Сравнительный популяционно-генетический анализ генофондной красной горбатовской породы на основе SNP-маркеров

Проведены сравнительные исследования происхождения красной горбатовской породы (n=129) с мировыми породами скота красного корня. При коэффициенте подобия K=2, животные искомой породы в наибольшей степени отличались от красного белорусского скота, голштинской черно- и красно-пестрой масти, красной датской (в том числе генофондной группы), однако были более схожими по геномным компонентам с красной степной и суксунской породами. При K = 4 наблюдали наибольшую однородность групп красного горбатовского скота, а при K = 6–10 отмечали сильную фрагментацию в виде комплексных генотипов с другими сравниваемыми породами. Установлено, что наибольшая частота кластеров гаплотипов в геноме животных была локализована на хромосоме 6 крупного рогатого скота для 6 сравниваемых пород красного корня (37196103–37698422 bp, детектируемый регион), а также на хромосоме 7 крупного рогатого скота для 6 сравниваемых пород (530447:1915174 bp, детектируемый регион). Анализ регионов генома по QTL показал, что выявленные разными методами гены ROH/Fst, hapflk/Fst и hapflk/ROH были связаны с жирнокислотным составом молока (включая конъюгированную ЖК), весом и размерами тела животных, среднесуточным привесом и уровнем потребления корма, площадью мышечного глазка, выходом жира и белка молока, показателями фертильности (трудности отела). При более детальном рассмотрении значений LD по породам и хромосомам на дистанциях 0–30 kb, 30–70 kb, 70–100 kb и 100–200 kb при r2 > 0,30 были обнаружены пары SNP в долевом выражении, наиболее часто встречающиеся на хромосомах крупного рогатого скота (КРС) BTA6, BTA9, BTA14.

1. Сермягин, А.А. Турбина И.С., Фролова Е.М., Блинова И.Н., Тодуа Д.В., Зиновьева Н.А. Породы мира: красная горбатовская. Молочное и мясное скотоводство. 2021; (8): 11.

2. Дунин И.М. Породы мира: красно-пестрая. Молочное и мясное скотоводство. 2021; (2): 28

3. Горлов И.Ф. Породы мира: красная степная. Молочное и мясное скотоводство. 2024; (3): 39.

4. van Breukelen A.E., Doekes H.P., Windig J.J., Oldenbroek K. Characterization of Genetic Diversity Conserved in the Gene Bank for Dutch Cattle Breeds. Diversity. 2019; 11(12): 229. https://doi.org/10.3390/d11120229

5. Gurgul A. et al. Diversifying selection signatures among divergently selected subpopulations of Polish Red cattle. Journal of Applied Genetics. 2019; 60(1): 87–95. https://doi.org/10.1007/s13353-019-00484-0

6. Нарышкина Е.Н., Сермягин А.А., Лашнева И.А., Недашковский И.С. Cелекционно-генетические параметры признаков молочной продуктивности коров красной горбатовской породы разных генотипов. Животноводство и кормопроизводство. 2025; 108(2): 60–73. https://doi.org/10.33284/2658-3135-108-2-60

7. Marjanovic J., Hulsegge B., Calus M.P.L. Relatedness between numerically small Dutch Red dairy cattle populations and possibilities for multibreed genomic prediction. Journal of Dairy Science. 2021; 104(4): 4498–4506. https://doi.org/10.3168/jds.2020-19573

8. Schmidtmann C. et al. Assessing the genetic background and genomic relatedness of red cattle populations originating from Northern Europe. Genetics Selection Evolution. 2021; 53: 23. https://doi.org/10.1186/s12711-021-00613-6

9. Сермягин А.А., Доцев А.В., Абдельманова А.С., Турбина И.С., Селкнер И., Зиновьева Н.А. Поиск отпечатков селекции в геноме генофондных пород крупного рогатого скота красного корня России. Молочное и мясное скотоводство. 2022; (3): 10–15. https://doi.org/10.33943/MMS.2022.31.66.002

10. Нарышкина Е.Н., Сермягин А.А., Недашковский И.С., Лашнева И.А., Зиновьева Н.А. Молочная продуктивность коров красной горбатовской породы разных генотипов. Труды Кубанского государственного аграрного университета. 2024; 116: 298–306. https://elibrary.ru/zdorsx

11. Neumann G.B. et al. Genomic diversity and relationship analyses of endangered German Black Pied cattle (DSN) to 68 other taurine breeds based on whole-genome sequencing. Frontiers in Genetics. 2023; 13: 993959. https://doi.org/10.3389/fgene.2022.993959

12. Нарышкина Е.Н. и др. Полногеномный анализ ассоциаций с жирнокислотным составом молока коров красной горбатовской породы. Молочное и мясное скотоводство. 2023; (6): 3–9. https://doi.org/10.33943/MMS.2023.44.94.001

13. 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. https://doi.org/10.1186/s13742-015-0047-8

14. 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. https://doi.org/10.1093/nar/gkab1116

15. Alexander D.H., Novembre J., Lange K. Fast model-based estimation of ancestry in unrelated individuals. Genome Research. 2009; 19(9): 1655–1664. https://doi.org/10.1101/gr.094052.109

16. Fariello M.I., Boitard S., Naya H., SanCristobal M., Servin B. Detecting Signatures of Selection Through Haplotype Differentiation Among Hierarchically Structured Populations. Genetics. 2013; 193(3): 929–941. https://doi.org/10.1534/genetics.112.147231

17. Kijas J.W. et al. Genome-Wide Analysis of the World’s Sheep Breeds Reveals High Levels of Historic Mixture and Strong Recent Selection. PLoS Biology. 2012: 10(2): e1001258. https://doi.org/10.1371/journal.pbio.1001258

18. Turner S.D. qqman: an R package for visualizing GWAS results using Q-Q and manhattan plots. Journal of Open Source Software. 2018; 3(25): 731. https://doi.org/10.21105/joss.00731

19. Jin H., Zhao S., Jia Y., Xu L. Estimation of Linkage Disequilibrium, Effective Population Size, and Genetic Parameters of Phenotypic Traits in Dabieshan Cattle. Genes. 2023; 14(1): 107. https://doi.org/10.3390/genes14010107