Бакалавр
Дипломные и курсовые на заказ

Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы

Диссертация: Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Молекулярная характеристика может играть важную роль в раскрытии истории, оценке разнообразия, самобытности и популяционной структуры генетических ресурсов животных. Она также может помочь избежать избыточного инбридинга при генетическом управлении маленькими популяциями. Многие исследования описывают внутрии межпопуляционное разнообразие — некоторые в весьма крупном масштабе. Однако эти… Читать ещё >

Содержание

  • СПИСОК СОКРАЩЕНИЙ
  • 1. ВВЕДЕНИЕ
  • 2. ОБЗОР ЛИТЕРАТУРЫ
    • 2. 1. Маркер — зависимая селекция ^ *
      • 2. 1. 1. Генетические маркеры (ДНК-маркеры)
        • 2. 1. 1. 1. ДНК-маркеры, основанные на анализе 19 рестрикционного полиморфизма
        • 2. 1. 1. 2. ДНК-маркеры, основанные на полимеразной 21 цепной реакции
        • 2. 1. 1. 3. ДНК-маркеры, основанные на полимеразной цепной 21 реакции с праймерами, имеющие множественную локализацию в геноме
      • 2. 1. 2. Гены-кандидаты
    • 2. 2. ДНК-маркеры признаков продуктивности
      • 2. 2. 1. Ген гормона роста (Bovine growth hormone, GH)
      • 2. 2. 2. Ген диацилглицерол О-ацилтрансферазы 29 1 (Diacylglycerol О-Асу transferase 1, DGAT1)
      • 2. 2. 3. Ген тиреоглобулина (Thyroglobulin, TG5)
    • 2. 3. Обзор молекулярных методов, используемых в 33 геномном анализе
      • 2. 3. 1. Метод полимеразной цепной реакции (ПЦР, 33 Polymerase chain reaction, PCR) и ее модификации
      • 2. 3. 2. Ферментативные методы
      • 2. 3. 3. Методы детекции на твердой фазе
      • 2. 3. 4. Физические методы 41
  • ЗАКЛЮЧЕНИЕ
  • 3. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ
    • 3. 1. Объекты и материалы исследований
    • 3. 2. Методы исследований
  • 4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ 52 4.1. Анализ показателей молочной продуктивности изучаемой выборки коров черно-пестрой породы ФГУП «Кленово-Чегодаево»
    • 4. 2. Распределение частот встречаемости генотипов и 62 аллелей ДНК — маркеров GH, DGAT1 и TG5 у коров черно-пестрой породы
    • 4. 3. Генетическая структура коров различных 64 генеалогических линий по ДНК — маркерам GH, DGAT1 и TG
      • 4. 3. 1. Аллельные профили коров различных 64 генеалогических линий по изучаемым ДНК-маркерам
      • 4. 3. 2. Анализ уровня гетерозиготности популяции по 67 изучаемым ДНК — маркерам
      • 4. 3. 3. Характеристика генетических связей между линиями 68 коров по изучаемым ДНК — маркерам
    • 4. 4. Изучение влияния генотипов коров по ДНК маркерам на показатели молочной продуктивности
      • 4. 4. 1. Молочная продуктивность коров с различными 74 генотипами по ОН
      • 4. 4. 2. Молочная продуктивность коров с различными 79 генотипами по ООАТ
      • 4. 4. 3. Молочная продуктивность коров с различными 84 генотипами по Т
      • 4. 4. 4. Влияние мультилокусных генотипов по ОН, ВОАТ1 и 85 Т05 на показатели молочной продуктивности коров различных генеалогических линий
  • 5. ОБСУЖДЕНИЕ
  • 6. ВЫВОДЫ
  • 7. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ

Изучение генотипов днк-маркеров GH, DGAT1 и TG5 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

Повышение уровня молочной продуктивности является одной из основных целей селекции пород скота молочного направления продуктивности (Стрекозов Н.И. и др., 2006). В качестве дополнительного критерия отбора по таким признакам, в этой связи, рассматривается использование генотипа животных по ДНК-маркерам, что позволит перевести селекционный процесс на принципиально новый уровень (Калашникова Л.А., Дутш М. И., Глазко В. И., 2000). Наибольший интерес, в этом аспекте, представляют ДНК-маркеры локусов количественных признаков (QTL). Использование в селекции методов анализа непосредственно QTL или сцепленных с ними генов имеет ряд преимуществ перед традиционными методами селекции (Зиновьева H.A., 2002). В связи с тем, что такая селекция основана непосредственно на анализе генотипа, то она не учитывает изменчивость хозяйственно — полезных признаков, которая обусловлена факторами внешней среды и делает возможным проводить селекцию в раннем возрасте, независимо от пола животных. Оценка животных по связанным с QTL генетическим маркерам особенно важна для таких признаков, которые фенотипически выявляются относительно поздно или только у животных одного пола, а также для тех признаков, на уровень проявления которых значительное влияние оказывают внешние факторы. Более того, оценка генотипа животных позволяет оценить состояние генетической структуры популяций, степень консолидации, а также проследить направление процессов изменчивости в динамике (Букаров Н.Г., 1995, Букаров Н. Г., 2004; Стрекозов Н. И и др., 2009).

В качестве генов-кандидатов молочной продуктивности коров (уровня удоя, содержания молочного жира и белка) считаются гены гормона роста (GH), диацилглицерол О-ацилтрансферазы (DGAT1) и тиреоглобулина (TG5) (Dybus А., 2002, Winter et.al., 2002, Pawar R.S., 2007, Casas et al, 2007,.

Михайлова М.Е., 2008). ОН является важнейшим регулятором соматического роста животных, обладающий лактогенным, жиромобилизующим действием. ООАТ1 — микросомальный энзим, катализирующий последний этап синтеза триглицеридов. Т05 — гликопротеин, предшественник, гормонов, участвующих в образовании жировых клеток. Выбор вышеназванных генов в качестве ДНК-маркеров обусловлен участием кодируемых ими белков в процессах формирования отдельных компонентов молока (функциональные гены-кандидаты).

Неотъемлемым элементом управления процессом совершенствования стад по племенным и продуктивным качествам в ряде предприятий является создание и поддержание определенной линейной структуры. Линии и родственные группы являются важными структурными элементами породы, позволяющими совершенствовать стада по племенным и продуктивным качествам. В этой связи, аллелофонд животных по ДНК-маркерам следует рассматривать не только в масштабах стада в целом, но и в аспекте отдельных генеалогических линий. Такой подход обеспечит возможность проведения отбора животных с учетом генотипа по ДНК-маркерам при сохранении заданной линейной структуры стада. Это совершенно справедливо, потому что основная цель селекции — это увеличение продуктивности животных, т. е. в конечном итоге продуктов питания (Кленовгщкий П.М. и др., 2004).

