Оценка межстадного генетичекого разнообразия голштинизированного черно-пестрого скота Ленинградской области методом главных компонент

Для оценки генетичекого разнообразия голштинизированного черно-пестрого скота Ленинградской области использован метод главных компонент (РСА). Для анализа отобраны шесть стад из племенных заводов со средними удоями коров от 8100 кг до 11300 кг молока. Из каждого стада отобрана случайная выборка коров в количестве 45 - 85 голов. Общая численность коров составила 373 головы. Все коровы были генотипированы чипом ILLUMINABovineSNP50 v.2 (Illumina Inc. USA) в Ирландии (Weatherbys Co. UK). Редактирование SNPs осуществляли по следующим критериям: минорная частота аллелей MAF <0.01, доля ошибок при генотипировании SNPs менее 5%, достоверность соответствия генотипов SNPs распределению Харди - Вайнберга (Р <0.0001). В результате редактирования осталось 39657 SNPs из 54609. При расчете межстадного генетического разнообразия коров методом главных компонент использовали программу EIGENSOFT. Достоверность полученных данных рассчитывали методом ANOVA. Общая достоверность данных для трех собственных векторов была следующей: первый вектор (Р <0.58), второй вектор (Р <3.3е-16), третий вектор (Р < 5.9е-06). Следовательно, второй и третий вектора можно использовать для оценки полученных данных. Оказалось, что парные межстадные различия максимальны для стада 2 как для вектора 2, так и для вектора 3. Также с высокой достоверностью отличались стада 3_6 для вектора 2 и 3_5 для вектора 3. Коровы в несколько парных сочетаний стад генетически не различались. В целом, достоверность вычисленных данных методом РСА зависит от собственного вектора. Таким образом, метод РСА эффективен при изучении межстадного генетического разнообразия молочного скота и может быть рекомендован к использованию для других сельскохозяйственных животных.

генетическое разнообразие, стадо, молочный скот, голштинская порода

1. Patterson, N. Population structure and eigen analysis / N. Patterson, A. L. Price, D. Reich // PLoS Genetics. - 2006. - 2:e190.

2. Canas-Alvarez J. J. Genetic diversity and divergence among Spanish beef cattle breeds assessed by a bovine high - density SNP chip / J. J. Canas-Alvarez, A. Gonzalez-Rodriguez, S. Munilla et al. // J. Anim. Sci. - 2015. - V. 93. - P. 5164-5174.

3. Gautier M. Insight into the genetic history of French cattle from dense SNP data on 47 worldwide breeds / M. Gautier, D. Laloe, K. Moazami-Goudarzi // PLoS One. - 2010. - V. 5. - e13038.

4. Kelleher M. M. Inference of population structure of purebred dairy and beef cattle using high-density genotype data / M.M. Kelleher, D. P. Berry, J. F. Kearney et al. // Animal. - 2016. - V. 2. - P. 1-9.

5. Howard J. T. Characterizing homozygosity across United States, New Zealand and Australian Jersey cow and bull populations / J. T. Howard, C. Maltecca, M. Haile-Mariam et al. // BMC Genomics - 2015. - 16 :187.

6. Pursell, S. PLINK: a tool set for whole genome association and population based linkage analyses /S. Pursell // American Journal of Human Genetics. - 2007. - V. 81. - P. 559-575.

7. R Development Core Team R: a language and environment for statistical computing. R foundation for statistical computing. Viena. - 2008. - http://www.R-project.org