Цель исследования – анализ микросателлитного профиля у овцематок разной породной принадлежности и направления продуктивности, характеристика их по воспроизводительным способностям и выявление возможной связи уровня гетерозиготности по локусам микросателлитов с некоторыми признаками фертильности. Методы. Объектом исследования являлись три группы овцематок: чистопородные романовской породы (50Р/50Р, n = 31), двухпородные помеси печорской полутонкорунной с куйбышевской породой (50П/50К, n = 41) и трехпородные помеси, полученные от скрещивания двухпородных помесей с романовской породой (25П25К/50Р, n = 20). Каждую породную группу овцематок в зависимости от уровня гетерозиготности разделили на три класса: модальный (М0) с гетерозиготностью ниже модального класса – М– и выше – М+. Результаты. Установили генетические дистанции между группами 50П/50К и 50Р/50Р: FST = 0,390 ± 0,0062, DN = 0,242 ± 0,0479, 50П/50К и 25П/25К/50Р: FST = 0,033 ± 0,0058, DN = 0,218 ± 0,0429, 50Р/50Р и 25П/25К/50Р: FST = 0,022 ± 0,0058, DN = 0,127 ± 0,0292. По всем проанализированным воспроизводительным признакам, кроме выживаемости приплода, романовские овцематки имели достоверное преимущество над другими группами. Помеси 25П/25К/50Р характеризовались повышенной средней наблюдаемой гетерозиготностью по маркерам и достоверно более высоким средним возрастом начала репродукции, который был выше показателя, характеризующего наиболее позднеспелую родительскую группу. Наследование других репродуктивных признаков по группе 25П25К/50Р, исключая возраст начала и темп размножения, было промежуточным с некоторой регрессией на 50П/50К. Научная новизна. Проанализировано возможное влияние уровня средней гетерозиготности по 12 STR-локусам на фертильность овцематок. Практическая значимость. Во всех группах овцематок ранг по репродуктивным признакам модального класса М0 был выше, чем у М– и М+. Повторяемость связи показателей фертильности с гетерозиготностью по STR-локусам позволяет использовать полиморфизм микросателлитов для решения прикладных задач, в частности, для прогнозирования фертильности внутри популяции.
микросателлиты, породы, овцематки, классы гетерозиготности, воспроизводительные способности
1. Улимбашев М. Б., Кулинцев В. В., Селионова М. И. [и др.] Рациональное использование генофонда ценных пород животных с целью сохранения биологического разнообразия // Юг России: экология, развитие. 2018. Т. 13, № 2. С. 165–183. DOI:https://doi.org/10.18470/1992-1098-2018-2-165-183.
2. Colino-Rabanal V. J., Rodríguez-Díaz R., Blanco-Villegas M. J., Peris S. J., Lizana M. Human and Ecological Determinants of the Spatial Structure of Local Breed Diversity // Scientific Reports. 2018. Vol. 8. No. 1. Article number 6452. DOI:https://doi.org/10.1038/s41598-018-24641-3.
3. Галинская Т. В., Щепетов Д. М., Лысенков С. Н. Предубеждение о микросателлитных исследованиях и как им противостоять // Генетика. 2019. T. 55, № 6. С. 617–632. DOI:https://doi.org/10.1134/S0016675819060043.
4. Van der Westhuizen L., MacNeil M. D., Scholtz M. M., Neser F. W., Makgahlela M. L., van Wyk J. B. Genetic Variability and Relationships in Nine South African Cattle Breeds Using Microsatellite Markers // Tropical Animal Health and Production. 2020. Vol. 52, No. 1. Pp. 177–184. DOI:https://doi.org/10.1007/s11250-019-02003-z.
5. Svishcheva G., Babayan O., Lkhasaranov B., Tsendsuren A., Abdurasulov A., Stolpovsk Y. Microsatellite Diversity and Phylogenetic Relationships among East Eurasian Bos taurus Breeds with an Emphasis on Rare and Ancient Local Cattle // Animals. 2020. Vol. 10, No. 9. Article number 1493. DOI:https://doi.org/10.3390/ani10091493.
6. Demir E., Balcioğlu M. S. Genetic Diversity and Population Structure of Four Cattle Breeds Raised in Turkey Using Microsatellite Markers // Czech Journal of Animal Science. 2019. Vol. 64, No. 10. Pp. 411–419. DOI:https://doi.org/10.17221/62/2019-CJAS.
7. Laoun A., Harkat S., Lafri, M., Gaouar S.B.S., Belabdi, I., Ciani, E., De Groot M. Blanquet, V.; Leroy G., Rognon X. Inference of Breed Structure in Farm Animals: Empirical Comparison between SNP and Microsatellite Performance // Genes. 2020. Vol. 11, No. 1. Article number 57. DOI:https://doi.org/10.3390/genes11010057.
