Enviar artigo por via de e-mail Genome-wide association studies of meat color indicators in the F2 chickens resource population
- Autores: Vetokh A.N.1, Volkova N.A.1, Larionova P.V.1, Dzhagaev A.Y.1, Abdelmanova A.S.1, Zinovieva N.A.1
-
Afiliações:
- Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
- Edição: Volume 107, Nº 4 (2024)
- Páginas: 94-105
- Seção: Разведение, селекция, генетика
- URL: https://bakhtiniada.ru/2658-3135/article/view/278420
- DOI: https://doi.org/10.33284/2658-3135-107-4-94
- ID: 278420
Citar
Texto integral
Resumo
The aim of the study was to search for SNPs and identify candidate genes associated with color characteristics of chicken meat. The object of the research was F2 chickens of the resource population obtained through interbreeding of two breeds with contrasting meat productivity indicators - Russian White and Cornish. The obtaining resource population of chickens was phenotyped at the age of 42 days for breast and thigh meat color according to the a*, b* and L* color scale using a spectrophotometer, and genotyped using the Illumina Chicken iSelect BeadChip 60k DNA chip. The GWAS identified 30 significant SNPs (P≤0.0001) associated with meat color in F2 chickens of the resource population, including 12 SNPs associated with breast muscle color traits and 18 SNPs associated with thigh color parameters. The 214 genes were identified in the SNPs region, including 10 genes at the positions of these SNPs - BRAF, ENO2, UBE3D, RGS6, ATP13A3, RHBDD1, MB21D2, BHLHE23, PIAS4, and MLLT1, localized on chromosomes GGA1, GGA3, GGA5, GGA9, GGA20 and GGA28. The results have practical significance for understanding the molecular genetic mechanisms in the formation and manifestation of traits that determine the color characteristics of chicken meat and can be used in subsequent studies in genomic selection of chickens to improve the quality of meat.
Palavras-chave
Texto integral
Введение.
Отрасль птицеводства за последние тридцать лет уверенно развивается, а производство и потреблении продукции, являющейся основным источником белка с высокой биологической ценностью и содержанием в них микроэлементов, таких как витамин А, тиамин, железо, фосфор и никотиновая кислота, особенно по сравнению с растительными белками, занимает лидирующие позиции в мясной индустрии (Тузиков Р.А. и др., 2023; Karunanayaka DS et al., 2016).
Качественные показатели мяса, такие как вид, цвет, влагоудерживающая способность и упругость, влияющие на производственные и потребительские характеристики готовой продукции, зависят как от внешних факторов – условий содержания и кормления, так и от индивидуальных – порода, возраст и пол животного (Дорохин Н.А., 2020; Kudryashova OA and Kudryashov LS, 2022).
Цвет мяса является индикатором практически всех физиологических, биохимических и технологических процессов и служит критерием при оценке качества продукта (Козырев И.В. и др., 2017). По нему судят о товарном виде мяса, степени работы определённых групп мышц, а также о некоторых химических превращениях, которые могут происходить в мясе (Гречкина В.В. и Лебедев С.В., 2022). Радикальное изменение цвета свидетельствует о потере мясом свежести: бактериальное заражение поверхности обусловливает её обесцвечивание вплоть до приобретения сероватой окраски (Török Á et al., 2023). Для оценки цвета и установления его характеристик применяют органолептические и инструментальные методы. Инструментальный метод основан на измерении координат спектра, а самой популярной системой считается L*a*b*, где L характеризует светлоту по спектру от тёмного к светлому, a – спектр от зелёного до пурпурного; b – спектр от голубого до жёлтого (Ветох А.Н. и др., 2023). Цвет мяса в том числе может зависеть от pH, характеризующий продукт как PSE (бледный, мягкий, эксудативный) или DFD (тёмное, твёрдое, сухое мясо) (Mashood Q et al., 2023). Птица – единственный вид животных, где мясо разделяют на тёмное и светлое, в зависимости от типа мускулатуры. Сырое мясо грудки кур имеет бледно-розовый цвет, а сырое мясо бёдер и ножек — тёмно-красное (Mir NA et al., 2017; Bowker B, 2017). При этом мясо птицы часто относят к категории PSE на основании высоких показателей цвета L* и низкого уровня pH, что является проблемой для перерабатывающей промышленности (Che S et al., 2023). Формирование качественного мяса у цыплят-бройлеров определяется не только предубойными факторами, влияющими на кислотность, но и генетическими особенностями птицы (Alnahhas N et al., 2016; Волкова Н.А. и др., 2024). Это указывает на необходимость проведения генетического отбора для оценки степени изменчивости качественных показателей мяса кур. Одним из эффективных методов исследования наследственных факторов, влияющих на эти показатели, является использование локусов количественных признаков (QTL) (Allais S et al., 2019).
