Изменчивость формы и размеров крыла в селектированных по продолжительности жизни линиях Musca Domestica L.: геометрическая морфометрия

Обложка

Цитировать

Полный текст

Аннотация

Цель: оценка морфогенетических последствий массовой селекции по длительности жизни и степени дифференциации линий комнатной мухи.

Методы: анализ изменчивости размеров и формы крыла имаго методами геометрической морфометрии.

Результаты. Между линиями Sh gen (короткоживущие) и L gen (долгоживущие) выявлены значимые устойчивые различия по размерам и форме крыла и значимое уменьшение размера крыла в линии L gen. Внутригрупповое разнообразие (MNND) формы крыла имаго линии Sh gen значимо выше, чем у линии L gen. Эффект сверхрассеивания ординат отражает дестабилизацию развития.

Выводы: выявленные морфогенетические перестройки могут быть сформированы на основе исторически сложившегося веера потенциальных онтогенетических траекторий вида, характерных для популяции с подразделенной структурой.

Об авторах

Тансулпан Тимерхановна Ахметкиреева

ФГБУН «Институт биохимии и генетики Уфимского научного центра РАН»

Автор, ответственный за переписку.
Email: Tansulpan.ufa@gmail.com

старший лаборант, лаборатория молекулярной генетики человека

Россия, Уфа

Галина Васильевна Беньковская

ФГБУН «Институт биохимии и генетики Уфимского научного центра РАН»

Email: bengal2@yandex.ru

ведущий научный сотрудник, лаборатория физиологической генетики

Россия, Уфа

Алексей Геннадьевич Васильев

ФГБУН «Институт экологии растений и животных Уральского отделения РАН»

