Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers

Comparative studies of eight methods for evaluation of genetic differences by microsatellite (STR) markers (11 loci) DNA were carried out using the example of seven breed samples (N = 84) of dairy cattle. The range of indicators of genetic diversity of samples was as follows: the number of alleles p...

Full description

Bibliographic Details
Published in:Complutum
Main Authors: V. Kuznetsov M., В. Кузнецов М.
Format: Article in Journal/Newspaper
Language:Russian
Published: FARC North-East 2020
Subjects:
Online Access:https://www.agronauka-sv.ru/jour/article/view/521
https://doi.org/10.30766/2072-9081.2020.21.2.169-182
id ftjasene:oai:oai.agronauka.elpub.ru:article/521
record_format openpolar
institution Open Polar
collection Agricultural Science Euro-North-East (E-Journal)
op_collection_id ftjasene
language Russian
topic microsatellites
diversity
genetic differentiation
genetic distance
principal сoordinate analysis
animal breeding
микросателлиты
разнообразие
генная дифференциация
генетическая дистанция
анализ главных координат
животноводство
spellingShingle microsatellites
diversity
genetic differentiation
genetic distance
principal сoordinate analysis
animal breeding
микросателлиты
разнообразие
генная дифференциация
генетическая дистанция
анализ главных координат
животноводство
V. Kuznetsov M.
В. Кузнецов М.
Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
topic_facet microsatellites
diversity
genetic differentiation
genetic distance
principal сoordinate analysis
animal breeding
микросателлиты
разнообразие
генная дифференциация
генетическая дистанция
анализ главных координат
животноводство
description Comparative studies of eight methods for evaluation of genetic differences by microsatellite (STR) markers (11 loci) DNA were carried out using the example of seven breed samples (N = 84) of dairy cattle. The range of indicators of genetic diversity of samples was as follows: the number of alleles per locus 3.5-6.2, the number of effective alleles per locus – 2.4-4.3, the Shannon index – 0.95-1.56, the observed and expected heterozygosity – 0.56-0.97 and 0.53-0.75. Evaluation summary of genetic differentiation by group A methods (FST, GST, and GST(NEI)) were 13.4, 10.3, and 11.8% (pperm < 0.001); the differences between the estimates were statistically insignificant. Estimates by group B methods (G'ST(HED), G''ST(HED), DEST) were 36.4, 37.5 and 29.2% (pperm < 0.001); differences between the estimates were also statistically insignificant. Estimates obtained by group B methods were statistically significantly higher than those obtained by group A methods by almost 3 times. Methods of groups A, B, and C (GDN and uGDN) were used to calculate paired genetic distances in the samples. Despite significant dif-ferences in estimates, the Mantel test showed a high degree of correspondence of the genetic distance matrices (RM≥0.97; pperm < 0.001), which was manifested in the projections of genetic relations of breed samples on plane 1 and 2 of the principal coordinates. The first two principal coordinates explained 97-99% of STR variation in the genetic distance matrices. It can be assumed that when assessing the actual differentiation of populations by STR-markers, the methods of group B should be used and among them the statistics of DEST as independent of the level of mean within-subpopulation heterozygosity. In the study of spatial ordination of gene pools of populations, in all probability, it is reasonably to use any method. Проведены сравнительные исследования восьми методов оценки генетической дифференциации по микро-сателлитным (STR) маркерам (11 локусов) ДНК на примере семи породных выборок (N = 84) молочного скота. Диапазон показателей генетического разнообразия выборок был: числа аллелей на локус – 3,5-6,2, числа эффективных аллелей на локус – 2,4-4,3, индекса Шеннона – 0,95-1,56, наблюдаемой и ожидаемой гетерозиготности – 0,56-0,97 и 0,53-0,75. Сводные оценки генетической дифференциации методами группы А (FST, GST и GST(NEI)) составили 13,4, 10,3 и 11,8 % (pperm < 0,001); различия между оценками были статистически незначимыми. Оценки методами группы В (G'ST(HED), G''ST(HED), DEST) составили 36,4, 37,5 и 29,2 % (pperm < 0,001); различия между оценками также были статистически незначимыми. Оценки, полученные методами группы В, статистически значимо превышали оценки методами группы А почти в 3 раза. Методами групп А, В и С (GDN и uGDN) были рассчитаны парные по выборкам генетические дистанции. Несмотря на значительные различия в оценках, тест Мантеля показал высокую степень соответствия матриц генетических дистанций (RM ≥ 0,97; pperm < 0,001), которая про-явилась в проекциях генетических отношений породных выборок на плоскости 1 и 2 главных координат. В совокупности две первые главные координаты объясняли 97-99 % STR-изменчивости в матрицах генетических дистанций. Можно полагать, что при оценке текущей дифференциации популяций по STR-маркерам следует использовать методы группы В. Из них – DEST-статистику, как не зависящую от уровня внутрипопуляционной гетерозиготности. При исследовании пространственной ординации генофондов популяций, по всей вероятности, правомерно использовать любой метод.
format Article in Journal/Newspaper
author V. Kuznetsov M.
В. Кузнецов М.
author_facet V. Kuznetsov M.
В. Кузнецов М.
author_sort V. Kuznetsov M.
title Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
title_short Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
title_full Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
title_fullStr Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
title_full_unstemmed Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
title_sort comparison of methods for evaluating genetic differentiation of populations by microsatellite markers
publisher FARC North-East
publishDate 2020
url https://www.agronauka-sv.ru/jour/article/view/521
https://doi.org/10.30766/2072-9081.2020.21.2.169-182
genre Rangifer
genre_facet Rangifer
op_source Agricultural Science Euro-North-East; Том 21, № 2 (2020); 169-182
Аграрная наука Евро-Северо-Востока; Том 21, № 2 (2020); 169-182
2500-1396
2072-9081
op_relation https://www.agronauka-sv.ru/jour/article/view/521/382
Галинская Т. В., Щепетов Д. М., Лысенков С. Н. Предубеждения о микросателлитных исследованиях и как им противостоять. Генетика. 2019;55(6):1-16. DOI: https://doi.org/10.1134/S0016675819060043
Зиновьева Н. А., Сермягин А. А., Доцев А. В., Боронецкая О. И., Петрикеева Л. В., Абдельманова А. С., Brem G. Генетические ресурсы животных: развитие исследований аллелофонда российских пород крупного рогатого скота – Миниобзор. Сельскохозяйственная биология. 2019;54(4):631-641. DOI: https://doi.org/10.15389/agrobiology.2019.4.631rus
Карафет Т. М., Зегура С. Л., Хаммер М.Ф. Историческое освоение человеком новых территорий: роль древних популяций Азии в заселении Америки. Информационный вестник ВОГиС. 2006;10(1):7-23. Режим доступа: https://elibrary.ru/item.asp?id=9573134
Kalinowski S. T. Evolutionary and statistical properties of three genetic distances. Molec. Ecol. 2002;11(8):1263-1273. DOI: https://doi.org/10.1046/j.1365-294X.2002.01520.x
Wright S. The genetical structure of populations. Annals of Eugenics. 1951;15(4):323-354. DOI: https://doi.org/10.1111/j.1469-1809.1949.tb02451.x
Nei M. Genetic distance between populations. Amer. Natur. 1972;106(949):283-292. URL: https://www.jstor.org/stable/2459777
Кузнецов В. М. F-статистики Райта: оценка и интерпретация. Проблемы биологии продуктивных животных. 2014;4:80-104. Режим доступа: https://elibrary.ru/item.asp?id=22833217
Nei M., Chesser R. K. Estimation of fixation indexes and gene diversities. Ann. Hum. Genet. 1983;47(3):253-259. DOI: https://doi.org/10.1111/j.1469-1809.1983.tb00993.x
Nei M. Definition and estimation of fixation indices. Evolution. 1986;40(3):643-645. DOI: https://doi.org/10.1111/j.1558-5646.1986.tb00516.x
Hedrick P. W. Perspective: Highly variable loci and their interpretation in evolution and conservation. Evolution. 1999;53(2):313-318. DOI: https://doi.org/10.1111/j.1558-5646.1999.tb03767.x
Hedrick P. W. A standardized genetic differentiation measure. Evolution. 2005;59(8):1633-1638. URL: https://www.jstor.org/stable/3449070
Jost L. GST and its relatives do not measure differentiation. Molec. Ecol. 2008;17(18):4015-4026. DOI: https://doi.org/10.1111/j.1365-294X.2008.03887.x
Nei M. Estimation of average heterozygosity and genetic distance from a small number of individuals. Genetics. 1978;89(3):583-590. URL: https://www.genetics.org/content/89/3/583
Heller R., Siegismund H. R. Relationship between three measures of genetic differentiation GST, DEST and G'ST: how wrong have we been? Molec. Ecol. 2009;18(10):2080-2083. DOI: https://doi.org/10.1111/j.1365-294x.2009.04185.x
Волкова В. В., Денискова Т. Е., Костюнина О. В., Амерханов Х. А., Добрынина Т. И., Зиновьева Н. А. Характеристика аллелофонда локальных пород крупного рогатого скота России по микросателлитным маркерам. Генетика и разведение животных. 2018;1:3-10. DOI: https://doi.org/10.31043/2410-2733-2018-1-3-10
Sermyagin A. A., Dotsev A. V., Gladyr E. A., Traspov A. A., Deniskova T. E., Kostyunina O. V., Reyer H., Wimmers K., Barbato M., Paronyan I. A., Plemyashov K. V., Sölkner J., Popov R. G., Brem G., Zinovieva N. A. Whole-genome SNP analysis elucidates the genetic structure of Russian cattle and its relationship with Eurasian taurine breeds. Genet. Sel. Evol. 2018;50(37):1-13. DOI: https://doi.org/10.1186/s12711-018-0408-8
Yurchenko A., Yudin N., Aitnazarov R., Plyusnina A., Brukhin V., Soloshenko V., Lhasaranov B., Popov R., Paronyan I. A., Plemyashov K. V., Larkin D. M. Genome-wide genotyping uncovers genetic profiles and history of the Russian cattle breeds. Heredity. 2018;120:125-137. DOI: https://doi.org/10.1038/s41437-017-0024-3
Юдин Н. С., Ларкин Д. М. Происхождение, селекция и адаптация российских пород крупного рогатого скота по данным полногеномных исследований. Вавиловский журнал генетики и селекции. 2019;23(5):559-568. DOI: https://doi.org/10.18699/VJ19.525
Волкова В. В., Романенкова О. С., Денискова Т. Е., Мишина А. И., Костюнина О. В., Зиновьева Н. А. Характеристика аллелофонда холмогорской породы крупного рогатого скота с использованием STR-маркеров. Молочное и мясное скотоводство. 2019;(7):3-7. Режим доступа: https://elibrary.ru/item.asp?id=41852279
Deniskova T. E., Dotsev A. V., Selionova M. I., Kunz E., Medugorac I., Reyer H., Wimmers K., Barbato M., Traspov A. A., Brem G., Zinovieva N. A. Population structure and genetic diversity of 25 Russian sheep breeds based on whole-genome genotyping. Genet. Sel. Evol. 2018;50(29). DOI: https://doi.org/10.1186/s12711-018-0399-5
Денискова Т. Е., Костюнина О. В., Соловьева А. Д., Зиновьева Н. А. Изучение генетического разнообразия и дифференциации региональных популяций романовских овец по микросателлитным маркерам. Аграрная наука Евро-Северо-Востока. 2018;64(3):75-80. DOI: https://doi.org/10.30766/2072-9081.2018.64.3.75-80
Khrabrova L. A., Blohina N. V., Suleymanov O. I., Rozhdestvenskaya G. A., Pustovoy V. F. Assessment of line differentiation in the Thoroughbred horse breed using DNA microsatellite loci. Вавиловский журнал генетики и селекции. 2019;23(5):569-574. DOI: https://doi.org/10.18699/VJ19.526