Цель исследования.
Поиск SNP и идентификация генов-кандидатов, ассоциированных с цветовыми характеристиками мяса кур.
Материалы и методы исследования.
Объект исследования. Куры F2 модельной ресурсной популяции.
Обслуживание животных и экспериментальные исследования были выполнены в соответствии с инструкциями и рекомендациями российских нормативных актов, протоколами Женевской конвенции и принципами надлежащей лабораторной практики (Национальный стандарт Российской Федерации ГОСТ Р 53434-2009). При проведении исследований были предприняты меры для обеспечения минимума страданий животных и уменьшения количества исследуемых опытных образцов.
Схема эксперимента. Исследование проводилось на базе ФГБНУ ФИЦ ВИЖ им. академика Л.К. Эрнста. Для получения F2 ресурсной популяции кур (n=112) использовали две породы, контрастные по показателям скорости роста и мясным качествам – русская белая (медленный рост, яичная порода) и корниш (быстрый рост, мясная порода). Содержание и кормление опытной птицы соответствовало возрастным нормам. Цыплята до 3-недельного возраста выращивались в брудерах с постепенным понижением температуры с +34 ℃ (в первые часы после выхода из яйца) до +23 ℃, затем переводились на напольное содержание. Во все периоды выращивания птица имела постоянный доступ к полнорационному промышленному комбикорму и свежей воде.
Куры F2 ресурсной популяции были фенотипированы по показателям, характеризующим цветовые характеристики мяса грудной и бедренной мышцы в возрасте 42 дней. Подготовку к убою и убой птицы проводили в соответствии с национальным стандартом Российской Федерации «Птица сельскохозяйственная для убоя. Технические условия» (ГОСТ Р 52837-2007). Голодная выдержка составляла не более 10 часов для сохранения показателей качества мяса в тушке. После убоя птицы проводили снятие оперения с предварительным ошпариванием тушек с последующей обвалкой для качественной оценки мяса.
Оборудование и технические средства. Исследования выполнены с использованием приборной базы лаборатории клеточной инженерии и отдела популяционной генетики и генетических основ разведения животных ФИЦ ВИЖ им. Л.К. Эрнста. Цветовые характеристики грудки и филе бедра измеряли с помощью портативного спектрофотометра CM-700d («Konica Minolta», Япония) по системе L*a*b* через 24 ч после убоя в пяти точках образца, определяя для каждого среднее значение по шкалам спектра.
Для выделения ДНК использовали пульпу пера. Экстракцию ДНК проводили с использованием набора Syntol для выделения ДНК из ткани животных (Syntol, Moscow, Россия). Концентрацию растворов ДНК определяли с использованием флуориметра Qubit 3.0 (Thermo Fisher Scientific, Wilmington, DE, США). Для проверки чистоты извлеченной ДНК соотношение OD260/280 было протестировано с использованием инструмента NanoDrop-2000 (Thermo Fisher Scientific).
Полногеномное генотипирование кур было выполнено с использованием ДНК-чипа Illumina Chicken iSelect BeadChip 60k. Контроль качества и фильтрацию данных генотипирования для каждого образца и каждого SNP выполняли в программной среде R c использованием программного пакета PLINK 1.9. Для выявления ассоциаций SNP с показателями роста и развития грудных мышц у кур F2 ресурсной популяции применяли регрессионный анализ в PLINK 1.9. Данные визуализировали в пакете qqman (https://github.com/qqman) с помощью языка программирования R (Turner SD, 2018).
