بررسی ساختار و لایه بندی جمعیت گاومیش های اکوتیپ آذری و شمالی با نشانگرهای متراکم چند شکل تک نوکلئوتیدی با استفاده از روش های Admixture، GC، PCA و MDS
محل انتشار: فصلنامه بیوتکنولوژی کشاورزی، دوره: 8، شماره: 2
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 521
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOAGK-8-2_004
تاریخ نمایه سازی: 20 خرداد 1398
چکیده مقاله:
در کاربردهای ژنتیک جمعیت، اختصاص افراد به جمعیتهای مربوط به خود اهمیت دارد. با توسعه تکنولوژی تعیین ژنوتیپ در مقیاس وسیع بسیاری از نشانگرها از جمله اسنیپ ها برای این مطالعات قابل دسترس شدهاند که این اسنیپها در مطالعه تنوع ژنتیکی دامهای اهلی و ساختار جمعیت سودمند هستند. هدف این تحقیق بررسی ساختار و لایهبندی گاومیشهای مناطق مختلف دو اکوتیپ آذری و شمالی با استفاده از دادههای SNPChip 90 با روشهای معمول بررسی ساختار جمعیت بود که برای این منظور تعداد 258 گاومیش از استانهای آذربایجان شرقی، آذربایجان غربی و اردبیل مربوط به اکوتیپ آذری و از استان گیلان مربوط به اکوتیپ شمالی نمونهگیری و تعیین ژنوتیپ شدند. نتایج حاصل از کنترل ژنومیک لایه بندی ضعیفی با =1.056λ نشان داد که حاکی از وجود اختلاط (ساختار ضعیفی) در بین دو اکوتیپ است. پلاتهای حاصل از تجزیه مولفههای اصلی و مقیاس بندی چند بعدی، تفکیک این دو اکوتیپ و استانهای مختلف دو اکوتیپ را براساس فواصل انجام داد. روش Admixture نیز نزدیکی فاصله ژنتیکی افراد استانهای مختلف دو اکوتیپ را نشان داد که البته افراد خالصی هم در این بین وجود داشتند و k=3 خطای اعتبارسنجی پایینی داشت. این روشها قادر به جداسازی کلی حیوانات به تودههای مربوطه بودند و نتایج این تحقیق گویای ارتباط ژنتیکی نزدیک افراد چهار استان مختلف از دو اکوتیپ آذری و شمالی بود
کلیدواژه ها:
نویسندگان
زهرا عزیزی
دانشجوی دکتری،گروه علوم دامی،دانشکده کشاورزی، دانشگاه تبریز
عباس رافت
دانشیار، گروه علوم دامی،دانشکده کشاورزی، دانشگاه تبریز
جلیل شجاع
استاد، گروه علوم دامی،دانشکده کشاورزی، دانشگاه تبریز
حسین مرادی شهربابک
استادیار، گروه علوم دامی،پردیس کشاورزی و منابع طبیعی، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :