Идентификация генов-кандидатов, связанных с экстерьером крупного рогатого скота голштинизированной черно-пестрой породы на основе GWAS-анализа

Проведено исследование, направленное на поиск полногеномных ассоциаций с фенотипическими признаками экстерьера у голштинизированной черно-пестрой породы крупного рогатого скота (356 быков для 42247 дочерей). В работе использована методика Союза «Мосплем», которая включает 4 признака по системе «А» и 17 признаков по системе «Б». Генотипирование проводили на основе биочипа Illumina BovineSNP50 (54609 SNPs). Поиск геновкандидатов, локализованных в области идентифицированных SNP осуществляли в базе данных NCBI по сборке генома Bos_taurus_UMD_3.1.1. Для поиска QTL и регионов под давлением отбора использовали базу данных CattleQTLdb. По системе «А» в области данных, достоверно значимых SNP идентифицировано 26 геновкандидатов, ассоциированных с изучаемыми признаками экстерьера. По системе «Б» выявлено 22 SNP, ассоциированных с признаками экстерьера. На хромосомах 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 13, 14, 15, 16, 17, 19, 20, 21, 22, 25, 26, 28 локализованы гены: ADCY5, FRYL, GOLGB1, ILDR1, ITGB5, MAPK10, SEC22A, STXBP5L, ZP2, ALDH1A2, ERGIC1, KCND2, PAPPA2, PPFIA2, PRDM16, RABGAP1L, SECISBP2, SMYD3, ANO3, DPP10, HPSE2, MAML3, PRKCE, SLCO3A1, ANTXR1, KCTD2, NCOA1, NRG3, TIGAR, VAV3, XYLT1, PRR5L, BFSP1, CDH4, HECW1, MAPKAP1, SPOCK1, SRP68, SYNJ2, DAB1, EPS8, PCDH15, PTPRR, TRPM7, TTYH2, UBR1, USP32, ANGPT1, ITCH, OSBPL10, RAI1, RGS22, SLA2, ZFHX4, BCL9, GFRA2, SLC25A12, CNNM2, IGFBP7, KALRN, MACROD2, PCSK5, UCK2, CNKSR3, CUL3, CYP27A1, RHPN1, TSNARE1, EBF1, PTCH1. Выявленные гены сопряжены с локусами количественных признаков, ассоциированных с различными показателями, которые согласуются с ранее проведенными исследованиями других авторов. Достоверность значимых ассоциаций по точечным мутациям находилась в пределах p<1,80E-08–0,0001474. Такой инструмент генетического исследования как GWAS-анализ позволяет эффективнее планировать получение особей, которые бы отвечали экономическим потребностям молочного скотоводства.

1. Бытов М. В., Соколова О. В., Безбородова Н. А., Красноперов А. С., Исаева А. Г. Методы генотипирования крупного рогатого скота для post-GWAS аннотирования SNPs. Аграрный вестник Урала. 2023;23(6):67–75. DOI: https://doi.org/10.32417/1997-4868-2023-235-06-67-75 EDN: KGDRES

2. Qanbari S. On the Extent of Linkage Disequilibrium in the Genome of Farm Animals. Frontiers in Genetics. 2019;10:1304. DOI: https://doi.org/10.3389/fgene.2019.01304

3. Fabbri M. C., Dadousis C., Bozzi R. Estimation of Linkage Disequilibrium and Effective Population Size in Three Italian Autochthonous Beef Breeds. Animals (Basel). 2020;10(6):1034. DOI: https://doi.org/10.3390/ani10061034

4. Singh A., Kumar A., Mehrotra A., Pandey A. K., Mishra B. P., Dutt T. Estimation of linkage disequilibrium levels and allele frequency distribution in crossbred Vrindavani cattle using 50K SNP data. PLoS One. 2021;16(11):e0259572. DOI: https://doi.org/10.1371/journal.pone.0259572

5. Joiret M., Mahachie John J. M., Gusareva E. S., Van Steen K. Confounding of linkage disequilibrium patterns in large scale DNA based gene-gene interaction studies. BioData Mining. 2019;12:11. DOI: https://doi.org/10.1186/s13040-019-0199-7

6. Gallagher M. D., Chen-Plotkin A. S. The Post-GWAS Era: From Association to Function. American Journal of Human Genetics. 2018;102(5):717–730. DOI: https://doi.org/10.1016/j.ajhg.2018.04.002

