Генетическое маркирование признаков продуктивности мясного скота на основе полногеномного snp-типирования тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Белая Елена Валентиновна

• Белая Елена Валентиновна
• доктор наук
• 2023

Оглавление диссертации доктор наук Белая Елена Валентиновна

ВВЕДЕНИЕ

1 ОБЗОР ЛИТЕРАТУРЫ

1.1 Геномная селекция на текущем этапе развития науки аграрного

сектора

1.2. Геномная оценка и прогноз продуктивности животных

1.2.1 Применение ДНК-чипов для геномной оценки продуктивности сельскохозяйственных животных

1.2.2 Полногеномный поиск ассоциаций

1.2.3 Модели прогнозирования продуктивных качеств

1.3 Однонуклеотидные замены, как геномный инструмент управления количественными признаками

1.3.1 Генные сети и их значение для геномных исследований

1.3.2 Недостающая наследуемость и SNP некодирующих областей

1.3.3 Распределение сигналов GWAS по геному

1.3.4 Расширенная модель для сложных признаков

1.3.5 Плейотропный эффект QTL-ассоциированных SNP

1.3.6 Эволюционное изменение сложных признаков с участием SNP

1.4 QTL-ассоциированные SNP крупного рогатого скота, установленные с помощью GWAS

1.5 Характеристика казахской белоголовой и аулиекольской пород

крупного рогатого скота

1.6 Заключение по обзору литературы

2 МАТЕРИАЛЫ И МЕТОДЫ

2.1 Характеристика экспериментальных животных

2.2 Полногеномный поиск ассоциаций

2.3 Определение общих и породоспецифичных участков генома у казахской белоголовой и аулиекольской пород

2.4 Анализ генетической структуры исследуемых выборок

2.5 Количественная оценка фенотипических эффектов генотипов SNP, ассоциированных с признаками продуктивности

2.6 Оценка динамики живой массы и интенсивности роста аулиекольской и казахской белоголовой пород

2.7 Расчеты экономической эффективности разведения животных с предпочтительными и нежелательными генотипами

3 РЕЗУЛЬТАТЫ СОБСТВЕННЫХ ИССЛЕДОВАНИЙ

3.1 Полногеномный поиск ассоциаций у казахского белоголового и

аулиекольского скота

3.1.1 Характеристика данных полученных с помощью однолокусной линейной модели анализа ассоциаций и оценка минимальной значимости полиморфных сайтов

3.1.2 Полногеномный поиск и характеристика QTL-ассоциированных SNP

3.1.2.1 QTL-ассоциированные SNP казахской белоголовой породы

3.1.2.2 QTL-ассоциированные SNP аулиекольской породы

3.1.2.3 Общепородные QTL-ассоциированные SNP

3.2 Картирование общих и породоспецифичных участков генома

3.3 Геномное распределение QTL-ассоциированных БМР

3.3.1 Распределение QTL-ассоциированных БМР по геному

3.3.2 Распределение QTL-ассоциированных БМР по общим и породоспецифичным областям генома

3.4 Генная архитектура признаков мясной продуктивности у крупного рогатого скота казахской белоголовой и аулиекольской пород

3.4.1 Генная архитектура живой массы при рождении

3.4.2 Генная архитектура живой массы в 6 месяцев

3.4.3 Генная архитектура живой массы в 12 месяцев

3.4.4 Генная архитектура среднесуточного прироста

3.5 Генетическая структура популяций казахской белоголовой и аулиекольских пород по Б^Р ассоциированным с живой массой при рождений, в 6, 12 месяцев и со среднесуточным приростом

3.5.1 Генетическая структура популяции казахского белоголового скота

3.5.2 Генетическая структура популяции аулиекольского скота

3.6 Количественная оценка фенотипических эффектов генотипов Р^-ассоциированных БМР

3.6.1 Модель количественной оценки фенотипических эффектов полиморфных вариантов генов-кандидатов относительно продуктивности общей выборки на примере генов соматотропинового каскада

3.6.2 Количественная оценка индивидуальных фенотипических эффектов генотипов Р^-ассоциированных Б^Р

3.6.3 Количественная оценка комбинированных фенотипических эффектов Р^-ассоциированных БМР

3.6.3.1 Характеристика Р^-ассоциированных SNP допороговой значимости, ассоциированных с живой массой в 12 месяцев и среднесуточным приростом

3.6.3.2 Комбинированные фенотипические эффекты парных сочетаний генотипов Р^-ассоциированных SNP допороговой значимости на живую массу молодняка в 12 месяцев и среднесуточный прирост

3.7 Интенсивность роста и эффективность выращивания крупного рогатого скота с различными генотипами по Б^Р ассоциированным с признаками мясной продуктивности у молодняка пород казахской белоголовой и аулиекольской

3.7.1 Динамика живой массы и интенсивность роста крупного рогатого

скота с различными генотипами по Р^-ассоциированны Б^Р

3.7.2 Динамика живой массы и интенсивность роста крупного рогатого

скота с парными сочетаниями генотипов по Р^-ассоциированным Б^Р

3.8. Экономический эффект разведения и прогнозирование продуктивности крупного рогатого скота казахской белоголовой и аулиекольской и пород с учетом генетического профиля Р^-ассоциированных БМР

3.8.1 Экономический эффект разведения крупного рогатого скота с индивидуальными генотипами по Р^-ассоциированным БМР

3.8.2 Экономический эффект разведения крупного рогатого скота с

парными сочетаниями генотипов по QTL-ассоциированным SNP

3.8.3 Прогнозирование продуктивных качеств мясного скота по

генетическим профилям QTL-ассоциированных SNP

ЗАКЛЮЧЕНИЕ

Обсуждение результатов исследования

Выводы

Предложения производству

Перспективы дальнейшей разработки темы

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение А - Патент на полезную модель «Способ оценки генетического потенциала мясной продуктивности у крупного рогатого

скота казахской белоголовой породы»

Приложение Б - Акт внедрения в производство результатов научно-

исследовательских работ

Приложение В - Общепородные SNP, ассоциированные с живой массой

при рождении

Приложение Г - Общепородные SNP, ассоциированные с живой массой в

месяцев

Приложение Д - Общепородные SNP, ассоциированные с живой массой в

12 месяцев

Приложение Е - Общепородные SNP, ассоциированные со среднесуточным

приростом

Приложение Ж - Характеристика групп биологических процессов согласно

классификатору PANTHER pathway

Приложение И - Характеристика молекулярных функций (активностей)

белков согласно классификатору PANTHER pathway

Приложение К - Тест система для определения аллельного профиля телят казахской белоголовой породы по SNP rs137106352, rs109861235

rs110044335/SCAI, rs134498295/GBA3

Приложение Л - Тест система для определения аллельного профиля молодняка аулиекольской породы по SNP rs134908485,

rs 109866465/KCNMA1, rs110204857/SYT7, rs29014908

Введение диссертации (часть автореферата) на тему «Генетическое маркирование признаков продуктивности мясного скота на основе полногеномного snp-типирования»

ВВЕДЕНИЕ

Актуальность темы исследования. Повышение продуктивности животных, качества получаемой продукции должно основываться на генетических технологиях и методологии их использования. В связи с этим в последние годы возрастает актуальность исследований, направленных на разработку современных селекционных мероприятий при разведении крупного рогатого скота, и приемов применения технологий массовой ранней оценки и отбора животных с повышенным генетическим потенциалом продуктивности. Таким эффективным инструментом, основанном на информации об участках генома, ассоциированных с определенными количественными признаками, позволяющем сократить интервалы генераций и повысить эффективность направленного отбора, является геномная селекция (Племяшов К.В., 2014; Яковлев А.Ф., 2018).

С одной стороны, сегодня ученые-генетики и селекционеры обладают возможностью генопирования сельскохозяйственных животных по сотням тысяч и до нескольких миллионов нуклеотидов с помощью ДНК-чипов или полногеномного секвенирования, а также достаточно точно оценить фенотипические признаки продуктивности, что в совокупности позволяет с высокой точностью оценить генетический потенциал животных (Яковлев А.Ф., 2018). С другой стороны - сложность биоинформатической обработки данных и их дороговизна являются ограничивающим фактором для применения такой оценки в селекционных программах с небольшими по численности породами локального значения, которые, тем не менее, представляют определенный интерес для селекции, так как хорошо адаптированы к особенностям местного климата, инфекционного фона и условиям содержания, что и обусловило выбор для исследования казахской белоголовой аулиекольской пород (Каюмов Ф.Г. и др., 2004; Мирошников С.А., 2011; Горлов И.Ф. и др., 2014).

Всвязи с этим, для ранней оценки потенциала продуктивности крупного рогатого скота сохраняет актуальность разработка небольших диагностических панелей, включающих от нескольких единиц до нескольких десятков генетических маркеров целевого признака. Такие панели, будучи реализованы в виде наборов для реалтайм ПЦР, являются сравнительно не дорогими и доступными для массового применения в селекционных программах и достаточно информативными для принятия решения о генетическом потенциале продуктивности конкретных особей (Сулимова Г.Е., 2004).

Так как в формировании количественных признаков участвуют генные сети, включающие не один десяток генов, формирующих аддитивное действие на признак, то исследования, направленные на их выявление, являются важной теоретической и прикладной задачей генетики, так как позволяют приблизиться к пониманию генетической архитектуры таких признаков.

Степень разработанности темы исследования. Известно, что большая доля количественных признаков характеризуется полигенным характером фенотипического проявления, то есть контролируются многими генами и их аллельными вариациями. В таком случае, полиморфные варианты генов, ассоциированные с признаком, могут изменять интенсивность метаболизма и оказывать повышающий или понижающий эффект на селекционно-значимые признаки. Доказана высокая информативность однонуклеотидных полиморфизмов в геноме, т.е. молекулярно-генетических маркеров,

связанных с желательным сочетанием хозяйственно ценных признаков (Чижова Л.Н. и др., 2013; Зиновьева Н.А. и др., 2014; Булгаков А.В., 2017). Установлено, что величина фенотипического вклада отдельных полиморфных вариантов генов, отвечающих за количественные и качественные признаки у животных, обуславливает невысокую долю фенотипического проявления признака (Кузнецов В.М., 2012; Сермягин А.А. и др., 2016). На практике же некоторые однонуклеотидные замены составляют более 4 % генетической дисперсии и выше, что на малой выборке служит достаточной величиной прогноза даже для

низко наследуемых признаков (Goddard M.E. et al., 2009; Сермягин А.А. и др., 2016).

Благодаря появлению ДНК-чипов для крупного рогатого скота на 50 тыс. SNP и более высокой плотности, которые охватывают весь геном, идентификация значимых SNP, связанных с признаками продуктивности, привела к выявлению множества кандидатов на QTL для признаков туши у мясного скота (Meuwissen T.N. et al., 2001; Dekkers J.C.M. et al., 2002; Matukumalli L.K. et al., 2009). Создана обширная база данных QTL, которая доступна в базе данных QTL крупного рогатого скота (Hu Z.L. et al., 2019). Эти идентифицированные QTL и маркеры генов-кандидатов улучшили понимание генетических механизмов влияния полиморфных вариантов ДНК на признаки продуктивности у мясного скота. Однако фенотипические эффекты генетических маркеров могут отличаться у разных пород, и генетическая архитектура контроля признаков мясной продуктивности все еще остается в значительной степени неизвестной.

Цель и задачи исследования. Целью исследования явился поиск SNP ассоциированных с признаками мясной продуктивности у крупного рогатого скота аулиекольской и казахской белоголовой пород, их характеристика и количественная оценка фенотипических эффектов для совершенствования метода отбора животных и использования в маркерной селекции.

Для достижения цели были поставлены следующие задачи:

1. Провести генотипирование животных казахской белоголовой и аулиекольской пород казахстанской селекции с помощью биочипа Bovine 150 K (Neogen Corporation Company, Lincoln, NE, USA).

2. Установить SNP, ассоциированные с признаками живой массы при рождении, в 6 и 12 месяцев и со среднесуточным приростом у казахского белоголового и аулиекольского скота на основе полногеномного поиска ассоциаций.

3. Проанализировать характер геномного распределения QTL-ассоциированных SNP у скота казахской белоголовой и аулиекольской породы.

4. Охарактеризовать генную архитектуру признаков мясной продуктивности у крупного рогатого скота казахской белоголовой и аулиекольской пород.

5. Установить генетическую структуру популяций казахской белоголовой и аулиекольских пород по SNP, ассоциированным с живой массой при рождении, в 6, 12 месяцев и со среднесуточным приростом.

6. Изучить влияние отдельных и комбинированных фенотипических эффектов генотипов QTL-ассоциированных SNP на признаки живая масса при рождении, в 6 и 12 месяцев и среднесуточный прирост.

7. Оценить интенсивность роста и экономический эффект выращивания крупного рогатого скота казахской белоголовой и аулиекольской пород с отдельными и комбинированными генотипами QTL-ассоциированных SNP.

8. Разработать способ прогнозирования продуктивности крупного рогатого скота казахской белоголовой и аулиекольской и пород с учетом генетического профиля QTL-ассоциированных SNP.

Научная новизна. Впервые проведен полногеномный поиск ассоциаций 150 000 SNP в популяциях казахской белоголовой и аулиекольской породы. Выявлено 120 породоспецифичных SNP, ассоциированных с живой массой при рождении, в 6 и 12 месяцев и среднесуточным приростом у казахской белоголовой породы и 49 - у аулиекольской породы. Из них 59 и 9 SNP высокой (р<0,000001), 61 и 40 пограничной (р<0,00001) степени значимости для казахской белоголовой и аулиекольской пород соответственно. Охарактеризовано их распределение по хромосомам и локализация в различных функциональных областях генома. Впервые получены данные, характеризующие генетическую структуру поголовья аулиекольской и казахской белоголовой пород казахстанской селекции по ЗЫР, локализованным в общепородных и породоспецифичных участках генома и ассоциированным с живой массой и среднесуточным приростом в разные периоды онтогенеза.

Определены биологические процессы, в которых участвуют выявленные гены-кандидаты и молекулярные функции их белковых продуктов. Выполнена

количественная оценка фенотипических эффектов генотипов Б^Р высокой и пограничной значимости на признаки мясной продуктивности. Выявлено влияния парных сочетаний генотипов Б^Р на усвоения корма, оценен экономический эффект от разведения животных аулиекольской и казахской белоголовой пород разных генотипов.

Теоретическая и практическая значимость работы. Примененный подход к поиску новых генетических маркеров продуктивности и предложенная система оценки их фенотипических эффектов на основании данных, получаемых с помощью биочипа, может быть использована для поиска генетических маркеров продуктивности для других пород крупного рогатого скота и других видов сельскохозяйственных животных.

Выявлены генотипы, ассоциированные с повышенным и пониженным уровнем мясной продуктивности у крупного рогатого скота аулиекольской и казахской белоголовой пород, которые предложены для применения в селекционных программах. Проведение оценки генетического потенциала мясной продуктивности молодняка по этим генетическим маркерам позволит интенсифицировать селекционную работу в стадах, существенно увеличить производство мяса и получение прибыли, повысить экономическую эффективность хозяйственной деятельности предприятий.

Разработаны две тест-системы для ДНК-типирования молодняка казахской белоголовой и аулиекольской породы по Б^Р, ассоциированным с повышенным генетическим потенциалом живой массы в 12 месяцев.

Полученные результаты исследований дополняют и расширяют базу знаний о генетических факторах, определяющих уровень продуктивных качеств крупного рогатого скота в целом, и казахской белоголовой и аулиекольской пород, в частности.

