مقایسه روش انتخاب ژنومی و کلاسیک در اصلاح نژاد طیور بومی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم دامی دانشگاه تبریز

2 گروه علوم دامی دانشگاه گوتینگن آلمان

چکیده

زمینه مطالعاتی: در کشورهای در حال توسعه مخصوصا" ایران سرمایه­های بومی نقش مهمی در اقتصاد روستایی ایفا می­کنند. نژادهای بومی در مقایسه با سویه­های تجاری می­توانند سطوح بالاتری از عملکرد را در شرایط نامساعد محیطی حفظ ­کنند. هدف: این مطالعه به منظورمقایسه راهکارهای انتخاب ژنومی و انتخاب کلاسیک در طیور بومی ایران با استفاده از نرم­افزار ZPLAN+ انجام شد. روش کار:  یک سناریوی مرجع و یک سناریوی ژنومی با تعداد 3460 پرنده در هر دو سناریو شبیه­سازی شد.  سناریوی مرجع بر پایه اطلاعات فنوتیپی و سناریوی ژنومی بر پایه ترکیبی از اطلاعات فنوتیپی و ژنومی با دو جمعیت مرجع 500 و 1000 حیوان برای هر دو جنسشبیه­سازی  شد. اطلاعات ژنومی مربوط به 4000 مرغ و تعداد متغیر خروس (800 تا 4000) بود. صفات مورد مطالعه شامل تعداد تخم­مرغ، وزن بدن در هشت هفتگی، متوسط وزن تخم­مرغ و سن بلوغ جنسی بود. برای شبیه­سازی این صفات از پارامترهای انحراف­معیار فنوتیپی، وراثت­پذیری، همبستگی­های ژنتیکی و فنوتیپی و ضرایب اقتصادی استفاده شد. نتایج: فاصله بین­نسلی در هر دو سناریو برابر 5/14 ماه بود. با افزودن اطلاعات ژنومی به سناریوی مرجع دقت برآوردها از 62/0 برای خروس­ها و 64/0 برای مرغ­ها به 77/0 برای هر دو جنس در سناریوی ژنومی افزایش یافت. رشد ژنتیکی صفات با افزایش تعداد خروس­های تعیین ژنوتیپ شده و همچنین با افزایش تعداد پرنده در جمعیت مرجع افزایش یافت. مقادیر رشد ژنتیکی صفت تعداد تخم­مرغ، وزن بدن در هشت هفتگی، متوسط وزن تخم­مرغ و سن بلوغ جنسی به ترتیب از 22/0، 57/2، 09/0 و 23/0- در سناریوی مرجع به 30/0، 60/3، 11/0 و 27/0- درسناریوی ژنومی با جمعیت مرجع 1000 حیوان  افزایش یافت. سود حاصل از برنامه اصلاحی تنها در سناریوی ژنومی با جمعیت مرجع 1000 پرنده نسبت به سناریوی مرجع بالاتر بود.  نتیجه­گیری نهایی: استفاده از اطلاعات ژنومی باعث افزایش رشد ژنتیکی در تمام صفات شد. در این تحقیق هزینه­ها کاهش نیافتند اما اطلاعات ژنومی دقت انتخاب برنامه اصلاح نژادی را افزایش داد.   

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of genomic and classic selection method in breeding of Iranian native chickens

نویسندگان [English]

