Полногеномный ассоциативный анализ репродуктивных признаков черно-пестрой голштинизированной популяции крупного рогатого скота в условиях Северо-Западного региона

В последние годы геномная оценка и широкое внедрение современных биотехнологических приемов играют ведущую роль в реализации селекционных программ. Долгое время увеличение показателей молочной продуктивности было главной целью селекции. Это привело к значительному снижению воспроизводства в стадах. Репродуктивные показатели маточного поголовья крупного рогатого скота могут в значительной степени снизить общую рентабельность из-за дополнительных затрат на управление стадом, ветеринарную помощь и вынужденную выбраковку. У опытных групп определен генотип с помощью чипа BovineSNP50 v3 BeadChip сформированы из коров черно-пестрой голштинизированной породы. Для исследования были выбраны основные репродуктивные показатели коров: возраст первого осеменения, индексы осеменения перед первой (А), второй (Б), третьей (В), четвертой (Г) лактацией и период между отелами. Анализ ассоциаций по всему геному проводился с использованием программного обеспечения EMMAX. Обнаружено 2 значимых SNP и 5 условно значимых. Выявлены кандидатный ген CAMK2D с показателем возраст при первом осеменении, гены TLN2, WSCD2, GAPT с показателем количество осеменений и гены WDR36, TDRD10 с межотельным периодом. На основании проведенных исследований предполагаем, что с возрастом происходит изменение генетических факторов влияющих на фертильность животных. Выявленные кандидатные гены влияют как на механизмы созревания фолликулов, так рост и развитие эмбрионов. Полученные результаты могут быть использованы как для отбора животных для улучшения показателей воспроизводства, так и для поиска фундаментальных основ формирования фертильности у крупного рогатого скота.

1. Ma L. Symposium review: Genetics, genome-wide association study, and genetic improvement of dairy fertility traits / L. Ma, J. B. Cole, Y. Da, P. M. VanRaden // J. Dairy Sci. – 2019. – № 102(4). – P. 3735-3743. DOI: 10.3168/jds.2018-15269.

2. Olasege B. S. Correlation scan: identifying genomic regions that affect genetic correlations applied to fertility traits / B. S. Olasege, L. R. Porto-Neto, M. S. Tahir et al. // BMC Genomics. – 2022. – № 23(1). – P. 684. DOI: 10.1186/s12864-022-08898-7.

3. Chebel R. C. Reproduction in the era of genomics and automation / R. C. Chebel, R. S. Bisinotto, J. Giordano, A. Maggiolino, P. de Palo // Reprod Fertil Dev. – 2023. – № 36 (2). – P. 51-65. DOI: 10.1071/RD23173.

4. Rocha R. F. B. Single-step genome-wide association studies and post-GWAS analyses for the number of oocytes and embryos in Gir cattle / R. F. B. Rocha, A. O. Garcia, P. I. Otto et al. // Mamm Genome. – 2023. – № 34(3). – P. 497-508. DOI: 10.1007/s00335-023-10009-0.

5. Gangwar M. Identification of genetic variants affecting reproduction traits in Vrindavani cattle / M. Gangwar, S. Kumar, S. F. Ahmad et al. // Mamm Genome. – 2024. – № 35(1). – P. 99-111. DOI: 10.1007/s00335-023-10023-2.

6. Weller J. I. Genetic and genomic analysis of age at first insemination in Israeli dairy cattle / J. I. Weller, E. Ezra, M. Gershoni // J. Dairy Sci. – 2022. – № 105(6). – P. 5192-5205. DOI: 10.3168/jds.2021-21528.

7. VanRaden P. M. Selecting sequence variants to improve genomic predictions for dairy cattle / P. M. VanRaden, M. E. Tooker, J. R. O'Connell, J. B. Cole, D. M. Bickhart // Genet Sel Evol. – 2017. – № 49(1). – P. 32. DOI: 10.1186/s12711-017-0307-4.

8. Tahir M. S. Meta-Analysis of Heifer Traits Identified Reproductive Pathways in Bos indicus Cattle / M. S. Tahir, L. R. PortoNeto, C. Gondro et al. // Genes (Basel). – 2021. – № 12(5). – P. 768. DOI: 10.3390/genes12050768.

9. Dubois S. L. Estradiol Restrains Prepubertal Gonadotropin Secretion in Female Mice via Activation of ERα in Kisspeptin Neurons / S. L. Dubois, A. Wolfe, S. Radovick, U. Boehm, J. E. Levine // Endocrinology. – 2016. – № 157(4). – P. 1546-1554. DOI: 10.1210/en.2015-1923.

