##plugins.themes.bootstrap3.article.main##

حمیدرضا ایزدنیا مجتبی طهمورث پور محمدرضا بختیاری زاده محمدرضا نصیری سعید اسماعیل خانیان

چکیده

باقیمانده خوراک مصرف‌شده (RFI) تفاوت بین مقدار واقعی خوراک مصرف شده با مقدار مورد انتظار آن در هر دام می‌باشد. انتخاب برای بهبود بازده خوراک دام از طریق RFI به دلیل استقلال فنوتیپی آن از وزن متابولیکی بدن و افزایش وزن بدن پیشنهاد شده است. جهت کشف ارتباط بین ساختار بیان ژن‌ها و ایزو فرم‌های مرتبط با آن‌ها و همچنین نقش تنظیمی آن‌ها در باقیمانده خوراک مصرف‌شده در مرغ، پروفایل ترانسکریپت‌های کبد در سن 42 روزگی در دو گروه مرغان بومی اصفهان و مرغان سویه راس مورد بررسی قرار گرفت. باقیمانده خوراک مصرف‌شده جوجه‌های بومی اصفهان و سویه راس به‌ترتیب(+13.430±5.393 g/day)  و(-11.212±4.435g/day)  بود. آنالیز تفرقی بیان با استفاده از بسته نرم‌افزاری Cuffdiff (v2.2.1) برای بیش از 45070 ایزو فرم مربوط به 19003 ژن انجام شد. طبقه‌بندی ایزو فرم‌های بر اساس نتایج Cuffcompare تعداد 16121 ایزو فرم در مرغ بومی اصفهان کاهش بیان نشان دادند و 28949 ایزو فرم افزایش بیان نشان دادند. از کل ایزو فرم‌های شناسایی‌شده 21081 ایزو فرم جدید بودند. 206 ایزو فرم تغییر بیان یافته بین مرغ سویه راس و مرغ بومی اصفهان شناسایی شد. از بین این ایزو فرم‌ها، در مرغ بومی اصفهان نسبت به مرغ سویه راس، تعداد 126 ایزو فرم مربوط به 99 ژن کاهش و 80 ایزو فرم مربوط به 55 ژن، افزایش بیان نشان دادند. نتایج تجزیه ‌و تحلیل عملکردی ژن‌ها نشان داد ایزو فرم‌های کاهش بیان یافته‌ی گونه بومی عمدتاً در فرآیندهای زیستی مختلف ازجمله واکنش‌دهی به استرس، پاسخ به ترکیب حاوی اکسیژن، واکنش‌دهی به چربی، توسعه ارگان‌های حیوان، واکنش‌دهی به مواد مغذی، واکنش‌دهی به سیتوکین‌ها، پاسخ به سطوح تغذیه، فرآیند بیوسنتز مولکول‌های تکی، فرآیندهای بیوسنتز چربی‌ها و فرآیندهای تنظیم ارگانیزم‌های چندگانه نقش داشتند. شناسایی ژن‌های اختلاف بیان یافته و ایزو فرم‌های آن‌ها بین جوجه‌های دو نژاد منجر به شناسایی ژن‌های کاندید مهم برای برنامه‌های به‌نژادی، ازجمله RSAD2، IL15، EGR1 و DUSP16 شد. این ژن‌ها می‌توانند با باقیمانده بالاتر نژاد بومی مرتبط باشند.

