Паттерн генетического разнообразия у локальных и коммерческих пород свиней на основе анализа микросателлитов

Одной из основных задач генетики и селекции животных является оценка генетического разнообразия и исследование генетических взаимоотношений между различными породами и популяциями с помощью методов молекулярно-генетического анализа. Нами проведен анализ полиморфизма микросателлитов и получена информация о состоянии генетического разнообразия и структуры популяций локальных пород свиней, разводимых на территории России (кемеровская, беркширская, ливенская, мангалица, цивильская), Республики Беларусь (крупная белая, черно-пестрая), Украины (степная белая), а также коммерческих пород импортного происхождения отечественной репродукции (крупная белая, ландрас, дюрок). Материалом для исследований служили пробы ткани 1194 образцов свиней из биоресурсной коллекции «Банк генетического материала животных и птиц» ФГБНУ ФИЦ ВИЖ им. Л.К. Эрнста. Полиморфизм 10 STR-локусов (S0155, S0355, S0386, SW24, SO005, SW72, SW951, S0101, SW240, SW857) определяли по ранее разработанной методике с помощью генетического анализатора ABI3130xl (Applied Biosystems, США). Для оценки аллелофонда каждой породы рассчитывали среднее число аллелей (NA) и эффективное число аллелей (NE ) на локус, аллельное разнообразие (AR), вычисленное с применением процедуры рарификации, наблюдаемую (HO) и ожидаемую (HE ) гетерозиготность, индекс фиксации (FIS). Степень генетической дифференциации пород оценивали на основании попарных значений FST и D. Анализ параметров аллельного и генетического разнообразия локальных пород показал максимальный уровень полиморфности у свиней украинской степной породы (NA = 6.500, NE = 3.709, AR = 6.020), а минимальный – у свиней породы дюрок (4.875, 2.119 и 3.821 соответственно). Наиболее высокий уровень генетического разнообразия выявлен у свиней крупной белой породы Республики Беларусь (HO = 0.707, HE = 0.702). Минимальный уровень генетического разнообразия установлен у свиней импортных пород ландрас (HO = 0.459, HE = 0.400) и дюрок (HO = 0.480, HE = 0.469), что, возможно, указывает на высокое давление отбора в этих породах. По результатам филогенетического анализа выявлена генетическая обособленность пород свиней корня крупной белой породы, в создании которых принимали участие беркширские свиньи, и отдаленность пород ландрас и мангалица. Кластерный анализ показал генетическую консолидированность свиней пород черно-пестрая, беркширская и мангалица. Отличной от других пород генетической структурой характеризовались также импортные породы свиней с кластеризацией в зависимости от происхождения. Информация, полученная в ходе исследований, может служить руководством для стратегий управления и разведения изученных пород свиней с целью лучшего их использования и сохранения.

1. Зиновьева Н.А., Харзинова В.Р., Сизарева Е.И., Гладырь Е.А., Костюнина О.В., Луговой С.И., Тапиха В.А., Гамко Л.Н., Овсеенко Е.В., Шавырина К.М., Эрнст Л.К. Оценка вклада различных популяций в генетическое разнообразие свиней корня крупной белой породы. С.-х. биология. 2012;6:35-42.

2. Столповский Ю.А. Популяционно-генетические основы сохранения генофондов доместицированных видов животных. Вавиловский журнал генетики и селекции. 2013;17(4/2):900-915.

3. Харзинова В.Р., Карпушкина Т.В., Денискова Т.Е., Костюнина О.В., Зиновьева Н.А. Популяционно-генетическая характеристика свиней породы крупная белая, ландрас и дюрок с использованием микросателлитов. Зоотехния. 2018;4:2-7.

4. Харзинова В.Р., Костюнина О.В., Зиновьева Н.А. Локальные породы свиней: сравнительная характеристика аллелофонда на основе анализа микросателлитов. Свиноводство. 2017;1:5-7.

5. Храброва Л.А., Калинкова Л.В., Зайцева М.А. Методические положения по использованию ДНК-анализа лошадей для оценки генетических ресурсов в коневодстве. Дивово, 2011.

6. Andras J., Kirk N., Harvell C. Range-wide population genetic structure of Symbiodinium associated with the Caribbean sea fan coral, Gorgonia ventalina. Mol. Ecol. 2011;20:2525-2542. https://doi.org/10.1111/j.1365-294X.2011.05115.x.

7. Caballero A., García-Dorado A. Allelic diversity and its implications for the rate of adaptation. Genetics. 2013;195(4):1373-1384. https://doi.org/10.1534/genetics.113.158410.