Представленные в диссертации данные получены при выполнении проекта грантового финансирования Министерства образования и науки Республики Казахстан 2015-2017 гг. «Скрининг на носительство мутаций, детерминирующих развитие наследственных заболеваний и разработка

генетических маркеров для выявления мясной продуктивности племенного крупного рогатого скота отечественной селекции» (номер государственной регистрации 0115РК01596), а так же проекта AP08052960 «Породоспецифичное QTL-маркирование мясной продуктивности крупного рогатого скота аулиекольской и казахской белоголовой породы на основе полногеномного SNP-типирования» 2020-2022 гг. по бюджетной программе 217 «Развитие науки» подпрограмма 102 «Грантовое финансирование научных исследований» Республики Казахстан.

Методология и методы исследования. Методология проведенного исследования основана на достижениях в области генетики и селекции, научных работах российских и зарубежных ученых. В процессе выполнения диссертационной работы были использованы общепринятые методы молекулярной генетики и биотехнологии, а также биохимические и зоотехнические методы исследования, реализованные на современном оборудовании. Обработка экспериментальных данных проводилась с использованием статистических, популяционно-генетического и биометрического методов анализа, реализованных в программах Microsoft Office, PLINK «Microsoft Excel 2010» и «Statistica 6.0» (StatSoft, 1пс. 1994 -2001). Биологические процессы, контролируемые генами, в пределах которых находятся SNP высокой и пограничной значимости, ассоциированные с признаками мясной продуктивности у исследуемых пород, а также молекулярные функции их белковых продуктов были охарактеризованы посредством баз данных Еnsembl (https://www.ensembl.org), PANTHER pathway (http://www.pantherdb.org), MGI-Mouse Genome Informatics

(https://www.informatics.jax.org), UniProtKB (https://www.uniprot.org), KEGG: Kyoto Encyclopedia of Genes and Genomes (https://www.genome.jp) и Rat Genome Database - Medical College of Wisconsin (https://rgd.mcw.edu). Для анализа данных о QTL крупного рогатого скота использована база NRSP-8: National Animal Genome Research Program «Bioinformatics Coordination Program» (https://www.animalgenome.org).

Положения, выносимые на защиту:

- однонуклеотидые полиморфизмы, ассоциированные с признаками живой массы при рождении, в 6 и 12 месяцев и со среднесуточным приростом у казахского белоголового и аулиекольского скота и характер их геномного распределения у казахской белоголовой и аулиекольской породы;

- генная архитектура признаков мясной продуктивности у крупного рогатого скота казахской белоголовой и аулиекольской пород;

- генетическая структура популяций казахской белоголовой и аулиекольских пород по БМР ассоциированным с живой массой при рождении, в 6, 12 месяцев и со среднесуточным приростом;

- индивидуальные и комбинированные генотипы QTL-ассоциированных БМР, применимые в качестве ДНК-маркеров живой массы при рождении, в 6 и 12 месяцев и среднесуточного прироста у казахского белоголового и аулиекольского скота;

- продуктивность и экономический эффект выращивания крупного рогатого скота казахской белоголовой и аулиекольской пород с отдельными и комбинированными генотипами рТЬ-ассоциированных БМР;

- способ прогнозирования продуктивности крупного рогатого скота казахской белоголовой и аулиекольской и пород с учетом генетического профиля рТЬ-ассоциированных Б^Р.

Степень достоверности и апробация результатов. Достоверность научных положений, выводов и предложений производству основана на использовании достаточного количества опытных животных, применении современных методов, оборудования, биометрической обработки экспериментальных данных с оценкой степени достоверности различий между животными разных генотипов с использованием программного обеспечения.

Результаты работы доложены и обсуждены на: Международной научно-практической конференции «Наука в эпоху модернизации» (Республика Казахстан, г. Шымкент, 2017 г.); Международной научно-практической конференции «Инновации - в сельское хозяйство», посвященной 10-летию

создания агротехнологического факультета в павлодарском государственном университете имени С. Торайгырова (Республика Казахстан, г. Павлодар, 2019 г.); Международной научно-практической конференции 19 апреля 2019 года «Модернизация профессиональной подготовки специалистов в области естественнонаучного образования» (Республика Беларусь, г. Минск, 2019 г.); Международной научно-практической конференции «Современные научно-практические решения в области животноводства» (Республика Казахстан, г. Уральск, 2019); LXXVII международной научно-практической конференции «Инновационные подходы в современной науке» (г. Москва, 2020 г.); Международной научно-практической конференции «Перспективы развития племенного животноводства», посвященной дню чествования 80-летнего юбилея доктора сельскохозяйственных наук, профессора Найманова Доскали Курмашевича (Республика Казахстан, 2020 г.); IV Международной научно-практической конференции «Современные проблемы зоотехнии», посвященная памяти доктора сельскохозяйственных наук, профессора Муслимова Бакытжана Муслимовича (Республика Казахстан, г. Костанай, 2021 г.); Международной мультидисциплинарной конференции «Innovations and Tendencies of State-of-Art Science» (Нидерланды, г. Роттердам); I Международной научно-практической конференции (г. Анапа, 2022 г. ); VIII международной научно-практической конференции «Современные тенденции развития науки и мирового сообщества в эпоху цифровизации» (Москва, 2022 г.); Материалы V Международной научной конференции «Генетика и биотехнология XXI века: проблемы, достижения, перспективы», посвящённой 135-летию со дня рождения Н.И. Вавилова (Минск, 2022 г.); XLIX Международной научно-практической телеконференции «Eurasiascience» (Москва, 2022 г); Всероссийской научно-практической конференции, посвященной 100-летию со дня рождения профессора А.В. Орлова «Современные тенденции развития животноводства и зоотехнической науки» (г. Москва, 2022 г.); X Международной научно-практической конференции, посвященной памяти заслуженного деятеля науки РФ и КБР, профессора Б.Х. Жерукова (Нальчик, 2022); XVII Международной

научно-практической конференции «Инновационное развитие науки и образования» (г. Пенза, 2023 г.); L Международной научно-практической конференции "Advances in science and technology" (г. Москва, 2023 г.).

Научные положения, выводы и предложения производству основаны на аналитических и экспериментальных данных и подтверждаются объемом исследованных животных и результатами статистической обработки данных.

Личный вклад автора. Автором лично проанализировано современное состояние проблемы, определены цели и задачи исследований, разработана программа и определены методы ее реализации. Автором лично проведен анализ и интерпретация полногеномного поиска ассоциаций, обработка фенотипических и генетических данных животных казахской белоголовой и аулиекольской пород, выполнены генетико-статистические расчеты, проведена функциональная аннотация генов и их белковых продуктов. Печатные работы по теме диссертации подготовлены самостоятельно и в соавторстве.

Автор выражает глубокую благодарность председателю правления -ректору Западно-Казахстанского аграрно-технического университета имени Жангир хана академику Аскару Мырзахметовичу Наметову и заместителю председателя правления-ректора - проректору по науке, кандидату сельскохозяйственных наук Шамшидину Альжану Смаиловичу, которые предоставили научную инфраструктуру для выполнения исследования.

Автор также выражает глубокую благодарность сотрудникам лаборатории биотехнологий Испытательного центра ЗКАТУ им. Жангир хана за помощь при проведении генотипирования, Шулинскому Роману Сергеевичу - младшему научному сотруднику сектора биоинформатики Института генетики и цитологии НАН Беларуси за программное обеспечение в решении задач исследования.

Публикации. Всего опубликовано 107 научных работ, в том числе по материалам диссертации 47 работ, из них 15 - в журналах, входящих в «Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой

степени кандидата наук и доктора наук», 6 - в изданиях, входящих в международные базы цитирования (Scopus, WoS), 3 монографии, получено авторское свидетельство на полезную модель № 7611 от 25.11.2022 г. - РГП «Национальный институт интеллектуальной собственности».

Структура и объем работы. Диссертация изложена на 353 страницах, состоит из введения, основной части, содержащей 24 рисунка, 90 таблиц, заключения, принятых сокращений, списка литературы, включающего 332 наименования, в том числе 247 - на иностранном языке и 10 приложений.

1 ОБЗОР ЛИТЕРАТУРЫ

1.1 Геномная селекция на текущем этапе развития науки аграрного сектора

Геномная селекция на современном этапе развития сельскохозяйственной науки является наиболее актуальным, экономически эффективным и значимым, а также инновационным и наиболее надежным способом оценки племенных качеств животных. Она основана на реализации точной взаимосвязи между структурой ДНК животного, фенотипами, а также его внешними и продуктивными показателями (Селионова М.И. и др., 2014). Она дает возможность расшифровать генотип сразу после рождения, а также установить наследуемость в генотипах определенных вариаций ценных аллелей, отвечающих за тот или иной признак хозяйственной продуктивности, и тем самым позволяет отбирать для разведения только лучших и наиболее выдающихся животных. Это особенно важно сейчас, когда основное внимание ученых-селекционеров и зоотехников сосредоточено на поиске методов прижизненной оценки продуктивных качеств животных (Племяшов К., 2014; Селионова М.И. и др., 2018). Большинство хозяйственно ценных селекционных признаков носят полиморфный и полигенный характер, то есть контролируются многими генами и их аллельными вариациями.

С одной стороны, на продуктивность скота влияют факторы внешней среды, а также условия кормления и содержания (Эрнст Л.К. и др., 2008; Дубовскова М.П. и др., 2016). С другой стороны, развитие того или иного признака продуктивных способностей сельскохозяйственных животных при любых условиях внешней среды постоянно и вполне напрямую зависит от аллельного состояния специальных локусов в генах. Такие гены называются генами количественных признаков (Quantitative Trait Loci, QTL). Доказана высокая информативность однонуклеотидных полиморфизмов (SNP) в геноме, т.е., молекулярно-генетических маркеров SNP, ассоциированных с желательным

сочетанием хозяйственно ценных признаков (Чижова Л.Н. и др., 2017; Булгаков А.В., 2017).

Молекулярно-генетические методы, разработанные учеными на уровне ДНК, позволяют отбирать животных непосредственно по генотипу (Селионова М.И. и др., 2014).

Однако ограничением метода до сих пор является недостаточное понимание принципов работы генома и реальных механизмов проявления признаков. Этот факт поднимает фундаментальные вопросы о том, как генетическая изменчивость влияет на генетические системы, создавая фенотипы.

Несмотря на огромные успехи в разработке подходов к общегеномному прогнозированию количественных признаков, существуют серьезные проблемы с полным пониманием эффектов очень малых воздействий на системы организма, а также до сих пор существует ограниченное понимание работы и взаимной регуляции клеточных сетей. Сложные признаки обусловлены чрезвычайно большим количеством вариантов малого эффекта, потенциально влияющих на большинство регуляторных вариантов, которые активны в тканях, связанных с этим признаком.

1.2 Геномная оценка и прогноз продуктивности животных

Геномный отбор - это форма отбора, использующая генетические маркеры, покрывающие весь геном, так что все количественные факторы признаков находятся в неравновесной связи хотя бы с одним (Willet C.E. et al., 2014).

Идея использования молекулярно-генетической информации для прогнозирования племенной ценности животных сформировалась задолго до широкого применения общегеномных методов генотипирования (Soller M., 1994; Meuwissen T.H.E. et al., 2001, Прохоренко П.Н. и др., 2002;

Гончаренко Г.М. и др., 2005; Глазко В.И., 2012; Зиновьева Н.А. и др., 2014; Калашникова Л.А. и др., 2015).

Однако сканирование и использование отдельных генов в количественной генетике имело ограниченный успех, так как только небольшая часть генетического варианта была описана изученными маркерами и генами (АпёегББОп Ь., 2001). Создание генетических анализаторов с массовым параллельным синтезом и SNP-чиповыми технологиями, приведшими к возможности обнаружения множественных ДНК-маркеров, позволило задуматься об использовании молекулярных данных в практике прогнозирования количественных признаков молочного животноводства (Смарагдов М.Г., 2009).

Как правило, начало геномного отбора приписывают Меи^ШББеп Т.Н.Е. е1 а1. (Меи^ШББеп Т.Н.Е. е1 а1., 2001). Они использовали смоделированные данные для проведения анализа с большим количеством равномерно расположенных маркеров, пытаясь идентифицировать не QTL, а некоторые маркеры, которые случайно оказались тесно связанными с QTL. Расчеты включали гаплотипы, а анализы проводились методами BayesA и BayesB, которые предполагали различное распределение эффектов гаплотипов. После генотипирования 2200 животных, они получили точность прогнозирования 0,85. Такая высокая точность при небольших данных вызвала большие надежды в животноводческом сообществе.

1.2.1 Применение ДНК-чипов для геномной оценки продуктивности сельскохозяйственных животных

В последнее десятилетие, благодаря успехам молекулярной генетики и секвенирования ДНК крупного рогатого скота в США, были созданы SNP-чипы, позволяющие одновременно генотипировать животных по огромному количеству SNP-маркеров (50-700 тыс.) (Смарагдов М.Г., 2011). Эти SNP-чипы нашли широкое применение в селекции молочного скота, а сама технология

получила название геномная оценка (Смарагдов М.Г., 2009). На сегодняшний день геномная оценка успешно внедрена во многих странах мира. Наблюдаемой основной тенденцией в современном молочном животноводстве является переход от традиционной племенной оценки быков по дочерям к геномной племенной оценке. Все страны с развитым молочным скотоводством (США, Канада, Австралия, Новая Зеландия, Франция, Германия, скандинавские страны и др.) успешно проводят геномную оценку быков. На международном рынке предлагаются геномнооцененные быки, которые все чаще заменяют быков, оцененных традиционным способом. Базы данных по геномной оценке быков из многих стран объединены в рамках международной организации INTERBULL, что позволяет добиться более высокой точности определения племенной ценности быков (Смарагдов М.Г., 2013; Smaragdov M.G., 2013; Смарагдов М.Г. и др., 2016; Smaragdov M.G. et al., 2016).

Первое крупномасштабное генотипирование стало возможным после внедрения бычьего чипа SNP 50k (Matukumalli L.K. et al., 2009), который обеспечил доступную и точную технологию генотипирования. Многие последующие работы по методологии геномного отбора были сосредоточены на эффектах SNP и на создании матрицы геномных отношений (G) (VanRaden P.M., 2008). Эта концепция, позволяла проводить концептуальные сравнения между предсказаниями на основе родословной и генома.

Методы, использующие либо эффекты SNP, либо геномные отношения, первоначально привели к анализу полевых данных с использованием многоступенчатой методологии, где регулярная генетическая оценка с использованием родословной BLUP сопровождается извлечением псевдофенотипов генотипированных животных, геномным анализом генотипированных животных и созданием индекса, объединяющего результаты с BLUP и геномный анализ, геномные и родословные. В то же время фенотипические данные принадлежат разным организациям (VanRaden P.M., 2008).

В 2004г. в США был запущен проект по внедрению геномной селекции (ГС) в животноводческую отрасль, который получил финансовую поддержку на государственном уровне. Это оказался самый успешный биотехнологический проект за последние десятилетия двадцатого века, благодаря организаторским способностям Курта Ван Тассела. Совместная работа Департамента государственного развития Министерства сельского хозяйства США (USDA-ARS), университетов и корпорации Illumina Corporation (San Diego, CA) позволила создать платформу для доступного полногеномного генотипирования животных (Van Tassell C.P. et al., 2008).

Список литературы диссертационного исследования доктор наук Белая Елена Валентиновна, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Айала, Ф. Современная генетика / Ф. Айала, Дж. Кайгер // М.: Мир. -1988. -Т 3. -335 с.

2. Баранов, В.С. Генетический паспорт — основа индивидуальной и предиктивной медицины / В.С. Баранов // Санкт-Петербург: Эко-Вектор. - 2009. - 528 с.

3. Бейшова, И.С. Анализ аллельного состава гена bGH в выборках аулиекольской и казахской белоголовой пород / И.С. Бейшова, Е.В. Белая, В.П. Терлецкий, А.А. Крутикова, Т.В. Поддудинская, Е.С. Усенбеков // Вопросы нормативно-правового регулирования в ветеринарии. -2017. - № 1. - С. 117120.

