UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE MEDICINA VETERINÁRIA E ZOOTECNIA CAMPUS DE BOTUCATU MAPEAMENTO FINO DE QTLS E POLIMORFISMOS DE GENES CANDIDATOS ASSOCIADOS AO CRESCIMENTO NO CROMOSSOMO 1 DA GALINHA CLARISSA BOSCHIERO Tese apresentada ao Programa de Pós-graduação em Zootecnia como parte das exigências para obtenção do título de Doutor. BOTUCATU – SP Setembro – 2009 UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE MEDICINA VETERINÁRIA E ZOOTECNIA CAMPUS DE BOTUCATU MAPEAMENTO FINO DE QTLS E POLIMORFISMOS DE GENES CANDIDATOS ASSOCIADOS AO CRESCIMENTO NO CROMOSSOMO 1 DA GALINHA CLARISSA BOSCHIERO Zootecnista Orientadora: Profa. Dra. Ana Silvia Alves Meira Tavares Moura Tese apresentada ao Programa de Pós-graduação em Zootecnia como parte das exigências para obtenção do título de Doutor. BOTUCATU – SP Setembro – 2009 � � � � � ��������� ���� ��� ����� �������������������� ���� ��� � ������ ��� ��� ���������� ���� ���� �������� ������� ������ ��������� ��������� ������ � � ������ ���� ��������������������� �� �������� ���� ����� ������ ���� ��������������������������� ������������� ii ������� � �������������� ������������������������������������������ ������������� ����������������������� ��������� �������������������������� ��������������������������������������������� � ��������������� � ������������������������! ����� � �����������������������������������������"��������������"���������������� ������������ ��������������������������������������#���$��� � � �� iii AGRADECIMENTOS Especialmente para Profa. Dra. Ana Silvia Alves Meira Tavares Moura pela excelente orientação, paciência, incentivo e pelos valiosos aprendizados. Prof. Dr. Luiz Lehmann Coutinho pelo apoio, confiança e grande aprendizado. Pesquisadora Dra. Mônica Corrêa Ledur pelo constante incentivo e importantes contribuições. Faculdade de Medicina Veterinária e Zootecnia de Botucatu/UNESP pela oportunidade de realização do doutorado. Laboratório de Biotecnologia Animal (ESALQ/USP) pela oportunidade de realização da parte prática do estudo. EMBRAPA Suínos e Aves pela participação no projeto Genômica da Galinha e utilização da população experimental de galinhas. Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) pela concessão da bolsa de doutorado. Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pela concessão de auxílio financeiro ao projeto. Prof. Dra. Monica Regina Vendrame Amarante pelas sugestões importantes no Exame de Qualificação. Especialmente ao Dr. Millor Fernandes do Rosário pelas inúmeras contribuições: mapeamento de QTLs, suporte estatístico, redação de artigos, sugestões no Exame de Qualificação, incentivo e amizade. Dra. Kátia Nones por ceder os resultados de mapeamento de QTLs e sugestões. iv Kerli Ninov pela ajuda com os seqüenciamentos, análise de polimorfismos, utilização do equipamento PCR em Tempo Real e amizade nestes anos. Dra. Erika Cristina Jorge pelas orientações com o desenho dos primers, escolha dos genes, bioinformática e valiosas contribuições. Nirlei Aparecida Silva pela ajuda com os seqüenciamentos, purificações e demais orientações laboratoriais. Dra. Priscilla Marqui Schmidt Villela pela ajuda com os protocolos de purificação. Carla dos Anjos de Souza e Minos Esperandio Carvalho pelas contribuições sobre as sondas. Jorge Luis Ferreira de Andrade pelo apoio computacional e laboratorial. Andrezza Maria Felício pelos inúmeros artigos e amizade. Aos demais amigos do Laboratório de Biotecnologia Animal (ESALQ/USP), pela agradável convivência e aprendizado constante: Ana Paula, Aurea, Fernandas, Helena, Gustavo, Heloíse, Karina, Lilian, Marcelo, Marli e Taiane. Aos funcionários da secretaria de Pós-graduação (FMVZ/UNESP): Seila Cristina Cassineli Viera e Danilo Juarez Teodoro Dias pelos auxílios prestados. Especialmente ao meu pai, queridas irmãs, André, Maria do Carmo, Giuliana, Gabriela, Mônica e demais amigos que contribuíram de alguma forma ou em algum momento para realização deste doutorado e qualquer agradecimento aqui seria pouco. v SUMÁRIO Página CAPÍTULO 1 ....................................................................................................................1 CONSIDERAÇÕES INICIAIS.....................................................................................2 Galinha doméstica: importância produtiva e biológica.............................................2 Produção avícola: contexto mundial e nacional........................................................4 Genoma da galinha....................................................................................................6 Genética molecular: do QTL ao gene .......................................................................7 Locos de características quantitativas (QTLs) ..........................................................8 Mapeamento fino de QTLs .....................................................................................13 Polimorfismos de nucleotídeos únicos (SNP).........................................................16 Genes candidatos.....................................................................................................19 Gene do fator de crescimento semelhante à insulina tipo 1 (IGF1) .......................21 Gene Jumonji, Domínio interativo 1A rico em AT (JARID1A)...............................24 População experimental da EMBRAPA .................................................................25 Referências Bibliográficas ......................................................................................28 CAPÍTULO 2 ..................................................................................................................40 Mapeamento fino de uma região associada a QTLs no cromossomo 1 da galinha ....41 Resumo....................................................................................................................42 Abstract ...................................................................................................................43 Introdução ...............................................................................................................44 Material e Métodos .................................................................................................46 Resultados ...............................................................................................................55 Discussão ................................................................................................................64 Referências Bibliográficas ......................................................................................71 CAPÍTULO 3 ..................................................................................................................76 Polimorfismos nos genes IGF1 e JARID1A e associação com características de crescimento da galinha................................................................................................77 RESUMO ................................................................................................................77 ABSTRACT............................................................................................................78 Introdução ...............................................................................................................79 Material e Métodos .................................................................................................80 Resultados e Discussão ...........................................................................................86 Conclusões ............................................................................................................102 Referências Bibliográficas ....................................................................................103 CAPÍTULO 4 ................................................................................................................106 IMPLICAÇÕES ........................................................................................................107 ANEXOS ..............................................................................................................108 1 CAPÍTULO 1 2 CONSIDERAÇÕES INICIAIS Galinha doméstica: importância produtiva e biológica A galinha doméstica tem uma notável importância na produção de alimentos, sendo considerada por muitos cientistas, como o mais importante animal de produção do mundo. É também um modelo biológico útil para estudos científicos, além de ser o primeiro animal de produção a ter seu genoma seqüenciado. A maioria dos cientistas concorda que as galinhas comerciais atuais descenderam da espécie Red Junglefowl, origem de todas as raças domésticas (Fumihito et al., 1994). Existem quatro espécies de Junglefowl: Red Junglefowl (Gallus galllus), Grey Junglefowl (Gallus sonneratii), Green Junglefowl (Gallus varius) e Ceylon Junglefowl (Gallus lafayetii). Estudos de Eriksson et al. (2008), sugerem que a galinha doméstica é um híbrido e pode ter se originado do cruzamento da Red Junglefowl com a Grey Junglefowl. Estes autores analisaram o gene responsável pela cor amarelada da pele das pernas das aves (gene yellow skin) e verificaram que este não se origina da Red Junglefowl, mas está mais relacionado com a Grey Junglefowl, espécie originária da Índia. Segundo Al-Nasser et al. (2007), as galinhas são as aves mais populares do mundo, independente da cultura ou religião. Isso porque os produtos avícolas têm alto valor nutricional, sendo a carne e os ovos destes animais, de grande importância como fonte protéica para consumidores em todos os países. Segundo Jorge et al. (2007), a carne de frango é uma das mais importantes fontes de proteínas para o consumo humano, sem restrições dietéticas devido a questões religiosas, como é o caso da carne suína (não consumida pelos judeus e muçulmanos) e da carne bovina (não consumida pelos hindus). Além disso, está associada ao conceito de carne saudável, branca e magra, quando comparada com as carnes vermelhas. Características simples ou monogênicas já foram bem estudadas, porém muitas das características complexas, determinadas por um desconhecido número de genes, ainda necessitam de maior compreensão (Wong et al., 2004). Na produção animal, as pesquisas têm focado estas características complexas, como crescimento, qualidade da carne e produção de ovos. Programas de melhoramento têm selecionado estas 3 características, resultando no frango moderno (linhagens de corte) ou nas poedeiras (linhagens de postura). Mais recentemente, outras características, como resistência a doenças e comportamento têm recebido maior atenção (Burt, 2004). Segundo Burt (2004), nenhuma outra espécie animal tem sido selecionada tão intensamente para produção como a galinha. São também ideais para estudos de embriologia e filogenética, com aplicações na agricultura, biologia fundamental e medicina (Burt, 2007). A galinha é um importante modelo biológico para estudos de desenvolvimento, fisiologia, virologia, oncogênese, imunologia, evolução, genética e biologia celular (Wolpert, 2004; Ellegren, 2005; Stern, 2005). Segundo Siegel et al. (2006) a galinha tem muitos méritos como modelo para o entendimento biológico: (1) Rica diversidade genética; (2) Muitos anos de seleção geraram uma variedade fenotípica nas raças ou nas linhagens, selecionadas para diferentes finalidades; (3) Grande tamanho da população: a população mundial é cerca de 11 bilhões, e, considerando uma taxa média de mutação por nucleotídeo de 1 × 10-9, isso implica em aproximadamente 20 × 109 novas mutações em cada geração da população mundial. A maioria destas mutações nunca será transmitida para a próxima geração, porém algumas irão permanecer através da seleção e contribuirão para a diversidade genética; (4) Fácil reprodução: um fator crucial em estudos genéticos das características complexas é ter acesso aos dados de várias gerações para gerar maior poder estatístico; no caso das galinhas, as gerações são obtidas em curto espaço de tempo em relação a outros animais de produção, como por exemplo, os bovinos; (5) Alta taxa de recombinação: as galinhas apresentam alta taxa de recombinação comparadas com mamíferos, é estimada em 2,8 cM/Mb para os macrocromossomos e 6,4 cM/Mb para os microcromossomos. Em humanos, esta taxa é cerca de 1 cM/Mb e 0,5 cM/Mb em camundongos. Esta alta taxa traz vantagens nos estudos de mapeamento, porque a precisão de localização de um gene é determinada pela observação de eventos de recombinação; (6) É o principal modelo para todas as espécies de aves e muito útil em estudos genômicos comparativos com outras espécies. 4 Produção avícola: contexto mundial e nacional O desenvolvimento da indústria avícola tem menos de um século e se deve ao progresso científico alcançado no melhoramento genético, nutrição, controle de doenças, instalações, manejo e, mais recentemente, da genética molecular. A seleção artificial, dentre outras tecnologias, foi utilizada para melhorar o desempenho nas características de produção (Al-Nasser et al., 2007). A agroindústria do frango no Brasil é um exemplo de competitividade no mercado mundial pela alta tecnologia e produtividade, baixo custo de produção e uma estratégia de integração com os produtores. Nas últimas décadas, o avanço tecnológico em diversas áreas permitiu melhorar significativamente os principais índices zootécnicos como o peso vivo, conversão alimentar, idade de abate e mortalidade. A soja e o milho, principais matérias-primas das rações avícolas, também tiveram incrementos de produtividade (Avisite, 2008). Além disso, estima-se a geração de 3,8 milhões de empregos na cadeia produtiva no país (ABEF, 2008). Desde 2004, o Brasil tornou-se o maior exportador mundial de carne de frango, permanecendo na liderança até os dias atuais (Avisite, 2008). Em 2008, a carne de frango in natura tornou-se o sexto principal produto exportado pelo Brasil (Avicultura Industrial, 2009). As exportações brasileiras renderam, até maio de 2009, 1,793 bilhão de dólares. O valor considera apenas o produto in natura. O resultado obtido correspondeu a uma redução de 20,5% sobre o mesmo período de 2008, o que não impediu que a participação da carne de frango in natura na pauta exportadora apresentasse ligeiro acréscimo de 3,1% para 3,2%. Porém, a redução na receita não se restringe à carne de frango, é um fato generalizado por conta dos efeitos da crise financeira internacional. Tanto que, nos cinco meses avaliados, a receita brasileira com as exportações recuou 23%, índice superior ao retrocesso observado com as vendas externas de carne de frango (Avisite, 2009). A avicultura brasileira oferece aos consumidores grande diversidade de produtos que atendem às necessidades de praticidade e conveniência. A carne de frango é a segunda mais consumida no mundo e o Brasil apresenta um dos maiores índices de consumo médio por habitante, que se