7. Белая Е. В., Бейшова И. С., Селионова М. И., Шулинский Р. С., Ульянова Т. В. Полногеномный поиск QLT-ассоциированных SNP для прогнозирования наследственного потенциала продуктивности у казахского белоголового скота. Вестник АПК Ставрополья. 2022;3(47):18–25. DOI: https://doi.org/10.31279/2222-9345-2022-11-47-18-25 EDN: ADTVBA

8. Быкова О. А., Степанов А. В., Костюнина О. В., Косилов В. И., Шевкунов О. А Изучение аллельных вариантов SNPs, ассоциированных с воспроизводительной способностью коров чёрно-пёстрой породы. Известия Оренбургского государственного аграрного университета. 2023;1(99):283–287. DOI: https://doi.org/10.37670/2073-0853-2023-99-1-283-287 EDN: JWUGMO

9. Нарышкина Е. Н., Сермягин А. А. Оценка генетической и геномной вариабельности признаков фертильности быков-производителей на основе локусов в геноме, ассоциированных с давлением отбора (обзор). Достижения науки и техники АПК. 2020;34(9):64–72. DOI: https://doi.org/10.24411/0235-2451-2020-10912 EDN: YLVVNZ

10. Сермягин А. А., Быкова О. А., Лоретц О. Г., Костюнина О. В., Зиновьева Н. А. Оценка геномной вариабельности продуктивных признаков у животных голштинизированной черно-пестрой породы на основе GWAS анализа и ROH паттернов. Сельскохозяйственная биология. 2020;55(2):257–274. DOI: https://doi.org/10.15389/agrobiology.2020.2.257rus EDN: DTVHLI

11. Абдельманова А. С., Форнара М. С., Бардуков Н. В., Сермягин А. А., Доцев А. В., Зиновьева Н. А. Полногеномное исследование ассоциаций snp с высотой в холке в популяциях локальных и трансграничных пород крупного рогатого скота в России. Сельскохозяйственная биология. 2021;56(6):1111–1122. DOI: https://doi.org/10.15389/agrobiology.2021.6.1111rus EDN: LSEIPS Abdelmanova A. S., Fornara M. S., Bardukov N. V., Sermyagin A. A., Dotsev A. V.,

12. Савенко Н. А. Селекционер Подмосковья. М.: МСХиП МО, 2006. 84 с.

13. Chen S. Y., Oliveira H. R., Schenkel F. S., Pedrosa V. B., Melka M. G., Brito L. F. Archive Using imputed whole-genome sequence variants to uncover candidate mutations and genes affecting milking speed and temperament in Holstein cattle. Jornal of Dairy science. 2020;103(11):10383–10398. DOI: https://doi.org/10.3168/jds.2020-18897

14. Jaton C., Schenkel F. S., Sargolzaei M., Cánova A., Malchiodi F., Price C. A., Baes C., Miglior F. Genome-wide association study and in silico functional analysis of the number of embryos produced by Holstein donors Jornal of dairy science. 2018;101(8):7248–7257. DOI: https://doi.org/10.3168/jds.2017-13848

15. Campbell E. M. G., Nonneman D., Rohrer G. A. Fine mapping a quantitative trait locus affecting ovulation rate in swine on chromosome 8. Journal of Animal Science. 2003;81(7):1706–1714.

16. Wang X., Schutzkus V., Huang W., Rosa G. J. M., Khatib H. Analysis of segregation distortion and association of the bovine FGF2 with fertilization rate and early embryonic survival. Animal Genetics. 2009;40(5):722–728. DOI: https://doi.org/10.1111/j.1365-2052.2009.01904.x

17. Oikonomou G., Michailidis G., Kougioumtzis A., Avdi M., Banos G. Effect of polymorphisms at the STAT5A and FGF2 gene loci on reproduction, milk yield and lameness of Holstein cows. Research in Veterinary Science. 2011;91(2):235–239. DOI: https://doi.org/10.1016/j.rvsc.2011.01.009

18. Marete A., Lund M. S., Boichard D., Ramayo-Caldas Y. A system-based analysis of the genetic determinism of udder conformation and health phenotypes across three French dairy cattle breeds. PLoS One. 2018;13(7):e0199931. DOI: https://doi.org/10.1371/journal.pone.0199931

19. Chen Q., Qu K., Ma Z., Zhan J., Zhang F., Shen J. et al. Genome-Wide Association Study Identifies Genomic Loci Associated With Neurotransmitter Concentration in Cattle. Frontiers in Genetics. 2020;11:139. DOI: https://doi.org/10.3389/fgene.2020.00139

