مطالعه پویش ژنومی برپایه آنالیز مسیر جهت شناسایی ژن‌های مرتبط با پارامترهای هماتولوژی در گوسفند

نوع مقاله : هماتولوژی و بیوشیمی درمانگاهی

نویسندگان

1 گروه علوم دامی، دانشکده کشاورزی و محیط زیست، دانشگاه اراک، مرکزی، ایران

2 گروه علوم دام و طیور، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

3 گروه علوم دامی، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران

چکیده

زمینۀ مطالعه: گلبول‌های قرمز خون نقش اساسی در انتقال اکسیژن و سیستم ایمنی دارند. علاوه براین، پارامترهای هماتولوژی به عنوان یک شاخص کلینیکی مهم برای بیماری‌های مختلف، از جمله کم‌خونی و سندرم‌ متابولیکی می‌باشند.
هدف: مطالعه پویش کل ژنوم بر اساس آنالیز مجموعه‌‌های ژنی برای شناسایی جایگاه‌های ژنی مؤثر بر صفات هماتولوژی با استفاده از آرایه‌‌های ژنومی 630K بوده است.
روشکار: بدین منظور از اطلاعات رکورد‌های فنوتیپی و ژنوتیپی مرتبط با شمارش گلبول‌های قرمز (RBC)، هموگلوبین (HGB)، هماتوکریت (HCT)، حجم متوسط گلبول قرمز (MCH)، میانگین غلظت هموگلوبین (MCHC) و توزیع دامنه‌ حجم گلبول‌های قرمز (RWD_CV) 498 نمونه‌‌ از گوسفندان آلپاین مرینو استفاده شد. ابتدا آنالیز پویش کل ژنومی برای صفات هماتولوژی در برنامه TASSEL انجام شد. سپس با استفاده از بسته نرم افزاری biomaRt2 برنامه R ژن‌های معنی‌دار شناسایی گردید. در نهایت تفسیر مجموعه ژنی با بسته نرم افزاری goseq برنامه R از طریق پایگاه‌‌های GO، KEGG، DAVID و PANTHER انجام شد.
نتایج: در مطالعه حاضر تعداد 11 نشانگر تک نوکلئوتیدی واقع روی کروموزوم‌‌‌های 1، 2، 3، 6، 8، 10، 11، 14 و 20 شناسایی شدند که با ژن‌‌های TRPC4‌، SPTA1، TMCC2 (RBC)، KRT26، GPLD1، EPAS1 (HGB)، RAC2، HSPD1­، PDGFRA (HCT) وBBS1، HAG1، PIK3R3، STXBP5، FCER1G  (MCH، MCHC، RWD_CV) مرتبط بودند. در تفسیر مجموعه ژنی تعداد 17 مسیر هستی‌شناسی ژنی و بیوشیمیایی با صفات هماتولوژی شناسایی شد (05/0‌˂P). مسیرهای شناسایی شده عملکرد‌های مهمی را در ارتباط با رشد و تفرق گلبول‌های قرمز، میزان دسترسی به اکسیژن، فرآیند آداپتاسیون، استرس محیطی، تنظیم سیستم ایمنی و فعال‌سازی پلاکت‌ها بر عهده داشتند.
نتیجه­گیری نهایی: با توجه به تأیید نتایج حاصل از مطالعه قبلی در زمینه پویش ژنومی صفات هماتولوژی و شناسایی مناطق ژنومی جدید استفاده از یافته‌های مطالعه حاضر می‌تواند در انتخاب ژنتیکی برنامه‌های اصلاح نژادی گوسفند مفید باشد.

کلیدواژه‌ها


مقدمه

 

تغییر پارامترهای خونی در تشخیص بیماری‌های مختلف باکتریایی و انگلی بسیار با اهمیت می‌باشد، به‌طوری‌که ارزیابی پارامترهای خونی حیوانات به تأیید کلینیکی دامپزشکان در دام و آبزیان کمک می‌کند (3-1). پارامترهای خونی اندازه‌گیری شده شامل شمارش گلبول‌های قرمز، میزان هموگلوبین، هماتوکریت، حجم متوسط گلبول قرمز، میانگین غلظت هموگلوبین و توزیع دامنه‌ حجم گلبول‌های قرمز می‌باشند (4).