Харзинова В. Р., Костюнина О. В., Карпушкина Т. В., Быкова О. А., Зиновьева Н. А. Изучение популяционной структуры и генетического разнообразия свиней породы венгерская мангалица на основе анализа микросателлитов. Аграрный вестник Урала. 2019;7(186):77-81. DOI: https://doi.org/10.32417/article_ 5d52b081b3e348.43320197
Kharzinova V. R., Dotsev A. V., Deniskova T. E., Solovieva A. D., Fedorov V. I., Layshev K. A., Romanenko T. M., Okhlopkov I. M., Wimmers K., Reyer H., Brem G., Zinovieva N. A. Genetic diversity and popu-lation structure of domestic and wild reindeer (Rangifer tarandus L. 1758): A novel approach using BovineHD BeadChip. PLoS ONE. 2018. DOI: https://doi.org/10.1371/journal.pone.0207944
Форнара М. С., Крамаренко А. С., Шаров М. А., Зиновьева Н. А. Исследование аллелофонда и генетической дифференциации дальневосточных пчел. Достижения науки и техники АПК. 2016;30(10):101-104. Режим доступа: https://elibrary.ru/item.asp?id=27175140
Peakall R., Smouse P.E. GENALEX 6: genetic analysis in Excel. Population genetic software for teaching and research. Molec. Ecol. 2006;6(1):288-295. DOI: https://doi.org/10.1111/j.1471-8286.2005.01155.x
Peakall R., Smouse P. GenAlEx Tutorial 1: Introduction to population genetic analysis. Australian National University. 2012. 57 p. URL: https://mafiadoc.com/genalex-tutorial-1-introduction-to-population-genetic-_597ef8441723dd6ae3e07272.html
Peakall R., Smouse P .E. GenAlEx 6.5: genetic analysis in Excel. Population genetic software for teaching and research – an update. Bioinformatics. 2012b;28(19):2537-2539. DOI: https://doi.org/10.1093/bioinformatics/bts460
Кузнецов В. М. Снижает ли кроссбридинг генетическое разнообразие? или Разведение и сохранение пород молочного скота в России. Киров: НИИСХ Северо-Востока, 2017. 104 с. Режим доступа: http://vm-kuznetsov.ru/files/book/Pap2017_he.pdf
Денискова Т. Е., Сермягин А. А., Багиров В. А., Охлопков И. М., Гладырь Е. А., Иванов Р. В., Брем Г., Зиновьева Н. А. Сравнительное исследование информативности STR и SNP маркеров для внутривидовой и межвидовой дифференциации рода Ovis. Генетика. 2016;52(1): 90-96. DOI: https://doi.org/10.7868/S0016675816010021
Hartl D. L., Clark A. G. Principles of Population Genetics. Third Edition. Sunderland, Massachusetts: Sinauer Associates, Inc., 1997. 542 p. URL: https://archive.org/details/B-001-001-062/page/n13
Meirmans P. G. Using the AMOVA framework to estimate a standardized genetic differentiation measure. Evolution. 2006;60(11):2399-2402. DOI: https://doi.org/10.1111/j.0014-3820.2006.tb01874.x
Кузнецов А. В., Тулинова О. В. Характеристика породных компонент айрширского стада ПАО «ПЗ им. В.И.Чапаева» Краснодарского края. Генетика и разведение животных. 2019;2:24-29. DOI: https://doi.org/10.31043/2410-2733-2019-2-24-29
Gautier M., Laloë D., Moazami-Goudarzi K. Insights into the Genetic History of French Cattle from Dense SNP Data on 47 Worldwide Breeds. PLoS ONE. 2010;5(9): e13038. DOI: https://doi.org/10.1371/journal.pone.0013038
Плёмб Ч. Типы и породы сельскохозяйственныхъ животныхъ. С.-Петербургъ, 1913. 560 c.
