Методы молекулярных маркеров в селекции хозяйственно ценных признаков у крупного рогатого скота (обзор)

На основании данных литературы обсуждается возможность использования молекулярных маркеров в селекции крупного рогатого скота по признакам качества молока. Дана оценка эффективности применения MAS-маркеров в преселекции. Описаны различные модели племенной оценки крупного рогатого скота на основе молекулярных маркеров (OTLs). Рассматриваются способы МАS-селекции, применяемые в разных странах.

Одомашнивание животных всегда сопровождалось отбором по тем или иным признакам. Отдача от селекции возрастала по мере формирования генетики и научного осмысления возможностей повышения интенсивности отбора, точности и удешевления оценки признаков. В настоящее время фенотипическая селекция приблизилась к пределу своих возможностей и является дорогостоящей и длительной процедурой.

В 1982 году было предложено использовать в селекции молекулярные MAS-маркеры (marker assisted selection) (1). Однако прошло довольно много времени, прежде чем началась реализация этой идеи. Причиной этому было отсутствие полиморфных маркеров, равномерно распределенных в хромосомах животных. Это условие являлось необходимым, так как все хозяйственно полезные признаки определяются полигенами. Только с обнаружением микросателлитов (тандемно повторяющиеся короткие последовательности ДНК) в геноме эукариот появилась возможность практического применения MAS-селекции (2, 3).

Основной интерес при использовании молекулярного подхода к селекции полигенных признаков представляют локусы, обозначенные термином QTLs (quantitative traite loci) — дискретные, относительно устойчивые локусы, которые при любых условиях привносят свой вклад в формирование конкретного количественного признака, хотя доля этого вклада регламентируется внешней средой. Считается, что каждый QTL — это еще неизвестный аллель одного из полигенов, оказывающий влияние на варьирование (изменчивость) фенотипических признаков. Следовательно, одна из задач генетики состоит в идентификации, исследовании, картировании и клонировании QTL.

В 1995 году появилась пионерская работа Georges с соавт., в которой впервые был осуществлен поиск QTLs в геноме крупного рогатого скота, контролирующих качественные признаки молока (4). С этого года и до сегодняшнего дня было опубликовано более 60 статей, посвященных картированию QTLs, оказывающих влияние на проявление признаков качества молока.

Прежде чем перейти к оценке возможностей MAS-селекции необходимо рассмотреть, каким образом можно идентифицировать QTLs у крупного рогатого скота. Одна из схем выявления QTLs — granddaughter design (GD), когда быков-производителей оценивают через сыновей по полувнучкам. Идентификацию (картирование) маркеров проводят у производителей и их сыновей. Например, в Германии и Франции используют средний (middle) GD M-15-70 (15 быков-производителей, по 70 сыновей от каждого), в Нидерландах и Новой Зеландии — более мощный (large) L-20-75 (20 быков-производителей, по 75 сыновей от каждого). При оценке возможностей GD для регистрации QTLs закладывают следующие параметры: 100 дочерей от каждого быка; расстояние между маркерами 15 сM (сантиморганид); частота аллелей диаллельного QTL 0,5; ошибка типа 1 — 0,05;

частота рекомбинаций между маркером и QTL около 0,075 (5). Тогда при мощности (функция степени влияния QTL на признак, коэффициента наследуемости и числа исследованных животных) статистического анализа 0,8 будут обнаружены QTLs, позволяющие выявить 6 % генетической вариансы при коэффициенте наследуемости 0,35, то есть фенотипическая варианса QTL составляет 20 %.

Для признаков, коэффициент наследуемости которых составляет 0,05 и 0,1, QTLs, позволяющие выявить соответственно 10 и 8 % генетической изменчивости, будут обнаружены при мощности статистического анализа соответственно 0,65 и 0,8 (5). Показано, что если применять GD L-38-60 (при выращивании 531 тыс. животных), то анализ обойдется в 1 млн евро (5). Можно значительно увеличить мощность анализа, если использовать информацию по дочерям (6). Так, мощность анализа QTL возрастает с 0,3 до 0,7, если в GD используют 800 сыновей от 20 быков-производителей и 400 матерей для идентификации QTLs, позволяющих выявить 10 % генетической изменчивости.

