Мониторинг генетического полиморфизма ДНК‑маркеров продуктивности молочного скота

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Традиционные системы улучшения молочного скота требуют значительных ресурсов и не отличаются высокой эффективностью. Отбор с учетом ДНК маркеров позволяет оптимально формировать стада. Мониторинг генетического полиморфизма генов ассоциированных с улучшенными качествами молочного скота является основой для коррекции программ селекции.

Цель. Изучить генотипические особенности популяций молочного скота Омской области.

Материалы и методы. Объект исследования - генотипы коров красной степной и черно-пестрой пород. Мониторинг полиморфизма генов проводился на основании генетических паспортов коров с 2020 по 2024 гг. Количество генотипов коров в мониторинге - 356 голов. Генотипирование проводилось в лабораториях KSITEST, г. Москва и в ФГБОУ ВО «ГАУ Северного Зауралья», г. Тюмень. Определялись SNP по генам CSN2, LGB, GH.

Результаты. Наибольший удельный вес в популяции имеет аллель А1, гена CSN2, от 40 % в красной степной породе и до 45 % в черно-пестрой. Наименьшую частоту встречаемости в черно-пестрой породе у аллеля F – 0,71 %. Доля гомозигот CSN2А2А2 в красной степной породе - 23,33 %, что выше, чем в черно-пестрой породе на 6,18 %. Частота встречаемости аллеля А гена LGB у коров черно-пестрой породы составила 62,14 % и 51,67 % у красной степной породы. С 2022 по 2024 гг. частота желательного аллеля, гена CSN2 снизилась на 0,06 – 0,07. Частота желательного аллеля GH и LGB увеличилась в 2024 г в двух популяциях. Генетическая основа популяции практически не изменилась за период 2022-2024 гг., что свидетельствует об отсутствии селекционного давления по ДНК-маркерам.

Заключение. Популяция молочного скота в Омской области характеризуется высоким генетическим разнообразием по генам-маркерам молочной продуктивности, а регулярный мониторинг генетической структуры пород позволит оптимизировать селекционный процесс.

Об авторах

Ирина Петровна Иванова

Федеральное государственное бюджетное образовательное учреждение высшего образования «Омский государственный аграрный университет имени П.А. Столыпина»

Автор, ответственный за переписку.
Email: ip.ivanova@omgau.org
ORCID iD: 0000-0001-5700-9186
SPIN-код: 4502-2120
Scopus Author ID: 57212277573

канд. с.-х. наук, доцент, доцент кафедры разведения и генетики сельскохозяйственных животных 

 

Россия, пл. Институтская, 1, г. Омск, 644008, Российская Федерация

Елена Николаевна Юрченко

Федеральное государственное бюджетное образовательное учреждение высшего образования «Омский государственный аграрный университет имени П.А. Столыпина»

Email: en.yurchenko@omgau.org
ORCID iD: 0000-0002-7602-8099
SPIN-код: 5242-1428

канд. с.-х. наук, доцент, заведующая кафедрой разведения и генетики сельскохозяйственных животных 

 

Россия, пл. Институтская, 1, г. Омск, 644008, Российская Федерация

Юлия Андреевна Оконешникова

Федеральное государственное бюджетное образовательное учреждение высшего образования «Омский государственный аграрный университет имени П.А. Столыпина»

Email: yua.okontshnikova@omgau.org
ORCID iD: 0009-0009-3615-6342
SPIN-код: 4889-7952

ассистент кафедры разведения и генетики сельскохозяйственных животных 

 