20. Duarte D. A. S., Newbold C. J., Detmann E., Silva F. F., Freitas P. H. F., Veroneze R., Duarte M. S. Genomewide association studies pathway-based meta-analysis for residual feed intake in beef cattle. Animal Genetics. 2019;50(2):150–153. DOI: https://doi.org/10.1111/age.12761

21. Sarlo Davila K. M., Howell A., Nunez A., Orelien A., Roe V., Rodriguez E. et al. Genome-wide association study identifies variants associated with hair length in Brangus cattle. Animal Genetics. 2020;51(5):811–814. DOI: https://doi.org/10.1111/age.12970

22. Cai Z., Guldbrandtsen B., Lund M. S., Sahana G. Prioritizing candidate genes for fertility in dairy cows using gene-based analysis, functional annotation and differential gene expression. BMC Genomics. 2019;20(1):255. DOI: https://doi.org/10.1186/s12864-019-5638-9

23. Gangwar M., Kumar S., Ahmad S. F., Singh A., Agrawal S., Anitta P. L., Kumar A. Identification of genetic variants affecting reproduction traits in Vrindavani cattle. Mammalian Genome. 2024;35(1):99–111. DOI: https://doi.org/10.1007/s00335-023-10023-2

24. Silva A. A., Silva D. A., Silva F. F., Costa C. N., Silva H. T., Lopes P. S. et al. GWAS and gene networks for milk-related traits from test-day multiple lactations in Portuguese Holstein cattle. Journal of Applied Genetics. 2020;61(3):465–476. DOI: https://doi.org/10.1007/s13353-020-00567-3

25. Ilie D. E., Mizeranschi A. E., Mihali C. V., Neamț R. I., Goilean G. V., Georgescu O. I. et al. Genome-Wide Association Studies for Milk Somatic Cell Score in Romanian Dairy Cattle. Genes (Basel). 2021;12(10):1495. DOI: https://doi.org/10.3390/genes12101495

26. Chang T., Xia J., Xu L., Wang X., Zhu B., Zhang L. et al. A genome-wide association study suggests several novel candidate genes for carcass traits in Chinese Simmental beef cattle. Animal Genetics. 2018;49(4):312–316. DOI: https://doi.org/10.1111/age.12667

27. Saatchi M., Schnabel R. D., Taylor J. F., Garrick D. J. Large-effect pleiotropic or closely linked QTL segregate within and across ten US cattle breeds. BMC Genomics. 2014;15(1):442. DOI: https://doi.org/10.1186/1471-2164-15-442

28. Leyva-Corona J. C., Reyna-Granados J. R., Zamorano-Algandar R., Sanchez-Castro M. A., Thomas M. G., Enns R. M. et al. Polymorphisms within the prolactin and growth hormone/insulin-like growth factor-1 functional pathways associated with fertility traits in Holstein cows raised in a hot-humid climate. Tropical Animal Health and Production. 2018;50(8):1913–1920. DOI: https://doi.org/10.1007/s11250-018-1645-0

29. Wang J., Li Z. J., Lan X. Y., Hua L. S., Huai Y. T., Huang Y. Z. et al. Two novel SNPs in the coding region of the bovine PRDM16 gene and its associations with growth traits. Molecular Biology Reports. 2010;37(1):571–577. DOI: https://doi.org/10.1007/s11033-009-9816-8

30. Ibeagha-Awemu E., Peters S., Akwanji K., Imumorin I. G., Zhao X. High density genome wide genotyping-bysequencing and association identifies common and low frequency SNPs, and novel candidate genes influencing cow milk traits. Scientific Reports. 2016;10(6):31109. DOI: https://doi.org/10.1038/srep31109

31. Valente T. S., Baldi F., Sant'Anna A. C., Albuquerque L. G., Paranhos da Costa M. J. Genome-Wide Association Study between Single Nucleotide Polymorphisms and Flight Speed in Nellore Cattle. PLoS One. 2016;11(6):e0156956. DOI: https://doi.org/10.1371/journal.pone.0156956

32. Wang X., Wurmser C., Pausch H., Jung S., Reinhardt F., Tetens J. et al. Identification and dissection of four major QTL affecting milk fat content in the German Holstein-Friesian population. PLoS One. 2012;7(7):e40711. DOI: https://doi.org/10.1371/journal.pone.0040711

33. Jiang J., Ma L., Prakapenka D., VanRaden P. M., Cole J. B., Da Ya. A Large-Scale Genome-Wide Association Study in U.S. Holstein Cattle. Frontiers in Genetics. 2019;10:412. DOI: https://doi.org/10.3389/fgene.2019.00412