4. Бейшова, И.С. Анализ продуктивности в группах коров аулиекольской и казахской белоголовой пород с разными генотипами полиморфизма bPIT-1-HINFI / И.С. Бейшова, Е.В. Белая, В.П. Терлецкий, Г.Д. Чужебаева, А.А. Крутикова // Международный научно-исследовательский журнал «Успехи современной науки». -2017. - № 4. -С. 133-139.

5. Бейшова, И.С. Ассоциация парных сочетаний генов соматотропинового каскада с длительностью продуктивной жизни коров голштинской породы / И.С. Бейшова, Е.В. Белая, Т.В. Ульянова // Перспективы развития племенного животноводства: материалы Международной научно-практической конференции, посвященной дню чествования 80-летнего юбилея доктора сельскохозяйственных наук, профессора Найманова Доскали Курмашевича. 9 октября 2020 г. -Костанай. - Костанайский региональный университет им. А. Байтурсынова. - 2020 г. - С. 43-47.

6. Бейшова, И.С. Ассоциация полиморфных генов соматотропинового каскада с показателями роста у скота казахской белоголовой породы / И.С. Бейшова, Е.В. Белая, Т.В. Поддудинская, Е.С. Усенбеков, В.П. Терлецкий // Международный научно-исследовательский журнал «Успехи современной науки». - 2017. - № 5. - С. 158-164.

7. Бейшова, И.С. Ассоциация полиморфных генов соматотропинового каскада с признаками мясной продуктивности у коров аулиекольской и казахской белоголовой пород / И.С. Бейшова, Е.В. Белая, Б.Б. Траисов,

A.М. Ковальчук // Современная наука: актуальные проблемы теории и практики: Серия «Естественные науки». - 2017. - № 12. - С. 5-10.

8. Бейшова, И.С. Влияние сочетаний соматотропных генов на мясную продуктивность крупного рогатого скота / И.С. Бейшова, Е.В. Белая, Х.Б. Баймишев, Б.Б. Траисов // Известия Самарской государственной сельскохозяйственной академии. - 2018. - № 2. - С. 51-57.

9. Бейшова, И.С. Влияние сочетаний соматотропных генов на мясную продуктивность крупного рогатого скота / И.С. Бейшова, Е.В. Белая, Х.Б. Баймишев, Б.Б. Траисов // Известия Самарской государственной сельскохозяйственной академии. - 2018. - № 2. - С. 51-57.

10. Бейшова, И.С. Оценка ассоциации парных сочетаний полиморфных вариантов генов соматотропинового каскада bPit-1, bGH, bGHR и bIGF с мясной продуктивностью крупного рогатого скота аулиекольской породы казахстанской селекции / И.С. Бейшова, Е.В. Белая, В.П. Терлецкий, Б.Б. Траисов,

B.И. Косилов // Известия Оренбургского государственного аграрного университета. - 2018. - № 1(69). - С. 160-164.

11. Бейшова, И.С. Фенотипические эффекты полиморфизмов генов соматотропинового каскада, ассоциированных с признаками мясной продуктивности относительно общей выборки у коров аулиекольской породы / И.С. Бейшова, Е.В. Белая, Б.Б. Траисов, В.А. Ульянов // Современная наука: актуальные проблемы теории и практики: Серия «Естественные науки». - 2017.

- № 12. - С. 11-16.

12. Бейшова, И.С. SNP высокой значимости для прогнозирования наследственного потенциала продуктивности у аулиекольской породы / И.С. Бейшова, Т.В. Ульянова, Е.В. Белая, Р.С. Шулинский, А.С. Бабенко // Научно-практический журнал «Наука и образование». - 2022.- Т.2 - № 3 (68).

- С. 28-38.

13. Бейшова, И.С. Поиск геномных вариантов, ассоциированных с

признаками мясной продуктивности у аулиекольской породы / И.С. Бейшова, А.С. Шамшидин, Т.В. Ульянова, Е.В. Белая, Р.С. Шулинский, А.С. Бабенко // Proceedings of the XXII-XXIII International Multidisciplinary Conference «Innovations and Tendencies of State-of-Art Science». - Mijnbestseller Nederland, Rotterdam, September 2022. - С. 37-44.

14. Бейшова, И.С. Межпородный сравнительный анализ генетической структуры селекционного поголовья мясных пород казахстанской селекции / И.С. Бейшова, А.М. Наметов, Е.В. Белая, А.М. Ковальчук, Т.В. Поддудинская // Материалы международной научно-практической конференции «Инновации - в сельское хозяйство», посвященной 10-летию создания агротехнологического факультета в павлодарском государственном университете имени С. Торайгырова. - 2019 г., Республика Казахстан, г. Павлодар. - С. 48-54.

15. Белая, Е.В. Комбинированные фенотипические эффекты полиморфных вариантов генов соматотропинового каскада (bPit-1, bPRL, bGH, bGHR и bIGF-1) на признаки молочной продуктивности у крупного рогатого скота голштинской породы / Е.В. Белая, М.Е. Михайлова, Н.В. Батин // Молекулярная и прикладная генетика: сб.науч.тр. - 2012. - Т. 13. - С. 36- 43.

16. Белая, Е.В., Оценка индивидуального фенотипического эффекта полиморфных вариантов генов гипофизарного фактора роста-1 [bPit-1] и инсулиноподобного фактора роста-1 [bIGF-1] на признаки молочной продуктивности у черно-пестрого голштинизированного крупного рогатого скота / Е.В. Белая, М.Е. Михайлова, Н.В. Батин // Молекулярная и прикладная генетика: сб.науч.тр. - 2012. - Т. 13. - С. 30- 35.

17. Белая, Е.В. Ассоциация SNP-полиморфизмов с продуктивностью у крупного рогатого скота аулиекольской породы / Е.В. Белая // Главный зоотехник. - 2022. - №2. - С.18-25.

18. Белая, Е.В. Биологические функции породоспецифичных SNP-маркеров мясной продуктивности у крупного рогатого скота казахской белоголовой и аулиекольской пород / Е.В. Белая // Генетика и разведение животных. - 2022. -№ 2. - С. 33-39.

19. Белая, Е.В. Геномная локализация QTL-ассоциированных SNP с общими

для казахской белоголовой и аулиекольской пород фенотипическими эффектами / Е.В. Белая, И.С. Бейшова, Р.С. Шулинский, А.М. Ковальчук, В.А. Ульянов // Ученые записки учреждения образования Витебская ордена Знак почета государственная академия ветеринарной медицины. - 2022. - Т.58(4). - С. 127134.

20. Белая, Е.В. Полногеномный поиск ассоциаций c QTL мясной продуктивности у скота казахской белоголовой и аулиекольской пород / Е.В. Белая, А.М. Наметов, А.С. Шамшидин // Главный зоотехник. - 2022. - № 7 (222). - С. 3-11.

21. Белая, Е.В. Полногеномный поиск ассоциаций однонуклеотидных замен с продуктивностью мясного скота / Е.В. Белая, И.С. Бейшова // Главный зоотехник. - 2022. - № 7 (222). - С. 12-19.

22. Белая, Е.В. Породоспецифичные SNP-маркеры мясной продуктивности крупного рогатого скота казахской белоголовой породы / Е.В. Белая, А.М. Ковальчук, И.С. Бейшова // Главный зоотехник. - 2022. - № 1 (222). - С. 39.

23. Белая, Е.В. Породоспецифичные гены-кандидаты, маркирующие признаки мясной продуктивности у крупного рогатого скота казахской белоголовой породы / Е.В. Белая, А.М. Ковальчук, Ю.А. Юлдашбаев, М.И. Селионова // Зоотехния. - 2021. - № 12. - С. 7-10.

24. Белая, Е.В. Распределение QTL-ассоциированных SNP по общим и породоспецифичным участкам генома казахской белоголовой и аулиекольской пород / Е.В. Белая, И.С. Бейшова, М.И. Селионова, Р.С. Шулинский, Т.В. Ульянова // Генетика и разведение животных. - 2022. - № 3. - С. 12-17.

25. Белая, Е.В. Распределение по хромосомам QTL-ассоциированных SNP мясного скота казахской белоголовой и аулиекольской пород / Е.В. Белая, И.С. Бейшова, В.А. Ульянов, Р.С. Шулинский, А.С. Бабенко // Материалы I Международной научно-практической конференции. 04 октября 2022 г. -Анапа. - 2022. - С. 54-61.

26. Белая, Е.В. Характеристика биологической функции породоспецифичных SNP-маркеров мясной продуктивности у крупного рогатого скота казахской

белоголовой породы / Е.В. Белая, И.С. Бейшова, М.И. Селионова // Зоотехния. -2022. - № 4. - С. 5-10.

27. Белая, Е.В. Характеристика геномной локализации и фенотипических эффектов QTL-ассоциированные SNP у мясного скота казахской белоголовой и аулиекольской пород / Е.В. Белая, И.С. Бейшова, Р.С. Шулинский, А.С. Бабенко, Т.В. Ульянова // Современные тенденции развития науки и мирового сообщества в эпоху цифровизации: материалы VIII международной научно-практической конференции. 10 октября 2022 г. - Москва. - 2022. - С. 75-82.

28. Белая, Е.В. Оценка фенотипических эффектов с генотипами по SNP высокой и пограничной значимости на мясную продуктивность у казахской белоголовой породы / Е.В. Белая, И.С. Бейшова, Р.С. Шулинский // Материалы L международной научно-практической конференции «Advances in Science and Technology». - Москва, 31 января 2023 г. - С. 26-29.

29. Белая, Е.В. Фенотипические эффекты с генотипами по SNP высокой и пограничной значимости на признаки мясной продуктивности у крупного рогатого скота аулиекольской породы / Е.В. Белая, И.С. Бейшова, Т.В. Ульянова, А.М. Ковальчук // Материалы XVII Международной научно-практической конференции «Инновационное развитие науки и образования». -Пенза, 30 января 2023 г. - С. 9-13.

30. Белая, Е.В. Характер расположения QTL-ассоциированных полиморфизмов по участкам генома казахской белоголовой и аулиекольской пород / Е.В. Белая, И.С. Бейшова, М.И. Селионова, Р.С. Шулинский, Т.В. Ульянова // Материалы XLIX Международной научно-практической телеконференции «Eurasiascience». -Москва, 15 ноября 2022 г. - С.10-13.

31. Булгаков, А.В. Чипирование крупного рогатого скота / А.В. Булгаков // Молодежная наука 2017: технологии и инновации: материалы Всероссийской научно-практической конференции. ФГБОУ ВО "Пермская государственная сельскохозяйственная академия имени академика Д.Н. Прянишникова". - 2017. - С.168-169.

32. Глазко, В.И. Молекулярная биология для животноводства / В.И. Глазко // FarmAnimals. - 2012. - №1(1). - С. 24-29.

33. Глазко, Т.Т. ДНК-технологии для повышения мясной продуктивности/ Т.Т. Глазко, А.Б. Комаров, Е.В. Борзаковская // Известия Тимирязевкой сельскохозяйственной академии. - 2008. - Выпуск 1. - С.75-80.

34. Гончаренко, Г.М. Генетические маркеры сельскохозяйственных животных: итоги и перспективы / Г.М. Гончаренко, В.С. Деева, Н.Б. Гришина, Е.В. Кононенко // Актуальные проблемы ветеринарной медицины: сборник научных трудов / РАСХН. Сиб. отделение. ВНИИБТЖ. - Омск. - 2005. - С. 95100.

35. Горлов, И.Ф. Состояние и перспективы развития мясного скотоводства в Нижнем Поволжье / И.Ф. Горлов // Мясное скотоводство и перспективы его развития: Тр. ВНИИМС. - Оренбург. - 2000. - С. 66-72.

36. Горлов, И. Ф. Полиморфизм генов bGH, RORC и DGAT у мясных пород крупного рогатого скота России / И.Ф. Горлов, А.А. Федюнин, Д.А. Ранделин, Г.Е. Сулимова // Генетика. - 2014. - Т.50. - № 12. - С. 1448-1454.

37. Дубовскова, М.П. Подбор родительских пар герефордов с учётом антигенного спектра и ДНК маркеров / М.П. Дубовскова и др. // Вестник мясного скотоводства. - 2016. - № 4(96). - С. 46-53.

38. Зиновьева, Н.А. ДНК-диагностика сельскохозяйственных животных: учебно-методический комплекс / Н.А. Зиновьева, Е.А. Гладырь, П.М. Кленовицкий, А.А. Никишов. - Москва. - 2014.

39. Калашникова, Л.А. Рекомендации по геномной оценке крупного рогатого скота / Л.А. Калашникова, Я.А. Хабибрахманова, И.Ю. Павлова, Т.Б Ганченкова, М.И. Дунин, И.Е. Приданова // Лесные Поляны. - 2015.

40. Каюмов, Ф.Г. Повышение мясной продуктивности казахского белоголового скота / Ф.Г. Каюмов, М.П. Дубовская // Зоотехния. - 2004. - №11. - С. 22-23.

41. Ковальчук, А.М. Генетическое маркирование признаков продуктивности крупного рогатого скота казахской белоголовой породы на основе полногеномного SNP-типирования / А.М. Ковальчук, Е.В. Белая, Ю.А. Юлдашбаев, И.С. Бейшова // Зоотехния. - 2022. - № 2. - С. 2-6.

42. Колчанов, Н.А. Генные сети / Н.А. Колчанов, Е.А. Ананько, Ф.А. Колпаков и др. // Молекулярная биология. - 2000. - Т.34. - № 4. - С. 617629.

43. Колчанов, Н.А. Интеграция генных сетей, контролирующих физиологические функции организма / Н.А. Колчанов, О.А. Подколодная, Е.В. Игнатьева и др. // Вестник ВОГИС. - 2005. - Т.9. - №2. - С. 179- 199.

44. Кудинов, А.А. Модель геномной оценки племенной ценности молочного скота Ленинградской области / А.А. Кудинов // Диссертация кандидата биологических наук: 06.02.07. - М. - 2019.

45. Кузнецов, В.М. Племенная оценки животных: прошлое, настоящее, будущее (обзор) / В.М. Кузнецов // Проблемы биологии продуктивных животных. - 2012. - № 4. - С. 18-57.

46. Мирошников, С.А. Отечественное мясное скотоводство: проблемы и решения / С.А. Мирошников // Вестник мясного скотоводства. - 2011. - Т.3. -№64. - С. 7-12.

47. Михайлова, М.Е. Влияние HinFI-полиморфизма гена гипофизарного фактора роста bPit-1 на признаки молочной продуктивности крупного рогатого скота голштинской и черно-пестрой пород / М.Е. Михайлова, Е.В. Белая // Молекулярная и прикладная генетика: сб.науч.тр. - 2010. - Т. 11. -С. 120-126.

48. Михайлова, М.Е. Влияние полиморфных вариантов генов соматотропинового каскада bGH, bGHR и bIGF-1 на признаки молочной продуктивности у крупного рогатого скота голштинской породы / М.Е. Михайлова, Е.В. Белая // Доклады Национальной академии наук Беларуси. - 2011. - Т.55. - № 2. - С. 63- 69.

49. Назаренко, С.А. Эпигенетическая регуляция активности генов и ее эволюция. / С.А. Назаренко. // Эволюционная биология. - Томск: ТГУ. - 2002. -Т.2. - С. 82- 93.

50. Наметов, А.М. ^азактын, акбас т^кымынын, ет ешмдшп кeрсеткiштерi бар соматотропиндш гендершщ ассоциациясы / А.М. Наметов, И.С. Бейшова,

Г.Д. Чужебаева, Е.В. Белая // Наука и образование. - Спецвыпуск, посвященный международному форуму «Инновационное развитие животноводства», г.Уральск, ЗКАТУ им.Жангир хана. - 2018. - С.105-110.