سنجش شمارش گلبول‌های قرمز خون پارامتر مهمی به عنوان یک صفت شاخص در تعیین کم‌خونی و سندرم متابولیکی است  (6-5). صفت هماتوکریت، درصد گلبول‌های قرمز فشرده شده خون می‌باشد. کم‌خونی را می‌توان از نظر کارکردی به صورت کاهش ظرفیت حمل اکسیژن خون تعریف کرد. دقیق‌ترین و آسان‌ترین علامت آزمایشگاهی کم‌خونی، کاهش هماتوکریت تا میزان کمتر از دامنه‌  نوسان طبیعی هماتوکریت در هر گونه دامی است. سنجش میزان هموگلوبین کاربردی‌ترین راه برای بیان ظرفیت جابجایی اکسیژن خون است. همچنین سنجش هموگلوبین برای تعیین حجم متوسط گلبول قرمز و میانگین غلظت هموگلوبین ضروری می‌باشد. افزایش حجم متوسط گلبول قرمز ممکن است نشانه‌ افزایش رتیکولوسیت‌های خون باشد (7).

هدف از مطالعات پویش ژنومی (GWAS) که با شناسایی ارتباط بین نشانگرهای SNP و صفت مورد مطالعه با استفاده از نشانگرهای با تراکم بالا در سطح ژنوم همراه است، پیدا کردن جهش‌های مؤثر یا مسببی می‌باشد که بر فنوتیپ صفت مورد نظر اثر می‌گذراند. این اطلاعات می‌تواند برای انتخاب به کمک نشانگر مفید بوده و به درک مکانیسم مولکولی صفات مورد مطالعه کمک نمایند (8). یکی از عیوب مطالعات GWAS در نظر گرفتن آستانه معنی‌داری محافظه کارانه برای جلوگیری از اشتباه کاذب است، در حالی‌که پرهیز از اشتباه نوع اول باعث افزایش خطای نوع دوم می‌‎گردد. لذا برای حل این مشکل، یکی از راه حل‌ها استفاده از آنالیزهای غنی‌سازی مجموعه‌های ژنی می‌باشد. در واقع در این روش به جای انجام تجزیه برای یک SNP یا یک ژن، ارتباط بین صفت مورد مطالعه و واریانت‌های ژنتیکی را در یک دسته یا گروه ژنی که به طور عملکردی با هم مرتبط هستند بررسی می‌کند. به عبارتی دیگر آنالیز پیوستگی بین یک مجموعه ژنی معنی‌دار زیستی با فنوتیپ مورد آزمون قرار می‌گیرد. در حقیقت در این روش به دنبال ژن‌هایی هستیم که به تنهایی اثر آن‌ها بر صفت مورد نظر معنی‌دار نشده، ولی اثر تجمعی آن‌ها روی صفت دارای اثر معنی‌دار است (9).

داده‌های مورد استفاده در مطالعه حاضر، در مطالعه قبلی برای صفات هماتولوژی در گوسفند نژاد آلپاین مرینو مورد آنالیز قرار گرفتند که در آن مطالعه از مدل‌‌های خطی مختلط تک نشانگری و از تصحیح بنفرونی برای تعیین آستانه‌ معنی‌‌داری و جلوگیری از خطای نوع اول استفاده شده است (4). برای اولین بار Peñagaricano و همکاران در سال 2013 نشان دادند که تجزیه و تحلیل پویش ژنومی بر مبنای مسیر دقت شناسایی مناطق ژنومی مؤثر بر صفت نرخ باروری گاوهای نر را بالا برده است، زیرا با استفاده از این روش تمام نشانگرهای معنی‌دار در سطح 05/0 آنالیز می‌شوند و در نتیجه میزان خطای نوع اول و بیش برآوردها کاهش پیدا می‌کند.

اخیراً مطالعه‌ پویش ژنومی بر مبنای مسیر با استفاده از آنالیز غنی‌سازی مجموعه‌های ژنی روی صفت تولید مثلی تعداد نتایج در نژادهای مختلف گوسفند انجام شده است. نتایج به‌دست آمده از آنالیز مسیر، منجر به شناسایی 30 طبقه مختلف عملکردی هستی­شناسی ژن و مسیرهای زیستی KEGG معنی‌دار مرتبط شامل TGF-β signaling pathway، Oxytocin signaling pathway،‌ Estrogen signaling pathway، Prolactin signaling pathway و Insulin signaling pathway و ژن‌های کاندیدای BMP5، DHCR24، BMPR1B، ESR1، ESR2، PLCB1، SMAD2، INSR، PTGS2، BMP7، EGFR و KCNMA1 شده بود (10).