جزئیات مقاله

کلمات کلیدی

ایزو فرم, باقیمانده خوراک مصرف‌شده, مرغ, RNA seq

مراجع
Bolger, A. M., M. Lohse, and B. Usadel. 2014. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics, 30:2114-2120.
2. Bottje, W., and G. Carstens. 2009. Association of mitochondrial function and feed efficiency in poultry and livestock species. Journal of Animal Science, 87: E48-E63.
3. Bottje, W., N. Pumford, C. Ojano-Dirain, M. Iqbal, and K. Lassiter. 2006. Feed efficiency and mitochondrial function. Poultry Science, 85:8-14.
4. Chen, M., and J. L. Manley. 2009. Mechanisms of alternative splicing regulation: insights from molecular and genomics approaches. Nature Reviews Molecular Cell Biology, 10:741-754.
5. Darnell, J. E. 1997. STATs and gene regulation. Science, 277:1630-1635.
6. Dennis G., B. T. Sherman, D. A. Hosack, J. Yang, W. Gao, H. C. Lane, and R. A. Lempicki.2003. DAVID: database for annotation, visualization, and integrated discovery. Genome Biology, 4: R60.
7. Gandomani, V. T., A. Mahdavi, H. Rahmani, A. Riasi, and E. Jahanian. 2014. Effects of different levels of clove bud (Syzygium aromaticum) on performance, intestinal microbial colonization, jejunal morphology, and immunocompetence of laying hens fed different n-6 to n-3 ratios. Livestock Science, 167:236-248.
8. Grubbs, J. K. 2012. Protein profile and reactive oxygen species production in mitochondria from pigs divergently selected for residual feed intake.
9. Grubbs, J. K., A. Fritchen, E. Huff-Lonergan, J. C. Dekkers, N. K. Gabler, and S. M. Lonergan. 2013a. Divergent genetic selection for residual feed intake impacts mitochondria reactive oxygen species production in pigs. Journal of Animal Science, 91:2133-2140.
10. Grubbs, J. K., A. N. Fritchen, E. Huff-Lonergan, N. K. Gabler, and S. M. Lonergan. 2013b. Selection for residual feed intake alters the mitochondria protein profile in pigs. Journal of Proteomics, 80:334-345.
11. Hardman, J. G., and L. Limbird. 2001. Goodman & Gilman’s The Pharmacological Basis of Therapeutics, 10th. USA: McGraw-Hill Companies, Inc.
12. Herd, R., and P. Arthur. 2009. Physiological basis for residual feed intake. Journal of Animal Science, 87: E64-E71.
13. Hiller, D., H. Jiang, W. Xu, and W. H. Wong. 2009. Identifiability of isoform deconvolution from junction arrays and RNA-Seq. Bioinformatics, 25:3056-3059.
14. Iqbal, M., N. Pumford, Z. Tang, K. Lassiter, T. Wing, M. Cooper, and W. Bottje. 2004. Low feed efficient broilers within a single genetic line exhibit higher oxidative stress and protein expression in breast muscle with lower mitochondrial complex activity. Poultry Science, 83:474-484.
15. Iqbal, M., N. Pumford, Z. Tang, K. Lassiter, C. Ojano-Dirain, T. Wing, M. Cooper, and W. Bottje. 2005. Compromised liver mitochondrial function and complex activity in low feed efficient broilers are associated with higher oxidative stress and differential protein expression. Poultry Science, 84:933-941.
16. Kim, D., B. Langmead, and S. L. Salzberg. 2015. HISAT: a fast spliced aligner with low memory requirements. Nature methods, 12:357-60.
17. Kutner, M., C. Nachtsheim, J. Neter, and W. Li. 2004. Applied linear statistical models, McGraw Hill.
18. Liu, W., D. Li, J. Liu, S. Chen, L. Qu, J. Zheng, G. Xu and N. Yang. 2011. A genome-wide SNP scan reveals novel loci for egg production and quality traits in white leghorn and brown-egg dwarf layers. PloS one, 6:E28600.
19. Lohse, M., A. Bolger, A. Nagel, A. R. Fernie, J. E. Lunn, M. Stitt, and B. Usadel. 2012. RobiNA: a user-friendly, integrated software solution for RNA-Seq-based transcriptomics. Nucleic acids research, gks540.
20. Lu, L., C. Ji, X. Luo, B. Liu, and S. Yu. 2006. The effect of supplemental manganese in broiler diets on abdominal fat deposition and meat quality. Animal Feed Science and Technology, 129:49-59.