10. Liang Z. A Million-Cow Genome-Wide Association Study of Three Fertility Traits in U.S. Holstein Cows / Z. Liang, D. Prakapenka, P. M. VanRaden, J. Jiang, L. Ma, Y. Da // Int J Mol Sci. – 2023. – № 24 (13). – P. 10496. DOI: 10.3390/ijms241310496.

11. Illumina BovineSNP50 v3 BeadChip. Ref. 370-2007-029-B. 2020. [(accessed on 12 December 2023)]. pp. 1–3. Available online: https://www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/datasheet_bovine_snp5O.pdf.

12. Purcell S. PLINK: a tool set for wholegenome association and population-based linkage analyses / S. Purcell, B. Neale, K. Todd-Brown et al. // Am J Hum Genet. – 2007. – № 81(3). – P. 559-575. DOI: 10.1086/519795.

13. Kang H. M. Variance component model to account for sample structure in genomewide association studies / H. M. Kang, J. H. Sul, S. K. Service et al. // Nat Genet. – 2010. – № 42(4). – P. 348-354. DOI: 10.1038/ng.548.

14. VanRaden P. M. Efficient methods to compute genomic predictions / P. M. VanRaden // J. Dairy Sci. – 2008. – № 91(11). – P. 4414-4423. DOI: 10.3168/jds.2007-0980.

15. Gao X. Multiple testing corrections for imputed SNPs / X. Gao // Genet Epidemiol. – 2011. – № 35(3). – P. 154-158. DOI: 10.1002/gepi.20563.

16. Turner S. D. qqman: An R package for visualizing GWAS results using Q-Q and manhattan plots / S. D. Turner // J. Open Source Softw. – 2018. – № 3. – P. 731. DOI: 10.21105/joss.00731.

17. Ellis S. J. Talin autoinhibition is required for morphogenesis / S. J. Ellis, B. T. Goult, M. J. Fairchild et al. // Curr Biol. – 2013. – № 23(18). – 1825-1833. DOI: 10.1016/j.cub.2013.07.054.

18. Curry T. E. Jr. Impact of extracellular matrix remodeling on ovulation and the folliculo-luteal transition / T. E. Jr. Curry, M. F. Smith // Semin Reprod Med. – 2006. – № 24 (4). – P. 228-241. DOI: 10.1055/s-2006-948552.

19. Dai L. Characterization of miR-126-3p and its target talin2 in the bovine corpus luteum during the oestrus cycle / L. Dai, J. Xu, S. Liu et al. // Reprod Domest Anim. – 2014. – № 49(6). – P. 913-919. DOI: 10.1111/rda.12400.

20. Wang W. J. Genome-Wide Placental Gene Methylations in Gestational Diabetes Mellitus, Fetal Growth and Metabolic Health Biomarkers in Cord Blood / W. J. Wang, R. Huang, T. Zheng et al. // Front Endocrinol (Lausanne). – 2022. – № 13. – P. 875180. DOI: 10.3389/fendo.2022.875180.

21. Bonnet A. An overview of gene expression dynamics during early ovarian folliculogenesis: specificity of follicular compartments and bi-directional dialog / A. Bonnet, C. Cabau, O. Bouchez, J. Sarry, N. Marsaud, S. Foissac, F. Woloszyn, P. Mulsant, B. Mandon-Pepin // BMC Genomics. – 2013. – № 14. – P. 904. DOI: 10.1186/1471-2164-14-904.

22. Shi W. PILRA is associated with immune cells infiltration in atrial fibrillation based on bioinformatics and experiment validation / Shi W., Li X., Su Y. et al. // Front Cardiovasc Med. – 2023. – № 10. – P. 1082015. DOI: 10.3389/fcvm.2023.1082015).

23. An S. WDR36 Safeguards Self-Renewal and Pluripotency of Human Extended Pluripotent Stem Cells / S. An, D. Yao, W. Zhang et al. // Front Genet. – 2022. – № 13. – P. 905395. DOI: 10.3389/fgene.2022.905395.

24. Gallenberger M. Heterozygote Wdr36-deficient mice do not develop glaucoma / M. Gallenberger, M. Kroeber, L. März et al. // Exp Eye Res. – 2014. –№ 28. – P. 83-91. DOI: 10.1016/j.exer.2014.09.008.

25. Cong P. Molecular analysis of porcine TDRD10 gene: a novel member of the TDRD family / P. Cong, A. Li, Q. Ji, Y. Chen, D. Mo // Gene. – 2014. – № 548(2). – P. 190-197. DOI: 10.1016/j.gene.2014.07.026.