8. Charoensook R., Gatphayak K., Brenig B., Knorr C. Genetic diversity analysis of Thai indigenous pig population using microsatellite markers. Asian-Australas. J. Anim. Sci. 2019;32(10):1491-1500.DOI 10.5713/ajas.18.0832.

9. da Silva E.C., Dutra W.M., Jr., Ianella P., Filho M.A.G. de Oliveira C.J.P., de Moura Ferreira D.N., Caetano A.R., Paiva S.R. Patterns of genetic diversity of local pig populations in the State of Pernambuco. R. Braz. Zootec. 2011;40(8):1691-1699. https://doi.org/10.1590/S1516-35982011000800010.

10. Druml T., Salajpal K., Dikic M. Genetic diversity, population structure and subdivision of local Balkan pig breeds in Austria, Croatia, Serbia and Bosnia-Herzegovina and its practical value in conservation programs. Genet. Sel. Evol. 2012;44:5. https://doi.org/10.1186/1297-9686-44-5.

11. Earl D.A., von Holdt B.M. Structure Harvester: a website and program for visualizing Structure output and implementing the Evanno method. Conserv. Genet. Resour. 2012;4:359-361. https://doi.org/10.1007/s12686-011-9548-7.

12. Egito A.A., Paiva S.R., Albuquerque M.S., Mariante A.S., Almeida L.D., Castro S.R., Grattapaglia D. Microsatellite based genetic diversity and relationships among ten Creole and commercial cattle breeds raised in Brazil. BMC Genet. 2007;8:83-97. https://doi.org/10.1186/1471-2156-8-83.

13. Evanno G., Regnaut S., Goudet J. Detecting the number of clusters of individuals using the software STRUCTURE: a simulation study. Mol. Ecol. 2005;14:2611-2620. https://doi.org/10.1111/j.1365-294X.2005.02553.x.

14. FAO: Measurement of Domestic Animal Diversity (MoDAD): Original Working Group Report. Rome, FAO, 1998.

15. Greenbaum G., Templeton A.R., Zarmi Y., Bar-David S. Allelic richness following population founding events - a stochastic modeling framework incorporating gene flow and genetic drift. PLoS One. 2014;10(3):e0119663.

16. Guastella A.M., Criscione A., Marletta D., Zuccaro A., Chie L., Bordonaro S. Molecular characterization and genetic structure of the Nero Siciliano pig breed. Genet. Mol. Biol. 2010;33(4):650-656. https://doi.org/10.1590/S1415-47572010005000075.

17. Hopper J.V., McCue K.F., Pratt P.D., Duchesne P., Grosholz E.D., Hufbauer R.A. Into the weeds: matching importation history to genetic consequences and pathways in two widely used biological control agents. Evol. Appl. 2018;12(4):1-18. https://doi.org/10.1111/eva.12755.

18. Huson D.H., Bryant D. Application of phylogenetic networks in evolutionary studies. Mol. Biol. Evol. 2006;23(2):254-267. https://doi.org/10.1093/molbev/msj030.

19. Jolliffe I.T., Cadima J. Principal component analysis: a review and recent developments. Philos. Trans. R. Soc. A. 2016;374(2065): 20150202. https://doi.org/10.1098/rsta.2015.0202.

20. Jombart T. adegenet: a R package for the multivariate analysis of genetic markers. Bioinformatics. 2008;24:1403-1405. https://doi.org/10.1093/bioinformatics/btn129.

21. Jost L. GST and its relatives do not measure differentiation. Mol. Ecol. 2008;17:4015-4026. https://doi.org/10.1111/j.1365-294X.2008.03887.x.

22. Jost L., Archer F., Flanagan S., Gaggiotti O., Hoban S., Latch E. Differentiation measures for conservation genetics. Evol. Appl. 2018; 11(7):1139-1148. https://doi.org/10.1111/eva.12590.

23. Kaul R., Singh A., Vijh R.K., Tantia M.S., Beh R. Evaluation of the genetic variability of 13 microsatellite markers in native Indian pigs. J. Genet. 2002;80:149-153. https://doi.org/10.1007/BF02717911.

24. Keenan K., McGinnity P., Cross T.F., Crozier W.W., Prodöhl P.A. diveRsity: an R package for the estimation and exploration of population genetics parameters and their associated errors. Methods Ecol. Evol. 2013;4:782-788. https://doi.org/10.1111/2041-210X.12067.