هدف از انجام مطالعه حاضر، تجزیه و تحلیل مجموعه‌‌های ژنی و مسیرهای زیستی مرتبط با صفات هماتولوژی در گوسفند با استفاه از تراشه‌های 630K و براساس پویش کل ژنوم بر مبنای مسیر می‌‌باشد. شناسایی این جایگاه‌ها از دیدگاه علمی و اقتصادی می‌تواند دارای اهمیت زیادی باشد.

مواد و روش کار

در مطالعه حاضر از 498 نمونه خون گوسفندان نر نژاد آلپاین مرینو از گله تحت رکورد برداری مرکز اصلاح نژاد Huangcheng استفاده شد. صفات مورد مطالعه شامل شمارش گلبول‌های قرمز خون، میزان هموگلوبین، هماتوکریت، حجم متوسط گلبول قرمز، میانگین غلظت هموگلوبین و توزیع دامنه‌ حجم گلبول‌های قرمز بودند، آمار توصیفی صفات مورد بررسی در جدول 1 ارائه شده است.

پس از اطمینان از کمیت و کیفیت بالای DNA استخراج شده، نمونه‌ها با استفاده از آرایه‌های شرکت افی‌متریکس با آرایه‌های 630K تعیین ژنوتیپ شدند. جهت اطمینان از کیفیت داده‌های تعیین ژنوتیپ مراحل مختلف کنترل کیفیت روی داده‌های اولیه تعیین ژنوتیپ شده انجام شد.

برای فیلتراسیون داده‌های تعیین ژنوتیپ شده، ابتدا نمونه‌هایی که فراوانی نرخ تعیین ژنوتیپ آن‌ها کمتر از 95‌ درصد ‌بود، شناسایی و حذف شد. در مرحله بعد نشانگرهایی که حداقل فراوانی آللی در آن‌ها کمتر از 1 درصد بود حذف شدند. سپس نشانگرهایی که نرخ تعیین ژنوتیپ آن‌ها در نمونه‌ها کمتر از 90‌ درصد بود شناسایی و حذف شدند. مراحل مختلف فیلتراسیون با استفاده از نرم افزار PLINK (نسخه 9/1) انجام شد (11). در نهایت، 439398 نشانگر و 498 نمونه توانستند مراحل مختلف کنترل کیفیت را بگذرانند. 

جهت ارتباط فنوتیپ‌ها با ژنوتیپ‌ها از نرم افزار TASSEL استفاده شد. مدل مورد استفاده بر پایه مدل خطی مختلط تک صفته به شکل زیر بود:

 

در مدل فوق y بردار مشاهدات فنوتیپی، ‌X و Z ماتریس‌هایی هستند که مشاهدات را به ترتیب به اثر ثابت نشانگر SNP و اثر تصادفی ژنتیکی ربط می‌دهند. بردارهای b، u و e به ترتیب در برگیرنده اثر نشانگر SNP، اثر پلی‌ژنیک و اثر تصادفی باقیمانده هستند.

اساساً آنالیز پویش ژنومی بر پایه تجزیه و تحلیل مجموعه‌های ژنی در سه مرحله انجام گردید: 1) تعیین مکان SNPهای معنی‌دار که مقدار P آن‌ها کمتر از 05/0 بود با استفاده از بسته نرم افزاری biomaRt2 (12) در محیط R و با استفاده از ژنوم مرجع گوسفند نسخه (Oar_3.1) به ژن‌هایی که نشانگر SNP مورد نظر در داخل آن ژن و یا kb 15 بالادست یا پایین دست آن ژن قرار داشت، ارتباط داده شدند (13). 2) ارتباط ژن‌ها به طبقات عملکردی و مسیرهای بیوشیمیایی از پایگاه‌های اطلاعاتی شامل هستی‌شناسی ژن (http://www.geneontology.org/GO, )، مسیرهای بیوشیمیایی (http://www.genome.jp/kegg/KEGG, )، Panther (http://www.pantherdb.org)، Metacyc (http://www.metacyc.org) و Reactome (http://www.reactome.org) (14). 3) پویش کل ژنومی بر پایه آنالیز مسیر با استفاده از توزیع فوق هندسی و آماره Fisher’s exact test مورد آزمون قرار گرفت. تجزیه و تحلیل غنی‌سازی مجموعه‌های ژنی با استفاده از بسته نرم افزاری goseq (15) در محیط نرم افزار R انجام گردید. برای تفسیر بهتر عملکرد ژن‌های به دست آمده از پایگاه‌های اطلاعاتی آنلاین GeneCards (http://www.genecards.org) و UniProtKB (http://www.uniprot.org) استفاده شد.