Исходя из вышеизложенного, актуальным является изучение генотипов ДНК-маркеров ОН, БОАТ1 и Т05 в связи с линейной принадлежностью и уровнем молочной продуктивности коров.

Цель и задачи исследования

.

Целью настоящей работы является изучение генотипов ДНК-маркеров ОН, ООАТ1 и Т05 в связи с линейной принадлежностью и уровнем молочной продуктивности коров черно-пестрой породы.

Для достижения поставленной цели были решены следующие задачи:

1. Изучить уровень молочной продуктивности коров черно-пестрой породы различных генеалогических линий.

2. Выполнить анализ распределения генотипов и аллелей ДНК-маркеров ОН, ООАТ1 и Тв5 в изучаемой выборке коров.

3. Оценить генетическую структуру генеалогических линий коров по изучаемым ДНК-маркерам.

4. Выполнить анализ связи генотипов ДНК-маркеров ОН, БОАТ1 и Т05 с показателями молочной продуктивности коров черно-пестрой породы.

5. Установить связи между распределением мультилокусных генотипов по изучаемым ДНК-маркерам и уровнем молочной продуктивности коров различных генеалогических линий.

Научная новизна исследований.

Изучен аллелофонд коров черно-пестрой породы по ДНК-маркерам ОН, БОАТ1 и Т05 в аспекте отдельных генеалогических линий. Показано, что мультилокусный подход к анализу генетической структурированности стада приводит к более четкой линейной дифференциации по сравнению с подходом, основанным на рассмотрении каждого из изучаемых локусов в отдельности. Установлены зависимости между распределением мультилокусных генотипов по изучаемым ДНК-маркерам в генеалогических линиях и показателями молочной продуктивности коров.

Практическая значимость.

Дана характеристика уровня молочной продуктивности коров черно-пестрой породы различной линейной принадлежности. Установлено достоверное положительное влияние генотипов изучаемых ДНК-маркеров на показатели молочной продуктивности коров: генотипа УУ по ОН — на уровень удоя и количество молочного белка по 3-й лактации (р<0,05), генотипа СТ по ТС5 — на количество молочного жира по 2-й лактации (р<0,05). Выявлены мультилокусные генотипы, достоверно коррелирующие с показателями молочной продуктивности первотелок различных генеалогических линий: генотип ЬЬ/АА/СС — с уровнем удоя (р < 0,05), генотип ЬУ/АА/СС — с содержанием жира в молоке (р <0,01).

Основные положения, выносимые на защиту:

• Аллельные профили коров черной пестрой породы различных генеалогических линий по ДНК-маркерам ОН, ЭОАТ1 и Т05.

• Мультилокусный подход в оценке генетической структуры стада.

• Влияние генотипов по ОН и Т05 на показатели молочной продуктивности коров.

• Связь некоторых мультилокусных генотипов изучаемых ДНК-маркеров с показателями молочной продуктивности коров различных генеалогических линий.

Апробация работы.

Результаты исследований были доложены и обсуждены на следующих конференциях:

• международной научно-практической конференции «Проблемы увеличения производства продуктов животноводства и пути их решения», Дубровицы, ГНУ ВИЖ Россельхозакадемии, 2008 г.;

• 7-ой международной научной конференции-школе «Современные достижения и проблемы биотехнологии сельскохозяйственных животных: роль нанотехнологий в реализации приоритетных задач биотехнологии» «БиоТехЖ-2008», Дубровицы, ГНУ ВИЖ Россельхозакадемии, 2008 г.;

• международной научной конференции, посвященной 100-летию со дня рождения основателя института, заслуженного деятеля науки РСФСР, профессора М. М. Лебедева «Достижения в генетике, селекции и воспроизводстве сельскохозяйственных животных», С-Петербург, ВНИИГРЖ, 2009 г.;

• международной конференции «ЕС — Россия: 7-я Рамочная программа в области биотехнологии, сельского, лесного, рыбного хозяйства и пищи», Башкирский ГАУ, 2010 г.

Публикации результатов исследований.

По материалам диссертации опубликовано 6 научных работ, в том числе 2 статьи в журналах, рекомендованных ВАК РФ (Зоотехния, Проблемы биологии продуктивных животных).

Структура и объем работы.

Диссертация написана на 115 страницах, состоит из следующих разделов: введение, обзор литературы, материалы и методы исследований, результаты и обсуждение, выводы, практические предложения, список литературы. Диссертационная работа содержит 27 таблиц и 18 рисунков.

Список литературы

включает 128 источников, в том числе 90 источников на иностранном языке.

6. ВЫВОДЫ.

1. Выявлены достоверные различия по показателям молочной продуктивности коров различных генеалогических линий по результатам 3-й лактации: по уровню удоя (Г = 2,78- р = 0,0083), содержанию жира в молоке (Б = 5,74- р = 0,0000), количеству молочного жира (Б = 3,48- р = 0,0014), содержанию белка в молоке (Б = 3,53- р = 0,0022) и количеству молочного белка (Р = 3,08- р = 0,0064).

2. Исследование полиморфизма ДНК-маркеров гормона роста (ОН), диацилглицерол О-ацилтрансферазы 1 (ВОАТ1) и тиреоглобулина (Т05) у коров черно-пестрой породы показало наличие аллелей Ь и V, А и К, С и Т, соответственно. Максимальные частоты встречаемости отмечены для генотипа IX по ОН (60,4%), генотипа АК по БОАП (60,3%) и генотипа СТ по Т05 (61,4%).

3. Анализ распределения генотипов и аллелей ДНК-маркеров ОН, БОАТ1 и Т05 показал отсутствие достоверных различий между генеалогическими линиями коров. Частота встречаемости аллеля Ь гена ОН варьировала от 0,763 в линии Франса до 0,900 в линии Рамандейл Шаммар Гениусааллеля К гена БОАТ1 — от 0,581 в линии Франса до 0,714 в линии Уес Идеалааллеля С гена Т05 — от 0,725 в линии Рефлекшен Соверинга до 0,740 в линии Силинг Трайджун Рокита. За исключением линий Рефлекшн Соверинга и Файнтелекс Грейлита по локусу ОН, во всех генеалогических линиях установлен избыток гетерозигот по трем изучаемым ДНК-маркерам.

4. Установлена более четкая линейная дифференциация стада при использовании подхода, основанного на мультилокусных генотипах, по сравнению с анализом по отдельными локусам ДНК-маркеров ОН, БОАТ1 и Т05. Линии Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита, Силинг Трайджут Рокита, Рамандейл Шаммар Гениуса и Уес Идеала с бут-стреп вероятностью 100%) образуют общий кластер. Внутри кластера с бут-стреп вероятностью 66% выделяется две ветви, одна из которых образована коровами линий Монтвик-Чифтейна, Франса, Рефлекшен Соверинг, Файнтелекс Грейлита и Силинг Трайджут Рокита, а вторая — коровами линий Рамандейл Щаммар Гениуса и Уес Идеала.