Ружевский А. Б., Рубан Ю. Д., Бердник П. П. Породы крупного рогатого скота. М.: «Колос»; 1980. 246 с.
https://www.agronauka-sv.ru/jour/article/view/521
doi:10.30766/2072-9081.2020.21.2.169-182
op_rights Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим:Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договорённости, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
op_rightsnorm CC-BY
op_doi https://doi.org/10.30766/2072-9081.2020.21.2.169-182
https://doi.org/10.1134/S0016675819060043
https://doi.org/10.15389/agrobiology.2019.4.631rus
https://doi.org/10.1046/j.1365-294X.2002.01520.x
https://doi.org/10.1111/j.1469-1809.1949.tb02451.x ;
container_title Complutum
container_volume 29
container_issue 2
container_start_page 407
op_container_end_page 426
_version_ 1766175345516478464
spelling ftjasene:oai:oai.agronauka.elpub.ru:article/521 2023-05-15T18:04:05+02:00 Comparison of methods for evaluating genetic differentiation of populations by microsatellite markers Сравнение методов оценки генетической дифференциации популяций по микросателлитным маркерам V. Kuznetsov M. В. Кузнецов М. 2020-04-22 application/pdf https://www.agronauka-sv.ru/jour/article/view/521 https://doi.org/10.30766/2072-9081.2020.21.2.169-182 rus rus FARC North-East https://www.agronauka-sv.ru/jour/article/view/521/382 Галинская Т. В., Щепетов Д. М., Лысенков С. Н. Предубеждения о микросателлитных исследованиях и как им противостоять. Генетика. 2019;55(6):1-16. DOI: https://doi.org/10.1134/S0016675819060043 Зиновьева Н. А., Сермягин А. А., Доцев А. В., Боронецкая О. И., Петрикеева Л. В., Абдельманова А. С., Brem G. Генетические ресурсы животных: развитие исследований аллелофонда российских пород крупного рогатого скота – Миниобзор. Сельскохозяйственная биология. 2019;54(4):631-641. DOI: https://doi.org/10.15389/agrobiology.2019.4.631rus Карафет Т. М., Зегура С. Л., Хаммер М.Ф. Историческое освоение человеком новых территорий: роль древних популяций Азии в заселении Америки. Информационный вестник ВОГиС. 2006;10(1):7-23. Режим доступа: https://elibrary.ru/item.asp?id=9573134 Kalinowski S. T. Evolutionary and statistical properties of three genetic distances. Molec. Ecol. 2002;11(8):1263-1273. DOI: https://doi.org/10.1046/j.1365-294X.2002.01520.x Wright S. The genetical structure of populations. Annals of Eugenics. 1951;15(4):323-354. DOI: https://doi.org/10.1111/j.1469-1809.1949.tb02451.x Nei M. Genetic distance between populations. Amer. Natur. 1972;106(949):283-292. URL: https://www.jstor.org/stable/2459777 Кузнецов В. М. F-статистики Райта: оценка и интерпретация. Проблемы биологии продуктивных животных. 2014;4:80-104. Режим доступа: https://elibrary.ru/item.asp?id=22833217 Nei M., Chesser R. K. Estimation of fixation indexes and gene diversities. Ann. Hum. Genet. 1983;47(3):253-259. DOI: https://doi.org/10.1111/j.1469-1809.1983.tb00993.x Nei M. Definition and estimation of fixation indices. Evolution. 1986;40(3):643-645. DOI: https://doi.org/10.1111/j.1558-5646.1986.tb00516.x Hedrick P. W. Perspective: Highly variable loci and their interpretation in evolution and conservation. Evolution. 1999;53(2):313-318. DOI: https://doi.org/10.1111/j.1558-5646.1999.tb03767.x Hedrick P. W. A standardized genetic differentiation measure. Evolution. 2005;59(8):1633-1638. URL: https://www.jstor.org/stable/3449070 Jost L. GST and its relatives do not measure differentiation. Molec. Ecol. 2008;17(18):4015-4026. DOI: https://doi.org/10.1111/j.1365-294X.2008.03887.x Nei M. Estimation of average heterozygosity and genetic distance from a small number of individuals. Genetics. 