نتایج

نتایج حاصل از پویش کل ژنومی برای شش صفت مورد مطالعه در تصویر 1 نشان داده شده است. تعداد مجموعه‌های ژنی حاصل از پایگاه‌های داده‌ای مختلف شامل 248 طبقات هستی شناسی (فرایند زیستی، عملکرد مولکولی و اجزای سلولی) و 36 مسیر بیوشیمیایی KEGG بود. همان‌طور که در جداول 2 و 3 مشاهده می‌‌شود، طبقات عملکردی در هستی شناسی فرایندهای زیستی، عملکرد مولکولی، اجزای سلولی و مسیرهای KEGG با صفات مرتبط با هماتولوژی دارای ارتباط هستند (05/0‌˂‌P). مسیرهای بیوشیمیایی که شامل بیش از 3 ژن و کمتر از 500 ژن داشتند گزارش شده‌‌اند.

براساس تحلیل هستی شناسی ژن (GO)، فرآیندهای زیستی مختلفی برای ژن‌های مؤثر بر صفات هماتولوژی مشاهده شد که مطابق با نتایج به دست آمده از مطالعات پیشین بود (3،16). جزئیات کامل ترم‌های هستی‌شناسی معنی‌دار به همراه اسامی ژن‌های کاندیدا در جدول 2 ارائه شده است. همچنین مسیرهای زیستی مرتبط با صفات هماتولوژی با استفاده از پایگاه داده KEGG مورد بررسی قرار گرفته شد که با نتایج برخی از مطالعات قبلی مرتبط با صفات هماتولوژی مطابقت داشت (17).

بحث

نتایج حاصل از مطالعه حاضر نشان داد که ژن TRPC4 با سطح معنی‌داری 031/0 با فرآیند regulation of reactive oxygen species metabolic process، ژن  SPTA1 با سطح معنی‌داری 043/0 با فرآیند regulation of blood circulation و ژن TMCC2 در فرایند زیستی positive regulation of cell development که مرتبط با شمارش گلبول‌های قرمز خون بودند، شناسایی شدند. برخی از ژن‌های این فرآیند زیستی در مطالعات مختلف بررسی ژن‌های کاندیدای مرتبط با صفات هماتولوژی به خصوص شمارش گلبول‌های قرمز خون در ارتباط می‌باشند.

مطالعه‌ پویش کل ژنومی با هدف بررسی معماری ژنتیکی مقاومت به بیماری براساس صفات هماتولوژی گونه خوک، ژن SPTA1 در ارتباط با صفت شمارش گلبول‌های قرمز خون گزارش شد. ژن SPTA1 نقش کلیدی در تولید پروتئین‌های مرتبط با غشای گلبول‌های قرمز خون داشت (18). همچنین در مطالعه پویش کل ژنومی جمعیت خوک‌های نژاد Duroc×Erhualian، مرتبط با شمارش گلبول‌های قرمز، ژن کاندیدای TMCC2 شناسایی شد. ژن TMCC2 نقش کلیدی در حجم گلبول‌های قرمز خون و اندازه‌گیری آنمی داشت (6). مطالعه‌ اخیر پویش ژنومی در گوسفندان بومی مدیترانه‌ای نشان داد، ژن کاندیدای TRPC4 نقش کلیدی در ارتباط با آداپتاسیون دارد. ژن TRPC4 نقش مهمی در تنظیم سیستم عصبی شامل فرآیندهای مرتبط با دوپامین دارد (19).

ژن‌های KRT26 و GPLD1 با سطح معنی‌داری 028/0 با فرآیند  response to oxygen-containing compound و ژن EPAS1 با سطح معنی‌داری 012/0 با فرآیند blood vessel development مرتبط با صفت میزان هموگلوبین مشاهده شد. GPLD1 و EPAS1 دو ژن مهم دیگر مرتبط با صفات هماتولوژی می‌باشند که تأثیر این دو ژن در صفت هموگلوبین در مطالعات اخیر مشاهده شد.

