پتانسیل برنامه اصلاح نژادی ژنومی در مرغان بومی ایران

Subject Areas : Camel

س.  ابراهیم‏پورطاهر ¹ (Department of Animal Science, Faculty of Agriculture, University of Tabriz, Tabriz, Iran)
ص.  علیجانی ² (Department of Animal Science, Faculty of Agriculture, University of Tabriz, Tabriz, Iran)
س.ع.  رأفت ³ (Department of Animal Science, Faculty of Agriculture, University of Tabriz, Tabriz, Iran)
ا.ر.  شریفی ⁴ (Department of Animal Science, Faculty of Agriculture, University of Göttingen, Göttingen, Germany)

Received: 2017-09-27 Accepted : 2018-02-15 Published : 2018-09-01

Keywords: شبیه‌سازی, انتخاب ژنومی, سود اقتصادی, رشد ژنتیکی,

Abstract :

گله­های بومی در کشورهای کم درآمد و در حال توسعه همچون ایران، نقش مهمی ایفا می‏کنند. توسعه انتخاب ژنومی می‏تواند یک استراتژی جدید در اصلاح نژاد مرغان بومی باشد. هدف از این مطالعه بررسی کاربرد برنامه انتخاب ژنومی در مرغان بومی ایران از لحاظ اقتصادی و از دیدگاه ژنتیکی بود. در این مطالعه دو سناریو شامل سناریوی مرسوم با 3360 و 3380 حیوان با یک سناریوی ژنومی با استفاده از نرم‏افزار ZPLAN+ مقایسه شد. صفات موجود در شاخص انتخاب، تعداد تخم‏ مرغ، وزن بدن، متوسط وزن تخم ‏مرغ و سن بلوغ جنسی بود. در سناریوی ژنومی اندازه جمعیت مرجع متفاوت مد نظر بودند. در این سناریو اطلاعات ژنومی خروس‏ها (800 خروس تعیین ژنوتیپ شده بود) به اطلاعات موجود در سناریوی مرسوم بر پایه متد شاخص انتخاب اضافه شدند. فاصله بین‏نسلی در همه سناریوهای مرسوم و ژنومی 5/14 ماه بود. در مقایسه سناریوها، رشد ژنتیکی و سود اقتصادی در سناریوی ژنومی با افزایش اندازه جمعیت مرجع افزایش یافت (88/126 یورو تا 45/147 یورو با 80 خروس) و (20/140 یورو تا 77/160 یورو با 60 خروس) در هر واحد حیوانی. قابلیت اعتماد شاخص انتخاب در سناریوی مرسوم در مسیر خروس‏ها 33/0 بود. قابلیت اعتماد در سناریو ژنومی با 80 خروس انتخابی برابر 61/0 تا 84/0 و در سناریوی ژنومی با 60 خروس انتخابی 66/0 تا 87/0 بود و در مقایسه با سناریوی مرسوم بالاتر بود. این مطالعه نشان داد که انتخاب ژنومی می‏تواند نرخ پیشرفت ژنتیکی را در مرغان بومی افزایش دهد. در حالیکه هزینه‏های سناریوهای ژنومی از سناریوی مرسوم بالاتر بود اما اطلاعات ژنومی دقت و رشد ژنتیکی را در صفات هدف اصلاحی افزایش داد.

References:

Alshami A. (2014). Optimization of selection for multiple traits using an economic model for layer chicken enterprise. Int. J. Sci. Technol. Res. 3, 89-90.

Atiyat M. (2014). Sustainable breeding program of Black Bedouin goat for conserving genetic diversity: simulated scenarios for in situ conservation. Jordan J. Agric. Sci. 10, 83-95.

Deimi D. and Alijani S. (2011). Genetic dissection of some production traits of Fars province native chickens using statistical methods. J. Anim. Sci. Res. 21, 71-81.

Dekkers J.C.M. (2007). Prediction of response to marker- assisted and genomic selection using selection index theory. J. Anim. Breed. Genet. 124, 331-341. 

Erbe M., Renhardt F. and Simianer H. (2011). Empirical determination of the number of independent chromosome segments based on cross-validated data. Pp. 115 in Proc. 62^nd in Book of Abstr. European Feder. Anim. Sci. Conf. Stavanger, Norway.

