGTC+A+C+CTTCCA-[BHQ1]

 

При анализе генетических данных для трех SNP рассчитывались абсолютные и относительные (в %) частоты встречаемости аллелей и генотипов в каждой из пяти выборок коров пород: голштинская (n = 70), истобенская (n = 81), суксунская (n = 81), сычевская (n = 100) и тагильская (n = 86). Сравнение пород по соотношению аллелей и генотипов проводили в ходе анализа таблиц сопряженности критерием хи-квадрат Пирсона, а для выявления ячеек таблицы, давших неслучайный вклад в статистику критерия, рассчитывали согласованные остатки Хабермана [12] с оценкой их статистической значимости с поправкой Бонферрони на множественность сравнений. Расчеты выполнены в пакете PAST (v 4.13 [13]). Распределения генотипов были проверены на соответствие распределению Харди−Вайнберга с использованием точного критерия Холдейна (Haldane’s exact test) в пакете HW_TEST (v 1.1) [14], а для визуализации соотношения генотипов в пяти популяциях были построены диаграммы де Финетти в пакете finetti (version 3.0.5) [15]. Метод главных координат для анализа генетического расщепления пород крупного рогатого скота по всем трем полиморфизмам, а также вычисления степени неравновесного сцепления выполнены с помощью пакета GenAlEx (версия 6.5) для Microsoft Excel [16]. В качестве расстояния на схеме генетического расщепления популяций использовано генетическое расстояние Нэя. Графики для отражения степени неравновесного сцепления построены с помощью веб-инструмента SRplot [17].

РЕЗУЛЬТАТЫ

Проверка соответствия распределения генотипов распределению Харди−Вайнберга

Результаты проверки соотношения генотипов распределению Харди−Вайнберга представлены в табл. 2.

 

Таблица 2. Соответствие распределения генотипов закону Харди−Вайнберга: p-значения точного критерия Холдейна

SNP

Голштинская

Истобенская

Суксунская

Сычевская

Тагильская

rs137396952

0.30

0.55

0.82

0.55

0.55

rs109452259

0.44

0.32

0.51

0.0096**

0.0291*

rs134055603

0.44

0.20

0.82

0.43

0.51

Примечание. ** – p < 0.010; * – p < 0.05; ? – 0.05.

 

Из представленных данных видно, что в двух случаях по полиморфизму rs109452259 были выявлены статистически значимые отклонения распределения аллелей от равновесных по Харди−Вайнбергу. Такие отклонения могли возникнуть вследствие множества причин: действия отбора, изменчивости числа копий гена, инбридинга и субструктурирования популяции [18, 19]. Наиболее вероятной интерпретацией отклонения от равновесия Харди−Вайнберга является именно действие отбора, который, как видно из сравнения наблюдаемых и ожидаемых частот, у обеих пород происходит против гетерозигот по rs109452259 (рис. 1).

 

Рис. 1. Отклонения наблюдаемых частот геноттпов от ожидаемых по Харди−Вайнбергу для двух исследованных пород молочного скота по rs109452259. Разбросом на гистограмме указан 95% ДИ по результатам моделирования Монте-Карло в пакете HW_TEST.

 

В качестве проверки возможных ошибок в работе TaqMan системы ПЦР проведен капиллярный электрофорез ампликонов, полученных в результате генотипирования (рис. 2). Ранее описанные нами TaqMan системы [11] по результатам капиллярного электрофореза показали высокую специфичность в отношении соответствия длины нарабатываемого ампликона, результатам анализа по primerBLAST [20], а также отсутствие значимых димеров олигонуклеотидов.

 

Рис. 2. Результаты капиллярного электрофореза продуктов амплификации, получаемых при использовании разработанных TaqMan-систем генотипирования.