Следует отметить, что в настоящее время, как правило, обнаруживают QTLs, каждый из которых обусловливает 8-20 % генетической вариансы признака (5). Представляет интерес оценка количества QTLs, необходимых для сокращения объема племенной оценки. Для отказа от племенной оценки по фенотипу необходимо, чтобы эффективность преселекции составляла 68 %, а с помощью QTLs удавалось выявлять до 80 % генетической изменчивости (5). Если поставить задачу увеличения эффективности преселекции на 5-10 %, то необходимо использовать в преселекции один или несколько QTLs, выявляющих 5-10 % генетической изменчивости. Следует учитывать плейотропность большинства QTLs, что может повысить или снизить эффективность преселекции.

Положение на хромосомах большинства выявленных QTLs определено с точностью 20-30 сМ (5). Для GD L-20-75 (при условии количества гетерозиготных быков 50 %, коэффициенте наследуемости признака 0,35, QTL с генетической вариансой 10 %) доверительный интервал будет составлять 57 сМ, то есть 1/2 аутосомы (5). Для достижения доверительного интервала 20 сМ в случае применения GD необходимо проанализировать 4300 быков (сыновей).

Точность локализации QTL определяет эффективность селекции. Так, при расстоянии между маркерами (РММ), заключающими QTL, 2 или 15 сМ в случае преселекции после семи поколений отбора эффективность отбора выше при РММ = 2 сМ (7). Следовательно, при неточной локализации QTL возможна ненаправленная селекция. Поэтому по каждому QTL анализируют четыре-пять маркеров (см. ниже MAS-программы в разных странах). Spelman с соавт. показали, что эффективность селекции при использовании QTLs, выявляющих 10 % фенотипической вариансы через семь поколений отбора, уменьшается на 19 и 42-44 % при РММ соответственно 5 и 10-15 сМ (8).

Сопоставление эффективности использования MAS, GAS (gene assisted selection) и PHE (фенотипическая селекция) в рамках разных моделей селекции свидетельствует о следующем: эффективность отбора по MAS-маркерам в 2 раза ниже, чем по GAS-маркерам; при использовании дополнительных данных, например частоты аллелей генов, вероятность получения определенного генотипа, неравновесность по сцеплению между маркерами и QTL позволяют получать такой же ответ от преселекции, как при прямой селекции QTLs, то есть при точной локализации последних (9).

Следовательно, преимущество MAS-селекции по сравнению с PHE зависит от точности локализации QTL. Подсчитано, что если РММ = 1 сМ, то расходы на племенную оценку одного быка (с точностью 0,85) с использованием МАS-маркеров будут составлять 300 долларов, а PHE для получения тех же результатов — 30 тыс. долларов (5).

Если преселекцию осуществлять на ранней стадии эмбрионального развития, то эффективность MAS-селекции значительно возрастает. Так, если с помощью QTLs можно выявить 50 % генетической изменчивости, то эффек-4

тивность племенной оценки увеличится на 21 % по сравнению со стандартной оценкой по фенотипу и на 31 %, если генотипирование осуществляли на ранней стадии эмбрионального развития (10). Следует также учитывать, что использование в преселекции QTLs, выявляющих 5 % генетической изменчивости, позволит уменьшить число тестируемых быков с 200 до 130 гол. без ущерба для племенной оценки и до 80 гол., если применяли генотипирование на эмбриональной стадии развития (10).

Генетические оценки количественных признаков у домашнего скота традиционно осуществляли с помощью модели «infinitesimal», в которой рассматривается бесконечное число генов с бесконечно малым вкладом в признак. Однако с появлением первых практических работ по картированию QTLs позиции этой модели стали ослабевать. Была предложена модель с конечным числом локусов и разным распределением генетических вкладов этих локусов на признак: равномерным, экспоненциальным, нормальным (11). Orr, используя собственные математические построения, пришел к выводу, что факторы, фиксирующиеся в популяции в результате адаптации, по величине своего влияния на признак распределяются экспоненциально (12).

На основании экспериментальных данных по картированию QTLs, контролирующих признаки качества молока, было показано, что каждый параметр определяется 50-100 QTLs и их влияние на признак подчиняется γ -распределению (экспоненциальное распределение является частным случаем последнего) (13). При этом около 17 % QTLs обусловливают 90 % генетической вариансы признака.