Email: vag@ipae.uran.ru

д-р биол. наук, проф. зав. лаб., лаборатория эволюционной экологии

Россия, Екатеринбург

Список литературы

  1. Brakefield PM. Evo-devo and constraints on selection. TRENDS in Ecology and Evolution. 2006;21(7):362-8. doi: 10.1016/j.tree.2006.05.001.
  2. Jablonka E, Raz G. Transgenerational epigenetic inheritance: prevalence, mechanisms, and implications for the study of heredity and evolution. Qvart Rev Biol. 2009;84:131-176. doi: 10.1086/598822.
  3. Bonduriansky R, Crean AJ, Day T. The implications of nongenetic inheritance for evolution in changing environments. Evol Appl. 2012;5:192-201. doi: 10.1111/j.1752-4571.2011.00213.x.
  4. Mazzio EA, Soliman KFA. Basic concepts of epigenetics. Impact of environmental signals on gene expression. Epigenetics. 2012;7(2):119-130. doi: 10.4161/epi.7.2.18764.
  5. Ledón-Rettig CC. Ecological Epigenetics: An Introduction to the symposium. Integrative and Comparative Biology. 2013;53:307-318. doi: 10.1093/icb/ict053.
  6. Duncan EJ, Gluckman P.D, Dearden PK. Epigenetics, plasticity and evolution: How do we link epigenetic change to phenotype? J Exp Zool. Part B. Molecular and Developmental Evolution. 2014;322B;208-220. doi: 10.1002/jez.b.22571.
  7. Benkovskaya G. Opportunities and limitations of changes in lifespan in laboratory experiment. Advan ces in Gerontology. 2011;1(3):255-259. doi: 10.1134/s2079057011030039.
  8. Беньковская Г.В., Никоноров Ю.М. Ассортативность спаривания и поддержание внутрипопуляционного полиморфизма в природных популяциях и лабораторных культурах насекомых // Журнал общей биологии. – 2015. – Т. 76. – № 6. – С. 421–428. [Ben’kovskaya GV Nikonorov YuM. Аssortativnost’ sparivaniya i podderzhanie vnutripopulyatsionnogo polimorfizma v prirodnykh populyatsiyakh i laboratornykh kul’turakh nasekomykh. Zhurnal obshhej biologii. 2015;76(6):421-428. (In Russ.)]
  9. Маркина Т.Ю., Беньковская Г.В. Механизмы поддержания гомеостаза в лабораторных популяциях насекомых // Экология. – 2015. – № 4. – С. 294–299. [Markina TY, Benkovskaya GV. Mechanisms of homeostasis maintenance in laboratory populations of insects. Russian Journal of Ecology. 2015;46(4):365-9. (In Russ).]. doi: 10.1134/s1067413615040128.
  10. Rohlf FJ, Slice D. Extension of the Procrustes method for the optimal superimposition of landmarks. Syst Zoo logy. 1990;39(1):40-59. doi: 10.2307/2992207.
  11. Quenouille M. Approximate tests of correlation in time series. Journal of the Royal Statistical Society B. 1949;11:18-44.
  12. Zelditch ML, Swiderski DL, Sheets HD, et al. Geometric morphometrics for biologists: a primer. Elsevier: Acad. Press; 2004. 443 p.
  13. Klingenberg CP. MorphoJ: an integrated software package for geometric morphometrics. Mol Ecol Resour. 2011; 11:353-357. doi: 10.1111/j.1755-0998.2010.02924.x.
  14. Adams DC, Otárola-Castillo E. Geomorph: an R package for the collection and analysis of geometric morphometric shape data. Methods in Ecology and Evolution. 2013;4:393-399. doi: 10.1111/2041-210x.12035.
  15. Sheets HD, Zelditch ML. Studying ontogenetic trajectories using resampling methods and landmark data. Hystrix. The Italian Journal of Mammalogy. 2013;24(1):67-74.
  16. Васильев А.Г., Большаков В.Н., Васильева И.А., и др. Оценка эффектов неизбирательной элиминации в сообществе грызунов методами геометрической морфометрии // Экология. – 2016. – № 4. – С. 290–299. [Vasil’ev AG, Bol’shakov VN, Vasil’eva IA, et al. Assessment of nonselective elimination effects in rodent communities by methods of geometric morphometrics. Russian Journal of Eco logy [Internet]. 2016 Jul;47(4):383-91. (In Russ).]. doi: 10.1134/s1067413616040159.
  17. Rohlf FJ. TpsUtil, file utility program. version 1.60. Department of Ecology and Evolution, State University of New York at Stony Brook; 2013a (program).
  18. Rohlf FJ. TpsDig2, digitize landmarks and outlines, version 2.17. Department of Ecology and Evolution, State University of New York at Stony Brook; 2013b (program).
  19. Hammer Ø, Harper DAT, Ryan PD. PAST: Paleontological Statistics Software Package for Education and Data Analysis. Palaeontologia Electronica. 2001;4(1):1-9.
  20. Mitteroecker P, Gunz P, Windhager S, Schaefer K. A brief review of shape, form, and allometry in geometric morphometrics, with applications to human facial morphology. Hystrix. The Italian Journal of Mammalogy. 2013;24(1):63-69. doi: 10.4404/hystrix-24.1-63-69.