5. Анализ показателей F-статистики для каждого локуса, а также средние оценки для трех локусов показали высокие отрицательные значения показателей Fis и Fit (-0,327 и -0,311 в среднем для трех локусов, соответственно), что свидетельствует о значимом избытке гетерозигот в популяции. Низкие значения Fst (0,012) и, наоборот, высокие — для Nm (19,8) указывают на слабую генетическую дифференциацию между генеалогическими линиями по отношению к изучаемым ДНК-маркерам.

6. Установлены различия по некоторым показателям молочной продуктивности между группами коров с различными генотипами по изучаемым ДНК-маркерам. Коровы с генотипом VV по GH достоверно превосходили своих сверстниц по уровню удоя на 1047,1 кг (р < 0,05) и количеству молочного белка за 3-ю лактацию на 29,7 кг (р < 0,05). Коровы с генотипом СТ по TG5 достоверно превосходили сверстниц с генотипом СС по количеству молочного жира по итогам 2-й лактации на 14,6 кг (р < 0,05). Показана тенденция превосходства коров с генотипом АА по DGAT1 по уровню удоя на 229,9, 384,8 и 840,1 кг по результатам 1-, 2- и 3-й лактаций, соответственно.

7. Установлены достоверные зависимости между распределением мультилокусных генотипов и уровнем молочной продуктивности первотелок различных генеалогических линий: генотипа LL/AK/CC и уровня удоя за 305 дней лактации (р < 0,05), генотипа LV/AK/CC и содержания жира в молоке.

Р<0,01).

7. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ.

Лабораториям молекулярно-генетической экспертизы для накопления в стадах желательных комплексных генотипов рекомендуем проводить генетическое тестирование коров черно-пестрой породы по генам гормона роста (GH), диацилглицерол О-ацилтрансферазы 1 (DGAT1) и тиреоглобулина (TG5).

2.4.

ЗАКЛЮЧЕНИЕ

.

Молекулярная характеристика может играть важную роль в раскрытии истории, оценке разнообразия, самобытности и популяционной структуры генетических ресурсов животных. Она также может помочь избежать избыточного инбридинга при генетическом управлении маленькими популяциями. Многие исследования описывают внутрии межпопуляционное разнообразие — некоторые в весьма крупном масштабе. Однако эти исследования фрагментарны, их трудно сравнивать и обобщать. Более того, не проведены всесторонние международные обследования соответствующих видов. По этой причине стратегическое значение имеет разработка методов объединения существующих, частично перекрывающихся наборов данных, и обеспечение стандартизации образцов и маркеров для будущего использования в качестве стандартов для исследований во всех странах. Маркерные технологии эволюционируют и, похоже, что микросателлиты последовательно замещаются на SNP. Эти маркеры очень перспективны, поскольку число их в геноме велико, и они пригодны для автоматизации анализа и генотипирования (Goldstein D. et. all., 1999). Однако эффективность SNP в изучении разнообразия у видов животных до сих пор остается недостаточно исследованной. К этому вопросу необходимо относиться достаточно критично, для того, чтобы избежать накопления искаженных данных. Методы анализа данных также эволюционируют. Новые методы позволяют изучать разнообразие, не прибегая к предположениям a priori о структуре исследуемой популяциииспользовать разнообразие для выявления адаптивных генов, обобщать информацию, полученную из различных источников, включая социально-экономические и экологические параметры. Принятие правильной стратегии формирования выборок и систематический сбор фенотипических и экологических данных, остаются ключевыми требованиями для использования полного потенциала новых технологий и подходов. Кроме изучения нейтральной изменчивости ведется активный поиск генов, влияющих на ключевые признаки. В первую очередь изучаются такие признаки как продуктивность, устойчивость к заболеваниям, качество конечной продукции. В этих целях используется ряд стратегий и новых высокоэффективных технологий. Идентификация QTL открывает новые возможности и ставит новые задачи в управлении генетическими ресурсами животных. Обнаружение в определенных популяциях уникальных аллелей или комбинаций аллелей по адаптивным признакам может усилить обоснование их сохранения и направленного использования.

Селекция с помощью генов потенциально может уменьшить разрыв в эффективности отбора, обычно существующий между большими популяциями, разводящимися в индустриальных системах производства, и небольшими локальными популяциями, где не могут быть применены системы популяционной генетической оценки и схемы селекции. Селекция с помощью маркеров и генов, однако, не всегда может представлять наилучшее решение. Эти подходы необходимо оценивать и оптимизировать на основе последовательного анализа каждого случая, принимая во внимание краткосрочные и долгосрочные воздействия на популяционную структуру и степень инбридинга, стоимость и выгоды, выраженные в экологических и социально-экономических параметрах, в особенности по влиянию на экономическое положение людей (Bertone P. at. all., 2004). Как в случае других успешных технологий, очень желательно, чтобы преимущества научных достижений в области молекулярной генетики стали глобальными, внося свой вклад в улучшение понимания, использования и сохранения мировых генетических ресурсов животных, для пользы настоящих и будущих поколений человека.

3. МАТЕРИАЛЫ И МЕТОДИКА ИССЛЕДОВАНИЙ.

Исследования выполнены в лаборатории молекулярной генетики и цитогенетики животных Центра биотехнологии и молекулярной диагностики животных ГНУ Всероссийский научно-исследовательский институт животноводства Россельхозакадемии в период с 2007 по 2011 гг. по схеме, представленной на рисунке 6.

Харак1фисгикауравня мэлочнойпродукхганосшюровчфшчкс^ генеалогических линий.

МЬнгаис- 1Ъ|шскшВэмавдейл Уес Франса, Ф (п=14) СшингТравджуг Вис Бок Фойншлекс.

Чифгейн, СЬверинг, ШьммфГениус, Идеал, Вэкиг, Авдиап 10 134, Грейлиг,.

Ш (гИб) РС (п=93) РШГ (п=5) УИ (п=б9) С1Р (п0) ВБ (п=25) ФГ (п=4).

Анализ распределения час1отвслречааюс1и геноггигюв иаш 1слей Д Н<-маркфШ а-1 рсн-шт".

1 ь. 1 V —г-1.

ЕХЗАП.

РСК-ЯШ3.

1 А —1— 1 К ц—.

ТС5.

1 С 1 т.

Аготельныепрофюшюров генеалогических линийгю шучаемьмДНК-шркфам (Ме).

Изучениеургаш гетфозигоггосшт Не, Кб).

Анализ га (егических связей меяфу линиями.

Изучение гше1шескихтрамеф ()вДЧК-марьфовига]еа1Ю песфойпороды (Кб, Гз^Мт).

Аталгочаслотвслречаемсхлил^ьтаго!^ ли[{еиной принадлежности.

