Научные статьи \ Прикладные науки. Медицина. Технология \ Сельское хозяйство. Лесное хозяйство. Охота. Рыбное хозяйство \ Общее животноводство. Разведение млекопитающих животных и птиц. Скотоводство. Домашние животные и их разведение \ Крупные жвачные животные. Крупный рогатый скот

Использование высокопроизводительной инфракрасной спектрометрии при изучении полногеномных ассоциаций с жирнокислотным и компонентным составом молока у коров (Bos taurus)

Использование высокопроизводительной инфракрасной спектрометрии при изучении полногеномных ассоциаций с жирнокислотным и компонентным составом молока у коров (Bos taurus)

Автор: Сермягин А.А., Игнатьева Л.П., Лашнева И.А., Косицин А.А., Косицина О.В., Абдельманова А.С., Зиновьева Н.А.

Журнал: Сельскохозяйственная биология @agrobiology

Рубрика: Генетика, геномика, генетическая инженерия

Статья в выпуске: 6 т.57, 2022 года.

Бесплатный доступ

Количество жира в молоке коров относится к признакам, наиболее подверженным высокой изменчивости, и зависит как от условий среды (кормление, технология содержания), так и от генетических факторов (порода, генотип). Особый интерес представляет содержание жирных кислот (ЖК) как биомаркера контроля физиологического состояния животных и критерия оценки показателей качества сырого молока, в части его пригодности к переработке (выход сыра, масла и сливок). Соотношение ЖК в молоке по числу атомов углерода, а также длине цепи, степени ее насыщения различается между особями и на популяционном уровне. Поэтому изучение генетической и геномной изменчивости признаков молочной продуктивности для повышения эффективности управления отбором животных остается актуальной задачей. Цель наших исследований заключалась в поиске полногеномных ассоциаций и полиморфизмов в генах, детерминирующих жирнокислотный состав молока, на основе инфракрасной спектрометрии как одного из наиболее быстрых и точных экспресс-методов физико-химического анализа состава молока. Популяционно-генетические параметры и изменчивость содержания жирных кислот в молоке изучали на популяции голштинизированного черно-пестрого и голштинского скота 14 племенных стад из Московской области (2017-2018 годы). Всего для оценки суточных показателей молочной продуктивности использовали 36982 образца. Расчет коэффициентов наследуемости (h2) и корреляции ( rg ) показателей состава молока коров проводили на основе метода REML (residual maximum likelihood) с использованием семейства программ BLUPF90. Поиск SNP проводили в выборке коров из экспериментального стада голштинизированного черно-пестрого скота (ПЗ «Ладожский» - филиал ФГБНУ ФИЦ ВИЖ им. Л.