Поиск генов-кандидатов, локализованных в области идентифицированных SNP (±0,2Mb), проводили через средство просмотра геномных данных (Genome Data Viewer) в базе данных NCBI Gallus gallus (chicken) (https://www.ncbi.nlm.nih.gov/datasets/genome/).
Статистическая обработка. Статистические показатели рассчитывали с использованием пакета анализа данных в Microsoft Office 365 по следующим параметрам: значение средних, стандартная ошибка, минимум (min), максимум (max), коэффициент вариации (CV).
Результаты исследования.
Результаты оценки цветовых характеристик мяса кур F2 ресурсной популяции в возрасте 42 дней представлены в таблице 1.
Таблица 1. Характеристика кур F2 ресурсной популяции по цветовым характеристикам мяса (n=112, возраст 42 дня)
Table 1. Assessments of F2 chickens of the resource population by meat color characteristics (n=112, age 42 days)
Признак / Indicator | Спектр / Spectrum | Среднее / Average | Ошибка / Standard error | Min | Max | Cv, % |
Цвет грудной мышцы / The breast muscle color | a | 1,93 | 0,15 | -0,31 | 6,79 | 73,9 |
b | 10,06 | 0,21 | 5,73 | 16,81 | 19,4 | |
L | 52,6 | 0,41 | 42,41 | 62,28 | 7,4 | |
Цвет бедренной мышцы / The thigh muscle color | a | 5,57 | 0,29 | 0,37 | 11,77 | 49,2 |
b | 11,19 | 0,31 | 5,64 | 16,35 | 26,1 | |
L | 53,27 | 0,54 | 28,10 | 65,60 | 9,6 |
Исследованная модельная ресурсная популяция кур характеризовалась значительной вариабельностью значений по отдельным спектрам цвета грудной и бедренной мышц. Высокий коэффициент изменчивости отмечался по показателям спектров цвета мяса a*и b* – до 73,9 %. Значения по спектру цвета мяса L* не превышали 9,6 %.
Полученные данные фенотипической оценки ресурсной популяции кур были использованы для полногеномного ассоциативного анализа. Были выявлены участки генома, связанные с цветовыми характеристиками грудных и бедренных мышц у исследованной популяции кур.
Проведённый GWAS-анализ на уровне установленного порога достоверности P≤0,0001 выявил 12 значимых SNP, ассоциированных с цветом мяса грудного отдела и 18 SNP – с цветовыми характеристиками мяса бедренной части у кур исследованной F2 ресурсной популяции (табл. 2). Данные SNP были локализованы на 12 из 28 учтённых хромосом (рис. 1).
Таблица 2. Перечень достоверно значимых SNP (P≤0,0001), ассоциированных с цветовыми характеристиками мяса у кур F2 ресурсной популяции
Table 2. List of significant SNPs (P≤0.0001) associated with meat color characteristics from F2 chickens of the resource population
Признак / Indicator | Спектр / Spectrum | SNP | Хромосома / Chromosome | P |
Цвет мяса грудного отдела / The breast muscle color | a* | GGaluGA280269 | 5 | 4,93E-05 |
Gga_rs13756508 | 5 | 8,57E-05 | ||
b* | Gga_rs10729083 | 1 | 2,89E-05 | |
Gga_rs13887556 | 1 | 4,58E-05 | ||
Gga_rs13834498 | 1 | 7,15E-06 | ||