Изучение связи генотипов исследуемых хренов с уровнемmoчнш проду1сгивносш.

Рис. 6. Схема исследований 3.1. Объекты и материалы исследований.

В эксперименте были исследованы коровы черно-пестрой породы (п=280) экспериментального хозяйства ФГУП «Кленово-Чегодаево» следующих 8-и генеалогических линий: Монтвик-Чифтейн, МЧ (п=46),.

Рефлекшен Соверинг, PC (п=93), Рамандейл Шаммар Гениус, РШГ (п=5), Уес Идеал, УИ (п=69), Франса, Ф (п=14), Силинг Трайджут Рокит, СТР (п=24), Вис Бэк Айдиал 10 134, ВБА (п=25), Файнтелекс Грейлит, ФГ (п=4).

Оборудование:

Автоматические дозаторы переменного объема: 0,1 -20ц, 20−200ц, 200−1000(1, Gilson, Eppendorf, Германия;

Амплификаторы: Mastercycler, Eppendorf, Германия, Tecline Barloworld Scientific Ltd, Великобритания;

Аналитические весы: Sortorius BP 310S, Германия;

Вакуумный насос: Millipore, Франция;

Деионизатор воды: Millipore, Франция;

Дистиллятор: ДЭ-4−02-ЭМО, Россия;

Источники тока для электрофореза: Biokom, Россия;

Компьютер: Pentium 3;

Магнитная мешалка: Cimares2- Thermoline, США;

Микроволновая печь: LG MS-192A, Корея;

Микроцентрифуги: Kubota КМ 15 200, Япония- 5415D, Eppendorf, ГерманияБиоком, Россия;

Пиросеквенатор PSQ МА 96: Pyrosequencing, Швеция;

РН-метр: ORION model 320, США;

Программное обеспечение: MS Office 2000, BioTest;

Программное обеспечение для обработки данных пиросеквенирования: PSQ96MA SNP software v.2.0;

Система для документации гелей: Биотест Biokom, Россия;

Термостаты: Термостат Termo 48−48 Biokom, Россия;

Трансиллюминатор: UVT1, Biokom, Россия;

Фильтры для вакуумного насоса: Pyrosequencing, Швеция;

Электрофорезные камеры: Biokom ЕС 13×12, РоссияBiorad 10×10.

Реактивы и расходные материалы:

Выделение ДНК: колонки Nexttec GmbH, Германиянабор DIAtom™ DNA Prep 100, Россия.

Постановка ПНР: вода для ПЦР, Синтол, Россиясмесь дезоксинуклеозидтрифосфатов (dATP, dTTP, dCTP, dGTP (2мМ)), R0241, Ферментас, ЛитваСибэнзим, Россиянаконечники одноразовые для дозаторовпланшеты 96-луночные для ПЦРпраймеры, Синтол, Россияполиоксиэтиленсорбитан монолаурат (Tween 20), чда Диаэм, Россияпробирки 0,5 и 1,5 мл пробирки типа Eppendorf, Биоком, Россиясоляная кислота, Химмед, Россиясульфат аммония: А4418, Sigma, ГерманияTaq-полимераза (5ед/мкл), Синтол, Россиятригидроксиметиламинометан (Трис): USB, Великобританияхлорид магния, Merk, Германия;

Гель-электрофорез: агароза, ДиаэМ, Россиябромид димидия: RT193 993, ICN, СШАглицерин, ДиаэМ, Россиядодецилсульфат натрия (SDS): чда ДиаэМ, Россияксилен цианол: чда ДиаэМ, Россиямаркер 1 т.п.н. (1000 bp Gene Ruler): SM0311, Ферментас, Литварестрикционные эндонуклеазы: Alul, Gfrl, СибЭнзим, РоссияФерментас, Литватригидроксиметиламинометан (Трис): USB, Великобританияэтилендиаминтетрауксусная кислота (ЭДТА): Е5134,99+%, Sigma, Германияуксусная кислота, Химмед, Россияхлорид натрия: хч ДиаэМ, Россия.

Пиросеквенирование: буферы, Pyrosequencing, Швециягидроксид натрия: чда, ДиаэМ, Россиякартридж для реагентов, Pyrosequencing, Швецияпланшет полимерный для иммунологических реакций однократного применения, Медполимер, РоссияPSQ 96 SNP набор реактивов, Pyrosequencing, ШвецияPSQ 96 plate low, Pyrosequencing, Швециясиквенс-праймеры, Синтол, Россиястрептавидин-сефароза HP, Amersham Bioscieces.

3.2. Методы исследований.

Материалом для молекулярно-генетических исследований служили пробы ткани коров (ушной выщип). Выделение ДНК проводили с помощью колонок фирмы Nexttec (Германия). Анализ ДНК и постановку ПЦР проводили согласно «Методическим рекомендациям по использованию метода полимеразной цепной реакции в животноводстве» (Зиновьева Н.А. и др., 1998). Анализ полиморфизма изучаемых ДНК-маркеров выполняли по методикам Центра биотехнологии и молекулярной диагностики животных ГНУ ВИЖ.

Анализ полиморфизма генетических маркеров GH и DGAT1 проводили методом ПЦР с последующим гидролизом образующихся фрагментов соответствующими рестрикционными эндонуклеазами (ПЦР-ПДРФ) и их разделением методом электрофореза в агарозном геле с добавлением бромистого димидия. Визуализацию фрагментов в ультрафиолетовом свете и документацию результатов осуществляли с помощью цифровой видеокамеры и программного обеспечения BioTestD.

Полиморфизм гена GH определяли в позиции 2141 с помощью рестриктазы A lid (Mitra et al, 1995; Mattos et al., 2004, Львина O. A., 2005). Единичная нуклеотидная замена в этой позиции приводит к образованию двух аллелей — L и V. Полиморфизм гена DGAT1 определяли в позиции 6829 с помощью рестриктазы Gfrl (Winter et all., 2000). Динуклеотидная мутация в данных позициях (10 433/10434), вначале экзона VIII, приводит к аминокислотной замене лизина на аланин.

Для определения полиморфизма гена TG5 в позиции 1696 5'-области использовали технологию пиросеквенирования (Ларионова П.В., 2005). Единичная нуклеотидная замена в этой позиции приводит к образованию двух аллелей — С и Т.

Статистическую обработку данных зоотехнического учета проводили по стандартным методикам (Вейр Б., 1995, Животовский Л. А., 1991, Меркурьева Е. А. и др., 1991). Расчет средних значений (X) и стандартного отклонения (а) в выборках, вели с использованием программы Microsoft Excel. Ошибку средней находили по формуле Mx=a/Vn, где a — стандартное отклонение, n — число значений признака. Коэффициент изменчивости находили по формуле: Cv=ct/X*100%.