مطالعه‌ پویش کل ژنومی در گونه یاک (yak) با هدف شناسایی مناطق ژنومی مرتبط با صفات هماتولوژی، ژن GPLD1 با صفات هموگلوبین و شمارش گلبول‌های قرمز گزارش شده است (3). ژن GPLD1 در ارتباط با عملکرد ایمنی در سلول‌های خونی مرتبط می‌باشد. علاوه براین مطالعه ژنومی با هدف شناسایی نشانه‌های انتخاب در شش نژاد گاوهای آفریقای جنوبی، ژن کاندیدای KRT26 در ارتباط با آداپتاسیون به شرایط آب و هوایی گرم و خشک گزارش شده است (20).

مطالعه‌ پویش ژنومی در گونه گاو در ارتباط با شناسایی مناطق ژنومی مرتبط با آداپتاسیون در ارتفاع بالا، ژن کاندیدای EPAS1 گزارش شده است. ژن EPAS1 همچنین به نام ژنی HIF2a شناخته می‌شود که جزئی از خانواده HIF بوده که مسئول دسترسی به اکسیژن در پاسخ سلولی به شرایط محیطی در ارتفاع بالا می‌باشد (21).

فرایندهای زیستی معنی‌دار مشاهده شده مرتبط با صفت درصد هماتوکریت، شامل ژن‌های RAC2 و HSPD1 با سطح معنی‌داری 015/0 با فرایند regulation of response to stimulus و ژن PDGFRA با سطح معنی‌داری 028/0 با فرایند regulation of blood pressure مشاهده شدند. RAC2 و HSPD1 دو ژن مهم در ارتباط با صفات هماتولوژی می‌باشند و می‌توانند بر صفت درصد هماتوکریت نیز تأثیر گذار باشند.

مطالعه‌ پویش کل ژنومی با هدف شناسایی مناطق ژنومی مرتبط با مقاومت به پارازیت‌های معده‌ای-روده‌ای در گوسفندان نژاد Santa Inês، ژن کاندیدای RAC2 در ارتباط با صفات هماتولوژی درصد هماتوکریت و میزان هموگلوبین شناسایی گردید. ژن RAC2 جزء ژن‌های پاسخ ایمنی مقاومت به پارازیت‌ها می‌باشد (22). همچنین در مطالعه پویش کل ژنومی با هدف شناسایی ژن‌های کلیدی مرتبط با استرس دمایی در گاوهای شیری هلشتاین، ژن کاندیدای HSPD1 شناسایی گردید که نقش مهمی در ایمنی ذاتی داشت (23). اخیراً مطالعه‌ پویش ژنومی با 15 نژاد بومی کشور روسیه با هدف شناسایی مناطق ژنومی مرتبط با تطابق پذیری انجام شده است، ژن کاندیدای PDGFRA مرتبط با استرس دمایی در شرایط سرما گزارش شده است (24).

فرایندهای زیستی مشاهده شده با صفات حجم متوسط گلبول قرمز خون و میانگین غلظت هموگلوبین، ژن‌های BBS1 و STXBP5 با سطح معنی‌داری 025/0 با فرایند blood vessel endothelial cell migration، ژن HAG1 با سطح معنی‌داری 015/0 با فرایند positive regulation of lymphocyte activation و ژن PIK3R3 با سطح معنی‌داری 022/0 با فرایندPositive regulation of apoptotic process بود.

در مطالعه ژنومی با هدف شناسایی نشانه‌های انتخاب در گوسفندان نژاد تبتی، مناطق ژنومی مرتبط با آداپتاسیون در ارتفاع بالا گزارش شده است که شامل ژن کاندیدای HAG1 در ارتباط با صفات هماتولوژی شامل حجم متوسط گلبول قرمز خون و میانگین غلظت هموگلوبین می‌باشد (25). همچنین مطالعه پویش کل ژنومی در جمعیت‌ نژادهای خوک در ارتباط با صفات هماتولوژی، ژن کاندیدای BBS1 در ارتباط با صفت حجم متوسط گلبول قرمز خون گزارش شده است (16). اخیراً در مطالعه پویش کل ژنومی گونه خوک، با هدف شناسایی مناطق ژنومی مرتبط با صفات سلامتی، ژن کاندیدای PIK3R3 در ارتباط با صفات هماتولوژی حجم متوسط گلبول قرمز خون و میانگین غلظت هموگلوبین گزارش شده است (26).