К. Эрнста, 2020-2021 годы). Фракционный состав молока определяли с помощью автоматического анализатора MilkoScan 7 DC («FOSS», Дания), принцип действия которого основан на экспресс-оценке методом инфракрасной спектроскопии. При индивидуальной оценке была сформирована группа из 144 генотипированных с помощью биочипа Bovine GGP 150K («Neogen», США) коров с полным фенотипическим описанием спектра жирных кислот и компонентов молока. Контроль качества генотипирования (110884 SNP), анализ полногеномных ассоциаций (GWAS, genome-wide association study) и многомерное шкалирование (MDS, multidimensional scaling) выполняли с помощью программы Plink 1.9. Поиск генов по выявленным значимым полиморфизмам проводили в браузере Ensembl по сборке генома крупного рогатого скота Bos taurus UMD 3.1.1 (https://www.ncbi.nlm.nih.gov/assembly/). Аннотацию генов для определения локусов количественных признаков на хромосомах животных осуществляли по международной базе данных Animal QTLdb. Наследуемость показателей жирных кислот молока варьировала от низкой для полиненасыщенных ЖК (h2 = 0,018) до умеренных для средне- (h2 = 0,125), длинноцепочечных (h2 = 0,155) и миристиновой кислоты (h2 = 0,155), мононенасыщенных ЖК (h2 = 0,176) и олеиновой кислоты (h2 = 0,196). Методом многомерного шкалирования оценили генетическую структуру экспериментальной группы животных, где мы наблюдали умеренный размах вариабельности по первой (PC1 = 7,82 %) и по второй (PC2 = 4,65 %) компонентам изменчивости. Для миристиновой и пальмитиновой ЖК выявлены общие кластеры (QTL) на хромосомах BTA5, BTA10, BTA14, BTA18 и BTA27; для стеариновой и олеиновой ЖК (как входящих в группу длинноцепочечные ЖК) показана схожая локализация QTL на хромосомах BTA9, BTA10, BTA11, BTA14, BTA17, BTA18, BTA19, BTA20 и BTA29. Для коротко- и среднецепочечных ЖК обнаружены ассоциации на хромосомах BTA1, BTA5, BTA10, BTA11, BTA14, BTA18, BTA19 и BTA24, для длинноцепочечных ЖК детектированы QTL на BTA6, BTA7, BTA9, BTA10, BTA11, BTA17, BTA18 и BTA29. Для коротко- и среднецепочечных ЖК, насыщенных ЖК, C14:0, C16:0, C18:0 и C18:1 установлены гены, образующие QTL на хромосомах BTA10, BTA11 и BTA14, - CACNA1C , GCH1 , ATG14 , KCNH5 , PRKCE , CTNNA2 , CYHR1 , VPS28 , DGAT1 , ZC3H3 , RHPN1, TSNARE1 . Коротко- и среднецепочечные ЖК, миристиновая и пальмитиновая ЖК, насыщенные ЖК показали связь с полиморфизмами в генах MED12L , EPHB1 , GRIN2B , PRMT8 , ERC1 , PELI2 , ARHGAP39 , MROH1 , MAF1 , GSDMD , LY6D. Для длинноцепочечных и мононенасыщенных ЖК, стеариновой и олеиновой ЖК в результате аннотации получены селекционно значимые гены RPS6KA2 , CPQ , CPE , FTO , FAT3 , LUZP2. Продолжение изучения генетических механизмов наследования содержания жирных кислот и компонентов молока необходимо для формирования стратегии селекции молочного скота с лучшим жирнокислотным профилем и составом компонентов.