На основании данных анализа генотипа коров по ДНК-маркерам проводили определение числа эффективных аллелей для коров различных генеалогических линий. Это число аллелей, встречающихся с равной частотой в идеальной популяции, которое необходимо для получения такой же степени гомозиготности или генетического разнообразия в реальной популяции, рассчитывали по формуле:

Ne = 1 / (1 — Не), где.

Ne — число эффективных аллелей в популяции, Не — ожидаемая степень гомозиготности.

Ожидаемая степень гетерозиготности (Не): рассчитывали для каждого локуса, используя следующую формулу:

He=l-?pi2, где.

Pi — частота встречаемости i-ro аллеля. Для расчета Не индивидуума находили среднее арифметическое значение Не по всем исследованным локусам.

Наблюдаемая степень гетерозиготности (Но): рассчитывали для каждого локуса как отношение числа гетерозигот к общему числу исследованных животных: Ho=n/N (где n-число особей, гетерозиготных по данному локусу, N-численность выборки). Для расчета, Но индивидуума находили среднее арифметическое значение, Но по всем исследованным локусам.

Индекс фиксации Fis: коэффициент инбридинга у индивидуумов по отношению к субпопуляции (группе). Служит мерой измерения снижения уровня гетерозиготности индивидуума вследствие неслучайного спаривания внутри каждой группы. Для расчета использовали формулу:

Fis = (Не — Но) / Не.

Также были рассчитаны показатели F-статистик для каждого из локусов в отдельности, а также средние оценки для всех локусов вместе.

Индекс фиксации Fit: коэффициент инбридинга у индивидуумов по отношению ко всей выборке в целом. Служит мерой измерения снижения уровня гетерозиготности индивидуума, как вследствие неслучайного спаривания внутри каждой субпопуляции (группы), так и вследствие генетических различий между популяциями. Для расчета использовали формулу:

Fit = (Ht — Но) / Ht, где.

Ht — общая ожидаемая степень гетерозирготности по всей выборке в целом.

Индекс фиксации Fst: коэффициент инбридинга в субпопуляциях (группах) по отношению ко всей выборке в целом. Служит мерой генетических различий между группами и отражает долю общего генетического разнообразия (гетерозиготности), которая отделяет популяции друг от друга. Для расчета использовали формулу:

Fst = (Ht — Не) / Ht. Число мигрантов (Nm) рассчитывали, используя следующую формулу:

Nm = ((l / Fst) — 1) /4.

На основе частот встречаемости аллелей по трем исследуемым генам, между отдельными линиями коров, рассчитывали показатели стандартной генетической дистанции (Nei М, 1983). Полученная матрица служила основой для построения дендрограммы генетической близости между линиями, используя метод невзвешенной парно-групповой средней (UPGMA). Кроме того, на основе частот встречаемости мультилокусных генотипов проводили расчет Евклидовых дистанций. Для оценки устойчивости топологии дендрограмм рассчитывали бут-стреп вероятности формирования каждой «ветви» (использовано 1000 псевдовыборок) с помощью программы PAST v. 1.82b.

Для анализа связи между генотипами животных по ДНК-маркерам и показателями молочной продуктивности использована модель, описанную в работах Ли Ч. (1978), Lynch М. и Walsh В. (1998). Согласно этой модели нами были рассчитаны следующие параметры аддитивно-доминантной модели наследования количественных признаков.

Аддитивная (А) и доминантная (D) компоненты модели рассчитывались по формулам:

А = X 22 — X 11 , — Х\ + X 22 D = Хг——, где.

Х\, Х2, Х22 — средние арифметические оценки исследуемого показателя продуктивности для генотипов.

Эффект аллелей 1 и 2 оценивался по формулам: а} =т{-Х а2 =ОТ2-Х'где тх = p-X\+q-X2 т^ = p-X2+q-X22' ГД6 р и q — частоты аллелей 1 и 2, соответственно;

— общее среднее арифметическое для всей группы. а.

Эффекты замены аллелей (Ъ рассчитывался по формуле:

2 2.

Таким образом, для каждого анализируемого ДНК-маркера были рассчитаны средние арифметические значения признаков молочной продуктивности для трех генотипов (за исключением маркера ТС5, для которого отсутствовала вторая гомозигота). Достоверность различий между животными с разными генотипами была оценена с помощью критерия.

Фишера на основе однофакторного дисперсионного анализа. Статистический анализ полученных данных проводили по компьютерной программе Statistica for Windows, Version 5.0.

Поскольку различные признаки молочной продуктивности были выражены в различных единицах измерения, а также для того, чтобы элиминировать эффект шкалы и получить возможность провести сравнения показателей аддитивно-доминантной модели для разных признаков и различных маркеров, исходные данные были стандартизированы:

Хг значение признака продуктивности;

— общее среднее арифметическое для всей группы.

4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ 4.1. Анализ показателей молочной продуктивности изучаемой выборки коров черно-пестрой породы ФГУП «Кленово-Чегодаево».

Результаты анализа удоя коров черно-пестрой породы различной линейной принадлежности за 305 дней 1−3 лактаций обобщены в таблице 6. В качестве критерия вариабельности показателей продуктивности в группах был использован коэффициент вариации (Су).