Gga_rs13834451 | 1 | 7,55E-05 | ||
GGaluGA086201 | 12 | 7,81E-05 | ||
L* | Gga_rs15321542 | 1 | 7,62E-05 | |
Gga_rs15279200 | 1 | 1,46E-05 | ||
Gga_rs14141917 | 2 | 1,96E-05 | ||
Gga_rs14142291 | 2 | 2,73E-05 | ||
GGaluGA219476 | 3 | 3,15E-05 | ||
Цвет мяса бедренной части / The thigh muscle color | a* | Gga_rs16142729 | 2 | 8,94E-06 |
Gga_rs15894255 | 8 | 2,51E-05 | ||
Gga_rs16741792 | 14 | 4,77E-10 | ||
Gga_rs14276515 | 20 | 4,96E-05 | ||
Gga_rs15175708 | 20 | 5,29E-05 | ||
GGaluGA179133 | 20 | 5,45E-05 | ||
Gga_rs15249589 | 28 | 2,66E-08 | ||
GGaluGA000771 | 28 | 3,32E-05 | ||
b* | Gga_rs16636092 | 8 | 5,93E-05 | |
Gga_rs14673106 | 9 | 2,32E-05 | ||
Gga_rs14663418 | 9 | 2,63E-05 | ||
GGaluGA339603 | 9 | 3,97E-06 | ||
Gga_rs10731045 | 19 | 3,29E-05 | ||
L* | Gga_rs14381780 | 3 | 3,88E-05 | |
Gga_rs14381814 | 3 | 3,88E-05 | ||
Gga_rs15519416 | 4 | 2,69E-06 | ||
GGaluGA266380 | 4 | 4,84E-05 | ||
GGaluGA201366 | 28 | 3,06E-05 |
Риcунок 1. Распределение на хромосомах значимых SNP (P≤0,0001), ассоциированных с цветовыми характеристиками грудной (А) и бедренной (Б) мышц у кур F2 ресурсной популяции
Figure 1. Distribution of significant SNPs (P≤0.0001) on chromosomes associated with color characteristics of the breasts muscles (A) and thigh muscles (Б) from F2 chickens of the resource population
Выявленные достоверно значимые SNP, связанные с цветовыми характеристиками мяса кур F2 ресурсной популяции, были использованы для аннотирования генов-кандидатов, ассоциированных с данными признаками (табл. 3). В области выявленных SNP было установлено 214 генов, в том числе в позициях данных SNP – 10 генов (BRAF, ENO2, UBE3D, RGS6, ATP13A3, RHBDD1, MB21D2, BHLHE23, PIAS4, MLLT1). Выявленные гены были локализованы на хромосомах GGA1, GGA3, GGA5, GGA9, GGA20 и GGA28.
Таблица 3. Перечень достоверно значимых генов-кандидатов (P≤0,0001), ассоциированных с показателями цвета мяса у кур F2 ресурсной популяции
Table 3. List of significant candidate genes (P≤0.0001) associated with meat color indicators in F2 chickens of the resource population
CHR | SNP | Позиция / Position | Ген (±0,2Mb) / Gene (±0,2Mb) |
1 | 2 | 3 | 4 |
1 | Gga_rs15321542 | 81524498 | TMEM39A, B4GALT4, B3GAT1L, gga-mir-3539, UPK1B, IGSF11 |
1 | Gga_rs15279200 | 56942229 | SLC37A3, RAB19, MKRN4P, DENND2A, ADCK2, NDUFB2, BRAF*, MRPS33, TMEM178B |
1 | Gga_rs10729083 | 77961991 | PIANP, COPS7A, MLF2, LAG3, CD4, GPR162, P3H3, GNB3, CDCA3, USP5, TPI1, LRRC23, ENO2*, C1H12ORF57, PTPN6, PHB2, EMG1, LPCAT3, C1S, C1R, RBP5, CLSTN3, PEX5 |
1 | Gga_rs13887556 | 78214849 | PHB2, EMG1, LPCAT3, C1S, C1R, RBP5, CLSTN3, PEX5, EPHA1, ZYX, FAM131B, CLCN1, CASP2, RAP1GAP1 |
1 | Gga_rs13834498 | 72389106 | - |
1 | Gga_rs13834451 | 72475687 | MRPS35, MANSC4, KLHL42 |
2 | Gga_rs16142729 | 148496819 | LY6E, TOP1MT, RHPN1, MAFA, ZC3H3 |