 

Сравнение популяций по соотношению аллелей и генотипов

Результаты сравнения популяций по соотношению генотипов представлены в табл. 3. Из нее видно, что и по соотношению аллелей, и по соотношению генотипов между популяциями изученных пород наблюдались высоко статистически значимые различия по всем трем полиморфизмам. Анализ стандартизованных остатков показал, что эти различия были обусловлены преимущественно различиями между голштинской и истобенской породами, тогда как остальные три породы были более сходны. Эта же закономерность хорошо видна из диаграмм де Финетти (рис. 3), где голштинская порода (1 на графике) и истобенская (2) занимают крайние положения.

 

Таблица 3. Сравнения популяций по соотношению аллелей и генотипов трех однонуклеотидных полиморфизмов

rsID /

полиморфизм

Аллели

Генотипы

rs137396952 / AC_000163.1:g.88817457C>T

Порода

C

T

Всего

C/C

C/T

T/T

Всего

Голштинская

50 (35,7)

AR = –4.52

p < 0.001

90 (64.3)

AR = 4.52

p < 0.001

140 (100)

11 (15.7)

AR = –3.13

р < 0.001

28 (40.0)

31 (44.3)

AR = 3.990

p = 0.001

70 (100)

Истобенская

122 (75.3)

AR = 6.31

p < 0.001

40 (24.7)

AR = –6.31

p < 0.001

162 (100)

47 (58.0)

AR = 5.70

р < 0.001

28 (34.6)

6 (7.4)

AR = –4.14

p = 0.001

81 (100)

Суксунская

91 (56.2)

71 (43.8)

162 (100)

26 (32.1)

39 (48.1)

16 (19.8)

81 (100)

Сычевская

92 (46.0)

108 (54.0)

200 (100)

23 (23.0)

46 (46.0)

31 (31.0)

100 (100)

Тагильская

89 (51.7)

83 (48.3)

172 (100)

25 (29.1)

39 (45.3)

22 (25.6)

86 (100)

Различия

χ2(4) = 53.87, p < 0.001

χ2(8) = 50.77, p < 0.001

rs109452259 / AC_000163.1:g.88800322C>A

Порода

C

A

Всего

C/C

C/A

A/A

Всего

Голштинская

49 (35,0)

AR = –4,97

p< 0.001

91 (65.0)

AR = 4.97

p< 0.001

140 (100)

10 (14.3)

AR = –3.99

p= 0.001

29 (41.4)

31 (44.3)

AR = 3.61

p= 0.005

70 (100)

Истобенская

128 (79.0)

AR = 7.10

p< 0.001

34 (21,0)

AR = –7.10

p< 0.001

162 (100)

52 (64.2)

AR = 6.13

p< 0.001

24 (29.6)

5 (6.2)

AR = –4.68

p< 0.001

81 (100)

Суксунская

91 (56.2)

71 (43.8)

162 (100)

27 (33.3)

37 (45.7)

17 (21.0)

81 (100)

Сычёвская

101 (50.5)

99 (49.5)

200 (100)

32 (32.0)

37 (37.0)

31 (31.0)

100 (100)

Тагильская

82 (48.2)

88 (51.8%)

170 (100)

25 (29.4)

32 (37.6%)

28 (32.9)

85 (100)

Различия

χ2(4) = 64.73, p < 0.001

χ2(8) = 56.03, p < 0.001

rs134055603 / AC_000163.1:g.88832335G>A

Порода

G

A

Всего

G/G

G/A

A/A

Всего

Голштинская

49 (35.0)

AR = –4.97

p < 0.001

91 (65.0)

AR = 4.97

p < 0.001

140 (100)

10 (14.3)

AR = –3.63

p = 0.004

29 (41.4)

31 (44.3)

AR = 4.17

p < 0.001

70 (100)

Истобенская

126 (77.8)

AR = 6.74

p < 0.001

36 (22.2)

AR = –6.74

p < 0.001

162 (100)

51 (63,0)

AR = 6.43

p < 0.001

24 (29.6)

6 (7.4)

AR = –4.102

p = 0.001

81 (100)

Суксунская

91 (56.2)

71 (43.8)

162 (100)

26 (32.1)

39 (48.1)

16 (19.8)

81 (100)

Сычёвская

96 (48.0)

104(52.0)

200 (100)

25 (25.0)

46 (46.0)

29 (29.0)

100 (100)

Тагильская

89 (52.4)

81 (47.6)

170 (100)

25 (29.4)

39 (45.9)

21 (24.7)

85 (100)

Различия

χ2(4) = 60.62, p < 0.001

χ2(8) = 58.43, p < 0.001

Примечание. AR – остактки Хабермана; значения согласованных остатков AR и соответствующие р-значения приведены только для ячеек с неслучайным вкладом; в скобках указаны %.

