ОПРЕДЕЛЕНИЕ ВЗАИМОСВЯЗИ ГЕНОТИПОВ SNP С СОДЕРЖАНИЕМ ЖИРНЫХ КИСЛОТ РАЗЛИЧНОЙ ПРОСТРАНСТВЕННОЙ КОНФИГУРАЦИИ В МОЛОКЕ КОРОВ
Рубрики: БИОЛОГИЯ
Аннотация и ключевые слова
Аннотация (русский):
Аннотация. Жирные кислоты в молочном жире имеют различные пространственные конфигурации. Длительное употребление транс-изомеров жирных кислот вызывает различные заболевания организма человека. Информация об уровне содержания ненасыщенных жирных кислот в трансконфигурации в составе молочного жира дает возможность использования этого признака в селекционной работе. Научная новизна заключается в изучении молекулярно-генетических механизмов регулирования количественного содержания жирных кислот и их транс-изомеров в жировой фракции молока коров. Цель работы – выявление аллельных вариантов SNP, ассоциированных с жирнокислотным составом молока коров и содержанием в нем транс-изомеров ненасыщенных жирных кислот. Методы исследований. Исследования проведены на коровах голштинизированной черно-пестрой породы. Изучен генетический профиль животных голштинизированной черно-пестрой породы, идентифицированы SNP, значимо ассоциированные с количественным и качественным содержанием жирных кислот и их транс-изомеров в жировой фракции молока коров. Жирнокислотный состав молока коров определяли с помощью мультипараметрического автоматического анализатора MilkoScan 7/Fossomatic 7 FТ+ / DC. Результаты. Проведено полногеномное генотипирование. Достоверная разница между количеством жирных кислот и генотипами установлена только по 5 SNP. Установлено, что по четырем SNP наибольшие значения содержания жирных кислот и транс-изомеров были у гомозиготных генотипов ARS-BFGL-NGS-41348GG; BTA-115852-no-rsAA; BTB-00771463GG; Hapmap46159-BTA-70956TT. Достоверная разница по содержанию в молоке транс-изомеров жирных кислот между генотипами обнаружена только по SNP ARS-BFGL-NGS-5502. Наибольшая массовая доля транс-изомеров ненасыщенных жирных кислот установлена в молочном жире коров с гетерозиготным генотипом AG, что составило 0,076 г/100 г и было на 0,011 г/100 г и 0,032 г / 100 г (Р ≤ 0,01) больше по сравнению с гетерозиготными генотипами GG и AA соответственно.

Ключевые слова:
крупный рогатый скот, полногеномное генотипирование, жирные кислоты, транс-изомеры жирных кислот, ДНК-маркеры
Текст
Текст произведения (PDF): Читать Скачать
Список литературы

1. Khalikova M. Consumer preferences for dairy fat-based products // Актуальные научные исследования в современном мире. 2021. № 12-8 (80). Pp. 42-46.

2. Badu M., Awudza A. J. Determination of the triacylglycerol content for the identification and assessment of purity of shea butter fat, peanut oil, and palm kernel oil using maldi-tof/tof mass spectroscopic technique // International Journal of Food Properties. 2017. No. 20 (2). Pp. 271-280.

3. Queirós M. S., Grimaldi R., Gigante M. L. Addition of Olein from Milk Fat Positively Affects the Firmness of Butter // Food Research International. 2016. No. 84. Pp. 69-75.

4. Małkowska М., Staniewski B., Ziajka J. Analyses of milk fat crystallization and milk fat fractions // International Journal of Food Properties. 2021. Vol. 24. No. 1. Pp. 325-336, DOI:https://doi.org/10.1080/10942912.2021.1878217.

5. Лашнева И. А., Сермягин А. А. Влияние наличия транс-изомеров жирных кислот в молоке на его состав и продуктивность коров // Достижения науки и техники АПК. 2020. Т. 34. № 3. С. 46-50. DOI:https://doi.org/10.24411/0235-2451-2020-10309.

6. Fangting Zhou, Jie Xue. Xi Shan. Lihua Qiu, Yongwang Miao Functional roles for AGPAT6 in milk fat synthesis of buffalo mammary epithelial cells // Animal Biotechnology. 2023. Vol. 34. No. 7. Pp. 2120-2131. DOI:https://doi.org/10.1080/10495398.2022.2077738.

7. Hao Qi, Gang Lin, Siqi Guo, Xudong Guo, Congying Yu, Minghui Zhang & Xuejun Gao. Met stimulates ARID1A degradation and activation of the PI3K-SREBP1 signaling to promote milk fat synthesis in bovine mammary epithelial cells // Animal Biotechnology. 2023. DOI:https://doi.org/10.1080/10495398.2023.2265167.

8. Mohan M. S., O’Callaghan T. F., Kelly P., Hogan S. A. Milk fat: opportunities, challenges and innovation // Critical Reviews in Food Science and Nutrition. 2021. Vol. 61. No. 14. Pp. 2411-2443. DOI:https://doi.org/10.1080/10408398.2020.1778631.

