Информационно-энтропийный подход к анализу генетического разнообразия популяций (аналитический обзор)
https://doi.org/10.30766/2072-9081.2022.23.2.159-173
Аннотация
Показано применение информационно-энтропийного анализа на реальных данных: генотипированных по 11 микросателлитным локусам 84 быках джерсейской (n = 10), айрширской (n = 10), красной датской (n = 10), красной шведской (n = 9) пород и голштинских экотипов немецкой (n = 13), нидерландской (n = 17) и североамериканской (n = 15) селекции. Информационный индекс Шеннона по объединённым породным выборкам составил 1,695, средневзвешенный по выборкам – 1,325, межвыборочная компонента ( SHAP) – 0,370 нит, или 21,8 % (все расчёты по GenAlEx 6.502). Общее абсолютное разнообразие Шеннона составило 5,45, усреднённое по выборкам – 3,76 эффективных аллелей на локус, межпородное – 1,45 эффективных выборок. Относительная оценка дифференциации породных выборок (D'β) составила 36,2 % и была близка к «традиционным» оценкам по Хедрику, Джосту и Чао. На SHAP-оценки влияния внутривыборочной гетерозиготности не установлено, но отмечена положительная тенденция D'β-оценок. Матрица парных по породам генетических дистанций (D'β) и её двумерная проекция имели высокое соответствие с таковыми по GST(NEI)-, FST(W&C)-, G′′ST(HED)-, F′ST(W&C)-, DJOST-, DCHAO-мерам (RMantel ≥ 0,94). Индексы фиксации (GST(NEI) и FST(W&C)) следует использовать для изучения эволюционных историй подразделённых популяций. Для анализа современной структуры генетического разнообразия (суб)популяций с акцентом на доминирующие аллели – меры на базе гетерозиготности (G′′ST(HED), F′ST(W&C), DJOST и DCHAO), при необходимости учитывать все аллели – меру Шеннона (D′β). В заключение рассматривается семейство степенных мер Хилла порядка q = 0, 1, 2 для построения профилей разнообразия, содержащих всю информацию о распределении аллелей в популяции.
Об авторе
В. М. Кузнецов
ФГБНУ «Федеральный аграрный научный центр Северо-Востока имени Н. В. Рудницкого»
Россия
Россия
доктор с.-х. наук, профессор, зав. лабораторией популяционной генетики в животноводстве,
ул. Ленина, д. 166а, г. Киров, 610007
Список литературы
1. Хедрик Ф. Генетика популяций. М.: Техносфера, 2003. 592 с.
2. Nei M. Analysis of gene diversity in subdivided populations. Proc. Nat. Acad. Sci. USA. 1973;70(12):3321-3323. DOI: https://doi.org/10.1073/pnas.70.12.3321
3. Jost L. Partitioning diversity into independent alpha and beta components. Ecology. 2007;88(10):2427-2439. DOI: https://doi.org/10.1890/06-1736.1
4. Jost L., Archer F., Flanagan S., Gaggiotti O., Hoban S., Latch E. Differentiation measures for conservation genetics. Evol. Appl. 2018;11(7):1139-1148. DOI: https://doi.org/10.1111/eva.12590
5. Weir B. S., Сockerham C. C. Estimating F-statistics for the analysis of population structure. Evolution. 1984;38(6):1358-1370. DOI: https://doi.org/10.2307/2408641
6. Meirmans P. G., Hedrick P. W. Assessing population structure: FST and related measures. Mol. Ecol. Res. 2011;11(1):5-18. DOI: https://doi.org/10.1111/j.1755-0998.2010.02927.x
7. Jost L. GST and its relatives do not measure differentiation. Mol. Ecol. 2008;17(18):4015-4026. DOI: https://doi.org/10.1111/j.1365-294X.2008.03887.x
8. Кузнецов В. М. F-статистики Райта: оценка и интерпретация. Проблемы биологии продуктивных животных. 2014;(4):80-104. Режим доступа: https://www.elibrary.ru/item.asp?id=22833217