1978;89(3):583-590. URL: https://www.genetics.org/content/89/3/583 Heller R., Siegismund H. R. Relationship between three measures of genetic differentiation GST, DEST and G'ST: how wrong have we been? Molec. Ecol. 2009;18(10):2080-2083. DOI: https://doi.org/10.1111/j.1365-294x.2009.04185.x Волкова В. В., Денискова Т. Е., Костюнина О. В., Амерханов Х. А., Добрынина Т. И., Зиновьева Н. А. Характеристика аллелофонда локальных пород крупного рогатого скота России по микросателлитным маркерам. Генетика и разведение животных. 2018;1:3-10. DOI: https://doi.org/10.31043/2410-2733-2018-1-3-10 Sermyagin A. A., Dotsev A. V., Gladyr E. A., Traspov A. A., Deniskova T. E., Kostyunina O. V., Reyer H., Wimmers K., Barbato M., Paronyan I. A., Plemyashov K. V., Sölkner J., Popov R. G., Brem G., Zinovieva N. A. Whole-genome SNP analysis elucidates the genetic structure of Russian cattle and its relationship with Eurasian taurine breeds. Genet. Sel. Evol. 2018;50(37):1-13. DOI: https://doi.org/10.1186/s12711-018-0408-8 Yurchenko A., Yudin N., Aitnazarov R., Plyusnina A., Brukhin V., Soloshenko V., Lhasaranov B., Popov R., Paronyan I. A., Plemyashov K. V., Larkin D. M. Genome-wide genotyping uncovers genetic profiles and history of the Russian cattle breeds. Heredity. 2018;120:125-137. DOI: https://doi.org/10.1038/s41437-017-0024-3 Юдин Н. С., Ларкин Д. М. Происхождение, селекция и адаптация российских пород крупного рогатого скота по данным полногеномных исследований. Вавиловский журнал генетики и селекции. 2019;23(5):559-568. DOI: https://doi.org/10.18699/VJ19.525 Волкова В. В., Романенкова О. С., Денискова Т. Е., Мишина А. И., Костюнина О. В., Зиновьева Н. А. Характеристика аллелофонда холмогорской породы крупного рогатого скота с использованием STR-маркеров. Молочное и мясное скотоводство. 2019;(7):3-7. Режим доступа: https://elibrary.ru/item.asp?id=41852279 Deniskova T. E., Dotsev A. V., Selionova M. I., Kunz E., Medugorac I., Reyer H., Wimmers K., Barbato M., Traspov A. A., Brem G., Zinovieva N. A. Population structure and genetic diversity of 25 Russian sheep breeds based on whole-genome genotyping. Genet. Sel. Evol. 2018;50(29). DOI: https://doi.org/10.1186/s12711-018-0399-5 Денискова Т. Е., Костюнина О. В., Соловьева А. Д., Зиновьева Н. А. Изучение генетического разнообразия и дифференциации региональных популяций романовских овец по микросателлитным маркерам. Аграрная наука Евро-Северо-Востока. 2018;64(3):75-80. DOI: https://doi.org/10.30766/2072-9081.2018.64.3.75-80 Khrabrova L. A., Blohina N. V., Suleymanov O. I., Rozhdestvenskaya G. A., Pustovoy V. F. Assessment of line differentiation in the Thoroughbred horse breed using DNA microsatellite loci. Вавиловский журнал генетики и селекции. 2019;23(5):569-574. DOI: https://doi.org/10.18699/VJ19.526 Харзинова В. Р., Костюнина О. В., Карпушкина Т. В., Быкова О. А., Зиновьева Н. А. Изучение популяционной структуры и генетического разнообразия свиней породы венгерская мангалица на основе анализа микросателлитов. Аграрный вестник Урала. 2019;7(186):77-81. DOI: https://doi.org/10.32417/article_ 5d52b081b3e348.43320197 Kharzinova V. R., Dotsev A. V., Deniskova T. E., Solovieva A. D., Fedorov V. I., Layshev K. A., Romanenko T. M., Okhlopkov I. M., Wimmers K., Reyer H., Brem G., Zinovieva N. A. Genetic diversity and popu-lation structure of domestic and wild reindeer (Rangifer tarandus L. 1758): A novel approach using BovineHD BeadChip. PLoS ONE. 2018. DOI: https://doi.org/10.1371/journal.pone.0207944 Форнара М. С., Крамаренко А. С., Шаров М. А., Зиновьева Н. А. Исследование аллелофонда и генетической дифференциации дальневосточных пчел. Достижения науки и техники АПК. 2016;30(10):101-104. Режим доступа: https://elibrary.ru/item.asp?id=27175140 Peakall R., Smouse P.E. GENALEX 6: genetic analysis in Excel. Population genetic software for teaching and research. Molec. Ecol. 2006;6(1):288-295. DOI: https://doi.org/10.1111/j.1471-8286.2005.01155.x Peakall R., Smouse P. GenAlEx Tutorial 1: Introduction to population genetic analysis. Australian National University. 