В связи с этим становится понятным, что благодаря существованию небольшого числа главных QTLs популяция может быстро и адекватно отреагировать на давление отбора и при прекращении последнего быстро вернуться в исходное состояние.

В программы племенных оценок быков-производителей постепенно внедряют MAS-маркеры. Так, QTLs маркируют с помощью микросателлитов и SNP (single nucleotide polymorphism), то есть замены нуклеотидов в ДНК. Принято считать, что использование MAS-маркеров выгодно в следующих случаях: при низкой наследуемости признака; если признак трудно и дорого оценить (болезни); признаки, определяемые одним полом (показатели качества молока, мастит); признаки, не проявляющиеся в раннем возрасте.

MAS-селекцию осуществляют несколькими способами: I — нисходящий способ — быков-производителей оценивают по фенотипу и генотипу сыновей (микросателлиты), далее отбирают внуков, получивших желательный QTL от быка-производителя (14); II — восходящий способ — определяют фенотипы и генотипы дочерей (микросателлиты), полученную информацию используют для выявления быков-производителей, далее отбирают сыновей от предпочтительных быков-производителей (15); III — принимают в расчет любую возможную информацию (родословные, фенотип, генотип) (16).

Известно, что во всем мире каждый год проводят племенную оценку порядка 7 тыс. быков, на каждого из которых затрачивается 30 тыс. долларов. Во многих странах ради ускорения, удешевления и повышения точности оценки быков приняты национальные программы с использованием MAS-маркеров.

В Новой Зеландии корпорация «Livestock Improvement Corporation» использует с 1998 года восходящий способ отбора (17). Бычков до фенотипической оценки отбирают с применением 25 микросателлитов, сцепленных с шестью QTLs, оказывающих влияние на показатели качества молока. Используют также технику MOET (multiple ovulation and embryo transfer), что, однако, сопряжено со значительными трудностями. Совместно с корпорацией «ViaLactia BioSciences» начаты работы по получению F 2 -кроссов между породами скота Holstein-Friesian и Jersey. Животных отбирают по признакам, не используемым в коммерческих целях: состояние здоровья, фертильность и некоторые биологические системы, обеспечивающие продуктивность.

Во Франции с 2000 года используют элементы восходящего и нисходящего способов оценки животных (18). Селекцию осуществляют восемь компаний и три научно-исследовательских института. Бычков и телят в возрасте 1 -12 мес тестируют на основе 33 маркеров для 12 QTLs, оказывающих влияние на качественные признаки молока и фертильность. Каждый QTL позволяет выявить 8-12 % генетической изменчивости соответствующего признака; за 1 год тестируют 10 тыс. животных.

В Германии с 2003 года 10 организаций применяют нисходящий способ MAS-селекции (19). Бычков оценивают с помощью 13 маркеров для трех QTLs, определяющих качественные признаки молока, включая количество соматических клеток. До 2005 года было проанализировано 5 тыс. животных. В дальнейшем планируется использовать модель MA-BLUP (marker assisted best linear unbiased prediction), в которой учитывается эффективность QTLs и полигенный эффект.

В Нидерландах программу преселекции применяют с 1999 года, используя оценку по всем родословным (5). Бычков, а также быков-производителей и матерей оценивают по 12 маркерам для двух QTLs и двум генам с помощью измененной процедуры MA-BLUP. Каждый год в оценку вовлекают от 2,6 до 5,0 тыс. животных.

В США несколько организаций (ABS, «Accelerated Genetics» и др.) в преселекции бычков используют MAS-маркеры для различных генов, например контролирующих синтез пролактина, в -лактоглобулина,     Ж -казеина и т.д. (20, 21).

Таким образом, мы являемся свидетелями переходного периода от метода фенотипической селекции к более эффективному методу прямой генетической селекции. Многие страны с развитой индустрией разведения скота уже вступили на этот долгий и пока дорогостоящий путь.

Л И Т Е Р А Т У Р А

• 1.    S o l l e r M., B e c k m a n n J.S. Restriction fragment length polymorphisms and genetic improvement. In: Proc. 2^nd World Congr. Genet. Appl. Livest. Prod. Madrid, Spain, 1982: 396-404.