Россия, пл. Институтская, 1, г. Омск, 644008, Российская Федерация

Список литературы

  1. Дерюгина, А. В., Иващенко, М. Н., Метелин, В. Б. и др. (2023). Влияние технологического стресса на неспецифическую резистентность организма коров. Siberian Journal of Life Sciences and Agriculture, 15(3), 26–40. https://doi.org/10.12731/2658-6649-2023-15-3-26-40. EDN: https://elibrary.ru/RJKSHF
  2. Дунин, И. М., Тяпугин, С. Е., Семенова, Н. В. и др. (2024). Эффективность селекции молочного скота при использовании различных методов прогноза племенной ценности. Молочное и мясное скотоводство, (2), 3–5. https://doi.org/10.33943/MMS.2024.18.25.001. EDN: https://elibrary.ru/VEEIZS
  3. Иванова, И. П. (2024). Генетические особенности коров голштинской породы в Омской области. Вестник Омского государственного аграрного университета, (3(55)), 74–79. EDN: https://elibrary.ru/HSXABJ
  4. Исупова, Ю. В., & Ачкасова, Е. В. (2021). Перспективы использования оценки геномной племенной ценности в селекции молочного скота в условиях Удмуртской Республики. Известия Оренбургского государственного аграрного университета, (4(90)), 307–311. EDN: https://elibrary.ru/YYBQKA
  5. Карымсаков, Т. Н. (2021). Эффективность использования в селекции молочного скота методов индексной оценки. Вестник аграрной науки, (3(90)), 89–93. https://doi.org/10.17238/issn2587-666X.2021.3.89. EDN: https://elibrary.ru/LWHGIU
  6. Олейник, С. А., Скрипкин, В. С., Лесняк, А. В. и др. (2023). Сравнительный анализ жирнокислотного состава молока коров красной степной породы в условиях разных природно климатических зон Северного Кавказа. Siberian Journal of Life Sciences and Agriculture, 15(4), 236–259. https://doi.org/10.12731/2658-6649-2023-15-4-236-259. EDN: https://elibrary.ru/LZRJFA
  7. Попов, Н., Некрасов, А., & Федотова, Е. (2020). Генетическое маркирование в селекции скота. Животноводство России, (S2), 9–15. https://doi.org/10.25701/ZZR.2020.47.51.002. EDN: https://elibrary.ru/ZXFJUR
  8. Скачкова, О. А., & Бригида, А. В. (2022). Селекция на повышение молочной продуктивности у крупного рогатого скота: значение генетических маркеров предикторов. Ветеринария и кормление, (2), 47–49. https://doi.org/10.30917/ATT-VK-1814-9588-2022-2-13. EDN: https://elibrary.ru/UKKPNR
  9. Суров, А. И., Шумаенко, С. Н., Омаров, А. А. и др. (2023). Использование метода генотипирования для отбора животных желательного типа. Siberian Journal of Life Sciences and Agriculture, 15(4), 136–157. https://doi.org/10.12731/2658-6649-2023-15-4-136-157. EDN: https://elibrary.ru/KLDNAL
  10. Чижова, Л. Н., Суржикова, Е. С., & Михайленко, Т. Н. (2020). Оценка генетического потенциала молодняка молочного скота по маркерным генам CSN3, GH, PIT 1, PRL. Вестник Курской государственной сельскохозяйственной академии, (6), 40–46. EDN: https://elibrary.ru/SWRWQT
  11. Шевелева, О. М., Часовщикова, М. А., & Суханова, С. Ф. (2021). Продуктивные и некоторые биологические особенности генофондной породы скота салерс в условиях Западной Сибири. Siberian Journal of Life Sciences and Agriculture, 13(1), 156–173. https://doi.org/10.12731/2658-6649-2021-13-1-156-173. EDN: https://elibrary.ru/GERQEL
  12. Barkema, H. W., Von Keyserlingk, M. A. G., Kastelic, J. P., Lam, T. J. G. M., Luby, C., Roy, J. P., Kastelic, & Kelton, D. F. (2015). Invited review: Changes in the dairy industry affecting dairy cattle health and welfare. Journal of Dairy Science, 98(11), 7426–7445. https://doi.org/10.3168/jds.2015-9377
  13. Bijttebier, J., Hamerlinck, J., Moakes, S., Scollan, N., Van Meensel, J., & Lauwers, L. (2017). Low input dairy farming in Europe: exploring a context specific notion. Agricultural Systems, 156, 43–51. https://doi.org/10.1016/j.agsy.2017.05.016
  14. Borusiewicz, A., & Mazur, K. (2017). Environmental and economic conditioning of the breeding of dairy cattle. Fresenius Environmental Bulletin, 26(10), 5824–5832.
  15. Galloway, C., Conradie, B., Prozesky, H., & Esler, K. (2018). Opportunities to improve sustainability on commercial pasture based dairy farms by assessing environmental impact. Agricultural Systems, 166, 1–9. https://doi.org/10.1016/j.agsy.2018.07.008. EDN: https://elibrary.ru/VHGAEG
  16. Kharzhau, A., Batyrgaliyev, Y. A., & Bogolyubova, N. V. (2023). Features of feeding dairy cows of cattle. Science and Education, (2–3(71)), 44–51. https://doi.org/10.52578/2305-9397-2023-2-3-44-51. EDN: https://elibrary.ru/XASXYG
  17. Naumenkova, V. A., Khrabrova, L. A., & Atroshchenko, M. M. (2023). Analysis of the interconnection of stallion semen indicators with genetic markers of proteins. Siberian Journal of Life Sciences and Agriculture, 15(4), 197–209. https://doi.org/10.12731/2658-6649-2023-15-4-197-209. EDN: https://elibrary.ru/HURKBR
  18. Rozhkova Timina, I. O. (2023). Feed allowance for Holstein cows during lactation and dry periods (Sakhalin island). Siberian Journal of Life Sciences and Agriculture, 15(4), 56–73. https://doi.org/10.12731/2658-6649-2023-15-4-56-73. EDN: https://elibrary.ru/IHVNLN
  19. Sedykh, T. A., Kalashnikova, L. A., Dolmatova, I. Yu., et al. (2023). Developing meat productivity in bull calves of different DGAT1 genotypes. Siberian Journal of Life Sciences and Agriculture, 15(3), 155–174. https://doi.org/10.12731/2658-6649-2023-15-3-155-174. EDN: https://elibrary.ru/XIBFND
  20. Sheveleva, O. M., & Bakharev, A. A. (2022). Meat productivity of French bred bulls due to adaptive technology in Western Siberia. Siberian Journal of Life Sciences and Agriculture, 14(4), 370–383. https://doi.org/10.12731/2658-6649-2022-14-4-370-383. EDN: https://elibrary.ru/BNQCIU

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


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

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».