Показать весь текст

Список литературы

  1. Г., Кройслих X., Штранцингер Г. Экспериментальная генетика в животноводстве // М. РАСХН, 1995. С. 326.
  2. Г., Кройслих X., Штранцингер Г. Экспериментальная генетика в животноводстве // пер. и ред. Зиновьевой H.A., М.: тип-я Россельхозакадемии. 1996. 328 с.
  3. Н.Г. Использование полиморфизма антигенов эритроцитов и главного комплекса тканевой совместимости в разведении и совершенствовании крупного рогатого скота. Автореф. докт. дисс, Дубровицы, 1995. С. 300.
  4. И.Ю., Ильясов А. Г. Связь полиморфизма гена соматотропина крупного рогатого скота симментальской породы с продуктивностью // Зоотехния, 2008. № 5. С.6−8.
  5. Н. А., Гладырь Е. А., Державина Г., Кунаева Е. Методы маркер-зависимой селекции // Животноводство России. 2006. № 3. С. 29−31.
  6. H.A. Введение в ДНК-диагностику. Школа-практикум «Методы исследований в биотехнологии сельскохозяйственных животных». Вып.4. ВИЖ, 2005. С. 134
  7. H.A. Проблемы биотехнологии и селекции сельскохозяйственных животных / H.A. Зиновьева, JI.K. Эрнст. Дубровицы, ВИЖ. 2004. С. 316.
  8. H.A., Гладырь Е. А., Эрнст Л. К., Брем Г. Введение в молекулярную генную диагностику сельскохозяйственных животных. // ВИЖ, 2002. С. 112.
  9. H.A., Костюнина О. В., Гладырь Е. А., Банникова А. Д., Харзинова В. Р., Ларионова П. В., Шавырина K.M., Эрнст Л. К. Роль ДНК — маркеров признаков продуктивности сельскохозяйственных животных // Зоотехния. 2010. № 1. С. 8−10.
  10. H.A., Попов А. П., Эрнст Л. К., Марзанов Н. С., Бочкарев В. В., Стрекозов Н. И., Брем Г. Методические рекомендации по использованию метода полимеразной цепной реакции в животноводстве // Дубровицы: ВИЖ, 1998. 47 с.
  11. Л.А., Дунин И. М., Глазко В. И. Селекция XXI века: использование ДНК-технологий // Московская обл., Лесные поляны, ВНИИплем. 2000. С. 31.
  12. П.М. Генетика и биотехнология в селекции животных / П. М. Кленовицкий, Н. С. Марзанов, В. А. Багиров, М. Г. Насибов. М.: ФГУП «Эксплор», 2004. С — 285.
  13. П.В. Разработка и экспериментальная апробация систем анализа полиморфизма генов-кандидатов липидного обмена у крупного рогатого скота. Автореф. канд. дисс., Дубровицы, 2006.
  14. Р. Генетические основы эволюции. // М.: Мир, 1978, 351с.
  15. Ли Ч. Введение в популяционную генетику. М.: Мир, 1978, 243 с.
  16. О. А., Молочная продуктивность коров симментальской породы с различными генотипами по генам каппа-казеина, альфа -лактальбумана, бета казеина и гормона роста.// Сельскохозяйственная биология, 2007. — № 6. — С. 35−40.
  17. Н.С., Фролкин Д. А., Зиновьева H.A., Попов А. Н., Данилин A.B., Брем Г. RYRl-ген у свиней отечественных и зарубежных пород // Доклады РАСХН, 2001, № 1, с. 34−36.
  18. Е.К., Абрамова З. В., Бакай A.B. и др. Генетика. М., 1991. 446 с.
  19. Н.В., Калашникова JI.A. ДНК-диагностика стрессчувствительности свиней скороспелой мясной породы Диагностика полиморфных вариантов RYRl-гена. // Вестник РАСХН, 2000, N 1, С. 68−71
  20. Н.В., Калашникова JI.A. Скрининг RYR-гена свиней скороспелой мясной породы // Сборник материалов международной научной конференции «Молекулярно-генетические маркеры животных», Киев, 1999, С. 21−22.
  21. Н.В., Калашникова JI.A., Новиков A.A. Частота встречаемости мутантного аллеля RYRl-гена в популяциях свиней крупной белой породы // Доклады РАСХН, 2001, N 6, С. 31−35.
  22. Е.И. Изучение продуктивных особенностей и характеристика аллелофнда свиней породы боди по ДНК-маркерам. Автореф. канд. дисс., Дубровицы, 2010.
  23. Н.И., Чернушенко В. К., Цысь В. И. Интенсификация молочного скотоводства России. Смоленск, 2006. — С. 12.
  24. Г. Е. ДНК-маркеры в генетических исследованиях: типы маркеров, их свойства и области применения. // Успехи соврем, биологии. 2004. Т. 124, № 3. С. 260.
  25. И. X. Совершенствование методов разведения молочного скота. Автореф. канд. дисс., СПб., 2008.
  26. Д.С. Введение в генетику количественных признаков. М.: Агропромиздат, 1985. 486 с.
  27. Д.А. Скрининг гена злокачественного гипертермического синдрома (MHS) у свиней // Автореф. канд. дисс., ВИЖ, 2000.
  28. Я. А. Полиморфизм генов молочных белков и гормонов крупного рогатого скота. Автореферат диссертации на соискание ученой степени к. биол. наук, Лесные Поляны Московской обл., 2009. С. 329.
  29. С.Р., Лазебный О. Е., Максименко В. Ф., Сулимова Г. Е. ДНК-полиморфизм генов гормона роста и пролактина у ярославского и черно-пестрого скота в связи с молочной продуктивностью // Генетика. 2005, 41(2): 229−236.
  30. Л.К., Зиновьева Н. А. Биологические проблемы животноводства в XXI веке. М.: РАСХН, 2008. 508с.
  31. Ahmadian A., Gharizadeh В., Gustafsson AC., Sterky F., Nyren P., Uhlen M., Lundeberg J. Single-nucleotide polymorphism analysis by pyrosequencing. // Anal Biochem. 2000.280(1): 103−109.
  32. Ailhaud G., Grimaldi P., Negrel R. Cellular and molecular aspects of adipose tissue development. // Annu. Rev. Nutr. 1992 .12:207−233.
  33. Ajmone-Marsan P., Negrini R., Milanesi E., Bozzi R. Genetic distances within and across cattle breeds as indicated by biallelic AFLP markers // Animal Genetics.2002. 33, 280−286.
  34. Barendse W. J. Bunch R., Thomas M., Armitage S., Baud S., Donaldson N. TG5 DNA marker test for marbling capacity in Australian feedlot cattle. // Proc. Beef Quality CRC Marbling Symp. 2001. P. 52−57
  35. Barendse W. J. Assessing lipid metabolism. Patent. International Publication Number: WO 99/23 248. World Intellectual Property Organization, Geneva, Switzerland. 1999.
  36. Barendse W. J., Bunch R., Thomas M., Armitage S., Baud S., Donaldson N. The TG5 thyroglobulin gene test for a marbling quantitative trait loci evaluated in feedlot cattle // Australian Journal of Experimental Agriculture. 2004. 44(7) 669 -674.
  37. Bauman D. Bovine somatotropin and lactation: from basic science to commercial application.// Domestic Animal Endocrinology. 1999. V.17. P. 101 116.
  38. Bennewitz J., Reinsch N., Paul S., Looft C., Kaupe B. The DGAT1 K232A Mutation Is Not Solely Responsible for the Milk Production Quantitative Trait Locus on the Bovine Chromosome 14 // Journal of dairy science. 2004. Vol.87. № 5. p. 431−433.