51. Наметов, А.М. Оценка взаимосвязи полиморфизмов генов соматотропного каскада с ростовыми характеристиками крупного рогатого скота / А.М. Наметов, И.С. Бейшова, Е.В. Белая, Т.В. Ульянова, С.А. Черняева // Ше^ег Ка^е1ег. - 2022. - № 3 (95). - С. 21-31.

52. Патрушев, Л.И. Экспрессия генов / Л.И. Патрушев // М.: Наука. - 2000. -527 с.

53. Племяшов, К. Геномная селекция - будущее животноводства / К. Племяшов // Животноводство России. - 2014. - №5. - С. 2-4.

54. Прохоренко, П.Н. Перспективы использования иммуногенетики в сохранении генофонда и совершенствования пород сельскохозяйственных животных / П.Н. Прохоренко, Г.Н. Сердюк // сельскохозяйственная биология. -2002. - №6. - С.3-7.

55. Реброва, О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ БТАТКТЮА / О. Ю. Реброва // М.: «МедиаСфера». - 2002. - 312 с.

56. Родионов, Г.В. Скотоводство / Г.В. Родионов, Ю.С. Изилов, С.Н. Харитонов, Л.П. Табакова // М.: КолосС. - 2007. - 405 с.

57. Селионова, М.И. Особенности полиморфизма генов гормона роста (ОН), кальпаина (САРШ) быков производителей мясных пород / М.И. Селионова, Л.Н. Чижова, М.П. Дубовскова, Е.С. Суржикова, Л.В. Кононова, Г.Н. Шарко // Вестник мясного скотоводства. - 2017. - № 2 (98). - С.65-70.

58. Селионова, М.И. Перспективы использования геномных технологий в селекции овец (аналитический обзор) / М.И. Селионова, М.М. Айбазов, Т.В. Мамонтова // Сборник научных трудов Ставропольского научно-исследовательского института животноводства и кормопроизводства. - 2014. -Т. 3. - № 7. - С.107-112.

59. Селионова, М.И. Полиморфизм генов мясной продуктивности в селекции

крупного рогатого скота / М.И. Селионова, Л.Н. Чижова, Е.С. Суржикова // Цифровые технологии в сельском хозяйстве: текущее состояние и перспективы развития: сборник научных трудов по материалам I Международной научно-практической конференции. - 2018. - С. 223-229.

60. Сермягин, А.А. Полногеномный анализ ассоциаций с продуктивными и репродуктивными признаками у молочного скота в Российской популяции голштинской породы / А.А. Сермягин, Е.А. Гладырь, С.Н. Харитонов, А.Н. Ермилов, Н.И. Стрекозов, Г. Брем, Н.А. Зиновьева // Сельскохозяйственная биология. - 2016. - № 51(2). - С. 182-193.

61. Смарагдов, М.Г. Геномная селекция молочного скота в мире. Пять лет практического использования / М.Г. Смарданов // Генетика. - 2013. - Т.49. -№ 11. - С. 1251-1260.

62. Смарагдов, М.Г. Исследование связи аллелей генов рецептора гормона роста и рецептора пролактина у быков-производителей с молочной продуктивностью их дочерей / М.Г. Смарагдов // Генетика. - 2012. - Т.48. - №9.

- С. 1085-1090.

63. Смарагдов, М.Г. Полногеномный анализ межстадной Ев1-гетерогенности голштинизированного скота / М.Г. Смарданов, Е.И. Сакса, А.А. Кудинов и др. // Генетика. - 2016. - Т.52. - № 2. - С. 198-205.

64. Смарагдов, М.Г. Связь полиморфизма гена БОЛИ у быков-производителей с молочной продуктивностью коров / М.Г. Смарагдов // Генетика. - 2011. - Т.47. - №1. - С. 126-132.

65. Смарагдов, М.Г. Тотальная селекция с помощью БЫР как возможный ускоритель традиционной селекции / М.Г. Смарданов // Генетика. - 2009. - Т.45.

- № 6. - С. 1-4.

66. Смарагдов, М.Г. 9-й всемирный конгресс по прикладной генетике животных / М.Г. Смарданов // Генетика. - 2011. - Т.47. - № 5. - С. 715-717.

67. Солошенко, В.А. Повышение белковомолочности крупного рогатого скота с использованием молекулярно-генетических маркеров: методические рекомендации / В.А. Солошенко // Издательство ГНУ Сибирский НИИ

животноводства Россельхоэакадемии. - Новосибирск. - 2011. - 32 с.

68. Степаненко, И.Л. Регуляция генных сетей стрессового ответа активными формами кислорода / И.Л. Степаненко // Экол. генетика. - 2004. - Т.2. - № 1. -С. 4-12.

69. Сулимова, Г.Е. ДНК-маркеры в генетических исследованиях: типы маркеров, их свойства и области применения / Г.Е. Сулимова // Успехи соврем. биологии. - 2004. - Т.12. - № 3. - С. 162-171.

70. Терлецкий, В.П. Влияние аллелей полиморфных генов ЬР1Т-1, ЬОН и ЬОНЯ на показатели роста у крупного рогатого скота аулиекольской породы /

B.П. Терлецкий, В.И. Тыщенко, И.С. Бейшова, Е.В. Белая, Т.В. Поддудинская // Международный научно-исследовательский журнал «Успехи современной науки». - 2017. - № 4. - С. 142-148.

71. Хвыля, С.И. Применение гистологического анализа при исследовании мясного сырья и готовых продуктов / С.И. Хвыля, В.А. Пчелкина,

C.С. Бурлакова // Техника и технология пищевых производств. - 2012. - Т.3. -№ 26. - С. 132-138.

72. Чижова, Л.Н. Межпородные особенности полиморфизма генов соматотропин, пролактин у коров молочного направления продуктивности / Л.Н. Чижова, Е.С. Суржикова, Г.П. Ковалёва, Т.Н. Михайленко // Сборник научных трудов Всероссийского научно-исследовательского института овцеводства и козоводства. - 2017. - Т.2. - № 10. - С.108-113.

73. Шамсиева, Л.В. Генотипирование ремонтного молодняка крупного рогатого скота для определения племенной ценности / Л.В. Шамсиева, Г.Р. Юсупова, Ф.Ф. Зиннатова // Ученые записки КГАВМ. - 2015. - Т.223. -С. 243-248.

74. Шамшидин, А.С. Полногеномный поиск ассоциаций с признаками мясной продуктивности у крупного рогатого скота казахской белоголовой породы / А.С. Шамшидин, И.С. Бейшова, Е.В. Белая, Т.В. Ульянова, Р.С. Шулинский // Материалы всероссийской научно-практической конференции, посвященной 100-летию со дня рождения профессора А.В. Орлова «Современные тенденции развития животноводства и зоотехнической науки» 17-18 ноября 2022 г. - С.68-

75. Щеглов, Е.В. Казахская белоголовая порода / Е.В. Щеглов; гл. ред. Ю.С. Осипов // Исландия - Канцеляризмы. М.: Большая российская энциклопедия: [в 35 т.]. - 2004-2017. - Т.12. - 413 с.

76. Эрнст, Л.К. Биологические проблемы животноводства в XXI веке / Л.К. Эрнст, Н.А. Зиновьева // Всероссийский научно-исследовательский институт животноводства имени академика Л.К. Эрнста. - Москва. - 2008. -508 с.

77. Яковлев, А.Ф. Геномная селекция и прогнозирование качества потомства животных / А.Ф. Яковлев // Вестник Российской академии наук. - 2018. - T.88. -№10. - C. 946-950.

78. Aguilar, I. Hot topic: a unified approach to utilize phenotypic, full pedigree, and genomic information for genetic evaluation of Holstein final score / I. Aguilar, I. Misztal, D.L. Johnson et al. // J. Dairy Sci. - 2010. - V.93. - P. 743-752.

79. Ajayi, O.O. Computational genome-wide identification of heat shock protein genes in the bovine genome / O.O. Ajayi, S.O. Peters, M. De Donato, S.O. Sowande, F.D.N. Mujibi, O.B. Morenikeji, B.N. Thomas, M.A. Adeleke, I.G. Imumorin // F1000 Research. - 2018. - V.7. - P. 1504-1520.

80. Akanno, E.C. Genome-wide association scan for heterotic quantitative trait loci in multi-breed and crossbred beef cattle / E.C. Akanno, L. Chen, M.K. Abo-Ismail, J.J. Crowley, Z. Wang, C. Li, J.A. Basarab, M.D. MacNeil, G.S. Plastow // Genet Sel Evol. - 2018. - V. 50(1). - P. 48-61.

81. Alasoo, K. Shared genetic effects on chromatin and gene expression indicate a role for enhancer priming in immune response / K. Alasoo, J. Rodrigues, S. Mukhopadhyay et al. // Nat Genet. - 2018. - V. 50(3). - P. 424-431.

82. Alshawi, A. Genome Analysis Reveals Genetic Admixture and Signature of Selection for Productivity and Environmental Traits in Iraqi Cattle / A. Alshawi, A. Essa, S. Al-Bayatti, O. Hanotte // Front Genet. - 2019. - V.10. -P. 609-619.

83. Andersson, L. Genetic dissection of phenotypic diversity in farm animals / L. Andersson // Nat. Rev. Genet. - 2001. - V.2. - P. 130-138.

84. Anner, S.M. BAALC, the human member of a novel mammalian neuroectoderm gene lineage, is implicated in hematopoiesis and acute leukemia / S.M. Anner, J.L. Austin, G. Leone, L.J. Rush, C. Plass, K. Heinonen et al. // Proceedings of the National Academy of Sciences of the United States of America. -2001. -V. 98 (24). - P. 13901-13907.

85. Arthur, J.S.C. Mitogen-activated protein kinases in innate immunity / J.S.C. Arthur, S.C. Ley // Nat. Rev. Immunol. - 2013. - V. 13(9). - P. 679-692.

86. Badri, T.M. Genetic polymorphism in Hsp90AA1 gene is associated with the thermotolerance in Chinese Holstein cows / T.M. Badri, K.L. Chen, M.A. Alsiddig, L. Li, Y. Cai, G.L. Wang // Cell Stress Chaperones. - 2018. - V.23(4). - P. 639-651.

87. Bailey, M.E. Genetic linkage and radiation hybrid mapping of the three human GABA(C) receptor rho subunit genes: GABRR1, GABRR2 and GABRR3 / M.E. Bailey, B.E. Albrecht, K.J. Johnson, M.G. Darlison // Biochim Biophys Acta. -1999. - V.1447(2-3). - P. 307-319.

88. Barton, N.H. Pleiotropic models of quantitative variation / N.H. Barton // Genetics. - 1990. - V.124. - P.773-782.

89. Barton, N.H. The infinitesimal model: Definition, derivation, and implications / N.H. Barton, A.M. Etheridge, A. Veber // Theor Popul Biol. - 2017. - V.118. - P. 5073.

90. Battle, A.Z. Genomic variation. Impact of regulatory variation from RNA to protein / A.Z. Battle, S.H. Khan, Wang et al. // Science. - 2015. - V.347. - P. 664667.

91. Beishova, I.S. Features of Holstein Cattle Bred in Kazakhstan by the Polymorphic Genes of the Somatotropin Cascade / I.S. Beishova, V.A. Ulyanov, G. ShaIkamal, N. Papusha, A.V. Belaya // Advances in Animal and Veterinary Sciences. - 2019. - V.7. - Special Issue 1. - P. 60-65.

92. Benjamin, D.J. Redefine statistical significance / D.J. Benjamin, J.O. Berger, M. Johannesson, B.A. Nosek, E.J. Wagenmakers et all. // Nat Hum Behav. - 2018. -V.2(1). -P. 6-10.

93. Ben-Jemaa, S. Genome-wide scan for selection signatures reveals novel insights

into the adaptive capacity in local North African cattle / S. Ben-Jemaa, S. Mastrangelo, S.H. Lee, et al. // Sci Rep. - 2020. - V. 10(1). -P.19466.

94. Bernassola, F. The HECT family of E3 ubiquitin ligases: multiple players in cancer development / F. Bernassola, M. Karin, A. Ciechanover, G. Melino // Cancer Cell. - 2008. - V.14(1). - P. 10-21.

95. Bongiorni, S. Identification of a short region on chromosome 6 affecting direct calving ease in Piedmontese cattle breed / S. Bongiorni, G. Mancini, G. Chillemi, L. Pariset, A. Valentini // PLoS One. -2012. -V. 7 (12). - P. e50137-e.50144.

96. Botstein, D. Discovering genotypes underlying human phenotypes: past successes for mendelian disease, future approaches for complex disease / D. Botstein, N. Risch // Nat. Genet. - 2003. - V.33. - P.228-237.

97. Buitenhuis, B. Estimation of genetic parameters and detection of chromosomal regions affecting the major milk proteins and their post translational modifications in Danish Holstein and Danish Jersey cattle / B. Buitenhuis, N.A. Poulsen,

G. Gebreyesus, L.B. Larsen // Journal: BMC genetics. - 2016. -V.17. -P. 114-126.

98. Buitenhuis, B. Estimation of genetic parameters and detection of quantitative trait loci for minerals in Danish Holstein and Danish Jersey milk / B. Buitenhuis, N.A. Poulsen, L.B. Larsen, S. Jakob // Journal: BMC genetics. - 2015. -V.16. -P. 5260.

99. Bulik-Sullivan, B. An atlas of genetic correlations across human diseases and traits / B. Bulik-Sullivan, H.K. Finucane, V. Anttila et al. // Nat Genet. - 2015. -V. 47(11). - P. 1236-1241.

100. Bulik-Sullivan, B.L.D. Score regression distinguishes confounding from polygenicity in genome-wide association studies / B. Bulik-Sullivan, P.R. Loh,

H.K. Finucane et al. // Nat Genet. - 2015. - V. 47(3). - P.291-295.

101. Burgoyne, R.D. Neuronal calcium sensor proteins: generating diversity in neuronal Ca2+ signalling / R.D. Burgoyne // Nat Rev Neurosci. - 2007. -V.8(3). -P. 182-193.

102. Camillo, C. LPHN2 inhibits vascular permeability by differential control of endothelial cell adhesion / C. Camillo, N. Facchinello, G. Villari, G. Mana, et al. //

J Cell Biol. - 2021. -V. 220 (11). -P.e202006033.

103. Capparuccia, L. Semaphorin signaling in cancer cells and in cells of the tumor microenvironment - two sides of a coin / L. Capparuccia, L. Tamagnone // J. Cell Sci. - 2009. - V.122 (Pt 11). - P. 1723-1736.

104. Chakravarti, A. Revealing rate-limiting steps in complex disease biology: The crucial importance of studying rare, extreme-phenotype families / A. Chakravarti, T.N. Turner // BioEssays. - 2016. - V.38. - P.578-586.

105. Chatterjee, S. Enhancer Variants Synergistically Drive Dysfunction of a Gene Regulatory Network In Hirschsprung Disease / S. Chatterjee, A. Kapoor, J.A. Akiyama et al. // Cell. -2016. - V. 167(2). - P.355-368.

106. Chen, S.Y. Identifying pleiotropic variants and candidate genes for fertility and reproduction traits in Holstein cattle via association studies based on imputed whole-genome sequence genotypes / S.Y Chen, F.S. Schenkel, A.L.P. Melo, H.R. Oliveira et al. // BMCGenomics. - 2022. - V. 23(1). - P. 331-353.

107. Cheng, J. Myosin 1E coordinates actin assembly and cargo trafficking during clathrin-mediated endocytosis / J. Cheng, A. Grassart, D.G. Drubin // Mol Biol Cell. -2012. - V. 23(15). -P. 2891-2904.