 

Рис. 3. Соотношение частот генотипов трёх полиморфизмов в уральских популяциях молочного скота на диаграммах де Финетти. Красная парабола – равновесное соотношение по Харди-Вайнбергу, красные метки – популяции с отклонением от равновесия.

 

Поскольку для всех трех SNP известны предковые аллели, рис. 3 позволяет также оценить степень насыщения генотипов пяти популяций мутантными вариантами. Гомозигота по предковому аллелю находится в нижнем правом углу диаграммы де Финетти, а гомозигота по мутантному – в левом. Видно, что для всех трех SNP максимально близкой к предковому генотипу является истобенская порода, а наиболее отдалённой от него – голштинская. В популяционной генетике мутантный аллель часто называют “редки ввиду его меньшей распространенности в популяции. Однако в данном случае мутантные варианты нельзя назвать редкими: в суксунской, сычевской и тагильской популяциях предковых и мутантных аллелей было примерно поровну (см. табл. 3), а у голштинского скота мутантные варианты встречались примерно в 2 раза чаще предковых.

При distance-based генетическом анализе пяти молочных пород крупного рогатого скота по трем полиморфизмам использован метод главных координат пакета GenAlEx (рис. 4). По упрощенной модели генетического расщепления видно, что наиболее генетически удаленная друг от друга пара пород – голштинская и истобенская, что подтверждает результаты по каждому из SNP исходя из диаграмм Де Финетти.

 

Рис. 4. Схема модели генетического расщепления пяти исследованных пород крупного рогатого скота по принципу главных координат.

 

При анализе неравновесного сцепления (linkage disequilibrium) выявлено, что для истобенской и тагильской пород наблюдаются неравновесные сцепления для пар SNP rs137396952−rs134055603, rs109452259−rs134055603 (рис. 5). Значения коэффициента R2 для истобенской породы в первой паре SNP равно 0.16, а во второй – 0.13. Для тагильской породы в первой паре SNP коэффициент имеет значение 0.29, во второй – 0.38 соответственно.

 

Рис. 5. Результаты оценки неравновесного сцепления исследованных полиморфизмов для истобенской и тагильской пород крупного рогатого скота.

 

Проблема генетического разнообразия отечественного генофонда популяций молочного крупного рогатого скота в настоящее время весьма актуальна [1, 21, 22]. Несмотря на высокие показатели продуктивности голштинской породы, животные других пород, обладающие высоким адаптационным потенциалом и устойчивостью к заболеваниям, могут стать незаменимым источником генетической изменчивости.

Полученные данные позволили обнаружить особенности генетической изменчивости среди исследованных пород. Для сычевской и тагильской пород обнаружено несоответствие равновесию Харди−Вайнберга по однонуклеотидному полиморфизму rs109452259. С учетом специфичности работы ПЦР для генотипирования особей крупного рогатого скота, а также изолированности данных популяций можно сделать предположение о том, что данный SNP находится под воздействием искусственного отбора. Поэтому наши дальнейшие исследования будут направлены на оценку разнообразия полиморфизмов, расположенных в ближайших геномных участках, а именно внутри генов GC и NPFFR2, а также межгенных регионов.

Несмотря на историю формирования истобенского скота с использованием голштинской породы, полученные нами результаты могут указывать либо о низком вкладе голштинской породы в формирование истобенской породы, либо о достаточной степени изоляции популяции истобенского скота для формирования отдельной генетической группы по данным полиморфизмам. Стоит отметить, что генотипирование по бо́льшему количеству полиморфизмов может внести значительные изменения в результаты анализа генетического расщепления.