  39. Buntjer J., Otsen M., Nijman I., Kuiper M. Phylogeny of bovine species based on AFLP fingerprinting // Heredity. 2002. 88, 46−51.
  40. Cases S., Smith S., Myers H., Lear S. Identification of a gene encoding an acyl CoA: diacylglycerol acyltransferase, a key enzyme in triacylglycerolsynthesis // Proceedings of the National Academy of Sciences, 2007. 95, 1 301 813 023.
  41. Chen J., Hebert P. Directed termination PCR: a one step approach to mutation detection //Nucleic Acids Res. 1998. 26, 1546−1547.
  42. Chrenek P., Huba J., Oravcova M., Hetenyi 1., Peskovieova D., Bulla J.
  43. Genotypes of BGH and BPRL genes in relationships to milk production// EAAP -th
  44. Annual Meeting, Zurich, Book of Abstracts. 1999. 40.
  45. Coppieters W., Riquet J., Arranz J., Berzi P., Cambisano N. A QTL with major effect on milk yield and composition maps to bovine chromosome 14 // Mammalian Genome. 1998. 9, 540−544.
  46. Cowan C.M., Dentine M.R., Ax R.L., Schuler L.A. Restriction fragment length polymorphism associated with growth hormone and prolactin genes in Holstein bulls: evidence for a novel growth hormone allele. // Animal Genetics. 1989. 20. 157−165.
  47. Dawson M., Richard C. Moore A., Stephen C. Bishop L. Progress and limits of PrP gene selection policy// Yet. Res. Vol. 39. № 4. 2008. P. 12
  48. Jeffreys J., Peter G. David J. Forensic application of DNA 'fingerprints' //Nature. 1985. V. 318, 577−579.
  49. Dybus, A. Associations between Leu/Val polymorphism of growth hormone gene and milk production traits in black and white cattle. Archiv for Tierzucht. 2002. 45: 421−428.
  50. Farese Jr., Cases S., Smith S. Triglyceride synthesis: insights from the cloning of diacylglycerol acyltransferase // Current Opinion in Lipidology. 2000. 11.229−234.
  51. Favis R., Day P., Gerry N., Phelan C., Narod S. Universal DNA array detection of small insertions and deletions in BRCA1 and BRCA2 // Nat. Biotechnol. 2000. 18, 561−564.
  52. Fujii J., Otsu K., Zorzato F., De Leon S., Khanna V.K., Weiler J.E., O’Brien P.J., Maclennan D.H. Identification of a mutation in porcine ryanodine receptor associated with malignant hyperthermia // Science, 1991, 253, 448−451.
  53. Goldstein D., Schlotterer C. Microsatellites: evolution and applications // New York, USA. Oxford University Press. 1999.
  54. Graber J., Smith C., Cantor C. Differential sequencing with mass spectrometry // Genet. Anal. Biomol. Eng. 1999. 14, 215−219.
  55. Griffin T., Hall J., Prudent J., Smith L. Direct genetic analysis by matrix assisted laser desorption ionization mass spectrometry // Proc. Natl. Acad. Sci. USA. 1999. 96, 6301−6306
  56. Grochowska, R., A. Lunden, L. Zwierzchowski, M. Snochowski and J. Oprzadek, 2001. Association between gene polymorphism of growth hormone and carcass traits in dairy bulls. Animal Sci., 72: 441−447
  57. Gupta M., Chyi Y.S., Romero-Severson J., Owen J.L. // Theoret. Appl. Genet. 1994. V.89. P.998.
  58. O., Bradley D., Ochieng J., Verjee Y., Hill E. 2002. African pastoralism: genetic imprints of origins and migrations // Science. 2002. 296, 336 339.
  59. Hetch C., Gelderman H. Variants within the 5'-flanking region and the intron I of the bovine growth hormone gene.// Animal genetics. 1996. 27. 329−332.
  60. Hunter N., Foster JD. Hope J. Natural scrapie in British sheep: breeds, ages and PrP gene polymorphisms// Journal of the British Veterinary Association, 1997- 130:389−392.
  61. Jackson P., Scholl P., Groopman J. Mass spectrometry for genotyping: an emerging tool for molecular medicine // Mol. Med. Today. 2002. 6, 271−276.
  62. Jarne P., Lagoda P. Microsatellites, from molecules to populations and back//Tree. 1996. 11,424−429.
  63. Kilger C., Paabo S. Direct DNA sequence determination from total genomic DNA //Nucleic Acids Res. 1997. 25,2032−2034.
  64. Kristensen T., Nedelcheva Kristensen V., Borresen-Dale A. High throughput screening for known mutations by automated analysis of single sequencing reactions (SSR) // BioTechniques. 1998. 24, 832−835
  65. Kwolc S., Kellogg D., McKinney N., Spasic D., Goda L.1990. Effects of primer-template mismatches on the polymerase chain reaction: human immunodeficiency virus type 1 model studies // Nucleic Acids Res. 1990. 18(4), 999−1005.
  66. Lagziel A., Lipkin E., Ezra E., Soller M. An Mspl polymorphism at the bovine growth hormone (bGH) gene is linked to a locus affecting milk protein percentage // Anim Genet. 1999. 30(4), 296−299.
  67. Lagziel A., Lipkin E., Soller M. Association between SSCP haplotypes at the bovine growth hormone gene and milk protein percentage.//Genetics. 1996. 142. 945−951.
  68. Lee B.K., Lin G.F., Crooker B.A., Murtaugh M.P., Hansen L.B. and Chester H. Association of somatotropin gene polymorphism at the 5th exon with selection for milk yield in Holstein cows. // Domest. Animal Endocrinol. 1996.13: 373−381.
  69. LeRoy P., Naveau J., Elsen J. M., Sellier P. Evidence for a new major gene influencing meat quality in pigs// Genet. Res. Camb. 1990. P.55.
  70. Luciana, P.M.K.V., D.T. Talhari, A.P. Pereira, L.L. Coutinno and L.C.A. Regitano, 2003. Genetic characterization of Aberdeen Angus cattle using molecules markers. Genet. Mol. Biol., 26: 133−137.
  71. Lucy M.C., Hauser S.D., Eppard P.J., Krivi G.G., Clark J.H., Bauman D.E. Collier R.J. Variants of somatotropine in cattle: Gene frequencies in major dairy breeds and associated milk production. // Domest. Animal Endocrinol. 1993. 10: 325−333.
  72. Lynch M., Walsh B. Genetics and Analysis of Quantitative Traits. // Sinauer, Sunderland. 1998. MA. P. 980.
  73. McPheiTon A., Lee S. Proc. Natl. Acad. Sci. USA. 1997. 94, 1 245 712 461.
  74. Mears G. J., Mir P. S., Bailey D. R. C., Jones S. D. M. Effect of Wagyu genetics on marbling, back fat, and circulating hormones in cattle. // Can. J. Anim. Sci. 2001. 81:6573.
  75. Mitra A., Schlee P., Balakrishnan C.R., Pirchner F. Polymorphisms at growth hormone and prolactin loci in Indian cattle and buffalo. // Journal of Animal Breeding and Genetics. 1995. V. l 12, p.71−74.
