Структура геномной ДНК в популяциях кур, выявляемая мультилокусным ДНК-зондом

Обложка

Цитировать

Полный текст

Аннотация

Молекулярно-генетические технологии занимают все большее место в селекционной работе по совершенствованию существующих пород и популяций кур, а также в программах сохранения ценного генофонда. Малочисленные локальные породы являются источником ценных генов, которые можно использовать в селекции. Цель исследования - получение новых знаний о структуре геномной ДНК шести популяций кур с помощью мультилокусного анализа с меченым молекулярным зондом (ГТГ) 5. Мультилокусный анализ с использованием меченых ДНК-зондов позволяет одновременно учитывать большое число генетических локусов и рассчитать популяционно-генетические параметры как внутри популяций, так и между ними. Приведены данные по использованию мультилокусного зонда в реакции молекулярной гибридизации на шести породах и популяциях кур различного происхождения. Показано, что большое генетическое расстояние наблюдалось между черно-пестрым австралорпом и голошейной (D = 0,155). По критерию средней гетерозиготности популяция голошейных кур превосходила юрловских голосистых и черно-пестрых австралорпов. Очевидно, это связано с интенсивной селекционной работой, проводимой в последних двух популяциях, что снижает их генетическое разнообразие. Выявлены маркерные фрагменты ДНК, специфичные для отдельных пород. Подтверждена эффективность мультилокусного анализа как инструмента выявления особенностей организации генома в породах и популяциях кур.

Об авторах

Валерий Павлович Терлецкий

Федеральный исследовательский центр животноводства - ВИЖ имени академика Л.К. Эрнста

Автор, ответственный за переписку.
Email: valeriter@mail.ru
ORCID iD: 0000-0003-4043-3823
SPIN-код: 4512-5328

доктор биологических наук, профессор, главный научный сотрудник, лаборатория молекулярной генетики, Всероссийский научно-исследовательский институт генетики и разведения сельскохозяйственных животных

Российская Федерация, 196625, г. Санкт-Петербург, г. Пушкин, пос. Тярлево, Московское ш., д. 55а

Валентина Ивановна Тыщенко

Федеральный исследовательский центр животноводства - ВИЖ имени академика Л.К. Эрнста

Email: tinatvi@mail.ru
ORCID iD: 0000-0003-4964-9938
SPIN-код: 6294-2400

кандидат биологических наук, старший научный сотрудник лаборатории молекулярной генетики, Всероссийский научно-исследовательский институт генетики и разведения сельскохозяйственных животных

Российская Федерация, 196625, г. Санкт-Петербург, г. Пушкин, пос. Тярлево, Московское ш., д. 55а

Список литературы

  1. Korshunova LG, Karapetyan RV. Molecular genetic methods in poultry selection. Ptitsevodstvo. 2018;(2):2–5. (In Russ.).
  2. Korshunova LG, Karapetyan RV. The use of the genetic methods based on the DNA markers of the productive traits in the selection of chicken. Pticevodstvo. 2021;(5):4–7. (In Russ.). doi: 10.33845/0033-3239-2021-70-5-4-7
  3. Zhuang ZX, Cheng SE, Chen CF, Lin EC, Huang SY. Genomic regions and pathways associated with thermotolerance in layer-type strain Taiwan indigenous chickens. Journal of Thermal Biology. 2020;88:102486. doi: 10.1016/j.jtherbio.2019.102486
  4. Galpern IL, Perinek OY, Fedorova ZL. The using of two gene pool breds of chickens to create a 3-linear egg-meat cross. Poultry and chicken products. 2020;(1):34–39. (In Russ.). doi: 10.30975/2073-4999-2020-22-1-34-39
  5. Tyshchenko VI, Terletskiy VP. Molecular genetics characterization of four gene pool chicken breeds. Ptica i pticeprodukti. 2019;(3):64–66. (In Russ.). doi: 10.30975/2073-4999-2019-21-3-64-66
  6. Chen L, Wang X, Cheng D, Chen K, Fan Y, Wu G, You J, Liu S, Mao H, Ren J. Population genetic analyses of seven Chinese indigenous chicken breeds in a context of global breeds. Animal Genetics. 2019;50(1):82–86. doi: 10.1111/age.12732
  7. Rostamzadeh ME, Esmailizadeh A, Ayatollahi MA, Asadi FM. A genome-wide scan to identify signatures of selection in two Iranian indigenous chicken ecotypes. Genetics Selection Evolution. 2021;53:72. doi: 10.1186/s12711-021-00664-9
  8. Borodin AM, Alekseev YI, Gerasimov KE, Konovalova NV, Terentjeva EV, Efimov DN, Emanuilova ZV, Tuchemskiy LI, Komarov AA, Fisinin VI. Сhickens productivity selection affects immune system genes. Vavilov Journal of Genetics and Breeding. 2020;24(7):755–760. (In Russ.). doi: 10.18699/VJ20.670
  9. Bosse M, Megens HJ, Derks MFL, de Cara ÁMR, Groenen MAM. Deleterious alleles in the context of domestication, inbreeding, and selection. Evolutionary Applications. 2018;12(1):6–17. doi: 10.1111/eva.12691
  10. Makarova AV. An example of using the chicken gene pool in breeding program. Genetics and breeding of animals. 2019;(3):24–28. (In Russ.). doi: 10.31043/2410-2733-2019-3-24-28
  11. Zhang C, Lin D, Wang Y, Peng D, Li H, Fei J, Chen K, Yang N, Hu X, Zhao Y, Li N. Widespread introgression in Chinese indigenous chicken breeds from commercial broiler. Evolutionary Applications. 2019;12(3):610–621. doi: 10.1111/eva.12742
  12. Xue Q, Li G, Cao Y, Yin J, Zhu Y, Zhang H, Zhou C, Shen H, Dou X, Su Y, Wang K, Zou J, Han W. Identification of genes involved in inbreeding depression of reproduction in Langshan chickens. Animal Bioscience. 2021;34(6):975–984. doi: 10.5713/ajas.20.0248
  13. Doekes HP, Bijma P, Windig JJ. How depressing is inbreeding? A meta-analysis of 30 years of research on the effects of inbreeding in livestock. Genes (Basel). 2021;12(6):926. doi: 10.3390/genes12060926
  14. Han W, Xue Q, Li G, Yin J, Zhang H, Zhu Y, Xing W, Cao Y, Su Y, Wang K, Zou J. Genome-wide analysis of the role of DNA methylation in inbreeding depression of reproduction in Langshan chicken. Genomics. 2020;112(4):2677–2687. doi: 10.1016/j.ygeno.2020.02.007
  15. Stephens JC, Gilbert DA, Yuhki N, O’Brien SJ. Estimation of heterozygosity for single-probe multilocus DNA fingerprints. Molecular Biology and Evolution. 1992;9(4):729–743. doi: 10.1093/oxfordjournals.molbev.a040755

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).