• 2.    Н и к и т и н а Т.В., Н а з а р е н к о С.А. Микросателлитные последовательности ДНК: мутационный процесс и эволюция. Генетика, 2004, 40, 10: 1301-1318.

• 3.    М а р з а н о в Н.С., О з е р о в М.Ю., Н а с и б о в М.Г. и др. Микросателлиты и их использование для оценки генетического разнообразия животных. С.-х. биол., 2004, 2: 104-111.

• 4.    G e o r g e s M., N i e l s e n D., M a c k i n n o n M. e.a. Mapping QTL controlling milk production in dairy cattle by exploiting progeny testing. Genetics, 1995, 139: 907-920.

• 5.    S c h r o o t e n C. Genomic variation in dairy cattle. Identification and use. Animal Breeding and Genetics Group. Doctoral thesis. Netherlands, 2004.

• 6.    B i n k M.C.A.M., V a n A r e n d o n k J.A.M. Detection of quantitative trait loci in outbred populations with incomplete marker date. Genetics, 1999, 151: 409-420.

• 7.    S p e l m a n R., B o v e n h u i s H. Genetic response from MAS in outbred population for differing marker bracket sizes and with two identified quantitative trait loci. Genetics, 1998, 148: 1389-1396.

• 8.    S p e l m a n R., V a n A r e n d o n k J.A.M. Effect of inaccurate parameter estimates on genetic response to marker assisted selection in an outbred population. J. Dairy Sci., 1997, 80: 3399-3410

• 9.    V i l l a n u e v a B., P o n g - W o n g R., W o o l l i a m s J.A.M. Marker assisted selection with optimized contribution of the candidate to selection. Genet. Sel. Evol., 2002, 34: 679-703.

• 10.    S c h r o o t e n C., B o v e n h u i s H., V a n A r e n d o n k J.A.M. e.a. Genetic progress in multistage dairy cattle breeding schemes using genetic markers. J. Dairy Sci., 2005, 88: 1569-1581.

• 11.    P o n g - W o n g R., H a l e y C.S., W o o l l i a m s J.A. Behaviour of the additive finite locus model. Genet. Sel. Evol., 1999, 31: 193-221.

• 12.    O r r H.A. The population genetics of adaptation: the distribution of factors fixed during adaptive evolution. Evolution, 1998, 52: 935-949.

• 13.    H a y e s B., G o d d a r d M.E. The distribution of the effects of genes affecting QTL in livestock. Genet. Sel. Evol., 2001, 33: 209-229.

• 14.    K a s h i Y., H a l l e r m a n E., S o l l e r M. Marker-assisted selection of candidate bulls for progeny testing programmes. Anim. Prod., 1990, 51: 63-74.

• 15.    M a c k i n n o n M.J., G e o r g e s M.A.J. Marker-assisted preselection of young dairy sires prior to progeny-testing. Livest. Prod. Sci., 1998, 54: 229-250.

• 16.    F e r n a n d o R.L., G r o s s m a n M. Marker assisted selection using best linear unbiased prediction. Genet. Sel. Evol., 1989, 21: 467-477.

• 17.    S p e l m a n R.J. Utilization of molecular information in dairy cattle breeding. In: 7^th World Congr. Genet. Appl. Livest. Prod. France, 2002, 33: 11-17.

• 18.    B o i c h a r d D., F r i t z S., R o s s i g n o l M.N. e.a. Implementation of marker-assisted selection in French dairy cattle. In: 7^th World Congr. Genet. Appl. Livest. Prod. France, 2002, 33: 19-22.

• 19.    B e n n e w i t z J., R e i n s c h N., T h o m s e n H. e.a. Marker assisted selection in German Holstein dairy cattle breeding: outline of the program and marker assisted breeding value estimation. In: 54^th Ann. Meet. Europ. Assoc. Anim. Prod. Rome, 2003: 1-4.

• 20.    S o n s t e g a r d T.S., V a n T a s s e l l C.P. Bovine genomics update: making a cow jump over the moon. Genet. Res. Camb., 2004, 84: 1-7.

• 21.    H e n d e r s o n D., T h o m a s M., D a Y. Conference review: bovine genomics from academia to industry. Comp. Funct. Genom., 2005, 6: 174-180.