2 | Gga_rs14141917 | 14639769 | ZNF438, SVIL, LY6E |
2 | Gga_rs14142291 | 14941870 | LY6E, TOP1MT, RHPN1, MAFA, ZC3H3, JCAD, MTPAP, MAP3K8 |
3 | GGaluGA219476 | 43926780 | - |
3 | Gga_rs14381780 | 78062830 | RWDD2A, PGM3, DOP1A, UBE3D*, TPBG, IBTK |
3 | Gga_rs14381814 | 78078352 | RWDD2A, PGM3, DOP1A, UBE3D, TPBG, IBTK |
4 | Gga_rs15519416 | 26013340 | - |
4 | GGaluGA266380 | 76899770 | C1QTNF7, CPEB2 |
5 | GGaluGA280269 | 25928651 | PLA2G4F, VPS39, TMEM87A, GANC, CAPN3, ZNF106, SNAP23, LRRC57, HAUS2 |
5 | Gga_rs13756508 | 27013919 | RGS6*, SIPA1L1 |
8 | Gga_rs15894255 | 1624673 | SLC25A24, HENMT1, STXBP3, GPSM2, CLCC1, WDR47, CAMSAP2 |
8 | Gga_rs16636092 | 19372206 | GIPC2, DNAJB4, FUBP1, NEXN, MIGA1, USP33, ZZZ3, AK5, PIGK |
9 | Gga_rs14673106 | 13020745 | APOD, PPP1R2, ACAP2, XXYLT1, FAM43A, LSG1, ATP13A3*, GP5, LRRC15, CPN2, HES1, OPA1 |
9 | Gga_rs14663418 | 9447587 | IRS1, RHBDD1*, MFF, MRPL44, AGFG1 |
1 | 2 | 3 | 4 |
9 | GGaluGA339603 | 13432903 | ATP13A4, MB21D2*, FGF12 |
12 | GGaluGA086201 | 12399550 | PDHB, KCTD6, ACOX2, FAM107A, FAM3D, CFAP20DC, FHIT |
14 | Gga_rs16741792 | 11533591 | - |
19 | Gga_rs10731045 | 6203277 | ERAL1, gga-mir-451, gga-mir-144, FLOT2, PHF12, SEZ6, PIPOX, MYO18A, CRYBA1, NUFIP2, TAOK1, GIT1, ANKRD13B, CORO6, SSH2, EFCAB5, NSRP1, SLC6A4, BLMH, TMIGD1, CPD |
20 | Gga_rs14276515 | 8463752 | MRGBP, OGFR, COL9A3, TCFL5, DIDO1, gga-mir-6681, GID8, SLC17A9, gga-mir-6567, BHLHE23, gga-mir-1746 |
20 | Gga_rs15175708 | 8433471 | MRGBP, OGFR, COL9A3, TCFL5, DIDO1, gga-mir-6681, GID8, SLC17A9, gga-mir-6567, BHLHE23 |
20 | GGaluGA179133 | 8487502 | MRGBP, OGFR, COL9A3, TCFL5, DIDO1, gga-mir-6681, GID8, SLC17A9, gga-mir-6567, BHLHE23*, gga-mir-1746 |
28 | Gga_rs15249589 | 1540725 | GNA11, S1PR4, NCLN, CELF5, HSD11B1L, MICOS13, gga-mir-1774, FSD1, YJU2, gga-mir-6593, ZBTB7A, PIAS4*, EEF2, gga-mir-1434, NMRK2, ATCAY, NRTN, DUS3L, LARP6L, RFX2 |
28 | GGaluGA000771 | 3530918 | ADAMTSL5, THOP1, SGTA, SLC39A3, DIRAS1, GADD45B, MAP1S, FCHO1, B3GNT3, JAK3, SLC5A5, KCNN1, OCLN, NR2F6, ANKLE1, ABHD8, MRPL34, DDA1, ANO8, GTPBP3, CILP2, NDUFA13, GATAD2A, MAU2, SUGP1, TM6SF2, HAPLN4, NCAN, NR2C2AP, RFXANK, BORCS8, gga-mir-1621, gga-mir-9-1 |
28 | GGaluGA201366 | 1779855 | ATCAY, NRTN, DUS3L, LARP6L, RFX2, ACSBG2, MLLT1*, ACER1, ANP32B, ZNF414, MYO1F, ADAMTS10, gga-mir-6615, ZAP70 |
Примечание: СHR – номер хромосомы; ±0,2Mb – гены, локализованные на расстоянии 200 000 пар оснований (п.о.) от позиции выявленных SNP; * – гены, локализованные в позиции выявленных SNP
Note: CHR – chromosome number; ±0.2Mb – genes localized at a distance of 200,000 base pairs (bp) from the position of the identified SNPs; * – genes that are localized in the positions of the identified SNPs
Обсуждение полученных результатов.