Работа выполнена в рамках проекта РНФ № 22-16-00021 “Изучение ассоциаций молекулярно-генетических маркеров с ценными физиологическими признаками сельскохозяйственных животных с целью направленной селекции для повышения адаптационного потенциала и долголетия”.

Исследование одобрено Этическим комитетом ФГБНУ УрФАНИЦ УрО РАН (Протокол № 6 от 09.11.2023).

Все применимые международные, национальные и/или конституциональные принципы ухода и использования животных были соблюдены.

Авторы заявляют, что у них нет конфликта интересов.

×

Авторлар туралы

M. Bytov

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

V. Zubareva

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

S. Volskaya

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

A. Isaeva

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

D. Nokhrin

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

Yu. Osipova

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

O. Sokolova

Ural Federal Agrarian Scientific Research Centre, Ural Branch of Russian Academy of Sciences

Хат алмасуға жауапты Автор.
Email: nauka_sokolova@mail.ru
Ресей, Ekaterinburg, 620142

Әдебиет тізімі

  1. Модоров М.В., Ткаченко И.В., Грин А.А. и др. Генетическая структура популяции голштинизированного черно-пестрого скота на территории Урала // Генетика. 2021. Т. 57. № 4. С. 437−444. https://doi.org/10.31857/S001667582104010X.
  2. Юдин Н.С., Ларкин Д.М.. Происхождение, селекция и адаптация российских пород крупного рогатого скота по данным полногеномных исследований // Вавиловский журн. генетики и селекции. 2019. Т. 23. № 5. С 559−568. https://doi.org/10.18699/VJ19.525
  3. Породы крупного рогатого скота: справочник / Сост. Иванова Н.В., Максимов А.Г. Перси-ановский: Донской ГАУ, 2019. 143 с. URL: https://e.lanbook.com/book/148559
  4. Фетисова Л.В. Создание и совершенствование сычевской породы крупного рогатого скота. Смоленск: Смоленское кн. изд-во, 1959. 163 с.
  5. The State of the World’s Animal Genetic Resources for Food and Agriculture / Eds Rischkowsky B., Pilling D. FAO, 2007. 524 с.
  6. Информационная система по разнообразию домашних животных (ИС-РДЖ). [Электронный ресурс] // URL: https://www.fao.org/dad-is/browse-by-country-and-species/ru/ (дата обращения: 10.11.2023).
  7. Столповский Ю.А., Бекетов С.В., Солоднева Е.В. и др. Генетическая структура аборигенного тагильского скота по STR- и SNP-маркерам // С.-х. биология. 2021. Т. 56. № 6. С. 1111−1122. https://doi.org/10.15389/agrobiology.2021.6.1123rus.
  8. Nayeri S., Schenkel F., Fleming A. et al. Genome-wide association analysis for β-hydroxybutyrate concentration in Milk in Holstein dairy cattle // BMC Genetics. 2019. V. 20. № 58. P. 1−17. https://doi.org/10.1186/s12863-019-0761-9.
  9. Horst R.L., Goff J.P., Reinhardt T.A. Calcium and vitamin D metabolism during lactation // J. Mammary Gland Biol. Neoplasia. 1997. V. 2. P. 253–263. https://doi.org/10.1023/A:1026384421273.
  10. Nayeri S., Sargolzaei M., Abo-Ismail M.K. et al. Genome-wide association study for lactation persistency, female fertility, longevity, and lifetime profit index traits in Holstein dairy cattle // J. Dairy Science. 2017. V. 100. № 2. P. 1246−1258. https://doi.org/10.3168/jds.2016-11770
  11. Бытов М.В., Соколова О.В., Безбородова Н.А. и др. Методы генотипирования крупного рогатого скота для post-GWAS аннотирования SNPs // Аграрный вестник Урала. 2023. № 06 (235). С. 67‒75. https://doi.org/10.32417/1997-4868-2023-235-06-67-75