108. Chick, J.M. Defining the consequences of genetic variation on a proteome -wide scale / J.M. Chick, S.C. Munger, P. Simecek et al. // Nature. - 2016. -V. 534(7608). - P. 500-505.

109. Christensen, O.F. Genomic prediction when some animals are not genotyped / O.F. Christensen, M.S. Lund // Genet. Sel. Evol. - 2010. - V.42(1). -P. 2-8.

110. Ciccone, M.A. Clinical outcome of treatment with serine-threonine kinase inhibitors in recurrent epithelial ovarian cancer: a systematic review of literature / M.A. Ciccone, A. Maoz, J.K. Casabar, H. Machida, S. Mabuchi, K. Matsuo // Expert Opin Investig Drugs. -2016. -V.25(7). -P. 781-796.

111. Claussnitzer, M.S. FTO Obesity Variant Circuitry and Adipocyte Browning in Humans / M.S. Claussnitzer, N. Dankel, K.H. Kim et al. // N. Engl. J. Med. - 2015. -V.373. - P. 895-907.

112. Cole, J.B. Genome-wide association analysis of thirty one production, health, reproduction and body conformation traits in contemporary U.S. Holstein cows /

J.B. Cole, G.R. Wiggans, L. Ma, T.S. Sonstegard et al. // Journal: BMC Genomics. -2011. - V. 12. -P. 408-425.

113. Cosemans, J.M. Potentiating role of Gas6 and Tyro3, Axl and Mer (TAM) receptors in human and murine platelet activation and thrombus stabilization / J.M. Cosemans, R. Van Kruchten, S. Olieslagers, L.J. Schurgers et al. // J Thromb Haemost. - 2010. - V.8(8). -P. 1797-808.

114. Costa, R.B. Albuquerque LG Genome-wide association study of reproductive traits in Nellore heifers using Bayesian inference / R.B. Costa, G.M.F. Camargo, I.D.P.S. Diaz, N. Irano, M.M. Dias, R. Carvalheiro, A.A. Boligon, F. Baldi, H.N. Oliveira, H. Tonhati // Genetics, Selection, Evolution:GSE. - 2015. -V.47. P.67-76.

115. Coyne, J.M. Dressing percentage and the differential between live weight and carcass weight in cattle are influenced by both genetic and non-genetic factors1 / J.M. Coyne, R.D. Evans, D.P. Berry // Journal: Anim Sci. - 2019. - V.97(4). -P. 1501-1512.

116. Creemers, E.E. Coactivation of MEF2 by the SAP domain proteins myocardin and MASTR / E.E. Creemers, L.B. Sutherland, J. Oh, A.C. Barbosa, E.N. Olson // Mol Cell. - 2006. - V. 23. - P. 83- 96.

117. Creppe, C. Elongator controls the migration and differentiation of cortical neurons through acetylation of alpha-tubulin / C. Creppe, L. Malinouskaya, M.L. Volvert, M. Gillard, P. Close, O. Malaise, S. Laguesse et al. // Cell. - 2009. -V.136(3). -P. 551- 564.

118. Cru, C. HERC3 binding to and regulation by ubiquitin / C. Cruz, F. Ventura, R. Bartrons, J.L. Rosa // FEBS Lett. - 2001. -V. 488 (1-2). - P. 74-80.

119. Curi, R.A. Association between IGF-I, IGF-IR and GHRH gene polymorphisms and growth and carcass traits in beef cattle / R.A. Curi, H.N.D. Oliveira, A.C. Silveira, C.R. Lopes // Livestock Science. - 2005. - V.94. - P. 159-167.

120. Curik, I. Inbreeding and runs of homozygosity: a possible solution to an old problem / I. Curik, M. Ferencakovic, J. S^kner // Livest Sci. - 2014. -V. 166. -P. 26-34.

121. Dadousis, C. Genome-wide association study for cheese yield and curd nutrient

recovery in dairy cows / C. Dadousis, S. Biffani, C. Cipolat-Gotet, E.L. Nicolazzi et al. // Journal of dairy science. - 2017. -V.100(2). - P. 1259-1271.

122. Davidson, E.H. Emerging properties of animal gene regulatory networks / E.H. Davidson // Nature. - 2010. - V. 468(7326). - P.911-920.

123. De Rubeis, S. Synaptic, transcriptional and chromatin genes disrupted in autism / S. De Rubeis, X. He, A.P. Goldberg et al. // Nature. - 2014. - V.515 (7526). -P.209-215.

124. Deheuninck, J. Potent negative regulators of TGF-beta signaling / J. Deheuninck, K. Luo, Ski and SnoN // Journal: Cell Res. - 2009. -V. 19(1). - P. 4757.

125. Dekkers, J.C.M. The use of molecular genetics in the improvement of agricultural populations / J.C.M. Dekkers, F. Hospital // Nat Rev Genet. -2002. -V. 3(1). - P. 22-32.

126. Dikmen, S. Single nucleotide polymorphisms associated with thermoregulation in lactating dairy cows exposed to heat stress / S. Dikmen, X.Z. Wang, M.S. Ortega, J.B. Cole, D.J. Null, P.J. Hansen // J Anim Breed Genet. - 2015. -V.132 (6). -P.409-419.

127. Dong, C. MAP kinases in the immune response / C. Dong, R.J. Davis, R.A. Flavell // Annu. Rev. Immunol. - 2002. -V. 20. - P. 55- 72.

128. Doyle, J.L. Genomic regions associated with muscularity in beef cattle differ in five contrasting cattle breeds / J.L. Doyle, D.P. Berry, R.F. Veerkamp, T.R. Carthy, R.D. Evans, S.W. Walsh, D.C. Purfield // Journal: Genet Sel Evol. - 2020. -V.52 (1). -P.1-18.

129. Dushayeva, L.Z. Marking of meat productivity features in pairs of bGH, bGHR and bIGF-1 polymorphic genes in Aberdeen-Angus cattle / L.Z. Dushayeva, A.M. Nametov, I.S. Beishova, A.V. Belaya, T.V. Ulyanova, A.M. Kovalchuk, K.K. Tagirov, Y.A. Yuldashbayev // OnLine Journal of Biological Sciences. - 2021. -V. 21(2). - P. 334-345.

130. Edea, Z. Signatures of positive selection underlying beef production traits in Korean cattle breeds / Z. Edea, K.S. Jung, S.S. Shin, S.W. Yoo, J.W. Choi, K.S. Kim // J Anim Sci Technol. - 2020. -V. 62(3). - P. 293-305.

131. Edriss, V. Pit1Gene polymorphysm of Holstein Cows in Isfahan Province / V. Edriss, V.A. Edriss, H.R. Rahmani // Biotechnology. - 2008. - V.7(2). - P. 209212.

132. Evan, A. An expanded view of complex traits: from polygenic to omnigenic /

A. Evan, E.A. Boyle, I. Yang et al. // Cell. - 2017. - V.169 (7). - P. 1177-1186.

133. Fagerberg, L. Analysis of the human tissue - specific expression by genome-wide integration of transcriptomics and antibody-based proteomics / L. Fagerberg,

B.M. Hallström, P. Oksvold, C. Kampf, D. Djureinovic et al. // Mol Cell Proteomics.

- 2014. - V.13(2). - P. 397-406.

134. Farh, K.K. Genetic and epigenetic fine mapping of causal autoimmune disease variants / K.K. Farh, A. Marson, J. Zhu et al. // Nature. - 2015. - V. 518(7539). -P.337-343.

135. Fernando, R.L. A class of Bayesian methods to combine large numbers of genotyped and non-genotyped animals for hole - genome analyses / R.L. Fernando, J.C. Dekkers, D.J.Garrick // Genet. Sel. Evol. - 2014. - V.4 6(1). -P. 50-63.

136. Fisher, R.A. The correlation between relatives on the supposition of Mendelian inheritance / R.A. Fisher // Trans. R. Soc. Edinb. - 1918. -V.52. - P.399-433.

137. Fragomeni, B.O. Alternative SNP weighting for single-step genomic best linear unbiased predictor evaluation of stature in US Holsteins in the presence of selected sequence variants / B.O. Fragomeni, DAL Lourenco, A. Legarra et al. // J. Dairy Sci.

- 2019. - V. 102(11). - P.10012-10019.

138. Freire, A.V. Type A Insulin Resistance Syndrome- Novel insulin receptor gene mutation and familiar phenotypic variability / A.V. Freire, P. Scaglia, M.G. Gryngarten, M. Gutiérrez, A.J. Arcari et al. // Int J Clin Endocrinol Metab. -2019. -V.5(1). -P.16-19.

139. Fromer, M. De novo mutations in schizophrenia implicate synaptic networks / M. Fromer, A.J. Pocklington, D.H. Kavanagh, H.J. Williams et al. // Nature. - 2014. -V.506. - P.179-184.

140. Fukuda, H. MARCH-III представляет собой новый компонент эндосом со свойствами, аналогичными свойствам MARCH-II / H Fukuda, N. Nakamura, S. Hirose // Дж. Биохим. - 2006. - P. 137-145.

141. Furlong, L.I. Human diseases through the lens of network biology / L.I. Furlong // Trends Genet. - 2013. - V.29. - P.150-159.

142. Garda-Ruiz, A. Changes in genetic selection differentials and generation intervals in US Holstein dairy cattle as a esult of genomic selection / A. Garcia-Ruiz, J.B. Cole, P.M. VanRaden et al. // Proc. Natl. Acad. Sci. U.S.A. - 2016. - V.113(28).

- P. 3995-4004.

143. Ge, W.A. genetic marker associated with blood serum insulin like growth factor-I (IGF-I) concentration and growth traits in Angus cattle / W. Ge, M.E. Davis, H.C. Hines // Journal of Animal Science. - 1997. - V.75. - P. 32-40.

144. Ge, W. Two SSCP alleles detected in the 5'-flanking region of bovine IGF I gene / W. Ge, M. E. Davis, H. C. Hines // Animal Genetics. - 1997. - V.28. -P. 155-162.

145. Gebreyesus, G. Combining multi-population datasets for joint genome-wide association and meta-analyses: The case of bovine milk fat composition traits /

G. Gebreyesus, A.J. Buitenhuis, N.A. Poulsen, M.H.P.W. Visker, Q. Zhang,

H.J.F. van Valenberg, D. Sun, H. Bovenhuis // Journal of dairy science. - 2020. -V. 102(12). - P. 11124-11141.

146. Gebreyesus, G. Multi-population GWAS and enrichment analyses reveal novel genomic regions and promising candidate genes underlying bovine milk fatty acid composition / G. Gebreyesus, A.J. Buitenhuis, N.A. Poulsen, M.H.P.W. Visker, Q. Zhang, H.J.F. van Valenberg, D. Sun, H. Bovenhuis // BMC genomics. - 2019. -V. 20(1). -P. 178-194.

147. Georges, M. Genetic variation of the bovine thyroglobulin gene studied at the DNA level / M. Georges // Animal Genetics. - 1987. - V.18. - P.41-50.

148. Georges, M. Harnessing genomic information for livestock improvement / M. Georges, C. Charlier, B. Hayes //Nat. Rev. enet. - 2019. - V.20. - P.135-156.

149. Goddard, M.E. Mapping genes for complex traits in domestic animals and their use in breeding programmes / M.E. Goddard, B.J. Hayes // Nature Reviews Genetics.

- 2009. -V.10. - P. 381-391.

150. Goldstein, D.B. Common genetic variation and human traits / D.B. Goldstein //

N Engl J Med. - 2009. - V. 360(17). - P.1696-1698.

151. Gregersen, L.H. SCAF4 and SCAF8, mRNA Anti-Terminator Proteins / L.H. Gregersen, R. Mitter, A.P. Ugalde, T. Nojima, N.J. Proudfoot, R. Agami, A. Stewart, J.Q. Svejstrup // Cell. - 2019. -V.177(7). -P. 1797-1813.

152. Grisart, B. Positional candidate cloning of a QTL in dairy cattle: Identification of missense mutation in the bovine DGAT1 gene with major effect on milk yield and composition / B. Grisart, W. Coppieters, F. Farnir, L. Karim, C. Ford, P. Berzi, N. Cambisano, M. Mni, S. Reid, P. Simon, R. Spelman, M. Georges, R. Snell // Genome Research. - 2002. - V.12(2). - P. 222-231.

153. GTEx Consortium. Human genomics. The Genotype-Tissue Expression (GTEx) pilot analysis: multitissue gene regulation in humans / GTEx Consortium // Science. -2015. - V.348(6235). - P. 648-660.

154. Guo, X. Detection of InDel and CNV of SPAG17 gene and their associations with bovine growth traits / X. Guo, J. Pei, X. Wu, P. Bao, X. Ding, L. Xiong, M. Chu, X. Lan, P. Yan. // Anim Biotechnol. - 2022. - V. 33(3). - P. 440-447.

155. Gutierrez-Gil, B. Investigation of the genetic architecture of a bone carcass weight QTL on BTA6 / B. Gutierrez-Gil, P. Wiener, J.L. Williams, C.S. Haley //Anim Genet. - 2012. - V. 43(6). - P. 654-61.

156. Habib, H.N. The effect of Hsp90 gene polymorphism on the beef cattle production: a review paper / H.N. Habib, W.M.M. Saleh, Q. Gheni, A.S. Karomy // Multidisciplinary Reviews. -2021. -V. 4. -P. 1-7.

157. Hagen, G. Functional analyses of the transcription factor Sp4 reveal properties distinct from Sp1 and Sp3 / G. Hagen, J. Dennig, A. Preiss, M. Beato, G. Suske // J. Biol Chem. -1995. - V. 270 (42). -P. 24989-24994.

158. Hayes, B.J. 1000 Bull genomes project to map simple and complex genetic traits in cattle: applications and outcomes / B. J. Hayes, H.D. Daetwyler // Annu. Rev. Anim. Biosci. - 2019. - V.7. - P. 89-102.

159. Herrera-Ojeda, J.B. Genetic variances and covariances of live weight traits in Charolais cattle by multi-trait analysis / J.B Herrera-Ojeda, G.M. Parra-Bracamonte, N. Lopez-Villalobos, J.C. Martínez-González, J.G. Magaña-Monforte, S.T. Morris,

L.A. Lopez-Bustamante // J Appl Genet. - 2019. -V.60(3-4). - P. 385-391.

160. Hines, H.C. Association of genetic markers in growth hormone and insulin-like growth factor I loci with lactation traits in Holsteins / H.C Hines. W. Ge, Q. Zhao, M.E. Davis // Animal Genetics. - 1998. - V.29. - 69 p.

161. Hochrainer, K. The human HERC family of ubiquitin ligases: novel members, genomic organization, expression profiling, and evolutionary aspects / K. Hochrainer, H. Mayer, U. Baranyi, B. Binder, J. Lipp, R. Kroismayr // Genomics. - 2005. -V.85(2). -P. 153-164.

162. Hoter, A. The HSP90 family: structure, regulation, function, and implications in health and disease / A. Hoter, M.E. El-Sabban, H.Y. Naim // International Journal of Molecular Sciences. - 2018. - V.19(9). -P. 2560-2593.

163. Hou, A. Long-range linkage disequilibrium in French beef cattle breeds / A. Hou, D. Rocha, E. Venot, V. Blanquet, R. Philippe // Genet Sel Evol. - 2021. -V.53(1). -P. 63-77.

164. Hu, R.M. Gene expression profiling in the human hypothalamus-pituitary-adrenal axis and full-length cDNA cloning / R.M. Hu, Z.G. Han, H.D. Song et al. // Proc. Natl. Acad. Sci. U.S.A. - 2000. - V.97(17). -P. 9543- 9548.