Идентификация и картирование генов, детерминирующих проявление селекционно-значимых признаков у сельскохозяйственных птицы, является одной из ключевых задач геномной селекции, направленной на повышение эффективности птицеводства. В нашем исследовании изучены показатели цветовых характеристик мяса грудки и бедренной части у кур F2 ресурсной популяции. С учётом того, что в промышленном птицеводстве выращивание бройлеров на мясо проводят до возраста 42-63 дней, оценку показателей цвета мяса у кур исследуемой ресурсной популяции осуществляли в возрасте 42 дней.
Цвет мяса – важный показатель, определяющий товарные качества и потребительский спрос на мясо птицы. Данный показатель в определённой мере зависит от условий кормления и содержания птицы и является генетически детерминированным множеством QTL. Проведённые полногеномные ассоциативные исследования выявили достоверно значимые SNP и гены-кандидаты (P≤0,0001), ассоциированные с показателями цвета мяса у кур F2 ресурсной популяции, в частности, с цветовыми характеристиками грудной мышцы – 12 SNP и 3 гена-кандидата (BRAF, ENO2, RGS6), с цветом мяса бедренной части – 18 SNP и 7 генов-кандидатов (UBE3D, ATP13A3, RHBDD1, MB21D2, BHLHE23, PIAS4, MLLT1).
Идентифицированные гены-кандидаты отвечают за биологический функционал организма, среди которых есть гомеостаз жирных кислот, биохимических процессов, врождённый иммунный ответ, развитие многоклеточных организмов и их органов, включая развитие ЦНС. Как известно, влияние на ЦНС, а именно – стресс сильно влияет на органолептические показатели мяса, поэтому развитие нервной системы играет немаловажную роль в формирование цветовых спектров мяса.
Поиск и анализ информационных источников показал, что из 10 выявленных в нашем исследовании генов-кандидатов для 1 гена – ENO2 – была установлена его связь с цветом грудной мышцы (спектр L*) у бычков породы нелор (Marín-Garzón NA et al., 2021). Для трёх установленных в нашем исследовании генов – MB21D2, PIAS4 и MLLT1 – была представлена их связь с показателями роста сельскохозяйственных животных и птицы. В частности, выявлены ассоциации гена MB21D2 со среднесуточным приростом (Niu Q et al., 2021) и массой внутренних органов (An B et al., 2018) у крупного рогатого скота, гена PIAS4 – с метаболизмом кур (Tian J et al., 2023), генов PIAS4 и MLLT1 – с живой массой кур в возрасте 42 и 63 дней (Volkova NA et al., 2024). Были установлены ассоциации гена MB21D2 с иммунным ответом при вакцинации у кур (Walugembe M et al., 2019).
Таким образом, анализ открытых информационных источников подтвердил полученные нами данные о влиянии на цветовые характеристики мяса гена ENO2. Для других выявленных в нашей работе генов в ряде исследований показана их связь с селекционно-значимыми признаками у сельскохозяйственных животных и птицы. Для подтверждения влияния данных генов-кандидатов на цветовые характеристики мяса кур требуется проведение дальнейших исследований.
Заключение.
Выявлены достоверно значимые SNP (P≤0,0001), ассоциированные с цветом мяса у кур F2 ресурсной популяции в возрасте 42 недель. Установлено 12 значимых SNP, связанных с цветовыми характеристиками грудной мышцы и 18 SNP, ассоциированные с показателями цвета бедренной части. В области данных SNP идентифицировано 214 генов-кандидатов, в том числе 10 генов в позициях данных SNP - BRAF, ENO2, UBE3D, RGS6, ATP13A3, RHBDD1, MB21D2, BHLHE23, PIAS4, MLLT1, локализованные на хромосомах GGA1, GGA3, GGA5, GGA9, GGA20 и GGA28.
Полученные результаты имеют практическое значение для понимания молекулярно-генетических механизмов формирования и проявления признаков, определяющих цветовые характеристики мяса кур и могут быть использованы для дальнейшего изучения генетических маркеров, связанных с качественными характеристиками мяса кур, что позволит повысить и улучшить показатели качества мяса.
