Полногеномные ассоциативные исследования распространения пороков развития и других селекционно значимых качественных признаков у потомства хряков крупной белой породы российской селекции

Выявление областей генома, прямо или опосредованно связанных с признаками пороков раз-вития у домашних свиней, может способствовать идентификации генетических мишеней, используемых в качестве биомаркеров индивидуальных особенностей формирования экстерьера, их метаболического статуса,  а также подверженности генетическим заболеваниям. Такие исследования напрямую связаны с повышением экономической эффективности, поскольку позволяют выявлять и исключать из селекционного процесса животных-носителей нежелательных генов, фенотип которых может не проявляться. В данной работе проведен поиск подобных целевых генов и геномных регионов с помощью полногеномных ассоциативных исследований (GWAS) с использованием ДНК-чипов PorcineSNP60K BeadChips (Illumina, San Diego, USA). Проанализировано 48 хряков свиней крупной белой породы селекционно-гибридного центра «Знаменский» Орловской области по 21 недостатку экстерьера и дефектам развития у 39 153 их потомков. Расчеты производили по линейной модели смешанного типа в программном пакете GEMMA. Из изначального сета в 61 000 SNP были отобраны 36 704  полиморфных SNP, в которых найдены 24 полиморфизма, входящих в 11 генов (P < 0.1), статистически значимо  коррелирующих с признаками аномалий развития в геноме свиней, такими как атрезия анального отверстия  (ARMC7,FANCC,RND3,ENSSSCG00000017216), проблемы с конечностями (PAWR,NTM,OPCML,ENSSSCG00000040250, ENSSSCG00000017018) и тремор поросят (RIC3,ENSSSCG00000032665). Также была выявлена коэкспрессия генов NTM, OPCML и RND3, участвующих в регуляции клеточной адгезии. Проведенная работа подтвердила актуальность применения подобного подхода в полногеномно-ассоциативных исследованиях для детектирования единичных SNP, связанных с отдельными признаками, даже для небольших выборок.

1. Долматова A.B., Сковородин Е.Н. Использование ДНК-полиморфизма в селекции свиней. В: Материалы междунар. науч.-практ. конф. «Современные проблемы интенсификации производства свинины в странах СНГ», посвященной 75-летнему юбилею заслуженного деятеля науки РФ, профессора В.Е. Уитько, 7–10 июля 2010 г. Ульяновск, 2010;138-143.

2. Племяшов К.В. Геномная селекция – будущее животноводства. Животноводство России. 2014;5:2-4.

3. Barrett J., Fry B., Maller J., Daly M. Haploview: analysis and visualization of LD and haplotype maps. Bioinformatics. 2005;21(2):263-265. DOI 10.1093/bioinformatics/bth457.

4. Benjamini Y., Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J. R. Statist. Soc. B. 1995;57(1):289-300. DOI 10.2307/2346101.

5. Boddicker N., Waide E.H., Rowland R.R.R., Lunney J.K., Garrick D.J., Reecy J.M., Dekkers J.C.M. Evidence for a major QTL associated with host response to porcine reproductive and respiratory syndrome virus challenge. J. Anim. Sci. 2012;90(6):1733-1746.

6. Bruun C.S., Jorgensen C.B., Nielsen V.H., Andersson L., Fredholm M. Evaluation of the porcine melanocortin 4 receptor(MC4R) gene as a positional candidate for a fatness QTL in a cross between Landrace and Hampshire. Anim. Genet. 2006;37(4):359-362. DOI 10.1111/j.1365-2052.2006.01488.x.

7. Ciobanu D.C., Lonergan S.M., Huff-Lonergan E.J. Genetics of meat quality and carcass traits. In: Rothschild M.F., Ruvinsky A. (Eds.). The Genetics of the Pig. 2nd ed. Wallingford: CAB International, 2011;355-389.

8. Ernst C.W., Steibel J.P. Molecular advances in QTL discovery and application in pig breeding. Trends Genet. 2013;29(4):215-224. DOI 10.1016/j.tig.2013.02.002.

9. McLaren W., Gil L., Hunt S., Riat H., Ritchie G., Thormann A., Flicek P., Cunningham F. The Ensembl Variant Effect Predictor. Genome Biol. 2016;17(1):122. DOI10.1186/s13059-016-0974-4.

10. Nyachoti C., Kiarie E., Bhandari S., Zhang G., Krause D. Weaned pig responses to Escherichia coli K88 oral challenge when receiving a lysozyme supplement. J. Anim. Sci. 2012;90(1):252-260. DOI 10.2527/jas.2010-3596.

11. Purcell S., Neale B., Todd-Brown K., Thomas L., Ferreira M., Bender D., Maller J., Sklar P., Bakker P., Daly M., Sham P. PLINK: a toolset for whole-genome association and population-based linkage analysis. Am. J. Hum. Genet. 2007;81:559-575. DOI 10.1086/519795.

12. Peterson R.A. Estimating normalization transformations with bestNormalize. 2017. Available at: https://github.com/petersonR/bestNormalize

13. Salas R., Mingala C. Genetic factors affecting pork quality: halothane and rendement napole genes. Anim. Biotechnol. 2017;28(2):148-155. DOI 10.1080/10495398.2016.1243550. Epub 2016 Nov. 17.

14. See T., Max F., Rothschild C., Christains J. Swine Genetic Abnormalities. Pork Information Gateway. 2006; PIG 06-06-01.

15. Sermyagin А., Gladyr E., Plemyashov K., Kudinov A., Dotsev A., Deniskova T., Zinovieva N. Genome-wide association studies for milk production traits in Russian population of Holstein and blackand-white cattle. In: Anisimov K.V. et al. (Eds.). Proc. of the Sci.-Pract. Conf. “Research and Development – 2016”, 14–15 Dec. 2016, Moscow, Russia. Springer Open, 2018;591-599. DOI 10.1007/978-3-319-62870-7_62.

16. Sermyagin A., Kovalyuk N., Ermilov A., Yanchukov I., Satsuk V., Do tsev A., Deniskova T., Brem G., Zinovieva N.A. Associations of Bola-drb3 genotypes with breeding values for milk production traits in Russian dairy cattle population. Selskokhozyaystvennaya Biologiya = Agricultural Biology. 2016;51(6):775-781. DOI 10.15389/agrobiology.2016.6.775eng.

17. Storey J., Bass A., Dabney A., Robinson D. qvalue: Q-value estimation for false discovery rate control. R package version 2.10.1. 2017. http://github.com/StoreyLab/qvalue

18. Turner S. qqman: Q-Q and Manhattan Plots for GWAS Data. R package version 0.1.4. 2017. https://CRAN.R-project.org/package=qqman

19. Zhou X., Stephens M. Genome-wide efficient mixed-model analysis for association studies. Nat. Genet. 2012;44:821-824. DOI 10.1038/ng.2310.