  12. Haberman S.J. The analysis of residuals in cross-classified tables // Biometrics. 1973. V. 29. № 1. P. 205−220. https://doi.org/10.2307/2529686
  13. Hammer Ø., Harper D.A.T., Ryan P.D. PAST: Paleontological Statistics software package for education and data analysis // Palaeontologia Electronica. 2001. V. 4. № 1. P. 1−9.
  14. Santos F.A.B., Lemes R.B., Otto P.A. HW_TEST, a program for comprehensive Hardy−Weinberg equilibrium testing // Genet. Mol. Biol. 2020. V. 43. № 2. https://doi.org/10.1590/1678-4685-GMB-2019-0380
  15. Henschke H. De Finetti diagram. [Электронный ресурс] // URL: https://web.archive.org/web/20110719103301/https://finetti.meb.unibonn.de/downloads/finetti_3.0.5_windows.zip (дата обращения: 1.11.2023).
  16. Peakall R., Smouse P.E. Genalex 6: Genetic analysis in Excel. Population genetic software for teaching and research // Mol. Ecol. Notes. 2006. V. 6. № 1. P. 288−295. https://doi.org/10.1111/j.1471-8286.2005.01155.x
  17. Tang D., Chen M., Huang X. et al. SRplot: A free online platform for data visualization and graphing // PLoS One. 2023. V. 18. № 11. P. 1−8. https://doi.org/10.1371/journal.pone.0294236
  18. Chen B., Cole J.W., Grond-Ginsbach C. Departure from Hardy−Weinberg equilibrium and genotyping error // Front. Genet. 2017. V. 8. № 167. P. 1−6. https://doi.org/10.3389/fgene.2017.00167
  19. Abramovs N., Brass A., Tassabehji M. Hardy−Weinberg equilibrium in the large scale genomic sequencing era // Front. Genet. 2020. V. 11. № 210. P. 1−11. https://doi.org/10.3389/fgene.2020.00210
  20. Ye J., Coulouris G., Zaretskaya I. et al. Primer-BLAST: A tool to design target-specific primers for polymerase chain reaction // BMC Bioinformatics. 2012. V. 13. № 134. P. 1−11. https://doi.org/10.1186/1471-2105-13-134
  21. Шевелёва О.М., Бахарев А.А., Терещенко И.Я. Экстерьерные особенности крупного рогатого скота мясных пород в условиях Северного Зауралья // Животноводство и кормопроизводство. 2023. Т. 106. № 3. С. 35-45.
  22. Зиновьева Н.А., Доцев А.В., Сермягин А.А. и др. Изучение генетического разнообразия и популяционной структуры российских пород крупного рогатого скота с использованием полногеномного анализа SNP // С.-х. биология. 2016. Т. 51. № 6. С. 788−800. https://doi.org/10.15389 agrobiology.2016.6.788rus

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Fig. 1. Deviations of the observed genotype frequencies from those expected by HardyTo Weinberg for two studied breeds of dairy cattle according to rs109452259. The spread on the histogram indicates 95% CI based on the results of Monte Carlo simulation in the HW_TEST package.

Жүктеу (87KB)
Метадеректер
3. Fig. 2. Results of capillary electrophoresis of amplification products obtained using the developed TaqMan genotyping systems.

Жүктеу (144KB)
Метадеректер
4. Fig. 3. The ratio of the frequencies of the genotypes of the three polymorphisms in the Ural populations of dairy cattle on the de Finetti diagrams. The red parabola is the Hardy-Weinberg equilibrium ratio, the red labels are populations with a deviation from equilibrium.

Жүктеу (305KB)
Метадеректер
5. Fig. 4. The scheme of the model of genetic cleavage of the five studied cattle breeds according to the principle of the main coordinates.

Жүктеу (82KB)
Метадеректер
6. Fig. 5. The results of the evaluation of the nonequilibrium coupling of the studied polymorphisms for the Istobenskaya and Tagil cattle breeds.

Жүктеу (100KB)
Метадеректер

© Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».