جزئیات کامل مسیر زیستی KEGG به همراه اسامی ژن‌های کاندیدا در جدول 3 ارائه شده است. با بررسی نتایج حاصل شده مشاهده شد که ژن‌های FCER1G و PLCB2 با سطح معنی‌داری 028/0 با مسیر زیستی Platelet activation در ارتباط با صفات میزان هموگلوبین، درصد هماتوکریت و میانگین غلظت هموگلوبین خون مرتبط بود (تصویر 2).

در مطالعه ژنومی بر پایه آنالیز مقایسه‌ای فایل ترانسکریپتوم بافت طحال گوسفندان نژاد سافوک و قزاق با هدف شناسایی تفرق معنی‌دار بیان ژن‌های صفات مرتبط با آداپتاسیون، ژن FCER1G گزارش شد که با سیستم ایمنی ارتباط داشت (17). همچنین ژن کاندیدای در مطالعه‌ای در گاوهای شیری، با بررسی پروفایل RNA-Seq در غدد پستانی آلوده به باکتری استافیلوکوکوس آرئوس، تفرق ‌معنی‌دار بیان ژن PLCB2 گزارش شده است (27). ژن PLCB2 از خانواده ژنی PLCB بوده و نقش کلیدی در تفرق و تولید گلبول‌های قرمز خون و تنظیم عملکرد ماکروفاژها دارند. در مطالعه قبلی آنالیز پویش ژنومی نژاد آلپاین مرینوس، ژن PLCB1 به عنوان ژن کاندیدای مرتبط با صفت میانگین غلظت هموگلوبین خون شناسایی شده بود (4).

بررسی مناطق ژنومی به دست آمده با استفاده از پایگاه داده BioMart، GeneCards و UniProtKB نشان داد که بیشتر این مناطق شناسایی شده روی کروموزوم‌های مختلف با صفات هماتولوژی در گونه‌های مختلف مرتبط می‌باشند. با توجه به عملکرد بیولوژیکی مسیرهای شناسایی شده در مطالعه حاضر، به نظر می‌رسد این ژن‌ها در بروز فنوتیپی صفات مرتبط با هماتولوژی نقش ایفا می‌کنند، در نتیجه می‌توان کارآیی روش تجزیه و تحلیل غنی‌سازی مجموعه‌های ژنی برای پویش ژنومی صفات مهم اقتصادی را نیز مورد تأیید قرار داد. همچنین با بررسی چند شکلی موجود در ژن‌های کاندیدای شناسایی شده از تجزیه و تحلیل غنی‌سازی مجموعه ژنی مرتبط با پارامترهای هماتولوژی از طریق مطالعات آزمایشگاهی در نژادهای گوسفندان بومی و نتایج به‌دست آمده را برای مطالعات اصلاحی به کار برد.

سپاسگزاری

 نویسندگان مقاله از دکتر یانگ و همکاران در گروه علوم دامی آکادمی علوم کشاورزی چین به خاطر فراهم نمودن اطلاعات مورد نیاز مطالعه حاضر صمیمانه تقدیر و تشکر می­نمایند.

تعارض منافع

بین نویسندگان تعارض در منافع گزارش نشده است.

 