34. Wu J., Wu T., Xie X., Niu Q., Zhao Z., Zhu B. et al. Genetic Association Analysis of Copy Number Variations for Meat Quality in Beef Cattle. Foods. 2023;12(21):3986. DOI: https://doi.org/10.3390/foods12213986

35. Tolleson M. W., Gill C. A., Herring A. D., Riggs P. K., Sawyer J. E., Sanders J. O., Riley D. G. Association of udder traits with single nucleotide polymorphisms in crossbred Bos indicus- Bos taurus cows. Journal of Animal Science. 2017;95(6):2399–2407. DOI: https://doi.org/10.2527/jas.2017.1475

36. Jiang J., Liu L., Gao Y., Shi L., Li Ya., Liang W., Sun D. Determination of genetic associations between indels in 11 candidate genes and milk composition traits in Chinese Holstein population. BMC Genetics. 2019;20(1):48. DOI: https://doi.org/10.1186/s12863-019-0751-y

37. Haque M. A., Alam M. Z., Iqbal A., Lee Yu.-M., Dang Ch.-G., Kim J.-J. Genome-Wide Association Studies for Body Conformation Traits in Korean Holstein Population. Animals (Basel). 2023;13(18):2964. DOI: https://doi.org/10.3390/ani13182964

38. Seaton G., Haley C. S., Knott S. A., Kearsey M., Visscher P. M. QTL Express: mapping quantitative trait loci in simple and complex pedigrees. Visscher Bioinformatics. 2002;18(2):339–340. DOI: https://doi.org/10.1093/bioinformatics/18.2.339

39. Morris C. A., Cullen N. G., Glass B. C., Hyndman D. L., Manley T. R., Hickey Sh. M. et al. Lee. Fatty acid synthase effects on bovine adipose fat and milk fat. Mamm Genome. 2007;18(1):64–74. DOI: https://doi.org/10.1007/s00335-006-0102-y

40. McGovern S. P., Purfield D. C., Ring S. C., Carthy T. R., Graham D. A., Berry D. P. Candidate genes associated with the heritable humoral response to Mycobacterium avium ssp. paratuberculosis in dairy cows have factors in common with gastrointestinal diseases in humans. Jornal of Dairy Science. 2019;102(5):4249–4263. DOI: https://doi.org/10.3168/jds.2018-15906

41. Higgins M. G., Fitzsimons C., McClure M. C., McKenna C., Conroy S., Kenny D. A. et al. GWAS and eQTL analysis identifies a SNP associated with both residual feed intake and GFRA2 expression in beef cattle. Scientific Reports. 2018;8(1):14301. DOI: https://doi.org/10.1038/s41598-018-32374-6

42. González-Ruiz S., Strillacci M. G., Durán-Aguilar M., Cantó-Alarcón G. J., Herrera-Rodríguez S. E., Bagnato A. et al. Genome-Wide Association Study in Mexican Holstein Cattle Reveals Novel Quantitative Trait Loci Regions and Confirms Mapped Loci for Resistance to Bovine Tuberculosis. Animals (Basel). 2019;9(9):636. DOI: https://doi.org/10.3390/ani9090636

43. Pacheco H. A., da Silva S., Sigdel A., Mak C. K., Galvão K. N., Texeira R. A. et al. Gene Mapping and Gene-Set Analysis for Milk Fever Incidence in Holstein Dairy Cattle. Frontiers in Genetics. 2018;9:465. DOI: https://doi.org/10.3389/fgene.2018.00465

44. Luo H., Li X., Hu L., Xu W., Chu Q., Liu A. et al. Genomic analyses and biological validation of candidate genes for rectal temperature as an indicator of heat stress in Holstein cattle. Jornal of Dairy Science. 2021;104(4):4441–4451. DOI: https://doi.org/10.3168/jds.2020-18725

45. Bouwman A. C., Bovenhuis H., Visker M. H. P. W., van Arendonk J. A. M. Genome-wide association of milk fatty acids in Dutch dairy cattle. BMC Genetics. 2011;11(12):43. DOI: https://doi.org/10.1186/1471-2156-12-43

46. Nafikov R. A., Schoonmaker J. P., Korn K. T., Noack K., Garrick D. J., Koehler K. J. et al. Sterol regulatory element binding transcription factor 1 (SREBF1) polymorphism and milk fatty acid composition. Jornal of Dairy Science. 2013;96(4):2605–2616. DOI: https://doi.org/10.3168/jds.2012-6075