165. Hu, Z.L. Building a livestock genetic and genomic information knowledgebase through integrative developments of animal QTLdb and CorrDB / Z.L. Hu, C.A. Park, J.M. Reecy // Nucleic Acids Res. - 2019. - V.47(1). -P. 701- 710.

166. Hu, H. ST3GAL3 mutations impair the development of higher cognitive functions / H. Hu, K. Eggers, W. Chen, M. Garshasbi, M. M. Motazacker et al. // Am. J. Hum. Genet. -2011. - V.89. - P. 407-414.

167. Igoshin A.V. Genome-wide association study for body weight in cattle populations from Siberia / A.V. Igoshin, N.S. Yudin, N.M. Belonogova, D.M. Larkin // AnimGenet. - 2019. -V.50(3). - P. 250-253.

168. Ilie, D.E. Genome-Wide Association Studies for Milk Somatic Cell Score in Romanian Dairy Cattle / D.E. Ilie, A.E. Mizeranschi, C.V. Mihali, R.I. Neamt, G.V. Goilean et al // Genes. -2021. -V.12(10). -P.1495.-1511.

169. International Multiple Sclerosis Genetics Consortium (IMSGC) International Multiple Sclerosis Genetics Consortium (IMSGC). "The expanding genetic overlap between multiple sclerosis and type I diabetes" // GenesandImmunity. - 2009. -V.10(1). -P.11- 15.

170. Ip, W.K. Serum mannose-binding lectin levels and mbl2 gene polymorphisms in different age and gender groups of southern Chinese adults / W.K. Ip, Y.F. To, S.K. Cheng, Y.L. Lau // Scand. J. Immunol. - 2004. - V.59. - 310 p.

171. Iung, L.H.S. Genome wide association study for milk production traits in a Brazilian Holstein population / L.H.S. Iung, J. Petrini, J. Ramirez-Diaz, M. Salvian, G.A. Rovadoscki, F. Pilonetto, B.D. Dauria, P.F. Machado, L.L. Coutinho, G.R. Wiggans, G.B. Mourao // Journal of dairy science. - 2019. - V.102(6). - P.5305-5314.

172. Izaki, T. Two forms of human Inscuteable-related protein that links Par3 to the Pins homologues LGN and AGS3 / T. Izaki, S. Kamakura, M. Kohjima, H. Sumimoto // Biochem Biophys Res Commun. - 2006. -V.341(4). -P.1001-1006.

173. Jahuey-Martinez, F.J. Signatures of selection in Charolais beef cattle identified by genome-wide analysis / F.J. Jahuey-Martinez, G.M. Parra-Bracamonte,

A.M. Sifuentes-Rincon, V.R. Moreno-Medina // J Anim Breed Genet. - 2019. -V.136(5). - P. 378-389.

174. Jiang, J. Large-Scale Genome-Wide Association Study in U.S. Holstein Cattle / J. Jiang, L. Ma, D. Prakapenka, P.M. VanRaden, J.B. Cole, Y.A. Da // Frontiers in genetics. - 2019. -V.10. -P. 412-433.

175. Jin, S.H. Actin-binding LIM protein 1 regulates receptor activator of NF-kB ligand-mediated osteoclast differentiation and motility / S.H. Jin, H. Kim, D.R. Gu, K.H. Park, Y.R. Lee, Y. Choi, S.H. Lee // BMB Rep. - 2018. -V.51(7). - P.356-361.

176. Jo, B. Distant regulatory effects of genetic variation in multiple human tissues /

B. Jo, Y. He, B.J. Strober et al. // bioRxiv. -2016. - 074419.

177. Kang, H.M. Variance component model to account for sample structure in genome-wide association studies / H.M. Kang, J.H. Sul, S.K. Service et al. //Nat. Genet. - 2010. V. 42(4). - P.348- 354.

178. Kelter, R. Bayesian alternatives to null hypothesis significance testing in biomedical research: a non-technical introduction to Bayesian inference with JASP / R. Kelter //BMC Med Res Methodol. - 2020. -V.20(1). -P. 142-153.

179. Kennedy, B.W. Estimation of effects of single genes on quantitative traits / B.W. Kennedy, M. Quinton, van J.A. Arendonk // J. Anim. Sci. - 1992. - V.70(7). -P.2000-2012.

180. Kim E.S. Genome-wide scan for bovine twinning rate QTL using linkage disequilibrium / E.S. Kim, P.J. Berger, B.W. Kirkpatrick // Animal genetics. - 2009.

- V40(3). -P. 300-307.

181. Kiser, J.N.Validation of 46 loci associated with female fertility traits in cattle / J.N. Kiser, E.M. C.M. Keuter, M. Seabury Neupane, J.G.N. Moraes, J. Dalton, G.W. Burns, T.E. Spencer, H.L. Neibergs // BMC genomics. - 2019. - V.20(1). -P. 576-592.

182. Kolbehdari, L.D.D. A whole-genome scan to map quantitative trait loci for conformation and functional traits in Canadian Holstein bulls / L.D.D. Kolbehdari, Z. Wang, J.R. Grant, B. Murdoch, A. Prasad, Z. Xiu, E. Marques, P. Stothard, S.S. Moore // Journal of dairy science. - 2008. - V. 91(7). -P. 2844-2856.

183. Kuang, S. Asymmetric self-renewal and commitment of satellite stem cells in muscle / S. Kuang, K. Kuroda, F. Le Grand, M.A. Rudnicki // Cell. - 2007. - V.129.

- P. 999- 1010.

184. Kundaje, A. Roadmap Epigenomics Consortium Integrative analysis of 111 reference human epigenomes / A. Kundaje, W. Meuleman, J. Ernst et al. // Nature. -2015. - V.518. - P.317-330.

185. Kyriakis, J.M. Mammalian MAPK signal transduction pathways activated by stress and inflammation: A 10-Year Update / J.M. Kyriakis, J. Avruch // Physiol. -2012. - Rev.92. -P. 689-737.

186. Lakshmanan, M. Molecular targeting of E3 ligases--a therapeutic approach for cancer / M. Lakshmanan, U. Bughani, S. Duraisamy, M. Diwan, S. Dastidar, A. Ray // Expert Opin Ther Targets. - 2008. - V. 12(7). -P.855-870.

187. Larriba, S. ATB (0) /SLC1A5 gene. Fine localisation and exclusion of

association with the intestinal phenotype of cystic fibrosis / S. Larriba, L. Sumoy, M.D. Ramos, J. Giménez, X. Estivill, T. Casals, V. Nunes // Eur J Hum Genet. -2001. -V.9(11). P. 860-866.

188. Lechler, T. Asymmetric cell divisions promote stratification and differentiation of mammalian skin / T. Lechler, E. Fuchs // Nature. - 2005. -V.437(7056). -P. 275280.

189. Legarra, A. A relationship matrix including full pedigree and genomic information. / A. Legarra, I. Aguilar, I. Misztal // J Dairy Sci. - 2009. -V. 92. -P.4656-4663.

190. Legarra, A. Computational strategies for national integration of phenotypic, genomic, and pedigree data in a single-step best linear unbiased prediction / A. Legarra, V. Ducrocq // J. Dairy Sci. - 2012. - V. 95(8). - P.4629-4645.

191. Legarra, A. Single step, a general approach for genomic selection / A. Legarra, O.F. Chistensen, I. Aguilar, I. Misztal // Livest. Prod. Sci. - 2014. - V. 166. - P. 5465.

192. Li, W. Polyubiquitin chains: functions, structures, and mechanisms / W. Li, Y. Ye // Cell. Mol. Life Sci. - 2008. - V. 65. - P. 2397-2406.

193. Li, Y.I. RNA splicing is a primary link between genetic variation and disease / Y.I. Li, B. van de Geijn, A. Raj et al. // Science. - 2016. - V. 352(6285). - P.600-604.

194. Link, S. A novel mitosis link? / S. Link, S.B. Hake // Cell Cycle. - 2017. -V. 16(20). -P. 1849-1850.

195. Lipkin, E. The Use of Kosher Phenotyping for Mapping QTL Affecting Susceptibility to Bovine Respiratory Disease / E. Lipkin, M.G. Strillacci, H. Eitam, M. Yishay, F. Schiavini, M. Soller, A. Bagnato, A. Shabtay // PLoS One. - 2016. -V.11(4). -P. e0153423.

196. Liu, S. Identification of the proteins required for biosynthesis of diphthamide, the target of bacterial ADP-ribosylating toxins on translation elongation factor 2 / S. Liu, G.T. Milne, J.G. Kuremsky, G.R. Fink, S.H. Leppla // Mol Cell Biol. - 2004. - V. 24(21). -P. 9487-9497.

197. Liu, L. Myocardin regulates exon usage in smooth muscle cells through induction of splicing regulatory factors / L. Liu, D. Kryvokhyzha, C. Rippe et al. // Cell. Mol. Life Sci. - 2022. -V. 79. -P. 459-463.

198. Liu, Z. A single-step genomic model with direct estimation of marker effects / Z. Liu, M. E. Goddard, F. Reinhardt, R. Reents // J. Dairy Sci. - 2014. - V.97(9). -P.5833-5850.

199. Liu, Z.P. Approximating genomic reliabilities for national genomic evaluation / Z. Liu, P. M. VanRaden, M.H. Lidauer et al. //Interbull Bull. - 2017. - V.51. - P.75-85.

200. Loh, P.R. Schizophrenia Working Group of Psychiatric Genomics Consortium Contrasting genetic architectures of schizophrenia and other complex diseases using fast variance-components analysis/ P.R. Loh, G. Bhatia, A. Gusev, H.K. Finucane et al. // Nat. Genet. - 2015. - V.47. - P.1385-1392.

201. Loor, J.J. Temporal gene expression profiling of liver from periparturient dairy cows reveals complex adaptive mechanisms in hepatic function / J.J. Loor, M. Dann Heather, E.R. Everts et al. // Physiological Genomics. -2005. -V. 23(2). - P.217-226.

202. Lu, D. Genome-wide association analyses for growth and feed efficiency traits in beef cattle / D. Lu, S. Miller, M. Sargolzaei, M. Kelly, G. Vander Voort, T. Caldwell, Z. Wang, G. Plastow, S. Moore // Journal of animal science. - 2013. -V. 91(8). -P. 3612-33.

203. Ma, C. LAF-4 encodes a lymphoid nuclear protein with transactivation potential that is homologous to AF-4, the gene fused to MLL in t(4; 11) leukemias / C. Ma, L.M. Staudt // Blood. - 1996. -V.87(2). -P. 734-745.

204. Madan, P. Mitogen-activated protein kinase (MAPK) blockade of bovine preimplantation embryogenesis requires inhibition of both p38 and extracellular signal-regulated kinase (ERK) pathways / P. Madan, M.D. Calder, A.J. Watson, // Reproduction. - 2005. - V. 130(1). - P.41-51.

205. Maj, A. Single nucleotide polymorphism SNP) in the 50-noncoding region of the bovine growth hormone receptor gene and its association with dairy production traits in Polish Black-and-White cattle / A. Maj, N. Strzalkowska, K. Sloniewski,

J. Krzyzewski, J. Oprzadek, L. Zwierzchowski // Czech Journal of Animal Science. -2004. - V.49. - P. 419-429.

206. Manolio, T.A. Finding the missing heritability of complex diseases / T.A. Manolio, F.S. Collins, N.J. D.B. Cox Goldstein et al. // Nature. - 2009. - V. 461. - P.747-753.

207. Marete, A. Genome-wide association study for milking speed in French Holstein cows / A. Marete, G. Sahana, S. Fritz, R. Lefebvre, A. Barbat, M.S. Lund, B. Guldbrandtsen, D. Boichard // Journal: Journal of dairy science. - 2018. -V.101(7). - P. 6205-6219.

208. Marouli, E. EPIC-InterAct ConsortiumCHD Exome+ ConsortiumExomeBP ConsortiumT2D-Genes ConsortiumGoT2D Genes ConsortiumGlobal Lipids Genetics ConsortiumReproGen ConsortiumMAGIC Investigators Rare and low-frequency coding variants alter human adult height / E. Marouli, M. Graff, C. Medina-Gomez, K.S. Lo, A.R. Wood, T.R. Kjaer , R.S. Fine, Y. Lu, C. Schurmann, H.M. Highland, et al. // Nature. - 2017. - V.542. - P. 186-190.

209. Marouli, E. Rare and low-frequency coding variants alter human adult height / E. Marouli, M. Graff, C. Medina-Gomez et al. // Nature. - 2017. - V. 542(7640). -P.186-190.

210. Martin, N. Sire Effects on Post-Weaning Growth of Beef66+3-Cross-Dairy Cattle: A Case Study in New Zealand / N. Martin, N. Schreurs, S. Morris, N. Lopez-Villalobos, J. McDade, R. Hickson //Animals (Basel). -2020. -V.10(12). - P. 2313.

211. Mateescu, R.G. Network Analysis Reveals Putative Genes Affecting Meat Quality in Angus Cattle / R.G. Mateescu, D.J. Garrick, J.M. Reecy // Frontiers in genetics. - 2017. -V. 8. -P. 171-175.

212. Matukumalli, L.K. Development and Characterization of a High Density SNP Genotyping Assay for Cattle // L.K. Matukumalli, C.T. Lawley, R.D. Schnabel, J.F. Taylor, M.F. Allan // PLOS ONE. - 2009. - V. 4(4). - P.5350-5355.

213. Mehmannavaz, Y. Association of IGF-1 gene polymorphism with milk production traits and paternal genetic trends in Iranian Holstein bulls / Y. Mehmannavaz, C. Amirinia, M. Bonyadi, R. Vaez Torshizi // African Journal of

Microbiology Research. - 2010. - V.4. - P. 110-114.

214. Meredith, B.K. Genome-wide associations for milk production and somatic cell score in Holstein-Friesian cattle in Ireland / B.K. Meredith, F.J. Kearney, E.K. Finlay, D.G. Bradley, A.G. Fahey, D.P. Berry, D.J. Lynn // BMC genetics. - 2012. - V.13. -P. 21-28.

215. Meszaros, G. Genomic regions influencing coat color saturation and facial markings in Fleckvieh cattle / G. Meszaros, E. Petautschnig, H. Schwarzenbacher, J. Solkner // Anim Genet. - 2015. - V. 46(1). - P.65-68.

216. Meuwissen, T.H. Genomic predictions based on animal models using genotype imputation on a national scale in Norwegian Red cattle / T. H. Meuwissen, M. Svendsen, T. Solberg, J.0degard // Genet. Sel. Evol. - 2015. - V.47. -P.79-85.

217. Meuwissen, T.H.E. Prediction of total genetic value using genome-wide dense marker maps. / T.H.E. Meuwissen, B.J. Hayes, M.E. Goddard // Genetics. - 2001. -V.157. -P. 1819-1829.

218. Michot, P. A reverse genetic approach identifies an ancestral frameshift mutation in RP1 causing recessive progressive retinal degeneration in European cattle breeds / P. Michot, S. Chahory, A. Marete, et al. // Genet Sel. - 2016. - V.48. -P.56-68.

219. Misztal, I. Current status of genomic evaluation / I. Misztal, D. Lourenco, A. Legarra // Journal of Animal Science. - 2020. - V.98(4). -P. 101-115.

220. Misztal, I. Using recursion to compute the inverse of the genomic relationship matrix / I. Misztal, A. Legarra, I. Aguilar // J. Dairy Sci. - 2014. - V.97(6). - P.3943-3952.

221. Misztal, I. Computing procedures for genetic evaluation including phenotypic, full pedigree, and genomic information / I. Misztal, A. Legarra, I. Aguilar // J. Dairy Sci. -2009. - V.92. - P.4648-4655.