8. Gororo E., Makuza S., Chatiza, F., Chidzwondo F., Sanyika T. Genetic diversity in Zimbabwean Sanga cattle breeds using microsatellite markers // South African Journal of Animal Science. 2018. Vol. 48, No. 1. Pр. 128–141.
9. Ocampo R. J., Martínez J. F., Martínez R. Assessment of Genetic Diversity and Population Structure of Colombian Creole Cattle Using Microsatellites // Tropical Animal Health and Production. 2021. Vol. 53. Article number 122. DOI:https://doi.org/10.1007/s11250-021-02563-z.
10. Hall S. J. G. Genetic Differentiation among Livestock Breeds-Values for Fst // Animals. 2022. Vol. 12, No. 9. Article number 1115. DOI:https://doi.org/10.3390/ani12091115.
11. Ceballos F. C, Joshi, P. R., Clark D. W., Ramsay M., Wilson J. F. Runs of homozygosity: windows into population history and trait architecture // Nature Reviews Genetics. 2018. No. 19. Pр. 220–234. DOI:https://doi.org/10.1038/nrg.2017.109.
12. Bertolini F., Cardoso T. F., Marras G., Nicolazzi E. L., Rothschild M. F., Amills M. AdaptMap consortium. Genome-wide patterns of homozygosity provide clues about the population history and adaptation of goats // Genetics Selection Evolution. 2018. Vol. 50, No. 59. Pp. 2–12. DOI:https://doi.org/10.1186/s12711-018-0424-8.
13. Бакоев С. Ю., Гетманцева Л. В. Методы оценки инбридинга и подписей селекции сельскохозяйственных животных на основе протяженных гомозиготных областей // Достижения науки и техники АПК. 2019. Т. 33, № 11. С. 63–68. DOI:https://doi.org/10.24411/0235-2451-2019-11114.
14. Mulualem T., Bekeko Z. Advances in Quantitative Trait Loci, Mapping and Importance of Markers Assisted Selection in Plant Breeding Research // International Journal of Plant Breeding and Genetics. 2016. Vol. 10, No. 2. Pp. 58–68. DOI:https://doi.org/10.3923/ijpbg.2016.58.68.
15. Полоников А. В., Клёсова Е. Ю., Азарова Ю. Э. Биоинформатические инструменты и интернет-ресурсы для оценки регуляторного потенциала полиморфных локусов, установленных полногеномными ассоциативными исследованиями мультифакториальных заболеваний (обзор) // Научные результаты биомедицинских исследований. 2021. Т. 7, № 1. С. 15–31. DOI:https://doi.org/10.18413/2658-6533-2020-7-1-0-2.
16. Юдин Н. С., Ларкин Д. М. Общие признаки селекции и гены, связанные с адаптацией и акклиматизацией, в геномах российских пород крупного рогатого скота и овец // Генетика. 2019. T. 55, № 8. С. 936–943. DOI:https://doi.org/10.1134/S0016675819070154.
17. Озеров М. Ю., Тапио М., Кантанен Ю. [и др.] Влияние факторов окружающей среды на генетическую изменчивость грубошерстных пород овец // Российская сельскохозяйственная наука. 2019. № 6. С. 40–44. DOI:https://doi.org/10.31857/S2500-26272019640-44.
18. Жариков Я. А., Матюков В. С., Канева Л. А. Биологические и продуктивные особенности овец разных генотипов в Арктической зоне разведения. Сыктывкар : ФГБУН ФИЦ Коми НЦ УрО РАН, 2022. 154 с. DOI:https://doi.org/10.19110/89606-036.
19. Tapio M., Tapio I., Grislis Z., Holm L. E., Jeppsson S., Kantanen J., Miceikiene I., Olsaker I., Viinalass H., Eythorsdottir E. Native breeds demonstrate high contributions to the molecular variation in northern European sheep // Molecular Ecology. 2005. Vol. 14, No. 13. Pp. 3951–3963. DOI:https://doi.org/10.1111/j.1365-294X.2005.02727.x.
20. Zamani W., Ghasempouri S. M., Rezaei H. R., Hesari A. R. E., Ouhrouch A. Comparing polymorphism of 86 candidate genes putatively involved in domestication of sheep, between wild and domestic Iranian sheep // Meta Gene. 2018. Vol. 17, No. 2. Pp. 223–231. DOI:https://doi.org/10.1016/j.mgene.2018.06.015.
21. Animal QTLdb [e-resource]. URL: https://www.animalgenome.org/cgi-bin/QTLdb/index (дата обращения 14.03.2024).
22. Hu Zhi-Liang. 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. Vol. 50. Pp. 956–961. DOI:https://doi.org/10.1093/nar/gkab1116.
23. Hu Zhi-Liang, Park C. A. Reecy J. M. Building a livestock genetic and genomic information knowledgebase through integrative developments of Animal QTLdb and CorrDB // Nucleic Acids Research. 2019. Vol. 47. Pp. 701–710. DOI:https://doi.org/10.1093/nar/gky1084.