Goddard M.E. and Hayes B.J. (2007). Genomic selection. J. Anim. Breed. Genet. 124, 323-330.

Goddard M. (2009). Genomic selection: prediction of accuracy and maximisation of long term response. Genetica. 136, 245-257.

Groenen M.A.M., Wahlberg P., Foglio M., Cheng H.H., Megens H.J., Crooijmans R., Besnier F., Lathrop M., Muir W.M., Wong G.K., Gut I. and Andersson L. (2009). A high density SNP based linkage map of the chicken genome reveals sequence features correlated with recombination rate. Genome Res. 19, 510-519.

Haberland A.M., Luther H., Hofer A., Tholen E., Simianer H., Lind B. and Baes C. (2013). Efficiency of different selection strategies against boar taint in pigs. Animal. 8, 11-19.

Haberland A.M., Ytournel F., Luther H. and Simianer H. (2010). Evaluation of selection strategies including genomic breeding values in pigs. Pp. 1-26 in Proc. 61^st Ann. Meet. Eur. Feder. Anim. Sci. Heraklion, Crete, Greece.

Hazel L.N. (1943). The genetic basis for constructing selection indexes. Genetics. 28, 476-490.

Hill W.G. (1974). Prediction and evaluation of response to selection with overlapping generations. Anim. Prod. 18, 117-139.

Hillier L.W., Miller W., Birney E., Warren W., Hardison R.C., Ponting C.P. and Bork P. (2004). Sequence and comparative analysis of the chicken genome provide unique perspectives on vertebrate evolution. Nature. 432, 695-716.

Kiani manesh H., Nejati Javaremi A. and Kamali M. (2001). Estimation of genetic and environment parameters economic important traits for Fars native fowls. Anim. Sci. J. (Pajouhesh and Sazandegi). 4, 6-9.

König S., Simianer H. and Willam A. (2009). Economic evaluation of genomic breeding programs. J. Dairy Sci. 92, 382-391.

Meuwissen T.H.E., Hayes B.J. and Goddard M.E. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics. 157, 1819-1829.

Nejati Javaremi A., Smith C. and Gibson J.P. (1997). Effect of total allelic relationship on accuracy of evaluation and response to selection. J. Anim. Sci. 75, 1738-1745.

Niknafs S.H., Abdi H., Fatemi S.A., Zandi M.B. and Baneh H. (2013). Genetic trend and inbreeding coefficients effects for growth and reproductive traits in Mazandaran indigenous chicken. J. Biol. 3, 25-31.

Nitter G. and Graser H.U. (1994). ZPLAN – a PC program to optimize livestock selection programs. Pp. 77-78 in Proc. 5^th World Congr. Genet. Appl. Livest. Prod. Guelph, Canada.

Sitzenstock F., König S., Ytournel F. and Simianer H. (2010). Evaluation of genomic selection for functional traits in horse breeding programs. Pp. 55-58 in Proc. 9^th World Congr. Genet. Appl. Livest. Prod. Univ. Gottingen, Germany.

Sitzenstock F., Ytournel F., Sharifi A.R., Cavero D., Täubert H., Preisinger R. and Simianer H. (2013). Efficiency of genomic selection in an established commercial layer breeding program. Genet. Sel. Evol. 45, 1-11.

Täubert H., Reinhardt F. and Simianer H. (2010). ZPLAN+ new software to evaluate and optimize animal breeding programs. Pp. 71-73 in Proc. 9^th World Congr. Genet. Appl. Livest. Prod. Univ. Gottingen, Germany.

Van der Werf J. (2013). Genome-Wide Association Studies and Genomic Prediction. Humana Press, New York, United States.

Wolc A. (2015). Genomic selection in layer and broiler breeding. Lohmann Inform. 49(1), 4-11.

Yousefi Zonuzi A., Alijani S., Rafat S.A., Abbasi M.A. and Daghigh Kia A. (2013). Estimation of maternal effects on the north-Iranian native chicken traits using Bayesian and REML methods. Slovak J. Anim. Sci. 46(2), 52-60.