9. Кузнецов В. М. Методы Нея для анализа генетических различий между популяциями. Проблемы биологии продуктивных животных. 2020;(1):91-110. DOI: https://doi.org/10.25687/1996-6733.prodanimbiol.2020.1.91-110
10. Кузнецов В. М. Сравнение методов оценки генетической дифференциации популяций по микросателлитным маркерам. Аграрная наука Евро-Северо-Востока. 2020;21(2):169-182. DOI: https://doi.org/10.30766/2072-9081.2020.21.2.169-182
11. Кузнецов В. М. Оценка генетической дифференциации популяций молекулярным дисперсионным анализом (аналитический обзор). Аграрная наука Евро-Северо-Востока. 2021;22(2):167-187. DOI: https://doi.org/10.30766/2072-9081.2021.22.2.167-187
12. Lewontin R. C. The apportionment of human diversity. J. Evol. Biol. 1972;6:381-398. DOI: https://doi.org/10.1007/978-1-4684-9063-3_14
13. Hill M. O. Diversity and evenness: A unifying notation and its consequence. Ecology. 1973;54(2):427-432. DOI: https://doi.org/10.2307/1934352
14. Shannon C. E. A Mathematical Theory of Communication. Reprinted with corrections from. The Bell System Technical Journal. 1948;27(3):379-423, 623-656. URL: https://people.math.harvard.edu/~ctm/home/text/others/shannon/entropy/entropy.pdf
15. Ashby W. R. An introduction to cybernetics. Chapman & Hall LTD, ondon, 1956. 295 p. URL: https://archive.org/details/introductiontocy00ashb/page/294/mode/2up
16. Corso G., Ferreira G. M. F., Lewinsohn T. M. Mutual Information as a General Measure of Structure in Interaction Networks. Entropy 2020;22(5): 528. DOI: https://doi.org/10.3390/e22050528
17. Sheldon A. L. Equitability indices: Dependence on the species count. Ecology. 1969;50(3): 466-467. DOI: https://doi.org/10.2307/1933900
18. Sherwin W. B. Entropy and Information Approaches to Genetic Diversity and its Expression: Genomic Geography. Entropy. 2010;12(7):1765-1798. DOI: https://doi.org/10.3390/e12071765
19. Харзинова В. Р., Гладырь Е. А., Федоров В. И., Романенко Т. М., Шимит Л. Д., Лайшев К. А., Калашникова Л. А., Зиновьева Н. А. Разработка мультиплексной панели микросателлитов для оценки достоверности происхождения и степени дифференциации популяций северного оленя Rangifer Tarandus. Сельскохозяйственная биология. 2015;50(6):756-765. DOI: https://doi.org/10.15389/agrobiology.2015.6.756rus
20. Денискова Т. Е., Гладырь Е. А., Зиновьева Н. А. Характеристика некоторых российских пород овец по микросателлитным маркерам. Актуальные проблемы гуманитарных и естественных наук. 2016;(9-1):24-29. Режим доступа: https://www.elibrary.ru/item.asp?id=26704429
21. Rossetto M., Kooyman R., Sherwin W. B., Jones R. Dispersal limitations, rather than bottlenecks or habitat specificity, can restrict the distribution of rare and endemic rainforest trees. Amer. J Botany. 2008;95(3):321 -329. DOI: https://doi.org/10.3732/ajb.95.3.321
22. Peakall R., Smouse P. E. GENALEX 6: genetic analysis in Excel. Population genetic software for teaching and research. Molecular Ecology 2006;6(1):288-295. DOI: https://doi.org/10.1111/j.1471-8286.2005.01155.x
23. Peakall R., Smouse P. E. GenAlEx 6.5: Genetic analysis in Excel. Population genetic software for teaching and research – an update. Bioinformatics. 2012;28(19):2537-2539. DOI: https://doi.org/10.1093/bioinformatics/bts460
24. Smouse P. E., Whitehead M., Peakall R. An informational diversity framework, illustrated with sexually deceptive orchids in early stages of speciation. Mol. Ecol. Resour. 2015;15(6):1375-1384. DOI: https://doi.org/10.1111/1755-0998.12422