Sobre autores
Anastasia Vetokh
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Autor responsável pela correspondência
Email: anastezuya@mail.ru
ORCID ID: 0000-0002-2865-5960
Researcher
Rússia, Moscow region, DubrovitsyNatalia Volkova
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Email: natavolkova@inbox.ru
ORCID ID: 0000-0001-7191-3550
Dr. Sci (Biology), Professor of the Russian Academy of Sciences, Head of the the cell engineering laboratory
Rússia, Moscow region, DubrovitsyPolina Larionova
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Email: volpolina@mail.ru
ORCID ID: 0000-0001-5047-1888
Cand. Sci (Biology), Main Expert Of The Cell Engineering Laboratory
Rússia, Moscow region, DubrovitsyAlan Dzhagaev
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Email: alan_dz@inbox.ru
ORCID ID: 0000-0001-7818-0142
Junior Researcher
Rússia, Moscow region, DubrovitsyAlexandra Abdelmanova
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Email: preevetic@mail.ru
ORCID ID: 0000-0003-4752-0727
Dr. Sci (Biology), senior researcher
Rússia, Moscow region, DubrovitsyNatalia Zinovieva
Federal Research Center for Animal Husbandry named after Academy Member L.K. Ernst
Email: n_zinovieva@mail.ru
ORCID ID: 0000-0003-4017-6863
Dr. Sci (Biology), Academician of Russian Academy of Sciences, Director
Rússia, Moscow region, DubrovitsyBibliografia
- State Standard R 52837-2007. Slaughter poultry. Specifications approved. Implementation date 01.01.2009. Moscow: Standartinform; 2008:5 p.
- Grechkina VV, Lebedev SV. The effect of Tsamax and Vetom on the biochemical parameters of blood and the mineral content in the body of broiler chickens. Animal Husbandry and Fodder Production. 2022;105(2):118-129. https://doi.org/10.33284/2658-3135-105-2-118
- Dorokhin NA. Quality characteristics of broiler chicken meat and their influencing factors: an overview. Agricultural Journal. 2020;5(13):59-64.
- Tuzikov RA, Lebedev SV, Arinzhanova MS, Sheida EV. The influence of biomineral complex on the growth, productive traits in broiler chickens. Animal Husbandry and Fodder Production. 2023;106(3):138-147. https://doi.org/10.33284/2658-3135-106-3-138
- Vetokh AN, Dzhagaev AYu, Belous AA, Volkova NA, Zinovieva NA. Genome-wide association stud-ies of chicken (Gallus gallus L.) breast meat color characteristics. Sel’skokhozyaistvennaya biologiya [Agricultural Biology]. 2023;58(6):1068-1078. doi: 10.15389/agrobiology.2023.6.1068eng
- Volkova NA, Vetokh AN, Belous AA, Zinovieva NA. Genome-wide association studies of color characteristics of chicken meat. Veterinary Medicine and Feeding. 2024;5:22-26. doi: 10.30917/ATT-VK-1814-9588-2024-5-5
- Kozyrev IV, Mittelstein TM, Pchelkina VA, Lisitsyn AB. Technological properties of chilled beef of various color classes. Theory and Practice of Meat Processing. 2017;2(2):60-68. doi: 10.21323/2414-438X-2017-2-2-60-68
- Allais S, Hennequet-Antier C, Berri C, Salles L, Demeure O, Le Bihan-Duval E. Mapping of QTL for chicken body weight, carcass composition, and meat quality traits in a slow-growing line. Poultry Sci-ence. 2019;98(5):1960-1967. doi: 10.3382/ps/pey549
- Alnahhas N, Berr C, Chabault M, et al. Genetic parameters of white striping in relation to body weight, carcass composition, and meat quality traits in two broiler lines divergently selected for the ultimate pH of the pectoralis major muscle. BMC Genet. 2016;17:61. doi: 10.1186/s12863-016-0369-2