  76. Mullis K. Enzymatic amplification of b-globulin genomic sequences and restriction site analysis for diagnosis of sickle cell anemia / R. Saiki, S. Scharf, F. Faloona, G. Horn, N. Arnheim II Science. 1985. 230, 1350−1354.
  77. Nakamura Y. Variable number of tandem repeat (VNTR) markers for human gene mapping / M. Leppert, P. Connell, R. Wolff, T. Holm, M. Culver // Science. 1987. Vol. 235 no. 4796 pp. 1616−1622.
  78. Negrini R., Milanesi E., Bozzi R., Pellecchia M., Ajmone-Marsan P. Tuscany autochthonous cattle breeds: an original genetic resource investigated by AFLP markers // Journal of Animal Breeding and Genetics. 2006. 123, 10−16.
  79. Nei M., Tajima F., Tateno, Y. Accuracy of estimated phylogenetic trees from molecular data // J. Mol. Evol., 1983. 19, 153−170.
  80. Nei M. Estimation of average heterozygosity and genetic distance from a small number of individuals // Genetics, 1987. 89: 583−590
  81. G., Meglecz E. // Trends Ecol. Evol. 2000. V.15. N.9. P.376.
  82. Nikiforov T.T., Rendle R., Goelet P., Rogers R., Kotewicz M. Genetic bit analysis: a solid phase method for typing single nucleotide polymorphisms // Nucleic Acids Res. 1994. 20, 4167−4175.
  83. Parmentier I., Portetelle D., Gengler N., Pradi, A. Bertozzi C. et al. Candidate gene markers associated with somatotropic axis and milk selection// Domestic Anim. Endocrinol. 1999. 17: 139−148
  84. Parmentier I., Portetelle D., Gengler N., Prandi A., Bertozzi C., Vleurick L., Gilson R., Renaville R. Candidate gene markers associated with somatotropic axis and milk selection. // Domest. Anim. Endocrinol. 1999. 17. 139−148
  85. Pastinen, T., Partanen J., Syvanen A. Multiplex fluorescent solidphase minisequencing for efficient screening of DNA sequence variation // Clin. Chem. 1996. 42,1391−1397.
  86. Pawar R. Growth Hormone Gene polymorphism and association with lactation yield in daity cattle // Indian Journal of Animal Sciences. 2007. 9, 884 888.
  87. Plaschke J., Voss H., Hahn M., Doublex sequencing in molecular diagnosis of hereditary diseases // BioTechniques. 1998. 24, 838−841.
  88. Rocha E. Danchin A. Essentiality, not expressiveness, drives genestrand bias in bacteria//Nat. Genet. 2003. 34, 377−378.
  89. Rodrigues C.V., Guimaraes S.E.F., Neto E.D., Pinheiro L.E.L. Identification of a novel polymorphism in the promoter region of the bovine growth hormone gene. // Animal Genetics. 1998. 29. 65−66.
  90. Rothschild M.F., Soller M. Candidate gene analysis to detect traits of economic importance in domestic livestock//Probe, 1997, 8, 13−18.
  91. Ruano G., Kidd K. Coupled amplification and sequencing of genomic DNA // Proc. Natl. Acad. Sci. USA. 1991. 88, 2815−2819.
  92. Sabour M., Lin C., Lee A., Mcallister A. Association between milk protein genetics variants bulls for milk yield traits.// J. Dairy Sci. 1996. 79, 10 501 056
  93. Sachidanandam R., Weissman D., Schmidt S., Kakol J., Stein L. A map of human genome sequence variation containing 1.42 million single nucleotide polymorphisms //Nature. 2001. 409, 928−933.
  94. Sadeghi M., Moradi Shahr-e-Babak M., Rahimi and Nejati Javaremi A G. Association between Gene Polymorphism of Bovine Growth Hormone and Milk Traits in the Iranian Holstein Bulls. Anim. Sei. 2008. 2: 1−6.
  95. Sadeghi M., Krassilnikova S, Zhang J. Detection of injury-induced vascular remodeling by targeting activated alphavbeta3 integrin in vivo. // Circulation. 2008. 110:84−90.
  96. Sasvari-Szekely M., Gerstner A., Guttman A. Rapid genotyping of factor V Leiden mutation using single-tube bidirectional allele-specific amplification and automated ultrathin-layer agarose gel electrophoresis // Electrophoresis. 2000. 21(4), 816−821.
  97. C. // Nature Rev. Genet. 2004. V.5. N.l. P.65.
  98. Schumm J. Identification of more than500 RFLPs by screening random genomic clones / R. Knowlton, J. Braman, D. Barker, D. Botstein, G. Akots, V. Brown // Am. J. Hum. Genet. 1998. 42, 143−159
  99. Schwerin M. Struktur und Funktion von Genen beim Nutztier // In: 18. Hulsenberger Gesprache 2000. Weimar, 2000. 28−34.
  100. Sokolov B.P. Primer extension technique for the detection of single nucleotides in genomic DNA // Nucleic Acids Res. 1990. 18, 3671
  101. Sorensen В., Wegner J., Weselake R. Diacylglycerol acyltransferase activity in the muscle tissue of two metabolically different breeds of cattle // Arch. Tierz., Dummerstorf. 2003. 46, 178.
  102. Sunnucks P. Efficient genetic markers for population biology // Tree. 2001. 15, 199−203.
  103. Syvanen A. From gels to chips: «minisequencing» primer extension for analysis of point mutations and single nucleotide polymorphisms // Hum. Mutat. 1999. 13, 1−10.
  104. Thaller G. Einfluss der Kandidatengene DGAT1 und Thyroglobulin auf den intramuskularen Fettgehalt beim Rind (Электронный ресурс) / Thaller G.,
  105. R. 2004. Электрон. текстовые дан. Режим доступа: http://www.lfl.bayern.de/ - свободный.
  106. Thaller G., Effects of DGAT1 variants on milk production traits in German cattle breeds. / W. Kramer, A. Winter, В. Каире, G. Erhardt, R. Fries // Journal of animal science. 2003. 8, 1911−1918.
  107. Tilquin P. A genome scan for quantitative trait loci affecting the Salmonella carrier-state in the chicken / P. Barrow, J. Marly, F. Pitel, F. Plisson-Petit, P. Velge, A. Vignal, P. Baret, C. Beaumont // Genetics Selection Evolution. 2005. 37, 539−561
  108. Vos P., Hogers R., Bleeker M., Reijans M., van de Lee Т., Homes M. AFLP: a new technique for DNA fingerprinting // Nucleic Acids Res. 1995. 23, 4407−4414
  109. Welsh J., McClelland M. // Nucleic Acids Res. 1990. V.18. N.24. P.7213.
  110. I., Kubelik A.R., Livak K.I., Rafalski I.A., Tongey S.N. // Nucleic Acids Res. 1990. V.18. N.22. P.6531.
  111. Yager T. High performance DNA sequencing and the detection of mutations and polymorphisms on the Clipper sequencer. / L. Baron, A. Batra, D. Bouevitch, K. Chan, S. Chan//Electrophoresis. 1999. 20, 1280−1300.
  112. Zvierzchowski L. An association of growth hormone, k-casein, p-lactoglobulin, leptin and Pit-I loci polymorphism with growth rate and carcass traits in beef cattle // Animal Science Papers and Reports. 2001. 19, 65−78.
Заполнить форму текущей работой

Сдать сессию!