9. Yong-Zhen Huang, Qin Wang; Chun-Lei Zhang, Xing-Tang Fang, En-Liang Song & Hong Chen Genetic Variants in SDC3 Gene are Significantly Associated with Growth Traits in Two Chinese Beef Cattle Breeds // Animal Biotechnology. 2016. Vol. 27. No. 3. Pp. 190-198, DOI:https://doi.org/10.1080/10495398.2016.1164178.

10. Mozaffarian D., Aro A., Willet W.C. Health effects of trans-fatty acids: Experimental and observational evidence // European journal of clinical nutrition. 2019. Vol. 63. Pp. S5-S21.

11. Qin Guo, Tian Li, Yang Qu, Manzhu Liang, Yiming Ha, Yu Zhang, Qiang Wang. New research development on trans fatty acids in food: Biological effects, analytical methods, formation mechanism, and mitigating measures // Progress in Lipid Research. 2023. Vol. 89. Article number 101199. DOI:https://doi.org/10.1016/j.plipres.2022.101199.

12. Pipoyan D., Stepanyan S., Stepanyan S., Beglaryan M., Costantini L., Molinari R., Merendino N. The Effect of Trans Fatty Acids on Human Health: Regulation and Consumption Patterns // Foods. 2021. No. 10 (10). Article number 2452. DOI:https://doi.org/10.3390/foods10102452.

13. Li C., Cobb L. K., Vesper H. W., Asma S. Global Surveillance of trans-Fatty Acids // Preventing Chronic Disease. 2019. No. 16. DOI:https://doi.org/10.5888/pcd16.190121.

14. Huang L., Federico E., Jones A., Wu J. H. Y. Presence of trans fatty acids containing ingredients in pre-packaged foods in Australia in 2018 // Australian and New Zealand Journal of Public Health. 2020. No. 44 (5). Pp. 419-420. DOI:https://doi.org/10.1111/1753-6405.13014.

15. Beak S. H., Lee Y., Lee E. B., Kim K. H., Kim J. G., Bok J. D., Kang S. K. Study on the fatty acid profile of phospholipid and neutral lipid in Hanwoo beef and their relationship to genetic variation // Journal of Animal Science and Technology. 2019. No. 61 (2). Pp. 69-76. DOI:https://doi.org/10.5187/jast.2019.61.2.69.

16. Li M., Gao Q., Wang M., Liang Y., Sun Y., Chen Z., Zhang H., Karrow N.A., Yang Z., Mao Y. Polymorphisms in Fatty Acid Desaturase 2 Gene Are Associated with Milk Production Traits in Chinese Holstein Cows // Animals. 2020. No. 10. Article number 671. DOI:https://doi.org/10.3390/ani10040671.

17. Cobanoglu O., Kul E., Gurcan E.K., Abaci S.H., Cankaya S. Determination of the association of GHR/AluI gene polymorphisms with milk yield traits in Holstein and Jersey cattle raised in Turkey // Archives Animal Breeding. 2021. No. 64 (2). Pp. 417-424. DOI:https://doi.org/10.5194/aab-64-417-2021.

18. Samková E., Čítek J., Brzáková M., Hanuš O., Večerek L., Jozová E., Hoštičková I., Trávníček J., Hasoňová L., Rost M., Hálová K., Špička J. Associations among Farm, Breed, Lactation Stage and Parity, Gene Polymorphisms and the Fatty Acid Profile of Milk from Holstein. Simmental and Their Crosses // Animals. 2021. No. 11. Article number 3284. DOI:https://doi.org/10.3390/ani11113284.

19. Zaalberg R. M., Shetty N., Janss L. et al. Genetic analysis of Fourier transform infrared milk spectra in Danish Holstein and Danish Jersey // Journal of Dairy Science. 2019. Vol. 102. Pp. 503-510. DOI:https://doi.org/10.3168/jds.2018-14464.

20. Jiang J., Ma L., Prakapenka D., VanRaden P. M., Cole J. B., Da Y. A Large-Scale Genome-Wide Association Study in U.S. Holstein Cattle // Frontiers in Genetics. 2019. DOI:https://doi.org/10.3389/fgene.2019.00412.

21. Pegolo S., Yu H., Morota G., Bisutti V., Rosa G.J.M., Bittante G., Cecchinato A. Structural equation modeling for unraveling the multivariate genomic architecture of milk proteins in dairy cattle // Journal of Dairy Science. 2021. No. 104 (5). Pp. 5705-5718. DOI:https://doi.org/10.3168/jds.2020-18321.

22. Лашнева И. А., Сермягин А. А., Елизарова И. В. [и др.] Показатели продуктивности коров в связи с уровнем транс-изомеров жирных кислот в молоке // Повышение конкурентоспособности животноводства и задачи кадрового обеспечения: материалы XXV международной научно-практической конференции. Быково, 2019. С. 184-191.

Войти или Создать
* Забыли пароль?