25. Kim T.H., Kim K.S., Choi B.H., Yoon D.H., Jang G.W., Lee K.T., Chung H.Y., Lee H.Y., Park H.S., Lee J.W. Genetic structure of pig breeds from Korea and China using microsatellite loci analysis. J. Anim. Sci. 2005;83:2255-2263.

26. Kramarenko S.S., Lugovoy S.I., Kharzinova V.R., Lykhach V.Y., Kramarenko A.S., Lykhach A.V. Genetic diversity of Ukrainian local pig breeds based on microsatellite markers. Regul. Mech. Biosyst. 2018; 9(2):177-182. https://doi.org/10.15421/021826.

27. Meirmans P.G., Hedrick P.W. Assessing population structure: F(ST) and related measures. Mol. Ecol. Resour. 2011;11(1):5-18. https://doi.org/10.1111/j.1755-0998.2010.02927.x.

28. Muñoz M., Bozzi R., García-Casco J., Núñez Y., Ribani A., Franci O., García F., Škrlep M., Schiavo G., Bovo S., Utzeri V.J., Charneca R., Martins J.M., Quintanilla R., Tibau J., Margeta V., Djurkin-Kušec I., Mercat M.J., Riquet J., Estellé J., Zimmer C., Razmaite V., Araujo J.P., Radović Č., Savić R., Karolyi D., Gallo M., Čandek-Potokar M., Fernández A.I., Fontanesi L., Óvilo C. Genomic diversity, linkage disequilibrium and selection signatures in European local pig breeds assessed with a high density SNP chip. Sci. Rep. 2019;9: 13546. https://doi.org/10.1038/s41598-019-49830-6.

29. Novembre J., Johnson T., Bryc K., Kutalik Z., Boyko A.R. Genes mirror geography within Europe. Nature. 2008;456:98-101.

30. Patterson N., Price A.L., Reich D. Population structure and Eigen analysis. PLoS Genet. 2006;2(12):e190. https://doi.org/10.1371/journal.pgen.0020190.

31. Peakall R., Smouse P.E. GenAlEx 6.5: genetic analysis in Excel. Population genetic software for teaching and research - an update. Bioinformatics. 2012;28:2537-2539. https://doi.org/10.1093/bioinformatics/bts460.

32. Pritchard J.K., Stephens M., Donnelly P. Inference of population structure using multilocus genotype data. Genetics. 2000;155:945-959. pmid: 10835412. R Core Team. R: a language and environment for statistical computing. R Foundation for statistical computing. Vienna, Austria, 2012. Available at http://www.Rproject.org

33. Reed D.H., Frankham R. Correlation between fitness and genetic diversity. Biol. Conserv. 2003;17:230-237.

34. Šalamon D., Margeta P., Klišanić V., Menčik S., Karolyi D., Mahnet Ž., Škorput D., Luković Z., Salajpal K. Genetic diversity of the Banija spotted pig breed using microsatellite markers. J. Centr. Eur. Agric. 2019;20:36-42.

35. Szmatoła T., Ropka-Molik K., Tyra M., Piórkowska K., Żukowski K., Oczkowicz M., Blicharski T. The genetic structure of five pig breeds maintained in Poland. Ann. Anim. Sci. 2016;16(4):1019-1027. https://doi.org/10.1515/aoas-2016-0006.

36. Szulkin M., Bierne N., David P. Heterozygosity-fitness correlations: a time for reappraisal. Evolution. 2010;64:1202-1217.

37. Toro M., Fernández J., Caballero A. Molecular characterization of breeds and its use in conservation. Livest Sci. 2009;120:174-195. Vonholdt B.M., Stahler D.R., Smith D.W., Earl D.A., Pollinger J.P. The genealogy and genetic viability of reintroduced Yellowstone grey wolves. Mol. Ecol. 2008;17:252-274.

38. Vrtková I., Stehlík L., Putnová L., Kratochvílová L., Falková L. Genetic structure in three breeds of pigs populations using microsatellite markers in the Czech Republic. Research in Pig Breeding. 2012; 6(2):83-87.

39. Wagner A. Robustness and evaluability: a paradox resolved. Proc. Biol. Sci. 2008;275:91-100.

40. Weir B.S., Cockerham C.C. Estimating F-Statistics for the analysis of population structure. Evolution. 1984;38(6):1358-1370. https://doi.org/10.2307/2408641.

41. Wickham H. ggplot2: Elegant graphics for data analysis. NY: Springer-Verlag, 2009.

42. Yue G.H., Wang G.L. Molecular genetic analysis of the Chinese Erhualian pig breed. S. Afr. J. Anim. Sci. 2003;33(3):159-165.