222. Moghaddar, N. Genomic prediction based on selected variants from imputed whole-genome sequence data in Australian sheep populations / N. Moghaddar, M. Khansefid, J. H. J.van der Werf et al.// Genet. Sel. Evol. - 2019. - V.51(1). - P. 72 -83.

223. Moody, D.E. Restriction fragment length polymorphism in amplification products of the bovine Pit-1 gene and assignment of Pit-1 to bovine chromosome 1 / D.E. Moody, D. Pomp, W. Barendse // Animal Genetics. - 1995. - V.26. - P.45-47.

224. Moore, S. Fine mapping of quantitative trait loci and assessment of positional candidate genes for backfat on bovine chromosome 14 in a commercial line of Bos Taurus / S. Moore, C. Li, J. Basarab, W. Snelling, J. Kneeland, B. Murdoch, C. Hansen, B. Benkel // Journal of Animal Science. -2004. -V. 81. -P. 1919- 1925.

225. Morgan, J.T. Excised linear introns regulate growth in yeast / J.T. Morgan et al. // Nature. - 2019. -V. 565. -P. 606-611.

226. Moser, G. Accuracy of direct genomic values in Holstein bulls and cows using subsets of SNP markers / G. Moser, M.S. Khatkar, B.J. Hayes, H.W. Raadsma // Genetics Selection Evolution. - 2010. - V.42. - 37 p.

227. Murphy, K. Janeway's Immunobiology / K. Murphy, P. Travers, M. Walport // New York: Garland Science. - 2011. - 888 p.

228. Nametov, A.M. Analysis of the Genetic Structure of the Hereford Population Bred in Kazakhstan / A.M. Nametov, I.S. Beishova, T.V. Poddudinskaya, A.M. Kovalchuk, A.V. Belaya // Advances in Animal and Veterinary Sciences. -2019. - V. 7(1). - P. 71-77.

229. Nametov, A.M. Assessment Of Pairwise Combinations' Association Of Polymorphic Variants Of The Genes Of Bpit-1, Bgh, Bghr Bigf Somatotropic Cascade With Meat Productivity Of The Cattle Bred In Kazakhstan / A.M. Nametov, I.S. Beishova, G.D. Chuzhebaeva, I.M. Tegza, A.V. Belaya // Journal of Pharmaceutical Sciences and Research. - 2018. - V. 10(8). - P. 1906-1911.

230. Nayeri, S. Genome-wide association for milk production and female fertility traits in Canadian dairy Holstein cattle / S. Nayeri, M. Sargolzaei, M.K. Abo-Ismail, N. May, S.P. Miller, F. Schenkel, S.S. Moore, P. Stothard // BMC genetics. - 2016. -V.17(1). -P. 75-88.

231. Nishimura, S. Genome-wide association study identified three major QTL for carcass weight including the PLAG1-CHCHD7 QTN for stature in Japanese Black cattle / S. Nishimura, T. Watanabe, K. Mizoshita, K. Tatsuda, T. Fujita, N. Watanabe,

Y. Sugimoto, A.Takasuga // BMC Genet. - 2012. -V.13. -P. 40-52.

232. Nowicki, M. Cardiolipin synthase of Arabidopsis thaliana / M. Nowicki, F. Müller, M. Frentzen // FEBS Lett. - 2005. -V.579(10). -P.2161-2165.

233. Oliveira, H.R. Genome-wide association for milk production traits and somatic cell score in different lactation stages of Ayrshire, Holstein, and Jersey dairy cattle / H.R. Oliveira, J.P. Cant, L.F. Brito, F.L.B. Feitosa, T.C.S. Chud, P.A.S. Fonseca, J. Jamrozik, F.F. Silva, D.A.L. Lourenco, F.S. Schenkel // Journal of dairy science. -2019. - V. 102(9). - P. 8159-8174.

234. Olsen, H.G. Fine mapping of a QTL on bovine chromosome 6 using imputed full sequence data suggests a key role for the group-specific component (GC) gene in clinical mastitis and milk production / H.G. Olsen, T.M. Knutsen, A.M. Lewandowska-Sabat, H. Grove, T. Nome, M. Svendsen, M. Arnyasi, M. Sodeland, K.K. Sundsaasen, S.R. Dahl, B. Heringstad, H.H. Hansen, I. Olsaker, M.P. Kent, S.Lien // Genetics, Selection, Evolution: GSE. - 2016. -V. 48(1). -P. 7986.

235. Olson, E.N. Gene regulatory networks in the evolution and development of the heart / E.N.Olson // Science. - 2006. - V.313. -P. 1922- 1927.

236. Parenteau, J. Introns are mediators of cell response to starvation / J. Parenteau et al. // Nature. - 2019. -V. 565(7741). -P. 612-617.

237. Parker Gaddis, K.L. Explorations in genome-wide association studies and network analyses with dairy cattle fertility traits / K.L. Parker Gaddis, D.J. Null, J.B. Cole // Journal of dairy science. - 2016. - V. 99(8). -P. 6420-6435.

238. Patry, C. Evidence of biases in genetic evaluations due to genomic preselection in dairy cattle/ C. Patry, V. Ducrocq // J. Dairy Sci. - 2011. - V.94. - P.1011-1020.

239. Pawar, R.S. Growth hormone gene polymorphism and its association with lactation yield in dairy cattle / R.S. Pawar, C.G. Joshi, D.N. Rank // Indian journal of animal science. - 2007. - V.9. - P. 884-888.

240. Pedrosa, V.B. Genomewide Association Analyses of Lactation Persistency and Milk Production Traits in Holstein Cattle Based on Imputed Whole-Genome Sequence Data / V.B. Pedrosa, F.S. Schenkel, S.Y. Chen, H.R. Oliveira, T.M. Casey,

M.G. Melka, Brito // Genes. - 2021. - V.12(11). -P. 1830-1839.

241. Pickrell, J.K. Detection and interpretation of shared genetic influences on 42 human traits / J.K. Pickrell, T. Berisa, J.Z. Liu et al. // Nat. Genet. - 2016. - V.48. - P.709-717.

242. Pickrell, J.K. Joint analysis of functional genomic data and genome-wide association studies of 18 human traits / J.K. Pickrell // Am. J. Hum. Genet. - 2014. -V.94(4). - P.559-573.

243. Podhajska, A. Common pathogenic effects of missense mutations in the P-type ATPase ATP13A2 (PARK9) associated with early-onset parkinsonism / A. Podhajska, A. Musso, A. Trancikova, K. Stafa, R. Moser, S. Sonnay, L. Glauser, D.J. Moore // PLoS One. - 2012. -V. 7(6). -P. e39942.

244. Porter, V. Kazakh Whiteheaded cattle / V. Porter, L.Alderson, J.G. Stephen, D. Hall, P. Sponenberg // Mason's World Encyclopedia of Livestock Breeds and Breeding (sixth edition). Wallingford: CABI. - 2016. - P. 216-217.

245. Price, A.L. Single-tissue and cross-tissue heritability of gene expression via identity-by-descent in related or unrelated individuals / A.L. Price, A. Helgason, G. Thorleifsson, S.A. McCarroll, A. Kong, K. Stefansson // PLoS Genet. - 2011. -V. 7(2). -P. e1001317.

246. Pritchard, J.K. The genetics of human adaptation: hard sweeps, soft sweeps, and polygenic adaptation / J.K. Pritchard, J.K. Pickrell, G. Coop // Curr. Biol. - 2010. -V.20. -P.208-215.

247. Protasoni, M. Novel compound heterozygous pathogenic variants in nucleotide-binding protein like protein (NUBPL) cause leukoencephalopathy with multi-systemic involvement / M. Protasoni, C. Bruno, M.A. Donati, K. Mohamoud, M. Severino, A. Allegri, A.J. Robinson, A. Reyes, M. Zeviani, C. Garone // Mol Genet Metab. -2020. - V.129(1). - P.26-34.

248. Pünzeler, S. Multivalent binding of PWWP2A to H2A.Z regulates mitosis and neural crest differentiation / S. Pünzeler, S. Link, G. Wagner, E.C. Keilhauer, N. Kronbeck, R.M. Spitzer, S. Leidescher, Y. Markaki, E. Mentele, C. Regnard, K. Schneider, D. Takahashi, M. Kusakabe, C. Vardabasso, L.M. Zink, T. Straub,

E. Bernstein, M. Harata, H. Leonhardt, M. Mann, R.A. Rupp, S.B. Hake // EMBO J.

- 2017. -V.36(15). - P. 2263-2279.

249. Purcell, S.M. PLINK: a tool set for whole-genome association and population-based linkage analyses / S.M. Purcell, et al. // American Journal of Human Genetics. - 2007. - V. 81(3). - P.559- 575.

250. Purcell, S.M. A polygenic burden of rare disruptive mutations in schizophrenia / S.M. Purcell, J.L. Moran, M. Fromer et al. // Nature. - 2014. - V.506. - P. 185-190.

251. Purcell, S.M. International Schizophrenia Consortium Common polygenic variation contributes to risk of schizophrenia and bipolar disorder / S.M. Purcell, N.R. Wray, J.L. Stone, P.M. Visscher et al. // Nature. - 2009. - V.460. - P.748-752.

252. Radha, V. Association of Lyn tyrosine kinase with the nuclear matrix and cell-cycle-dependent changes in matrix-associated tyrosine kinase activity / V. Radha, S. Nambirajan, G. Swarup // European Journal of Biochemistry. -1996. - V.236(2). -P.352-359.

253. Ranek, M.J. The role of heat shock proteins and co-chaperones in heart failure / M.J. Ranek, M.J. Stachowski, J.A. Kirk, M.S. Willis // Philosophical Transactions of the Royal Society B: Biological Sciences. - 2018. - V.373(1738). -P. 20160530.

254. Raychaudhuri, S. The diverse functions of oxysterol-binding proteins / S. Raychaudhuri, W.A. Prinz // Annual Review of Cell and Developmental Biology.

- 2010. - V.26. -P. 157- 177.

255. Raza, S.H.A. Genome-wide association studies reveal novel loci associated with carcass and body measures in beef cattle / S.H.A. Raza, S. Khan, M. Amjadi, S.A. Abdelnour, H. Ohran, K.M. Alanazi, M.E. Abd El-Hack, A.E. Taha, R. Khan, C. Gong, N.M. Schreurs, C. Zhao, D. Wei, L. Zan // Arch Biochem Biophys. - 2020.

- V. 694. -P.108543.

256. Rearick D. Critical association of ncRNA with introns / D. Rearick, P. Ashwin, Mc. Andrew, S. Sh. Samuel, F. Larisa // Nucleic Acids Research. -2011. - V.6. -P.2357- 2366.

257. Roberto, A. Analysis of mRNA expression for genes associated with regulatory T lymphocytes (CD25, FoxP3, CTLA4, and IDO) after experimental infection with

bovine viral diarrhea virus of low or high virulence in beef calves / A.P. Roberto, J. Hurley David, R. Woolums Amelia, E. Parrish Jacqueline, V. Brock Kenny // Comparative Immunology, Microbiology and Infectious Diseases. - 2014. - V. 37(5-6) - P.331-338.

258. Rocha, C.C. Early pregnancy-induced transcripts in peripheral blood immune cells in Bos indicus heifers / C.C. Rocha, S.C. da Silva Andrade, G.D. de Melo et al. // Sci Rep. -2020. -V.10(1). - P. 13733-13742.

259. Ruetten, H. Effects of tyrphostins and genistein on the circulatory failure and organ dysfunction caused by endotoxin in the rat: a possible role for protein tyrosine kinase / H. Ruetten, C. Thiemermann // British Journal of Pharmacology. - 1997. -V.122(1). - P.59-70.

260. Ruiter, J. Redefine or justify? Comments on the alpha debate / J. Ruiter // Psychon Bull Rev. - 2019. -V.26(2). - P. 430-433.

261. Ryan, K.E. Akt and Erk signal transduction pathways are early markers of differentiation in dominant and subordinate ovarian follicles in cattle / K.E. Ryan, S.M. Casey, M.J. Canty, M.A. Crowe, F. Martin, A.C.O. Evans // Reproduction. -2007. - V. 133(3). - P. 617-626.

262. Saatchi, M. QTLs associated with dry matter intake, metabolic mid-test weight, growth and feed efficiency have little overlap across 4 beef cattle studies / M. Saatchi, J.E. Beever, J.E. Decker, D.B. Faulkner, H.C. Freetly et al. // BMC genomics. - 2014. - V.15. -P. 1004-1023.

263. Saatchi, M. Garrick Large-effect pleiotropic or closely linked QTL segregate within and across ten US cattle breeds / M. Saatchi, D. Robert Schnabel, F. Jeremy Taylor, J. Dorian // BMC Genomics. - 2014. - V.15. -P. 442-453.

264. Sahu, S.K. Phospholipid scramblases: an overview / S.K. Sahu, S.N. Gummadi, N. Manoj, G.K. Aradhyam // Arch. Biochem. Biophys. - 2007. - V.462(1). -P. 103114.

265. Salem, M.M.I. Genome wide association study for milk yield traits in Portuguese dairy cattle / M.M.I. Salem, G. Thompson, S. Chen, A. Beja-Pereira, J. Carvalheira // Animal genetics. - 2018.- V.12. -P. 123-145.

266. Santosh, K.S. Phospholipid scramblases: An overview / K.S. Santosh, N. Sathyanarayana, N. Gummadi et al. //Archives of Biochemistry and Biophysics. -2007. - V.462(1). -P. 103-114.

267. Sanz, L. Molecular characterization of a novel transcription factor that controls stromelysin expression / L. Sanz, J. Moscat, M.T.Diaz-Meco // MolCellBiol. - 1995. - V.15(6). -P. 3164-3170.

268. Scheffner, M. Huibregtse Protein ubiquitination involving an E1- E2- E3 enzyme ubiquitin thioester cascade / M. Scheffner, J.M.U. Nuber // Nature. - 1995. -V.373. - P.81-83.

269. Schenkel, F.S. Association of a single nucleotide polymorphismin the calpastatin gene with carcass and meat quality traits of beef cattle / F.S. Schenkel et al. // J. Anim. Sci. -2006. - V. 84(2). - P. 291-299.

270. Schopen, G.C. Whole-genome association study for milk protein composition in dairy cattle / G.C. Schopen, M.H. Visker, P.D. Koks, E. Mullaart, J.A. van Arendonk,

H. Bovenhuis // J Dairy Sci. - 2011. - V.94(6). -P. 3148-3158.

271. Sekar, A. Schizophrenia Working Group of the Psychiatric Genomics Consortium Schizophrenia risk from complex variation of complement component 4 / A. Sekar, A.R. Bialas, H. de Rivera, A. Davis et al. // Nature. - 2016. - V. 530. -P.177-183.

272. Semplici, F. CK2-dependent phosphorylation of the E2 ubiquitin conjugating enzyme UBC3B induces its interaction with beta-TrCP and enhances beta-catenin degradation / F. Semplici, F. Meggio, L.A. Pinna, S. Oliviero // Oncogene. -V. 21(25). -P. 3978- 87.

273. Sessions, O.M. Discovery of insect and human dengue virus host factors / O.M. Sessions, N.J. Barrows, J.A. Souza-Neto, T.J. Robinson, C.L. Hershey, M.A. Rodgers, J.L. Ramirez, G. Dimopoulos, P.L. Yang, J.L. Pearson, M.A. Garcia-Blanco // Nature. - 2009. - V.458(7241). -P. 1047-1050.

274. Shaikamal, G. Productive longevity of cows depending on the genotype of the growth Hormone Gene / G. Shaikamal, N. Papusha, G. Musaeva, A. Kazhiyakbarova,

I. Beishova, A. Belaya, V. Ulyanov, T. Ulyanova // Ecology, Environment and

Conservation. - 2020. - V. 26(4). - P. 1606-1609.