Всероссийский НИИ генетики и разведения                    Поступила в редакцию 26

сельскохозяйственных животных,                            мая 2005 года

196602, С.-Петербург—Пушкин, Московское ш., 55-а;

THE METHODS OF MARKER-ASSISTED SELECTION

OF ECONOMIC DETERMINANTS IN CATTLE

(review)

S u m m a r y

In the review theoretical estimations of preselection in dairy cattle are considered concerning of milk production traits with the help of molecular markers (MAS). Cited the data on efficiency preselection with the help of MAS in comparison with phenotype selection and conditions at which performance, selection with the help of MAS completely will replace phenotype selection. The different models of tribal estimation of cattle on the basis of molecular markers (OTLs) were described. The data about precelection with the help of MAS started in some countries of the world are briefly resulted.

Новые книги

Методические рекомендации по ведению генетического мониторинга местных пород лошадей. Дивово, 2005, 50 с.

В методических рекомендациях рассматриваются вопросы генетического мониторинга местных пород лошадей. Описан генетический полиморфизм белков, групп крови и ДНК животных. Представлен генетикопопуляционный анализ аллелофонда субпопуляций и пород. Обсуждаются генетические особенности лошадей местных пород (башкирская, вятская, жемайчу, кабардинская, казахская, калмыцкая, кабардинская, киргизская, кузнецкая, мезенская, монгольская, таджикская, якутская, лошадь Пржевальского). Приведена дифференциация внутрипородной структуры лошадей вятской породы по 13 полиморфным системам групп крови. Дана оценка генетического разнообразия лошадей мезенской породы по полиморфным белкам и системе D групп крови. Проанализирована возможность использования генетических маркеров при разведении лошадей местных пород. Показано, что методы определения полиморфизма белков, групп крови и микросателлитов ДНК обеспечивают дополнительную возможность определения генетической уникальности пород и различий между популяциями; генетический мониторинг позволяет контролировать степень генетического разнообразия популяций и оценивать результативность мероприятий по их сохранению.

Интенсивные технологии кормления сель-скохозяйственнывх животных и птицы ( Рекомендации) /Подг. Ф.С. Хазиахметов, Р.Р.

Гадиев, Т.А. Фаритов и др. Уфа: БГАУ, 2005, 35 с.

В рекомендациях освещены последние достижения отечественных и зарубежных исследователей в области применения заменителей цельного и обезжиренного молока (ЗЦМ и ЗОМ), а также различных кормовых добавок. Уделено внимание ассортименту и питательной ценности ЗЦМ, способам приготовления и использования последних. Дана оценка роли заменителей молока для молодняка сельскохозяйственных животных и птицы. Обоснована экономическая эффективность применения ЗЦМ и ЗОМ. Обсуждается возможность использования кормовой добавки «Лакто-энергия» в рационах коров.

Использование молочнокислой кормовой добавки с пробиотиками в рационах сельскохозяйственных животных. Метод. реком. Новосибирск, 2005, 27 с.

В методических рекомендациях изложены основные принципы эффективного использования пробиотиков в кормлении сельскохозяйственных животных. Дано научное обоснование дозировок пробиотиков в зависимости от вида, возраста и физиологического состояния животных. Обоснована целесообразность применения кормовых добавок с пробиотиками. Охарактеризованы пробиотики, применяемые в животноводстве: стрептоэколакт, бифидумбактерин, лактобак, ветом-1.1, биовес-тин, стрептобифид, целлобактерин, пропиацид, биовестин-лакто, молочнокислая кормовая добавка (МКД). Изложены результаты производственных испытаний МКД на различных видах животных (телята, поросята, цыплята яичных пород, цыплята-бройлеры), а также в качестве детоксиканта при получении экологически чистой продукции. Дана оценка влияния МКД на состав условно-патогенной микрофлоры кишечника, а также профилактической эффективности пробиотического препарата при колибактериозе новорожденных телят. Показа- но, что включение молочнокислой кормовой добавки в рацион животных способствует снижению интоксикации тяжелыми металлами, оказывает положительное влияние на интенсивность роста и сохранность, снижает затраты кормов на производство продукции и повышает рентабельность производства.