  1. Hasanpour Fattahi A, Jafaryan H, Khosravi, AR. The combined effects of the yeast saccharomyces cerevisiae and aspergillus niger on the hematological and biochemical parameters of cultured juvenile beluga (Huso huso). J Vet Res. 2015; 70(4): 463-473 (In Persian) doi: 22059/JVR.2016.56468
  2. Jamshidi R, Arab HA, Rassouli A, Javaheri AL, Shams GR. Biochemical, hematological and pathological alterations associated with ascites in broilers and the role of oxygenderived free radicals. J Vet Res. 2008; 62(6): 333-339 (In Persian).
  3. Ma X, Jia C, Fu D, Chu M, Ding X, Wu X, Guo X, Pei J, Bao P, Liang C, Yan P. Analysis of Hematological Traits in Polled Yak by Genome-Wide Association Studies Using Individual SNPs and Haplotypes. Genes (Basel). 2019; 10(6): 463. doi: 3390/genes10060463 PMID: 31212963
  4. Zhu S, Guo T, Zhao H, Qiao G, Han M, Liu J, Yuan C, Wang T, Li F, Yue Y, Yang B. Genome-Wide Association Study Using Individual Single-Nucleotide Polymorphisms and Haplotypes for Erythrocyte Traits in Alpine Merino Sheep. Front Genet. 2020; 11: 848 doi: 3389/fgene.2020.00848 PMID: 32849829
  5. Jamshidi R, Arab HA, Rassouli A, Javaheri AL, Shams GR. Biochemical, hematological and pathological alterations associated with ascites in broilers and the role of oxygenderived free radicals. J Vet Res. 2008; 62(6): 333-339 (In Persian)
  6. Jiu-hong N, Li-lin Y, Zhen-shuang T, Jian-hai C, Jie Z, Hai-yan W, Xiao-yong D, Xiang-dong L. Genetic parameter estimation and genome-wide association study (GWAS) of red blood cell count at three stages in a Duroc×Erhualian pig population. J Integr 2020; 19(3): 793–799 doi: 10.1016/S2095-3119(19)62773-5
  7. von tempelhoff GF, Schelkunov O, Demirhan A, Tsikouras P, Rath W, Velten E. Correlation between blood rheological properties and red blood cell Indices(MCH, MCV, MCHC) in healthy women. Clin Hemorheol Microcircul. 2015; 62: 45–54 doi: 3233/CH-151944  PMID: 26410854
  8. El-Halawany N, Zhou X, Al-Tohamy AF, El-Sayd YA, Shawky AA, Michal JJ, Jiang Z. Genome-wide screening of candidate genes for improving fertility in Egyptian native Rahmani sheep. Anim Genet. 2016; 47(4): 513. doi: 1111/age.12437 PMID: 27062642
  9. Marques DBD, Bastiaansen JWM, Broekhuijse MLWJ, Lopes MS, Knol EF, Harlizius B, Guimarães SEF, Silva FF, Lopes PS. Weighted single-step GWAS and gene network analysis reveal new candidate genes for semen traits in pigs. Genet Sel Evol. 2018; 50(1): 40. doi: 1186/s12711-018-0412-z PMID: 30081822
  10. Khaltabadi Farahani AH, Mohammadi H, Moradi MH. Gene set enrichment analysis using genome-wide association study to identify genes and pathways associated with litter size in various sheep breeds. Anim Prod. 2020; 22(3): 325-335 (In Persian) doi: 22059/JAP.2020.292715.623468
  11. Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MAR, Bender D. PLINK: a toolset for whole-genome association and population-based linkage analysis. Am J Hum 2007; 81: 559-575. doi: 10.1086/519795 PMID: 17701901
  12. Durinck S, Spellman PT, Birney E, Huber W. Mapping identifiers for the integration of genomic datasets with the R/bioconductor package biomaRt. Nature Protocols. 2009; 4: 1184-1191. doi: 1038/nprot.2009.97 PMID: 19617889
  13. Pegolo S, Cecchinato A, Savoia S, Di Stasio L, Pauciullo A, Brugiapaglia A, Bittante G, Albera A. Genome-wide association and pathway analysis of carcass and meat quality traits in Piemontese young bulls. Animal. 2020; (2): 243-252. doi: 1017/S1751731119001812 PMID: 31414654
  14. Neupane M, Kiser JN. Bovine Respiratory Disease Complex Coordinated Agricultural Project Research Team, Neibergs HL. Gene set enrichment analysis of SNP data in dairy and beef cattle with bovine respiratory disease. Anim Genet. 2018; (6): 527-538. doi: 10.1111/age.12718 PMID: 30229962
  15. Young MD, Wakefield MJ, Smyth GK, Oshlack A. Method gene ontology analysis for RNA-seq: Accounting for selection bias. Genome Biology. 2010; 11: 14-23. doi: 1186/gb-2010-11-2-r14 PMID: 20132535