  • S Ebrahimpour 1
  • S Alijani 1
  • SA Rafat 1
  • AR Sharifi 2
Aghazadeh Bokat M, 2013, Genetic evaluation of egg number trait for Azerbaijan native’s chickens in different time period by random regression, Master thesis, Faculty of Agriculture and University of Tabriz.
Daetwyler HD, Villanueva B and Wooliams JA, 2008. Accuracy of predicting the genetic risk of diseases using genome-wide approach. Plos One 3: 1-8.
Daetwyler HD, Pong-Wong R, Villanueva B and Wooliams JA, 2010. The impact of genetic architecture on genome wide evaluation methods. Genetics 185: 1021–1031.
Dassonneville R, BrØndum RF, Druet T, Fritz S, Guillaume F, Guldbrandtsen B, Lund MS, Ducrocq V and  Su G, 2011. Effect of imputing markers from a low-density chip on the reliability of genomic breeding values in Holstein populations. Journal of Dairy Science 94: 3679–3686.
Dekkers JCM, 2007. Prediction of response to marker-assisted and genomic selection using the selection index theory. Journal Animal Breeding Genetic 124: 331–341.
Dekkers JCM, Stricker C, Fernando RL, Garrick DJ, Lamont SJ, O´Sullivan NP, Fulton JE, Arango J, Settar P, Kranis A, McKay J, Watson KA, Koerhuis A and Preisinger R, 2010. Implementation of genomic selection in egg layer chickens. Journal of Animal Science 87: 6.
Erbe M, Reinhardt F and Simianer H, 2011. Empirical determination of the number of independent chromosome segments based on cross-validated data. Pp.115. In proceedings of the 62nd annual meeting of the European federation of Animal Science Stavanger.
Goddard M, 2009. Genomic selection: prediction of accuracy and maximization of long term response. Genetica 136: 245–257.
Habier D, Fernando RL and Dekkers JCM, 2009. Genomic selection using low-density marker panels. Genetics 182: 343–353.
Haberland A, Ytournel F, Simianer H, 2011. Integration of genomic information into the selection index. In Proceeding of the conference of the Gesellschaft für Züchtungskunde e.V. (DGfZ) and the Gesellschaft für Tierzuchtwissenschaften (GfT) .Freising-Weihenstephan, Germany.
Hazel LN and Lush JL, 1942. The efficiency of three methods of selection. Journal of Hered 33: 393-399.
Hazel LN, 1943. The genetic basis for constructing selection indexes. Genetics 28: 476-490.
Khadem A, Hafezian H and Rahimi-Mianji GH, 2010. Association of single nucleotide polymorphisms in IGFI, IGF-II and IGFBP-II with production traits in breeder hens of Mazandaran native fowls breeding station. African Journal of Biotechnology 9(6): 805-810.
Kianimanesh H R, Nejati A and Rahimi G, 2001. Estimation of economic indices for production traits of Iranian native fowls. Pp. 283-288. In Proc. 1st Sem. Genetic Breeding. App.
König S, Simianer H and Willam A, 2009. Economic evaluation of genomic breeding programs. Journal of Dairy Science 92: 382–391.
Meuwissen T, Hayes B and Goddard M, 2016. Genomic selection: A paradigm shift in animal breeding. Animal Frontiers 6: 6-14.
Schaeffer LR, 2006. Strategy for applying genome-wide selection in dairy cattle. Journal of Animal Breeding Genetic 123: 218–223.
Semsarian S, Eskandari Nasab MP, Zarehdaran S and Dehghani AA, 2013. Prediction  of  the  weight  and  number  of  eggs  in  Mazandaran  native  fowl using artificial neural network. International journal of Advanced Biological and Biomedical Research 1: 532-537.
Sitzenstock F, Ytournel F,  Sharifi AR, Cavero D, Täubert H, Preisinger R and Simianer H, 2013. Efficiency of genomic selection in an established commercial layer breeding program. Genetic Selection Evolution 45:29.
Täubert H, Reinhardt F and Seminar H, 2010. ZPLAN+ A new software to evaluate and optimize bird breeding programs. Leipzig: In Proceedings of the 9th World Congress on Genetics Applied to Livestock Production.
Wolc A, Arango J, Settar P, Fulton JE, O'Sullivan NP, Preisinger R, Habier D, Fernando RL, Garrick DJ, Lamont SJ and Dekkers JCM, 2013. Genomic selection in layer chickens outperforms pedigree-based selection. Journal of Animal Science 91: 23.
Wolc A, 2015. Genomic selection in layer and broiler breeding. LOHMANN Information 49 (1): 4-11.
Wolc A, Kranis A, Arango J, Settar P, Fulton JE, O’Sullivan NP, Avendano A, Watson  KA, Hickey JM, de los Campos G, Fernando RL, Garrick DJ and Dekkers JCM, 2016. Implementation of genomic selection in the poultry industry. Animal Frontiers 6: 23-31.
Yousefi zonuz A, 2012, Maternal genetic and environmental effects on genetic evaluation of some economic traits in Iranian pedigreed native chickens using Bayesian and REML methods, Master thesis, Faculty of Agriculture and University of Tabriz.
Zerehdaran S and Emamgholibaghli H, 2010. Effect of using genetic markers in breeding programs of native fowl. Journal of Animal Science Researches 22(1): 1-9.