25. STATGRAPHICS® Centurion XVI User Manual. By StatPoint Technologies, Inc. 2010. 297 р.
26. Kimura M., Crow J. F. The number of alleles that can be maintained in a finite population. Genetics. 1964;49(4):725-738. DOI: https://doi.org/10.1093/genetics/49.4.725
27. Jost L. Entropy and diversity. Oikos. 2006;113(2):363-375. DOI: https://doi.org/10.1111/j.2006.0030-1299.14714.x
28. Sherwin W. B., Jabot F., Rush R., Rossetto M. Measurement of biological information with applications from genes to landscapes. Molec. Ecol. 2006;15(10):2857-2869. DOI: https://doi.org/10.1111/j.1365-294x.2006.02992.x
29. Chao A., Ma K. H., Hsieh T. C., Chiu C. H. Online Program SpadeR (Species-richnessPrediction And Diversity Estimationin R). Program and User’s Guide. 2015. URL: http://chao.stat.nthu.edu.tw/wordpress/software_download/
30. Ma L., Ji Y-J., Zhang D-X. Statistical measures of genetic differentiation of populations: Rationales, history and current states. Current Zoology. 2015;61(5):886-897. DOI: https://doi.org/10.1093/czoolo/61.5.886
31. Доцев А. В., Сермягин А. А., Шахин А. В., Паронян И. А., Племяшов К. В., Рейер Х., Виммерс К., Брем Г., Зиновьева Н. А. Оценка современного состояния генофонда холмогорской и чернопестрой пород крупного рогатого скота на основе полногеномного SNP-анализа. Вавиловский журнал генетики и селекции. 2018;22(6):742-747. DOI: https://doi.org/10.18699/VJ18.418
32. Волкова В. В., Романенкова О. С., Денискова Т. Е., Мишина А. И., Костюнина О. В., Зиновьева Н. А. Характеристика аллелофонда холмогорской породы крупного рогатого скота с использованием STR-маркеров. Молочное и мясное скотоводство. 2019;(7): 3-7. Режим доступа: https://elibrary.ru/item.asp?id=41852279
33. Abdelmanova A. S., Kharzinova V. R., Volkova V. V., Mishina A. I., Dotsev A. V., Sermyagin A. A., Boronetskaya O. I., Petrikeeva L. V., Chinarov R. Yu., Brem G., Zinovieva N. A. Genetic diversity of the historical and modern populations of Russian cattle breeds revealed by microsatellite analysis. Genes. 2020;11(8):940. DOI: https://doi.org/10.3390/genes11080940
34. Трипольский К. С. Курсъ скотоводства. Руководство къ разведенiю рогатаго скота, овецъ, лошадей и свиней. Часть 2. Частное скотоводство. С.-Петербургъ: Изданiе А. Ф. Деврiена, 1875. 429 с.
35. Ricotta C. On parametric evenness measures. J. of Theoret. Biol. 2003;222(2):189-197. DOI: https://doi.org/10.1016/S0022-5193(03)00026-2
36. Gaggiotti O. E., Chao A., Peres-Neto P., Chiu C-H., Edwards C., Fortin M-J., Jost L., Richards C. M., Selkoe K. A. Diversity from genes to ecosystems: A unifying framework to study variation across biological metrics and scales. Evol Appl. 2018;11(7):1176-1193. DOI: https://doi.org/10.1111/eva.12593
Рецензия
Для цитирования:
Кузнецов В.М. Информационно-энтропийный подход к анализу генетического разнообразия популяций (аналитический обзор). Аграрная наука Евро-Северо-Востока. 2022;23(2):159-173. https://doi.org/10.30766/2072-9081.2022.23.2.159-173
For citation:
Kuznetsov V.M. Information-entropy approach to the analysis of genetic diversity of populations (analytical review). Agricultural Science Euro-North-East. 2022;23(2):159-173. (In Russ.) https://doi.org/10.30766/2072-9081.2022.23.2.159-173
Просмотров: 263
Послать статью по эл. почте 