21. Lu, H., D. Huang, R. M. Ransohoff, and L. Zhou. 2011. Acute skeletal muscle injury: CCL2 expression by both monocytes and injured muscle is required for repair. The FASEB Journal, 25:3344-3355
22. Lu, Z. X., P. Jiang, and Y. Xing. 2012. Genetic variation of pre‐mRNA alternative splicing in human populations. Wiley Interdisciplinary Reviews: RNA, 3:581-592.
23. Luiting, P., J. Schrama, W. Vander-Hel, and E. Urff. 1991. Metabolic differences between White Leghorns selected for high and low residual food consumption. British Poultry Science, 32:763-782.
24. Luiting, P., and E. Urff. 1991. Residual feed consumption in laying hens. 2. Genetic variation and correlations. Poultry Science, 70:1663-1672.
25. Modrek, B., and C. Lee. 2002. A genomic view of alternative splicing. Nature genetics, 30(1): 3-9.
26. Ojano-Dirain, C., M. Iqbal, D. Cawthon, S. Swonger, T. Wing, M. Cooper, and W. Bottje. 2004. Determination of mitochondrial function and site-specific defects in electron transport in duodenal mitochondria in broilers with low and high feed efficiency. Poultry Science, 83:1394-1403.
27. Ozsolak, F., and P. M. Milos. 2011. RNA sequencing: advances, challenges and opportunities. Nature reviews. Genetics, 12:87.
28. Pitchford, W. 2004. Genetic improvement of feed efficiency of beef cattle: what lessons can be learnt from other species? Australian Journal of Experimental Agriculture, 44:371-382.
29. Rekaya, R., R. Sapp, T. Wing, and S. Aggrey. 2013. Genetic evaluation for growth, body composition, feed efficiency, and leg soundness. Poultry Science, 92:923-929.
30. Smith, R., N. Gabler, J. Young, W. Cai, N. Boddicker, M. Anderson, E. Huff-Lonergan, J. Dekkers, and S. Lonergan .2011. Effects of selection for decreased residual feed intake on composition and quality of fresh pork. Journal of Animal Science, 89:192-200.
31. Stewart, W. C., R. F. Morrison, S. L. Young, and J. M. Stephens .1999. Regulation of signal transducers and activators of transcription (STATs) by effectors of adipogenesis: Coordinate regulation of STATs 1, 5A, and 5B with peroxisome proliferator-activated receptor-γ and C/AAAT enhancer binding protein-α. Biochimica et Biophysica Acta (BBA)-Molecular Cell Research, 1452:188-196.
32. Van-Eerden, E., H. Van-Den-Brand, H. Parmentier, and M. De Jong. 2004. Phenotypic selection for residual feed intake and its effect on humoral immune responses, in growing layer hens. Poultry science, 83:1602-1609.
33. Vuong, C. K., D. L. Black, and S. Zheng. 2016. The neurogenetics of alternative splicing. Nature Reviews Neuroscience, 17:265-81.
34. Xu, Y., Y. Wang, J. Luo, W. Zhao, and X. Zhou. 2017. Deep learning of the splicing (epi) genetic code reveals a novel candidate mechanism linking histone modifications to ESC fate decision. Nucleic acids research.
35. Yi, G. 2015. Interrogation of Differentially Expressed Genes Governing Residual Feed Intake in Chickens Using RNA-Seq. In: Plant and Animal Genome XXIII Conference. Plant and Animal Genome.
36. Young, J., W. Cai, and J. Dekkers. 2011. Effect of selection for residual feed intake on feeding behavior and daily feed intake patterns in Yorkshire swine. Journal of animal science, 89P639-47.
37. Zhuo, Z., S. J. Lamont, W. R. Lee, and B. Abasht. 2015. RNA-Seq analysis of abdominal fat reveals differences between modern commercial broiler chickens with high and low feed efficiencies. PloS one, 10:E0135810.
ارجاع به مقاله
ایزدنیاح., طهمورث پورم., بختیاری زادهم., نصیریم., & اسماعیل خانیانس. (2019). تجزیه و تحلیل پروفایل بیان ایزو فرم‌های ژن‌های مرتبط با باقیمانده خوراک مصرف‌شده در کبد مرغ بومی اصفهان و مرغ سویه راس با استفاده از داده‌های RNA-Seq. پژوهشهای علوم دامی ایران, 10(4), 541-552. https://doi.org/10.22067/ijasr.v10i4.69061
نوع مقاله
علمی پژوهشی- ژنتیک و اصلاح دام و طیور

مقالات بیشتر خوانده شده از همین نویسنده