برآورد اجزاي واريانس ژنومي بر اساس فراواني آللي كمياب براي صفات كمي در گوسفند

مقدمه و هدف: برآورد دقيق اجزاي واريانس ژنتيكي، از ملزومات پيش بيني صحيح ارزش هاي اصلاحي مي باشد. كشف نشانگرهاي SNP و پيشرفت‌هاي به دست آمده در ژنتيك مولكولي وكشف روش‌هاي نوين توالي‌يابي كل ژنوم موجودات زنده و پيشرفت روش‌هاي بيوانفورماتيك و دانش رايانه اي و... حجم بسيار زيادي از داده‌هاي مولكولي را فراهم آورده و در علم ژنتيك شاخه‌اي به نام ژنوميك ايجاد كرده است. هدف از انجام اين پژوهش برآورد اجزاي واريانس ژنومي گوسفند بوردر با استفاده از داده‌هاي SNP بود.مواد و روش‌ها: براي انجام اين پژوهش از پنل SNP كه با تراشه نشانگري 50k شركت ايلومينا، تعيين ژنوتيپ شده بودند، استفاده شد. داده ها در مزرعه فالكينر استراليا جمع آوري شدند. صفات مورد مطالعه اوزان تولد و شيرگيري، قطر و طول تار پشم بودند. براي مطالعه رابطه بين فراواني آللي و مقدار واريانس ژنتيكي افزايشي توجيه شده، SNPها در پنج گروه مختلف از فراواني آللي كمياب (MAF)، با تعداد تقريبا برابر در هر گروه، طبقه بندي شدند (0/01-0/1، 0/1-0/2، 0/2-0/3، 0/3-0/4 و 0/4-0/5). تجزيه و تحليل‌ها با رويكرد حداكثر درست‌نمايي محدود شده ژنومي و روش تجزيه و تحليل صفات پيچيده ژنوم گسترده، با نرم‌افزار GCTA انجام گرفت.يافته‌ها: وراثت‌پذيري ژنومي برآورد شده توسط SNPهاي با فراواني آللي كمياب بيشتر از يك درصد، براي اوزان تولد، شيرگيري، قطر و طول تار پشم به ترتيب برابر 0/58 و 0/47، 0/59 و 0/2 بود. سهم گروه‌هاي مختلف SNPهاي با فراواني آللي كمياب در توجيه واريانس ژنتيكي براي صفات متفاوت بوده و به طور كلي بخش قابل توجهي از واريانس ژنتيكي، توسط SNPهاي با MAF 0/20 توجيه شد.همبستگي ژنومي بين صفات وزن بدن بالا و بين صفات پشم پايين برآورد شد. در مجموع واريانس‌هاي ژنتيكي 5 گروه مختلف MAF، كه در آناليز جداگانه نسبت به واريانس محاسبه شده توسط همه SNPها به صورت همزمان، بسيار بزرگتر بود. اما مجموع اين واريانس‌ها در آناليز توأم، مشابه مقدار به دست آمده از كل SNPها، براي همه صفات مورد بررسي بود. نتيجه‌گيري: اگر چه تعداد SNPها در گروه‌هاي مختلف، مشابه بود، اما مقدار واريانس ژنتيكي توجيه شده توسط گروه‌هاي مختلف MAF متفاوت بود. با توجه به نتايج به دست آمده حجم نمونه بسيار بزرگ، ايده‌آل و پوشش بهتر واريانت‌هاي با فراواني پايين مورد نياز است تا استنتاج قوي‌تر و قابل اعتمادتري به دست آيد.