Еще

Корова, жирные кислоты, компоненты молока, коэффициент наследуемости, gwas, snp, qtl, гены

Короткий адрес: https://sciup.org/142237378

IDR: 142237378   |   УДК: 636.2:637.043:577.21   |   DOI: 10.15389/agrobiology.2022.6.1083rus

Using of infrared high-performance spectrometry data for genome-wide associations study of fatty acid composition and milk components in dairy cattle (Bos taurus)

Milk fat percentage is highly variabile and depends on environmental conditions which include feeding and farm technology, and on genetic factors such as breed and genotype features. The content of fatty acids (FA) is a biomarker for the physiological state of animals and a parameter of raw milk suitability for processing (yield of cheese, butter and cream). FA profile of mild in terms of C number, the chain length and saturation degree differs between individuals and at the population level. Therefore, the study of genetic and genomic variability of milk production traits to improve the efficiency of animal selection remains relevant. This study aimed at searching for genome-wide associations and polymorphisms in genes involved in milk fatty acid production. In the study, infrared spectrometry was used as an accurate and rapid method to analyze milk composition. Population variability of milk fatty acid profiles was studied using 36982 milk samples from Holsteinized Black-and-White and Holstein cows of 14 breeding herds from the Moscow region in 2017-2018. The heritability (h2) and correlation ( rg ) coefficients for cows’ milk components were calculated using REML (residual maximum likelihood) method with BLUPF90 family software. SNPs were detected for a dataset of Holsteinized Black-and-White cows from an experimental herd (the breeding farm Ladozhsky, branch of Ernst Federal Research Center for Animal Husbandry, Krasnodar Territory, 2020-2021). Milk composition was determined using an infrared spectroscopy-based automatic MilkoScan 7 DC analyzer (FOSS, Denmark). A group of 144 cows subjected to phenotyping for fatty acids and milk components were individually genotyped (Bovine GGP 150K biochip, Neogen, USA). Plink 1.9 software was applied to control genotyping quality (110884 SNPs) and to perform GWAS (genome-wide association study) analysis and multidimensional scaling (MDS). Searching genes by identified significant polymorphisms was performed using the bovine genome assembly Bos taurus UMD 3.1.1 (https://www.ncbi.nlm.nih.gov/assembly/) and the Ensembl genome browser. QTL annotation was carried out using the Animal QTLdb database. In general, milk fatty acids showed a heritability level that ranged from low to moderate, varying from h2 = 0.018 for polyunsaturated fatty acids to h2 = 0.125 for medium-chain FAs, h2 = 0.155 for long-chain FAs, h2 = 0.155 for myristic acid, h2 = 0.176 for monounsaturated FAs, and h2 = 0.196 for oleic acid. Visualizing experimental cows’ population structure by multidimensional scaling showed a moderate range of variability (PC1 = 7.82 %, PC2 = 4.65 %). For myristic and palmitic acids, common QTL clusters are identified on BTA5, BTA10, BTA14, BTA18, and BTA27. For stearic and oleic acids (as members of the long-chain FA family), similar location of QTLs is found on BTA9, BTA10, BTA11, BTA14, BTA17, BTA18, BTA19, BTA20, and BTA29. For short- and medium-chain FAs, there are associations revealed on BTA1, BTA5, BTA10, BTA11, BTA14, BTA18, BTA19, and BTA24. For long-chain FAs, QTLs are detected on BTA6, BTA7, BTA9, BTA10, BTA11, BTA17, BTA18, and BTA29. For short- and medium-chain FAs, saturated FAs, C14:0, C16:0, C18:0 and C18:1, the genes CACNA1C , GCH1 , ATG14 , KCNH5 , PRKCE , CTNNA2 , CYHR1 , VPS28 , DGAT1 , ZC3H3 , RHPN1 , TSNARE1 are identified which form QTLs on BTA10, BTA11 and BTA14. Short- and medium-chain FAs, myristic and palmitic acids and saturated FAs show associations with polymorphisms in the MED12L , EPHB1 , GRIN2B , PRMT8 , ERC1 , PELI2 , ARHGAP39 , MROH1 , MAF1 , GSDMD , and LY6D genes. For long-chain, monounsaturated fatty acids, stearic and oleic acids, there are significant associations with genes RPS6KA2 , CPQ , CPE , FTO , FAT3 , and LUZP2 which may be valuable for genetic improvement of dairy cattle. Continued study of the inheritance of cows’ milk fatty acids and other components is necessary to develop a strategy for breeding dairy cattle with a better fatty acid profile and milk composition.

Еще

Список литературы Использование высокопроизводительной инфракрасной спектрометрии при изучении полногеномных ассоциаций с жирнокислотным и компонентным составом молока у коров (Bos taurus)