  16. Zhang J, Chen JH, Liu XD, Wang HY, Liu XL, Li XY, Wu ZF, Zhu MJ, Zhao SH. Genome wide association studies for hematological traits and T lymphocyte subpopulations in a Duroc × Erhualian F resource population. J Anim Sci. 2016; 94(12): 5028-5041. doi: 2527/jas.2016-0924 PMID: 28046140
  17. Yang H, Yang YL, Li GQ, Yu Q, Yang J. Identifications of immune-responsive genes for adaptative traits by comparative transcriptome analysis of spleen tissue from Kazakh and Suffolk sheep. Sci Rep. 2021; 11(1): 3157. doi: 1038/s41598-021-82878-x PMID: 33542475
  18. Bai X, Yang T, Putz AM, Wang Z, Li C, Fortin F, Harding JCS, Dyck MK; PigGen Canada, Dekkers JCM, Field CJ, Plastow GS. Investigating the genetic architecture of disease resilience in pigs by genome-wide association studies of complete blood count traits collected from a natural disease challenge model. BMC Genomics. 2021; 22(1): 535. doi: 1186/s12864-021-07835-4 PMID: 34256695
  19. Kolosov A, Getmantseva L, Kolosova M, Romanets T, Bakoev N, Romanets E, Bakoeva I, Kostyunina O, Prytkov Y, Tretiakova O, Bakoev S. Investigation of the Genetic Architecture of Pigs Subjected to Breeding Intensification. Genes (Basel). 2022; 13(2): doi: 10.3390/genes13020197 PMID: 35205240
  20. Makina SO, Muchadeyi FC, van Marle-Köster E, Taylor JF, Makgahlela ML, Maiwashe A. Genome-wide scan for selection signatures in six cattle breeds in South Africa. Genet Sel Evol. 2015; 47: 92. doi: 1186/s12711-015-0173-x PMID: 26612660
  21. Newman JH, Holt TN, Cogan JD, Womack B, Phillips JA, Li C, Kendall Z, Stenmark KR, Thomas MG, Brown RD, Riddle SR, West JD, Hamid R. Increased prevalence of EPAS1 variant in cattle with high-altitude pulmonary hypertension. Nat Commun. 2015; 6: 6863. doi: 1038/ncomms7863 PMID: 25873470
  22. Berton MP, de Oliveira Silva RM, Peripolli E, Stafuzza NB, Martin JF, Álvarez MS, Gavinã BV, Toro MA, Banchero G, Oliveira PS, Eler JP, Baldi F, Ferraz JBS. Genomic regions and pathways associated with gastrointestinal parasites resistance in Santa Inês breed adapted to tropical climate. J Anim Sci Biotechnol. 2017; 8: 73. doi: 1186/s40104-017-0190-4 PMID: 28878894
  23. Fang H, Kang L, Abbas Z, Hu L, Chen Y, Tan X, Wang Y, Xu Q. Identification of key Genes and Pathways Associated With Thermal Stress in Peripheral Blood Mononuclear Cells of Holstein Dairy Cattle. Front Genet. 2021; 12: 662080. doi: 3389/fgene.2021.662080 PMID: 34178029
  24. Yurchenko AA, Deniskova TE, Yudin NS, Dotsev AV, Khamiruev TN, Selionova MI, Egorov SV, Reyer H, Wimmers K, Brem G, Zinovieva NA, Larkin DM. High-density genotyping reveals signatures of selection related to acclimation and economically important traits in 15 local sheep breeds from Russia. BMC Genomics. 2019; 20(Suppl 3): 294. doi: 1186/s12864-019-5537-0 PMID: 32039702
  25. Liu J, Yuan C, Guo T, Wang F, Zeng Y, Ding X, Lu Z, Renqing D, Zhang H, Xu X, Yue Y, Sun X, Niu C, Zhuoga D, Yang B. Genetic signatures of high-altitude adaptation and geographic distribution in Tibetan sheep. Sci Rep. 2020; 10(1): 18332. doi: 1038/s41598-020-75428-4 PMID: 33110149
  26. Ballester M, Ramayo-Caldas Y, González-Rodríguez O, Pascual M, Reixach J, Díaz M, Blanc F, López-Serrano S, Tibau J, Quintanilla R. Genetic parameters and associated genomic regions for global immunocompetence and other health-related traits in pigs. Sci Rep. 2020; 10(1): 18462. doi: 1038/s41598-020-75417-7 PMID: 33116177
  27. Heimes A, Brodhagen J, Weikard R, Becker D, Meyerholz MM, Petzl W, Zerbe H, Schuberth HJ, Hoedemaker M, Schmicke M, Engelmann S, Kühn C. Cows selected for divergent mastitis susceptibility display a differential liver transcriptome profile after experimental Staphylococcus aureus mammary gland inoculation. J Dairy Sci. 2020; 103(7): 6364-6373. doi: 3168/jds.2019-17612 PMID: 32307160