Modern Genetics Journal

fa فراتحلیل پویش کل ژنوم برای شناسایی شبکه‌های ژنی مرتبط با رشد در گاوهای گوشتی Genome-wide association meta-analysis for identifying gene networks associated with growth in beef cattle ژنتیک جانوری Subject 02 پژوهشی کامل Applicable <div style="text-align: justify;">صفت رشد در گاوهای گوشتی یکی از مهم‌ترین شاخص‌های اقتصادی در صنعت دامپروری است که تحت کنترل شبکه‌ای پیچیده از ژن‌ها قرار دارد. هدف این مطالعه، شناسایی نواحی ژنومی کلیدی و شبکه‌های ژنی مرتبط با رشد در گاوهای گوشتی با استفاده از رویکرد فراتحلیل داده‌های پویش کل ژنوم بود. در این پژوهش، داده‌های ژنومی از 6 مطالعه منتشرشده بین سال‌های 2010 تا 2025 استخراج و با استفاده از روش آماری استوفر تحلیل ترکیبی انجام شد. نژادهای مورد بررسی شامل Simmental، Angus، Hereford، Charolais و سایر نژادهای گوشتی از کشورهای چین، روسیه، ایالات متحده، کانادا و برزیل بودند. نتایج فراتحلیل نشان داد که کروموزوم‌های 2، 4، 11، 21، 24 و 27 دارای بالاترین سیگنال‌های معنی‌دار هستند، به‌طوری‌که بیشترین مقدار (p)-log10 در کروموزوم 24 با مقدار 62/27 ثبت شد. تحلیل شبکه تعاملی پروتئین‌ها در پایگاه STRING منجر به شناسایی 4 خوشه عملکردی اصلی شامل: متابولیسم و انرژی، تنظیم سلولی و سیگنال‌دهی، تنظیم رونویسی، و سیستم عصبی-عضلانی شد. ژن‌های محوری کلیدی شامل GALNTL6، DPP6، KCNIP4، ALDH7A1، SLC27A6 و ABCG5 شناسایی شدند که نقش تنظیمی مهمی در کنترل رشد عضلانی و متابولیسم دارند. شبکه ژنی شناسایی‌شده از الگوی بدون مقیاس تبعیت می‌کند و دارای تراکم متوسط و ضریب خوشه‌بندی بالا است که نشان‌دهنده سازماندهی ماژولار و کارآمدی انتقال سیگنال است. این فراتحلیل توانست قدرت آماری را نسبت به مطالعات منفرد افزایش دهد و نواحی ژنومی جدیدی را که قبلاً شناسایی نشده بودند، آشکار کند. یافته‌های این مطالعه می‌تواند در برنامه‌های اصلاح نژاد مبتنی بر ژنومیک و انتخاب کمکی برای بهبود صفت رشد در گاوهای گوشتی مورد استفاده قرار گیرد.</div> <div style="text-align: justify;">The growth trait in beef cattle is one of the most important economic indices in the livestock industry, and is controlled by a complex network of genes. This study aimed to identify key genomic regions and gene networks associated with growth in beef cattle using a meta-analysis approach applied to genome-wide association study data. The genomic data were extracted from six published studies between 2010 and 2025 and then analyzed using Stouffer's statistical method. The investigated breeds included Simmental, Angus, Hereford, Charolais, and other beef breeds from China, Russia, the United States, Canada, and Brazil. Meta-analysis results showed that chromosomes 2, 4, 11, 21, 24, and 27 exhibited the most significant signals, and the peak –log10(p) value of 27.62 was found on chromosome 24. Protein-protein interaction network analysis using the STRING database showed four major functional clusters: metabolism and energy, cellular regulation and signaling, transcriptional regulation, and neuromuscular system. GALNTL6, DPP6, KCNIP4, ALDH7A1, SLC27A6, and ABCG5 were identified as key hub genes playing important roles functions in muscle growth and metabolism control. The identified gene network follows a scale-free pattern with moderate density and a high clustering coefficient, showing modular organization and efficient signal transmission. This meta-analysis increased the statistical power compared to individual studies, and some novel genomic regions were thus revealed that had not been previously detected. These findings can be useful in genomic-based selection and breeding programs to improve growth traits in beef cattle.</div> پویش کل ژنوم (GWAS), رشد, شبکه‌های ژنی, فراتحلیل, گاو گوشتی Beef cattle, Gene networks, Genome-wide association study (GWAS), Growth, Meta-analysis 261 273 http://mg.genetics.ir/browse.php?a_code=A-10-264-4&slc_lang=fa&sid=1 Ehsan Moazami احسان معظمی Ehsanmoazami@agr.uk.ac.ir 10031947532846009136 10031947532846009136 No Shahid Bahonar University of Kerman دانشگاه شهید باهنر کرمان Ali Esmailizadeh علی اسمعیلی زاده aliesmaili@uk.ac.ir 10031947532846009137 10031947532846009137 Yes Shahid Bahonar University of Kerman دانشگاه شهید باهنر کرمان Mohammadreza Mohammadabadi محمدرضا محمدآبادی mrm@uk.ac.ir 10031947532846009138 10031947532846009138 No Shahid Bahonar University of Kerman دانشگاه شهید باهنر کرمان Iman Moazami ایمان معظمی iman1367@agr.uk.ac.ir 10031947532846009139 10031947532846009139 No Shahid Bahonar University of Kerman دانشگاه شهید باهنر کرمان