  • Сермягин А., Зиновьева Н., Ермилов А., Янчуков И. Инфракрасная спектроскопия молока новые возможности в селекции и менеджменте стада. Животноводство России, 2019, S1: 65-68 (doi: 10.25701/ZZR.2019.17.64.008).
  • Апполонова И.А., Смирнова Е.А., Никанорова Н.П. Исследования жирнокислотного состава липидов молока. Пищевая промышленность, 2012, 11: 72-45.
  • Лашнева И.А., Сермягин А.А. Влияние наличия трансизомеров жирных кислот в молоке на его состав и продуктивность коров. Достижения науки и техники АПК, 2020, 3: 46-50 (doi: 10.24411/0235-2451-2020-10309).
  • Soyeurt H. Variation in fatty acid contents of milk and milk fat within and across breeds. Journal of Dairy Science, 2006, 89(12): 4858-4865 (doi: 10.3168/jds.S0022-0302(06)72534-6).
  • DePeters E.J. Fatty acid and triglyceride composition of milk fat from lactating Holstein cows in response to supplemental canola oil. Journal of Dairy Science, 2001, 84(4): 929-936 (doi: 10.3168/jds.S0022-0302(01)74550-X).
  • Collomb M. Impact of a basal diet of hay and fodder beet supplemented with rapeseed, linseed and sunflowerseed on the fatty acid composition of milk fat. International Dairy Journal, 2004, 14(6): 549-559 (doi: 10.1016/j.idairyj.2003.11.004).
  • ГОСТ Р 52253-2004 «Масло и паста масляная из коровьего молока. Общие технические условия». М., 2005.
  • Vanlierde A., Vanrobays M.-L., Dehareng F., Froidmon E., Soyeurt H., McParland S., Lewis E., Deighton M.H., Grandl F., Kreuzer M., Gredler B., Dardenne P., Gengler N. Hot topic: Innovative lactation-stage-dependent prediction of methane emissions from milk mid-infrared spectra. Journal of Dairy Science, 2015, 98(8): 5740-5747 (doi: 10.3168/jds.2014-8436).
  • Shetty N., Difford G., Lassen J., Løvendahl P., Buitenhuis A.J. Predicting methane emissions of lactating Danish Holstein cows using Fourier transform mid-infrared spectroscopy of milk. Journal of Dairy Science, 2017, 100(11): 9052-9060 (doi: 10.3168/jds.2017-13014).
  • Fragomeni B.O., Lourenco D.A.L., Masuda Y., Legarra A., Misztal I. Incorporation of causative quantitative trait nucleotides in single‑step GBLUP. Genetis Selection Evolution, 2017, 49: 59 (doi: 10.1186/s12711-017-0335-0).
  • Смарагдов М.Г. Анализ расположения локусов, влияющих на показатели молока, в хромосомах крупного рогатого скота. Генетика, 2008, 44(6): 829-834.
  • Смарагдов М.Г. Связь полиморфизма гена DGAT1 у быков-производителей с молочной продуктивностью коров. Генетика, 2011, 47(1): 126-132.
  • Смарагдов М.Г. Исследование связи аллелей генов рецептора гормона роста и рецептора пролактина у быков-производителей с молочной продуктивностью их дочерей. Генетика, 2012, 48(9): 1085-1090.
  • Sermyagin A.A., Gladyr’ E.A., Kharitonov S.N., Ermilov A.N., Strekozov N.I., Brem G., Zinovieva N.A. Genome-wide association study for milk production and reproduction traits in Russian Holstein cattle population. Sel’skokhozyaistvennaya biologiya [Agricultural Biology], 2016, 51(2): 182-193 (doi:10.15389/agrobiology.2016.2.182eng).
  • Weller J.I., Ezra E., Ron M. Invited review: A perspective on the future of genomic selection in dairy cattle. Journal of Dairy Science, 2017, 100(11): 8633-8644 (doi: 10.3168/jds.2017-12879).
  • Buitenhuis B, Janss LL, Poulsen NA, Larsen LB, Larsen MK, Sørensen P. Genome-wide association and biological pathway analysis for milk-fat composition in Danish Holstein and Danish Jersey cattle. BMC Genomics, 2014, 15(1): 1112 (doi: 10.1186/1471-2164-15-1112).
  • Kawaguchi F., Kigoshi H., Fukushima M., Iwamoto E., Kobayashi E., Oyama K., Mannen H., Sasazaki S. Whole-genome resequencing to identify candidate genes for the QTL for oleic acid percentage in Japanese Black cattle. Animal Science Journal, 2019, 90(4): 467-472 (doi: 10.1111/asj.13179).