  21. Anderson MJ. A new method for non-parametric multivariate analysis of variance. Australian Eco logy. 2001;26;32-46. doi: 10.1111/j.1442-9993.2001. 01070.pp.x.
  22. Дэвис Д.С. Статистический анализ данных в геологии. – Кн. 2. – М.: Недра, 1990. – 427 с. [Devis DS. Statisticheskii analiz dannykh v geologii. Vol. 2. Moscow: Nedra; 1990. 427 p. (In Russ.)]
  23. Hammer Ø. New methods for the statistical analysis of point alignments. Computers and Geosciences. 2009;35:659-666. doi: 10.1016/j.cageo.2008.03.012.
  24. Donnelly KP. Simulations to determine the variance and edge effect of total nearest neighbor distance. In: Simulation studies to archeology. Ed by I. Hodder. Cambridge: Cambridge Univ. Press; 1978. P. 91-95.
  25. Shapiro SS, Wilk MB. An analysis of variance test for normality (complete samples). Biometrika. 1965;52;591-611.
  26. Hedges LV, Olkin I. Statistical methods for Meta-Analysis. New York: Academic Press; 1985. 369 p.
  27. Cohen J. A power primer. Psychological Bulletin. 1992;112(1):155-159. doi: 10.1037/0033-2909.112. 1.155.
  28. Васильев А.Г., Васильева И.А. Гомологическая изменчивость морфологических структур и эпигенетическая дивергенция таксонов: основы популяционной мерономии. – М.: Тов-во науч. изд. КМК, 2009. – 511 с. [Vasil’ev AG, Vasil’eva IA. Gomologicheskaya izmenchivost’ morfologicheskikh struktur i epigeneticheskaya divergentsiya taksonov: osnovy populyatsionnoi meronomii. Moscow: Tov-vo nauch. izd. KMK; 2009. 511 p. (In Russ.)]
  29. West-Eberhard MJ. Phenotypic accommodation: Adaptive innovation due to developmental plasticity. J of Experimental Zool. (Mol Dev Evol). 2005;304B: 610-618. doi: 10.1002/jez.b.21071.
  30. Reed DH, Bryant EH. The evolution of senescence under curtailed life span in laboratory populations of Musca domestica (the housefly) J Hered. 2000;85(2):115-121. doi: 10.1046/j.1365-2540.2000.00737.x.
  31. Васильева Л.А., Юнакович Н., Ратнер В.А., Забанов С.А. Анализ изменений локализации МГЭ дрозофилы после селекции и температурного воздействия методом блот-гибридизации по Саузерну // Генетика. – 1995. – Т. 31. – № 3. – С. 333–341. [Vasil’eva LA, Yunakovich N, Ratner VA, Zabanov SA. Analiz izmenenii lokalizatsii MGE drozofily posle selektsii i temperaturnogo vozdeistviya metodom blot-gibridizatsii po Sauzernu. Genetika. 1995;31(3):333-41. (In Russ.)]
  32. Ратнер В.А., Васильева Л.А. Индукция транспозиций мобильных генетических элементов стрессовыми воздействиями // Соросовский образовательный журнал. – 2000. – Т. 6. – № 6. – С. 14–20. [Ratner VA, Vasil’eva LA. Induktsiya transpozitsii mobil’nykh geneticheskikh elementov stressovymi vozdeistviyami. Sorosovskii obrazovatel’nyi zhurnal. 2000;6(6):14-20. (In Russ.)]
  33. Антосюк О.Н. Нестабильность генома Drosophila melanogaster в условиях радиационного и химического стресса: Автореф. дис. … канд. биол. наук. – Екатеринбург, 2016. – 25 с. [Antosiuk ON. Nestabilnost genoma Drosophila melanogaster v uslovyiah radiazionnogo i khimicheskogo stressa. [dissertation] Ekaterinburg; 2016. 25 p. (In Russ.)]
  34. Никоноров Ю.М., Беньковская Г.В. Механизмы поддержания полиморфизма по продолжительности жизни в лабораторных линиях комнатной мухи // Успехи геронтологии. – 2013. – Т. 26. – № 4. – С. 594–600. [Nikonorov YM, Benkovskaya GV. The mechanisms of lifespan polymorphism maintenance in the house fly laboratory strain. Advances in Gerontology [Internet]. Pleiades Publi shing Ltd; 2014;4(3):163-8. (In Russ.)]. doi: 10.1134/s2079057014030059.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема расстановки меток-ландмарок (1–17) на крыле комнатной мухи

Скачать (72KB)
Метаданные
3. Рис. 2. Результаты канонического анализа прокрустовых координат, характеризующих изменчивость формы крыла, самцов (1, 3) и самок (2, 4) линий Sh gen (1, 2) и L gen (3, 4) комнатной мухи. Контурные изображения деформаций крыла — аутлайны (outlines) соответствуют минимальным и максимальным значениям вдоль канонических переменных. Эллипсоиды включают 95 % дисперсии выборок

Скачать (55KB)
Метаданные
4. Рис. 3. Результаты кластерного анализа (UPGMA) матрицы обобщенных расстояний Махаланобиса (D2) между группами самцов и самок линий Sh gen и L gen комнатной мухи

Скачать (16KB)
Метаданные

© Ахметкиреева Т.Т., Беньковская Г.В., Васильев А.Г., 2018

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».