2012. 57 p. URL: https://mafiadoc.com/genalex-tutorial-1-introduction-to-population-genetic-_597ef8441723dd6ae3e07272.html Peakall R., Smouse P .E. GenAlEx 6.5: genetic analysis in Excel. Population genetic software for teaching and research – an update. Bioinformatics. 2012b;28(19):2537-2539. DOI: https://doi.org/10.1093/bioinformatics/bts460 Кузнецов В. М. Снижает ли кроссбридинг генетическое разнообразие? или Разведение и сохранение пород молочного скота в России. Киров: НИИСХ Северо-Востока, 2017. 104 с. Режим доступа: http://vm-kuznetsov.ru/files/book/Pap2017_he.pdf Денискова Т. Е., Сермягин А. А., Багиров В. А., Охлопков И. М., Гладырь Е. А., Иванов Р. В., Брем Г., Зиновьева Н. А. Сравнительное исследование информативности STR и SNP маркеров для внутривидовой и межвидовой дифференциации рода Ovis. Генетика. 2016;52(1): 90-96. DOI: https://doi.org/10.7868/S0016675816010021 Hartl D. L., Clark A. G. Principles of Population Genetics. Third Edition. Sunderland, Massachusetts: Sinauer Associates, Inc., 1997. 542 p. URL: https://archive.org/details/B-001-001-062/page/n13 Meirmans P. G. Using the AMOVA framework to estimate a standardized genetic differentiation measure. Evolution. 2006;60(11):2399-2402. DOI: https://doi.org/10.1111/j.0014-3820.2006.tb01874.x Кузнецов А. В., Тулинова О. В. Характеристика породных компонент айрширского стада ПАО «ПЗ им. В.И.Чапаева» Краснодарского края. Генетика и разведение животных. 2019;2:24-29. DOI: https://doi.org/10.31043/2410-2733-2019-2-24-29 Gautier M., Laloë D., Moazami-Goudarzi K. Insights into the Genetic History of French Cattle from Dense SNP Data on 47 Worldwide Breeds. PLoS ONE. 2010;5(9): e13038. DOI: https://doi.org/10.1371/journal.pone.0013038 Плёмб Ч. Типы и породы сельскохозяйственныхъ животныхъ. С.-Петербургъ, 1913. 560 c. Ружевский А. Б., Рубан Ю. Д., Бердник П. П. Породы крупного рогатого скота. М.: «Колос»; 1980. 246 с. https://www.agronauka-sv.ru/jour/article/view/521 doi:10.30766/2072-9081.2020.21.2.169-182 Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access). Авторы, публикующие в данном журнале, соглашаются со следующим:Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договорённости, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access). CC-BY Agricultural Science Euro-North-East; Том 21, № 2 (2020); 169-182 Аграрная наука Евро-Северо-Востока; Том 21, № 2 (2020); 169-182 2500-1396 2072-9081 microsatellites diversity genetic differentiation genetic distance principal сoordinate analysis animal breeding микросателлиты разнообразие генная дифференциация генетическая дистанция анализ главных координат животноводство info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion 2020 ftjasene https://doi.org/10.30766/2072-9081.2020.21.2.169-182 https://doi.org/10.1134/S0016675819060043 https://doi.org/10.15389/agrobiology.2019.4.631rus https://doi.org/10.1046/j.1365-294X.2002.01520.x https://doi.org/10.1111/j.1469-1809.1949.tb02451.x ; 2021-06-06T09:43:30Z Comparative studies of eight methods for evaluation of genetic differences by microsatellite (STR) markers (11 loci) DNA were carried out using the example of seven breed samples (N = 84) of dairy cattle. The range of indicators of genetic diversity of samples was as follows: the number of alleles per locus 3.5-6.2, the number of effective alleles per locus – 2.4-4.3, the Shannon index – 0.95-1.56, the observed and expected heterozygosity – 0.56-0.97 and 0.53-0.75. Evaluation summary of genetic differentiation by group A methods (FST, GST, and GST(NEI)) were 13.4, 10.3, and 11.8% (pperm < 0.001); the differences between the estimates were statistically insignificant. Estimates by group B methods (G'ST(HED), G''ST(HED), DEST) were 36.4, 37.5 and 29.2% (pperm < 0.001); differences between the estimates were also statistically insignificant. Estimates obtained by group B methods were statistically significantly higher than those obtained by group A methods by almost 3 times. Methods of groups A, B, and C (GDN and uGDN) were used to calculate paired genetic distances in the samples. Despite significant dif-ferences in estimates, the Mantel test showed a high degree of correspondence of the genetic distance matrices (RM≥0.97; pperm < 0.001), which was manifested in the projections of genetic relations of breed samples on plane 1 and 2 of the principal coordinates. The first two principal coordinates explained 97-99% of STR variation in the genetic distance matrices. It can be assumed that when assessing the actual differentiation of populations by STR-markers, the methods of group B should be used and among them the statistics of DEST as independent of the level of mean within-subpopulation heterozygosity. In the study of spatial ordination of gene pools of populations, in all probability, it is reasonably to use any method. Проведены сравнительные исследования восьми методов оценки генетической дифференциации по микро-сателлитным (STR) маркерам (11 локусов) ДНК на примере семи породных выборок (N = 84) молочного скота. Диапазон показателей генетического разнообразия выборок был: числа аллелей на локус – 3,5-6,2, числа эффективных аллелей на локус – 2,4-4,3, индекса Шеннона – 0,95-1,56, наблюдаемой и ожидаемой гетерозиготности – 0,56-0,97 и 0,53-0,75. Сводные оценки генетической дифференциации методами группы А (FST, GST и GST(NEI)) составили 13,4, 10,3 и 11,8 % (pperm < 0,001); различия между оценками были статистически незначимыми. Оценки методами группы В (G'ST(HED), G''ST(HED), DEST) составили 36,4, 37,5 и 29,2 % (pperm < 0,001); различия между оценками также были статистически незначимыми. Оценки, полученные методами группы В, статистически значимо превышали оценки методами группы А почти в 3 раза. Методами групп А, В и С (GDN и uGDN) были рассчитаны парные по выборкам генетические дистанции. Несмотря на значительные различия в оценках, тест Мантеля показал высокую степень соответствия матриц генетических дистанций (RM ≥ 0,97; pperm < 0,001), которая про-явилась в проекциях генетических отношений породных выборок на плоскости 1 и 2 главных координат. В совокупности две первые главные координаты объясняли 97-99 % STR-изменчивости в матрицах генетических дистанций. Можно полагать, что при оценке текущей дифференциации популяций по STR-маркерам следует использовать методы группы В. Из них – DEST-статистику, как не зависящую от уровня внутрипопуляционной гетерозиготности. При исследовании пространственной ординации генофондов популяций, по всей вероятности, правомерно использовать любой метод. Article in Journal/Newspaper Rangifer Agricultural Science Euro-North-East (E-Journal) Complutum 29 2 407 426