  • Palombo V., Milanesi M., Sgorlon S., Capomaccio S., Mele‖ M., Nicolazzi E., Ajmone-Marsan P., Pilla F., Stefanon B., D'Andrea D. Genome-wide association study of milk fatty acid composition in Italian Simmental and Italian Holstein cows using single nucleotide polymorphism arrays. Journal of Dairy Science, 2018, 101(12): 11004-11019 (doi: 10.3168/jds.2018-14413).
  • LI C., Sun D., Zhang S., Wang S., Wu X., Zhang Q., Liu L., Li Y., Qiao L. Genome wide association study identifies 20 novel promising genes associated with milk fatty acid traits in Chinese Holstein. PLoS ONE, 2014, 9(5): e96186 (doi: 10.1371/journal.pone.0096186)
  • Gottardo P., Tiezzi F., Penasa M., Toffanin V., Cassandro M., De Marchi M. Milk fatty acids predicted by midinfrared spectroscopy in mixed dairy herds. Agricultural Conspectus Scientificus, 2013, 78(3): 263-266.
  • Misztal I., Tsuruta S., Lourenço D., Aguilar I., Legarra A., Vitezica Z. Manual for BLUPF90 family of programs. Athens, University of Georgia, 2014.
  • Masuda Y. Introduction to BLUPF90 suite programs. Standard Edition. University of Georgia, 2019.
  • Chang C.C., Chow C.C., Tellier L.C.A.M., Vattikuti S., Purcell S.M., Lee J.J. Second-generation PLINK: rising to the challenge of larger and richer datasets. GigaScience, 2015, 4(1): s13742-015-0047-8 (doi: 10.1186/s13742-015-0047-8).
  • Hu Z.L., Park C.A., Reecy J.M. Bringing the Animal QTLdb and CorrDB into the future: meeting new challenges and providing updated services. Nucleic Acids Research, 2022, 50(D1): D956-D961 (doi: 10.1093/nar/gkab1116).
  • Sermyagin A.A., Lashneva I., Ignatieva L.P., Kositsin A., Gladyr E., Ermilov A., Yanchukov I., Zinovieva N.A. PSXI-3 genome-wide association study for MIR-predicted milk fatty acids composition in Russian Holstein cattle population. Journal of Animal Science, 2021, 99(Suppl_3): 245-246 (doi: 10.1093/jas/skab235.448).
  • Huang H., Cao J., Hanif Q., Wang Y., Yu Y., Zhang S., Zhang Y. Genome-wide association study identifies energy metabolism genes for resistance to ketosis in Chinese Holstein cattle. Animal Genetics, 2019, 50(4): 376-380 (doi: 10.1111/age.12802).
  • Schennink A., Stoop W.M., Visker M.H.P.W., Heck J.M.L., Bovenhuis H., Van Der Poel J.J., Van Valenberg H.J.F., Van Arendonk J.A.M. DGAT1 underlies large genetic variation in milkfat composition of dairy cows. Animal Genetics, 2007, 38(5): 467-473 (doi: 10.1111/j.1365-2052.2007.01635.x).
  • Bovenhuis H., Visker M.H.P.W., Poulsen N.A., Sehested J., Van Valenberg H.J..F, Van Arendonk J.A.M., Larsen L.B., Buitenhuis A.J. Effects of the diacylglycerol o-acyltransferase 1 (DGAT1) K232A polymorphism on fatty acid, protein, and mineral composition of dairy cattle milk. Journal of Dairy Science, 2016, 99(4): 3113-3123 (doi: 10.3168/jds.2015-10462).
  • Ilie D.E., Mizeranschi A.E., Mihali C.V., Neamț R.I., Goilean G.V., Georgescu O.I., Zaharie D., Carabaș M., Huțu I. Genome-wide association studies for milk somatic cell score in Romanian dairy cattle. Genes (Basel), 2021, 12(10): 1495 (doi: 10.3390/genes12101495).
  • Tiplady K.M., Lopdell T.J., Sherlock R.G., Johnson T.J.J., Spelman R.J., Harris B.L., Davis S.R., Littlejohn M.D., Garrick D.J. Comparison of the genetic characteristics of directly measured and Fourier-transform mid-infrared-predicted bovine milk fatty acids and proteins. Journal of Dairy Science, 2022, 105(12): 9763-9791 (doi: 10.3168/jds.2022-22089).
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp