Develando la estructura genética de los bovinos costarricenses mediante modelos de mezcla genética
DOI:
https://doi.org/10.15517/jh40ks60Palabras clave:
razas bovinas, microsatélites, filogenia, conglomerados genéticosResumen
Introducción. La población ganadera de Costa Rica es altamente diversa debido a la variedad de sistemas de producción, el cruzamiento continuo y el incremento de las importaciones genéticas. Bajo estas circunstancias, los modelos de mezcla podrían ser más eficientes para describir la estructura genética de esta población, a diferencia de árboles filogenéticos basados en poblaciones predefinidas. Objetivo. Modelar la estructura genética de la población bovina costarricense mediante modelos de mezcla genética supervisados y no supervisados. Materiales y métodos. Se recolectaron muestras de pelo de 1412 bovinos seleccionados al azar de 744 hatos en 8 regiones de Costa Rica en el año 2015 y genotipados para 18 marcadores microsatélites. Se compararon dos enfoques que hacen uso de modelos de mezcla genética: un escenario no supervisado, basado exclusivamente en datos de genotipo, y un escenario supervisado, que se basó en datos genéticos asistidos por información previa sobre fenotipo y propósito de producción. Resultados. El análisis de datos genéticos bajo ambos escenarios proporcionó resultados similares cuando el número de conglomerados (K) fue menor a cinco, aunque las estimaciones del modelo supervisado fueron más homogéneas y con menores desviaciones estándar. Las subpoblaciones definidas a priori se distribuyeron consistentemente entre los conglomerados en ambos escenarios. La agrupación de subpoblaciones más probable se obtuvo para K = 3, que separó principalmente las razas Bos indicus, Jersey y otras razas Bos taurus. Los tipos de raza se agruparon de manera concordante con la agrupación de razas, lo que arrojó luz sobre la estructura genética de la población. Conclusiones. La combinación de modelos de mezcla genética bajo un enfoque supervisado proporcionó los resultados más consistentes, lo que revela la importancia de considerar las interrelaciones genético-ambientales para lograr una descripción más precisa de la estructura genética de la población bovina de Costa Rica.
Descargas
Referencias
Abdul Muneer, P. M. (2014). Application of microsatellite markers in conservation genetics and fisheries management: recent advances in population structure analysis and conservation strategies. Genetics Research International, 2014(1), Article 691759. https://doi.org/10.1155/2014/691759
Agung, P. P., Saputra, F., Zein, M. S. A., Wulandari, A. S., Putra, W. P. B., Said, S., & Jakaria, J. (2019). Genetic diversity of Indonesian cattle breeds based on microsatellite markers. Asian-Australasian Journal of Animal Sciences, 32(4), 467-476. https://doi.org/10.5713/AJAS.18.0283
Alexander, D. H., & Lange, K. (2011). Enhancements to the ADMIXTURE algorithm for individual ancestry estimation. BMC Bioinformatics, 12(1), Article 246. https://doi.org/10.1186/1471-2105-12-246
Anderson, E. C., & Thompson, E. A. (2002). A model-based method for identifying species hybrids using multilocus genetic data. Genetics, 160(3), 1217-1229. https://doi.org/10.1093/GENETICS/160.3.1217
Brasil, B. S. A. F., Coelho, E. G. A., Drummond, M. G., & Oliveira, D. A. A. (2013). Genetic diversity and differentiation of exotic and American commercial cattle breeds raised in Brazil. Genetics and Molecular Research, 12(4), 5516-5526. https://doi.org/10.4238/2013.NOVEMBER.18.2
Carneiro Vieira, M. L., Santini, L., Lima Diniz, A., & De Freitas Munhoz, C. (2016). Microsatellite markers: what they mean and why they are so useful. Genetics and Molecular Biology, 39(3), 312-328. https://doi.org/10.1590/1678-4685-GMB-2016-0027
Coates, B. S., Sumerford, D. V., Miller, N. J., Kim, K. S., Sappington, T. W., Siegfried, B. D., & Lewis, L. C. (2009). Comparative performance of single nucleotide polymorphism and microsatellite markers for population genetic analysis. Journal of Heredity, 100(5), 556-564. https://doi.org/10.1093/JHERED/ESP028
Cordero-Solórzano, J. M., Vargas-Leitón, B., León-Rodríguez, B., Chacón-González, I., & Martínez-Pichardo, M. (2015). Diversidad genética en bovinos de ocho regiones en Costa Rica. Agronomía Mesoamericana, 26(2), 191-202. https://doi.org/10.15517/am.v26i2.19275
