توصيفگر ها :
مرغ بومي , منحني رشد , مرغ آميخته , مطالعات پويش ژنومي , ژن كانديدا , فراسنجه
چكيده فارسي :
شناسايي نشانگرهايي كه با فراسنجه هاي منحني رشد در ارتباط هستند، به درك خصوصيات رشد فردي در هنگام پرورش كمك مي كند. اين مطالعه با هدف شناسايي مجموعه اي از نشانگرهاي زيستي از طريق يك مطالعه ارتباط ژنومي گسترده (GWAS) مرتبط با فراسنجه هاي منحني رشد در جوجه هاي آميخته گوشتي- بومي با استفاده از تراشه نشانگري 60 كيلو باز انجام شد. بدين منظور داده هاي مربوط به رشد شامل وزن بدن از بدو تولد تا سن 84 روزگي بر روي 303 پرنده شامل174 ماده و 129 نر از آميخته هاي نسل دوم مرغ گوشتي آرين (خط B) و مرغ بومي اروميه جمع آوري شد. چهار مدل غيرخطي از جمله لجستيك، گومپرتز-ليرد، ريچاردز و ون-برتالانفي براي يافتن بهترين پيش بيني فراسنجه هاي رشد كه منجر به بهترين توصيف منحني رشد در جمعيت مرغ آميخته شود، مقايسه شدند. از معيارهاي آماري مانند AIC ، AICc و BIC براي يافتن بهترين مدل پيش بيني كننده رشد استفاده شد. براين اساس، مدل گومپرتز-ليرد عملكرد بهتري را نشان داد و به عنوان بهترين مدل براي تجزيه و تحليل الگوي رشد آميخته هاي بومي و تجاري انتخاب شد. در اين مدل از دو فراسنجه اصلي منحني رشد شامل سرعت رشد آني (L) و شاخص بلوغ (k) براي برآورد پنج فراسنجه مشتق شده شامل وزن بلوغ (Wf)، وزن بدن در نقطه عطف (Wi)، سن در نقطه عطف (ti)، ميانگين نرخ رشد (GR) و حداكثر نرخ رشد (MGR) استفاده شد كه به عنوان مقادير فنوتيپي در GWAS مورد استفاده قرار گرفتند. نتايج GWAS منجر به شناسايي 21 نشانگر معني دار شد كه در نزديكي يا درون 46 ژن واقع شده اند. تعدادي از اين ژن ها مانند GH ، RET ، GRB14 ، FTSJ3 و CCK ژن هاي مهمي در رشد و كيفيت گوشت در طيور هستند و برخي از آنها ژن هاي مرتبط با رشد در گونه هاي ديگر مانند گوسفند و گاو مي باشند (GPI، XIRP2، GALNTL6 ، BMS1 ، THSD4 ، TRHDE ، SHISA9 ، ACSL6 و DYNC1LI2). ژن هاي ديگر نيز با مسيرهاي بيولوژيكي رشد همراه هستند. اين ژن ها با QTL هاي وزن بدن ، ميانگين افزايش وزن روزانه و رشد مرتبط هستند. نتايج اين مطالعه مي تواند باعث روشن شدن مكانيسم ژنتيكي عملكرد بيولوژيكي فاكتورهاي رشد در جوجه هاي گوشتي شود كه در توسعه روشهاي مديريتي و تسريع در پيشرفت ژنتيكي در برنامه هاي اصلاح نژاد مناسب است.
چكيده انگليسي :
The markers which are correlated with the growth curve parameters help to understand the characteristics of the individual growth during rearing. This study aimed to identify a set of biomarkers through a genome-wide association study (GWAS) for growth curves parameters in broilers using Illumnia 60K chicken SNP Beadchip. For this purpose, growth data (weekly body weights of chicken from birth to 84 d of age) were collected on a total of 303 birds (174 females and 129 males) of F2 cross of the Arian line broiler chicken (Line B) and Urmia native chicken. Four nonlinear models including; Logistic, Gompertz-Laird, Richards, and von Bertalanffy were compared to achieve the best prediction of growth parameters describing the growth curve in this population. Some statistical criteria such as AIC, AICc, and BIC were used to find the best model. Based on these selection criteria, Gompertz-Laird model showed better performance, therefore it was chosen as the best model to analyze the growth pattern in crossbred of native strain and commercial broilers. Using Gompertz-Laird model, two growth curve parameters, the instantaneous growth rate per day (L) and the coefficient of relative growth or maturing index (k) were estimated. The L and k were used to estimate five derived parameters, namely asymptotic (mature) body weight (Wf), body weight at inflection point (Wi), age at the inflection point (ti), average growth rate (GR), and maximum growth rate (MGR). These parameters were considered as phenotypic values in GWAS based on generalized linear models (GLM). The results of GWAS indicated 21 significant markers, which located nearby or within 46 genes. A number of these genes such as GH, RET, GRB14, FTSJ3 and CCK are important genes in growth and meat quality in chickens, and some of them are growth-related genes in other species such as sheep and cattle (GPI, XIRP2, GALNTL6, BMS1, THSD4, TRHDE, SHISA9, ACSL6 and DYNC1LI2). The other genes are associated with developmental biological pathway. These genes are specially related to body weight, average daily gain and growth QTLs. The results of this study can shed a light on better understand the genetic mechanism of biological function of growth factors in broiler chicken, which is suitable in developing management practices and accelerating the genetic progress in breeding programs.