275. Shi, H. Contrasting the genetic architecture of 30 complex traits from summary association data / H. Shi, G. Kichaev, B. Pasaniuc // Am. J. Hum. Genet. - 2016. -V.99.-P.139-153.

276. Simons, Y.B. The deleterious mutation load is insensitive to recent population history/ Y.B. Simons, M.C. Turchin, J.K. Pritchard, G. Sella // Nat. Genet. - 2014. -V.46. - P. 220-224.

277. Skinkyte, R. Distribution of allele frequencies important to milk production traits in lithuanian black & white and lithuanian red cattle / R. Skinkyte, L. Zwierzchowski, L. Riaubaite, L.Baltrenaite, I. Miceikiene // Veterinarija ir zootechnika. - 2005. - V. 31(53). - P.93-97.

278. Smaragdov, M.G. Genome-wide analysis of across herd Fst heterogeneity holsteinized cattle / M.G. Smaragdov, E.I. Saksa, A.A. Kudinov et al. // Russian Journal of Genetics. -2016. - V. 52(2). - P. 173-179.

279. Smaragdov, M.G. Genomic selection of milk cattle. The practical application over five years / M.G. Smaragdov // Russian Journal of Genetics. - 2013. - V.49(11). - P. 1089 -1097.

280. Smemo, S. Obesity-associated variants within FTO form long-range functional connections with IRX3 / S. Smemo, J.J. Tena, K.-H. Kim et al. // Nature. - 2014. -V.507. - P.371-375.

281. Snelling, W.M. Genome-wide association study of growth in crossbred beef cattle / W.M. Snelling, M.F. Allan, J.W. Keele, L.A. Kuehn, T. McDaneld, T.P. Smith, T.S. Sonstegard, R.M. Thallman, G.L. Bennett // Journal of animal science. - 2010. - V.88(3). -P. 837-848.

282. Soglia, D. Growth Performance Analysis of Two Italian Slow-Growing Chicken Breeds: Bianca di Saluzzo and Bionda Piemontese / D.Soglia, S. Sartore, S.Maione et al. // Animals. - 2020. -V.10(6). - 969 p.

283. Soller, M. Marker assisted selection - An overview / M. Soller // Anim. Biotechnol. - 1994. - V.5. - P.193-207.

284. Sonawane, A.R. Understanding tissue-specific gene regulation /

A.R. Sonawane, J. Platig, M. Fagny et al. // Cell Rep. - 2017. - V. 21(4). - P.1077-1088.

285. Souza, M.M. Regitano LCA. A comprehensive manually-curated compendium of bovine transcription factors / M.M. Souza, A. Zerlotini, L. Geistlinger, P.C. Tizioto, J.F. Taylor, M.I.P. Rocha, W.J.S. Diniz, L.L. Coutinho // Sci Rep. -2018. -V. 8(1). -P.13747-13756.

286. Spencer, T. Insights into Conceptus Elongation in Ruminants: Roles of Ovarian Progesterone and the Uterus / T. Spencer // J Biol Chem. - 2000. - V.275. -P. 3210632112.

287. Steuernagel, L. Computational identification of tissue-specific transcription factor cooperation in ten cattle tissues / L. Steuernagel, C. Meckbach, F. Heinrich, S. Zeidler, A.O. Schmitt, M. Gültas // PLoS ONE. - 2019. - V.14(5). -P. e0216475.

288. Strogatz, S.H. Exploring complex networks / S.H. Strogatz // Nature. - 2001. -V. 410(6825). - P.268-276.

289. Sun, Y. E3 ubiquitin ligases as cancer targets and biomarkers / Y. Sun // Neoplasia. -2006. -V. 8(8). -P. 645-654.

290. Takeuchi, M. A family of PSD-95/SAP90-associated proteins localized at postsynaptic density / M. Takeuchi, Y. Hata, K. Hirao, A. Toyoda, M. Irie, Y. Takai. SAPAPs // J Biol Chem. - 1997. -V.272(18). -P. 11943-11951.

291. Teves, M.E. Sperm-associated antigen-17 gene is essential for motile cilia function and neonatal survival / M.E. Teves, Z.Zhang, R.M. Costanzo, S.C. Henderson, F.D. Corwin, J. Zweit, G. Sundaresan, M. Subler, F.N. Salloum,

B.K. Rubin, J.F. Strauss // Am. J. Respir. Cell. Mol. Biol. - 2013. -V.48(6). -P. 76572.

292. Tijjani, A. Genomic signatures for drylands adaptation at gene-rich regions in African zebu cattle / A. Tijjani, B. Salim, M.V.B. da Silva, H.A. Eltahir, T.H. Musa, K. Marshall, O. Hanotte, H.H. Musa // Genomics. - 2022. -V. 114(4). -P. 110423.

293. Turchin, M.C. Genetic Investigation of Anthropometric Traits Consortium Evidence of widespread selection on standing variation in Europe at height-associated

SNPs / M.C. Turchin, C.W. Chiang, C.D. Palmer, S. Sankararaman, D. Reich, J.N. Hirschhorn // Nat. Genet. - 2012. - V.44. - P.1015-1019.

294. Ulyanov, V.A. Preferred and undesirable genotypes of bGH and bIGF-1 genes for the milk yield and quality of black - and - white breed / V.A. Ulyanov, B.Zh. Kubekova, I.S. Beishova, A.V. Belaya, N.V. Papusha // Veterinary World. -2021. - V. 14(5). - P. 1202-1209.

295. Van Tassell, C.P. SNP discovery and allele frequency estimation by deep sequencing of reduced representation libraries / C.P. Van Tassell, T.P.L. Smith, L.K. Matukumalli et al. // Nat Methods. - 2008. - V.5. - P.247-252.

296. Van Veen, S. ATP13A2 deficiency disrupts lysosomal polyamine export / S. van Veen, S. Martin, C. Van den Haute, V. Benoy, J. Lyons, R. Vanhoutte, J.P. Kahler, J.-P. Decuypere, G. Gelders, E. Lambie, J. Zielich, J.V. Swinnen, W. Annaert, P. Agostinis, B. Ghesquiere, S. Verhelst, V. Baekelandt, J. Eggermont, P. Vangheluwe // Nature. -2020. - V.578. - P. 419-424.

297. VanRaden, P.M. Efficient methods to compute genomic predictions / P.M. VanRaden // J. Dairy Sci. - 2008. - V.91. - P.4414-4423.

298. VanRaden, P.M. Comparison of single-trait to multi-trait national evaluations for yield, health, and fertility / P.M. VanRaden, M.E. Tooker, J.R.Wright, C.Sun, J. L. Hutchison // J. Dairy Sci. - 2014. - V. 97(12). - P.7952-7962.

299. Varshavsky, A. The ubiquitin system, an immense realm / A. Varshavsky // Annu. Rev. Biochem. - 2012. - V.81. - P.167-176.

300. Verma, S.K. A single nucleotide polymorphism of the thyrotropin releasing hormone degrading ectoenzyme (TRHDE) gene is associated with post-partum anestrus in Murrah buffalo / S.K. Verma et al. // Gene. - 2022. - V. 834. -P.146580.

301. Verónica, M. Negrón-Pérez. Role of yes-associated protein 1, angiomotin, and mitogen-activated kinase kinase 1/2 in development of the bovine blastocyst / M. Negrón-Pérez Verónica, J. Hansen Peter // Biology of Reproduction. - 2018. -V. 98(2). - P.170-183.

302. Visscher, P.M. A plethora of pleiotropy across complex traits / P.M. Visscher, J. Yang // Nat. Genet. - 2016. - V.48. - P.707-708.

303. Visscher, P.M. Assumption - free estimation of heritability from genome - wide identity -by - descent sharing between full siblings / P.M. Visscher, S.E. Medland, M.A. Ferreira et al. // PLoS Genet. - 2006. - V. 2(3). - P. e41.

304. Vitti, J.J. Detecting natural selection in genomic data / J.J. Vitti, S.R. Grossman, P.C. Sabeti // Annu. Rev. Genet. - 2013. - V.47. - P.97-120.

305. Wagner, G.P. The pleiotropic structure of the genotype - phenotype map: the evolvability of complex organisms / G.P. Wagner, J. Zhang // Nat. Rev. Genet. -2011. - V.12. - P.204-213.

306. Walsh, B. Abundant genetic variation + strong selection = multivariate genetic constraints: A geometric view of adaptation / B. Walsh, M.W. Blows // Annu. Rev. Ecol. Evol. Syst. - 2009. - V. 40. - P.41-59.

307. Wang, D. Activation of cardiac gene expression by myocardin, a transcriptional cofactor for serum response factor / D. Wang, P.S. Chang, Z. Wang, L. Sutherland, J.A. Richardson, E. Small et al. // Cell. - 2001. - V. 105. -P. 85162.

308. Wang, X. T BAALC 1-6-8 protein is targeted to postsynaptic lipid rafts by its N-terminal myristoylation and palmitoylation, and interacts with alpha, but not beta, subunit of Ca/calmodulin-dependent protein kinase II / X. Wang, Q.B. Tian, A. Okano, H. Sakagami, I.S. Moon, H. Kondo, S. Endo, T. Suzuki // Journal of Neurochemistry. - 2005. - V. 92(3). -P. 647-59.

309. Wang, Y. Genetic architecture of quantitative traits in beef cattle revealed by genome wide association studies of imputed whole genome sequence variants: II: carcass merit traits / Y. Wang, F. Zhang, R. Mukiibi et al. // BMC Genomics. - 2020. - V.21. -P. 38-49.

310. Watts, D.J. Collective dynamics of 'small-world' networks / D.J. Watts, S.H. Strogatz // Nature. - 1998. - V. 393(6684). - P.440-442.

311. Weber-Boyvat, M. Oxysterol-binding proteins: functions in cell regulation beyond lipid metabolism / M. Weber-Boyvat, W. Zhong, D. Yan, V.M. Olkkonen // Biochemical Pharmacology. - 2013. - V. 86(1). - P.89- 95.

312. Welter, D. The NHGRI GWAS Catalog, a curated resource of SNP-trait associations / D. Welter, J. MacArthur, J. Morales et al. // Nucleic Acids Res. - 2014.

- V.42. -P. 1001-1006.

313. Westra, H.-J. Systematic identification of trans eQTLs as putative drivers of known disease associations / H.-J. Westra, M.J. Peters, T. Esko et al. / Nat. Genet. -2013. - V. 45. - P.1238-1243.

314. Wiggans, G.R. Technical note: Adjustment of traditional cow evaluations to improve accuracy of genomic predictions / G.R. Wiggans, T.A. Cooper, P.M. VanRaden, J.B. Cole //J. Dairy Sci. - 2011. - V.94. - P. 6188-6193.

315. Willet, C.E. From the phenotype to the genotype via bioinformatics / C.E. Willet, C.M. Wade // Methods Mol Biol. - 2014. - V. 1168. - P.1-16.

316. Xu, L. Probe-based association analysis identifies several deletions associated with average daily gain in beef cattle / L. Xu, L. Yang, L. Wang, B. Zhu, Y. Chen, H. Gao, X. Gao, L. Zhang, G.E. Liu, J. Li // BMC Genomics. - 2019. -V.20(1). -P. 31-42.

317. Xu, Y. A novel PAX7 10-bp indel variant modulates promoter activity, gene expression and contributes to different phenotypes of Chinese cattle / Y. Xu, T. Shi, Y. Zhou, M. Liu, S. Klaus, X. Lan, C. Lei, H. Chen // Sci Rep. - 2018. -V.8(1). -P.1724-1731.

318. Xue, K. Effect of Genetic Variations of the POU1F1 Gene on Growth Traits of Nanyang Cattle / K. Xue, H. Chen, S. Wang, X. Cai AI, B. Liu, C-F. Zhang, C-Z. Lei, X-Z. Wang, Y-M. Wang, H. Niu // Acta Genetica Sinica. - 2006. - V. 33(10). -P. 901-907.

319. Yang, J. Common SNPs explain a large proportion of the heritability for human height / J. Yang, B. Benyamin, B.P. McEvoy, et al. // Nat Genet. - 2010. - V. 42(7). -P.565-569.

320. York, J.D. Cloning, heterologous expression and chromosomal invasion of human inositol polyphosphate-1-phosphatase / J.D. York, R.A. Veile, H. Donis-Keller, P.W. Majerus // percent Nationalacad scientific. - 1993. - V.90. - P.5833-5837,

321. Zhang, F. Genetic architecture of quantitative traits in beef cattle revealed by genome wide association studies of imputed whole genome sequence variants: I: feed

efficiency and component traits / F. Zhang, Y. Wang, R. Mukiibi, L. Chen, M. Vinsky, G. Plastow, J. Basarab, P. Stothard, C. Li // BMC genomics. - 2020. -V.21(1). -P. 36-45.

322. Zhao, Q. Associations of polymorphisms in the Pit-1 gene with growth and carcass traits in Angus beef cattle / Q. Zhao, M. E. Davis, H. C. Hines // Journal of Animal Science. - 2004. - V. 82. - P. 2229-2233.

323. Zhou, Q. Clinical and Functional Characterization of Novel INSR Variants in Two Families With Severe Insulin Resistance Syndrome / Q. Zhou, J. Yu, X. Yuan, C. Wang, Z. Zhu, A. Zhang, W. Gu // FrontEndocrinol (Lausanne). - 2021. -V.12. -P. 606964.

324. Zoldan, K. Increase of CD25 expression on bovine neutrophils correlates with disease severity in post-partum and early lactating dairy cows / K. Zoldan, T. Moellmer, J. Schneider, C. Fueldner, J. Knauer, J.Lehmann // Dev Comp Immunol. - 2014. - V. 47(2). -P. 254-263.

325. https://www.agroinvestor.ru/technologies/article/35759-neestestvennyy-otbor-perspektivy-razvitiya-genomnoy-selektsii-v-evraziyskom-ekonomicheskom-soyuze/

326. https://commons.wikimedia.org/wiki/File:Kazakhstan_National_encyclopedia_( ru)_-_Vol_3_of_5_(2005).pdf

327. https: //github .com/IGC-bioinf/kazakh_breeds_analysis

328. https://webserver.ibba.cnr.it/SNPchimp/index.php/download/download-cow-data, PMID: 25881165

329. https://www.animalgenome.org/cgi-bin/QTLdb/BT/index, https://doi.org/10.1093/nar/gkab1116

330. http://www.pantherdb.org

331. https://www-ncbi-nlm-nih-

gov.translate.goog/gene/233752?_x_tr_sl=en&_x_tr_tl=ru&_x_tr_hl=ru&_x_tr_pto=s

c].

332. https://www.ncbi.nlm.nih.gov

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ А (обязательное)

Патент на полезную модель «Способ оценки генетического потенциала мясной продуктивности у крупного рогатого скота казахской белоголовой породы»

Акт внедрения в производство результатов научно-исследовательских работ

Утверждаю

Руководитель КХ «Айсулу»

_Есенгалиев Э.А.

/ «а» /¡с 2оззг.

■ мд. » к,..,

АКТ ВНЕДРЕНИЯ В ПРОИЗВОДСТВО

результатов научно-исследовательских работ

Настоящим актом подтверждаем, что результаты работы докторской диссертации Белой Е.В., «Генетическое маркирование признаков продуктивности крупного рогатого скота на основе полногеномного ЯЫР-типирования», выполненной в рамках проекта АР08052960 «Скрининг на носительство мутаций, детерминирующих развитие

наследственных заболеваний и разработка генетических маркеров для выявления мясной продуктивности племенного крупного рогатого скота отечественной селекции» по бюджетной программе 217 «Развитие науки» подпрограмма 102 «Грантовое финансирование научных исследований» РК внедрены в практику селекционных мероприятий по улучшению мясной продуктивности крупного рогатого скота казахской белоголовой породы в КХ «Айсулу».