- An B, Xia J, Chang T, Wang X, Miao J, Xu L, Zhang L, Gao X, Chen Y, Li J, et al. Genome-wide as-sociation study identifies loci and candidate genes for internal organ weights in Simmental beef cattle. Physiological Genomics. 2018;50(7):523-531. doi: 10.1152/physiolgenomics.00022.2018
- Bowker B. Chapter 4 - Developments in our understanding of water-holding capacity. In: Petracci M, Berri C, editors. Poultry Quality Evaluation. Woodhead Publishing; 2017:77-113. doi: 10.1016/B978-0-08-100763-1.00004-0
- Che S, Susta L, Barbut S. Effects of broiler chilling methods on the occurrence of pale, soft, exudative (PSE) meat and comparison of detection methods for PSE meat using traditional and Nix colorimeters. Poultry Science. 2023;102(10):102907. doi: 10.1016/j.psj.2023.102907
- Karunanayaka DS, Jayasena DD, Jo C. Prevalence of pale, soft, and exudative (PSE) condition in chicken meat used for commercial meat processing and its effect on roasted chicken breast. Journal of Animal Science Technology. 2016;58:27. doi: 10.1186/s40781-016-0110-8
- Kudryashova OA, Kudryashov LS. Influence of preslaughter stress on poultry meat. Theory and Prac-tice of Meat Processing. 2022;7(1):30-34. doi: 10.21323/2414-438X-2022-7-1-30-34
- Marín-Garzón NA, Magalhães AFB, Mota LFM, Fonseca LFS, Chardulo LAL, Albuquerque LG. Ge-nome-wide association study identified genomic regions and putative candidate genes affecting meat color traits in Nellore cattle. Meat Science. 2021;171:108288. doi: 10.1016/j.meatsci.2020.108288
- Mashood Q, Karlsson A H, Wallenbeck A, Eriksson S, Johansson AM, Segerkvist KA. A review on pale, soft, and exudative (PSE)-like zones in pork: current knowledge on underlying factors and identi-fication of knowledge gaps for further research. Acta Agriculturae Scandinavica, Section A — Animal Science. 2023:1-10. doi: 10.1080/09064702.2023.2279079
- Mir NA, Rafiq A, Kumar F, et al. Determinants of broiler chicken meat quality and factors affecting them: a review. Journal of Food Science Technology. 2017;54:2997-3009. doi: 10.1007/s13197-017-2789-z
- Niu Q, Zhang T, Xu L, Wang T, Wang Z, Zhu B, Zhang L, Gao H, Song J, Li J, Xu L. Integration of selection signatures and multi-trait GWAS reveals polygenic genetic architecture of carcass traits in beef cattle. Genomics. 2021; 113(5):3325-3336. doi: 10.1016/j.ygeno.2021.07.025
- Tian J, Zhu X, Wu H, Wang Y, Hu X. Serum metabolic profile and metabolome genome-wide associa-tion study in chicken. Journal of Animal Science Biotechnology. 2023;14(1):69. doi: 10.1186/s40104-023-00868-7
- Török Á, Yeh CH, Menozzi D, et al. Consumers' preferences for processed meat: a best–worst scaling approach in three European countries. Agricultural and Food Economics 2023;11:33 doi: 10.1186/s40100-023-00277-4
- Turner SD. QQman: an R package for visualizing GWAS results using Q-Q and Manhattan plots. The Journal of Open Source Software. 2018;3(25):731. doi: 10.21105/joss.00731
- Volkova NA, Romanov MN, Vetokh AN, Larionova PV, Volkova LA, Abdelmanova AS, Sermyagin AA, Griffin DK, Zinovieva NA. Genome-wide association study reveals the genetic architecture of growth and meat production traits in a chicken F2 resource population. Genes. 2024;15(10):1246. doi: 10.3390/genes15101246
- Walugembe M, Mushi JR, Amuzu-Aweh EN, Chiwanga GH, Msoffe PL, Wang Y, Saelao P, Kelly T, Gallardo RA, Zhou H, Lamont SJ, Muhairwa AP, Dekkers JCM. Genetic analyses of tanzanian local chicken ecotypes challenged with newcastle disease virus. Genes (Basel). 2019;10(7):546. doi: 10.3390/genes10070546
Arquivos suplementares