Dufresnes, C., Dutoit, L., Brelsford, A., Goldstein-Witsenburg, F., Clément, L., López-Baucells, A., Palmeirim, J., Pavlinić, I., Scaravelli, D., Ševčík, M., Christe, P., & Goudet, J. (2023). Inferring genetic structure when there is little: population genetics versus genomics of the threatened bat Miniopterus schreibersii across Europe. Scientific Reports, 13, Article 1523. https://doi.org/10.1038/s41598-023-27988-4
Earl, D. A., & vonHoldt, B. M. (2012). STRUCTURE HARVESTER: A website and program for visualizing STRUCTURE output and implementing the Evanno method. Conservation Genetics Resources, 4, 359-361. https://doi.org/10.1007/S12686-011-9548-7
Edea, Z., Bhuiyan, M. S. A., Dessie, T., Rothschild, M. F., Dadi, H., & Kim, K. S. (2015). Genome-wide genetic diversity, population structure and admixture analysis in African and Asian cattle breeds. Animal, 9(2), 218-226. https://doi.org/10.1017/S1751731114002560
Egito, A. A., Paiva, S. R., Albuquerque, M. do S. M., Mariante, A. S., Almeida, L. D., Castro, S. R., & Grattapaglia, D. (2007). Microsatellite based genetic diversity and relationships among ten Creole and commercial cattle breeds raised in Brazil. BMC Genetics, 8, Article 83. https://doi.org/10.1186/1471-2156-8-83
Evanno, G., Regnaut, S., & Goudet, J. (2005). Detecting the number of clusters of individuals using the software structure: a simulation study. Molecular Ecology, 14(8), 2611-2620. https://doi.org/10.1111/J.1365-294X.2005.02553.X
Falush, D., Stephens, M., & Pritchard, J. K. (2003). Inference of population structure using multilocus genotype data: linked loci and correlated allele frequencies. Genetics, 164(4), 1567-1587. https://doi.org/10.1093/GENETICS/164.4.1567
Food and Agriculture Organization of the United Nations. (2011). Molecular genetic characterization of animal genetic resources. https://www.fao.org/4/i2413e/i2413e00.htm
Gebrehiwot, N. Z., Strucken, E. M., Aliloo, H., Marshall, K., & Gibson, J. P. (2020). The patterns of admixture, divergence, and ancestry of African cattle populations determined from genome-wide SNP data. BMC Genomics, 21(1), Article 869. https://doi.org/10.1186/S12864-020-07270-X
Instituto Nacional de Estadística y Censos. (2021). Encuesta Nacional Agropecuaria 2021 Resultados generales de la actividad ganadera vacuna y porcina. https://admin.inec.cr/sites/default/files/2022-10/reagropecENAPECUARIO2021-01.pdf
Jakobsson, M., & Rosenberg, N. A. (2007). CLUMPP: a cluster matching and permutation program for dealing with label switching and multimodality in analysis of population structure. Bioinformatics, 23(14), 1801-1806. https://doi.org/10.1093/BIOINFORMATICS/BTM233
Kumar, P., Freeman, A. R., Loftus, R. T., Gaillard, C., Fuller, D. Q., & Bradley, D. G. (2003). Admixture analysis of South Asian cattle. Heredity, 91(1), 43-50. https://doi.org/10.1038/sj.hdy.6800277
Lawson, D. J., Van Dorp, L., & Falush, D. (2018). A tutorial on how not to over-interpret STRUCTURE and ADMIXTURE bar plots. Nature Communications, 9(1), Article 3258. https://doi.org/10.1038/s41467-018-05257-7
Ma, H., Yu, D., Li, J., Qin, Y., Zhang, Y., & Yu, Z. (2022). Construction of first genetic linkage map based on microsatellite markers and characterization of di- and tri-nucleotide microsatellite markers for Crassostrea hongkongesis. Aquaculture, 556, Article 738272. https://doi.org/10.1016/J.AQUACULTURE.2022.738272
Martínez, A. M., Gama, L. T., Cañón, J., Ginja, C., Delgado, J. V., Dunner, S., Landi, V., Martín-Burriel, I., Penedo, M. C. T., Rodellar, C., Vega-Pla, J. L., Acosta, A., Álvarez, L. A., Camacho, E., Cortés, O., Marques, J. R., Martínez, R., Martínez, R. D., Melucci, L., … Zaragoza, P. (2012). Genetic footprints of iberian cattle in America 500 years after the arrival of Columbus. PLoS ONE, 7(11), Article e49066. https://doi.org/10.1371/JOURNAL.PONE.0049066
Martínez, M., Vargas, B., Cordero, J., Chacón, I., & León, B. (2015). Diversidad genética entre subpoblaciones raciales bovinas de Costa Rica. Agronomía Costarricense, 39(2), 33-45. https://doi.org/10.15517/RAC.V39I2.21772
Martinez, R., Bejarano, D., Ramírez, J., Ocampo, R., Polanco, N., Perez, J. E., Onofre, H. G., & Rocha, J. F. (2023). Genomic variability and population structure of six Colombian cattle breeds. Tropical Animal Health and Production, 55, Article 185. https://doi.org/10.1007/S11250-023-03574-8
Ocampo, R. J., Martínez, J. F., & Martínez, R. (2021). Assessment of genetic diversity and population structure of Colombian Creole cattle using microsatellites. Tropical Animal Health and Production, 53, Article 122. https://doi.org/10.1007/S11250-021-02563-Z
Pérez-González, J., Carranza, J., Anaya, G., Broggini, C., Vedel, G., De la Peña, E., & Membrillo, A. (2023). Comparative Analysis of Microsatellite and SNP markers for genetic management of red deer. Animals, 13(21), Article 3374. https://doi.org/10.3390/ANI13213374
Porras-Hurtado, L., Ruiz, Y., Santos, C., Phillips, C., Carracedo, Á., & Lareu, M. V. (2013). An overview of STRUCTURE: Applications, parameter settings, and supporting software. Frontiers in Genetics, 4, Article 98. https://doi.org/10.3389/FGENE.2013.00098
Pritchard, J. K., Stephens, M., & Donnelly, P. (2000). Inference of population structure using multilocus genotype data. Genetics, 155(2), 945-959. https://doi.org/10.1093/GENETICS/155.2.945
Puckett, E. E. (2017). Variability in total project and per sample genotyping costs under varying study designs including with microsatellites or SNPs to answer conservation genetic questions. Conservation Genetics Resources, 9, 289-304. https://doi.org/10.1007/S12686-016-0643-7
Skotte, L., Korneliussen, T. S., & Albrechtsen, A. (2013). Estimating individual admixture proportions from next generation sequencing data. Genetics, 195(3), 693-702. https://doi.org/10.1534/GENETICS.113.154138
United Nations. (2024). World Population Prospects. Department of Economic and Social Affairs. Retrieved January 20, 2025, from https://population.un.org/wpp/
Upadhyay, M., Bortoluzzi, C., Barbato, M., Ajmone-Marsan, P., Colli, L., Ginja, C., Sonstegard, T. S., Bosse, M., Lenstra, J. A., Groenen, M. A. M., & Crooijmans, R. P. M. A. (2019). Deciphering the patterns of genetic admixture and diversity in southern European cattle using genome-wide SNPs. Evolutionary Applications, 12(5), 951-963. https://doi.org/10.1111/EVA.12770
Utsunomiya, Y. T., Milanesi, M., Fortes, M. R. S., Porto-Neto, L. R., Utsunomiya, A. T. H., Silva, M. V. G. B., Garcia, J. F., & Ajmone-Marsan, P. (2019). Genomic clues of the evolutionary history of Bos indicus cattle. Animal Genetics, 50(6), 557-568. https://doi.org/10.1111/AGE.12836
Vargas, B., & Van Arendonk, J. A. M. (2004). Genetic comparison of breeding schemes based on semen importation and local breeding schemes: framework and application to Costa Rica. Journal of Dairy Science, 87(5), 1496-1505. https://doi.org/10.3168/JDS.S0022-0302(04)73301-9
Vásquez-Loaiza, M., & Molina-Coto, R. (2020). Caracterización de la población bovina cebú con certificado de registro genealógico en Costa Rica. Agronomía Mesoamericana, 31(3), 679-694. https://doi.org/10.15517/AM.V31I3.39059
Vaughan, L. K., Divers, J., Padilla, M. A., Redden, D. T., Tiwari, H. K., Pomp, D., & Allison, D. B. (2009). The use of plasmodes as a supplement to simulations: a simple example evaluating individual admixture estimation methodologies. Computational Statistics & Data Analysis, 53(5), 1755-1766. https://doi.org/10.1016/J.CSDA.2008.02.032
Webster, M. S., & Reichart, L. (2005). Use of microsatellites for parentage and kinship analyses in animals. Methods in Enzymology, 395, 222-238. https://doi.org/10.1016/S0076-6879(05)95014-3
Wickenheiser, R. A. (2002). Trace DNA: a review, discussion of theory, and application of the transfer of trace quantities of DNA through skin contact. Journal of Forensic Sciences, 47(3), 442-450. https://doi.org/10.1520/JFS15284J
Zimmerman, S. J., Aldridge, C. L., & Oyler-Mccance, S. J. (2020). An empirical comparison of population genetic analyses using microsatellite and SNP data for a species of conservation concern. BMC Genomics, 21, Article 382. https://doi.org/10.1186/S12864-020-06783-9
Descargas
Archivos adicionales
Publicado
Licencia
Derechos de autor 2025 Bernardo Vargas-Leitón, Johnny Núñez-Cárdenas, Anthony Valverde-Abarca, Bernal León-Rodríguez, Alejandro Saborío-Montero (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
1. Política propuesta para revistas de acceso abierto
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos morales de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución, no comercial y sin obra derivada de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista, no se puede hacer uso de la obra con propósitos comerciales y no se puede utilizar las publicaciones para remezclar, transformar o crear otra obra.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Cómo citar