elevou de 13 para 34 kg entre 1989 e 2004 (AveWorld, 2008). Apesar do aumento de 161% no preço da ave nos últimos 14 anos, o 5 consumo per capita do produto dobrou no país no mesmo período. Em 2008, o consumo foi de 38,5 kg por habitante. Esse é o quarto maior volume de consumo per capita do mundo, ficando atrás somente dos Estados Unidos (45,1 kg), da Venezuela (39,4 kg) e da Malásia (com 38,7 kg) (UBA, 2009). No segundo trimestre de 2008 foram abatidos cerca de 1,2 bilhões de frangos no Brasil. O volume aumentou 11,3% em relação ao segundo trimestre de 2007 e 0,4% em relação ao primeiro trimestre de 2008. O abate de frangos, em 2008, foi 11,9% superior ao observado no mesmo período de 2007 (IBGE, 2008). Segundo previsões de Safras & Mercado, o Brasil deve finalizar o ano de 2009 com produção de 10,738 milhões de toneladas de frango, recuando em 2,6% o volume registrado no ano passado, de 11,021 milhões de toneladas (AveWorld, 2009). Mesmo com a crise financeira mundial, a produção de frango deverá manter a liderança de consumo no mercado interno, conquistada desde 2006, quando comparada com as outras carnes. Entretanto, o setor está preocupado, já que necessita de crédito e pode contar com uma diminuição significativa nas exportações. Embora a crise ainda não tenha afetado diretamente a avicultura, a União Brasileira de Avicultura (UBA) recomendou uma redução no nível de alojamento de pintos de corte, evitando a sobra de produtos e a queda nos preços (UBA, 2009). O futuro da avicultura no Brasil é promissor porque é o país que possui maior potencial para expandir suas fronteiras agrícolas. Existem 200 milhões de hectares de terras agricultáveis fora de áreas de preservação ou com relevo acidentado (Avicultura Industrial, 2009). Mas muitos serão os desafios da avicultura nacional, como a falta de recursos para o bom funcionamento da estrutura de defesa agropecuária e a deterioração de rodovias, estrutura portuária saturada e falta de crédito, devido a atual crise financeira. A perpetuação da influenza aviária em diversos países ou regiões é praticamente inevitável e deve merecer atenção e cuidados permanentes por parte dos países não afetados (Avisite, 2009). Mesmo reconhecendo a existência de problemas e barreiras de várias naturezas, que impedem o perfeito funcionamento da produção e do mercado, o futuro da avicultura nacional é favorável devido às condições de recursos naturais e humanos disponíveis que devem manter a competitividade internacional do Brasil (AveWorld, 2008). 6 Genoma da galinha O termo genoma é utilizado para designar toda a informação genética de um organismo. O estudo do genoma visa ao conhecimento amplo da estrutura e função dos genes. Este estudo em animais é incentivado pela possibilidade de aplicação do conhecimento em finalidades econômicas e também pode ser de grande utilidade em outras áreas das ciências (Ledur et al., 2004). O genoma nuclear contém a maioria das informações genéticas de uma célula num conjunto de cromossomos, cada um composto de uma molécula única de DNA. Genomas de diferentes espécies variam quanto ao tamanho, número de cromossomos, nível de ploidia�� taxa de recombinação total e número de genes funcionais (Liu, 1998). O genoma da galinha tem um conteúdo haplóide de 1,2 × 109 pares de bases divididos entre 38 cromossomos autossomos e os sexuais W e Z, sendo a fêmea o sexo heterogamético (ZW). É de duas a três vezes menor que o genoma humano e cerca de 40% do tamanho dos mamíferos. Este genoma compacto pode ser explicado parcialmente pelo baixo conteúdo de seqüências repetitivas e também pelos pequenos introns (Dequéant e Pourquié, 2005). Numa análise genômica comparativa (revisado por Ellegren, 2005), observou-se que o número de genes da galinha é similar ao dos mamíferos. Portanto, a complexidade gênica parece não ser a resposta completa para o tamanho reduzido do genoma. A mais provável explicação é a escassez de elementos repetitivos, apenas 10% do genoma consiste de repetições intercaladas, em contraste com 40 a 50% do genoma de mamíferos. Porém, Davey e Tickle (2007) afirmaram que a galinha tem menor número de genes e pseudogenes que o peixe-zebra, camundongo e homem. Isso não faz dele apenas um bom modelo para a análise, mas também mais simples que o de outras espécies para detectar homologias de desenvolvimento em genes importantes e manipular sua expressão. A galinha foi o primeiro animal em que a herança mendeliana foi demonstrada (Siegel et al., 2006) e também o primeiro animal doméstico e o primeiro dos não mamíferos a ter seu genoma seqüenciado, finalizado em 2004 pelo International Chicken Genome Sequencing Consortium (Hillier et al., 2004), o que representou um ganho monumental para os pesquisadores. Para o seqüenciamento foi escolhida uma 7 fêmea Red Junglefowl de uma linhagem altamente homozigótica, ou seja, com pouca variabilidade genética e conteúdo de polimorfismos. A galinha tem uma crucial posição na árvore filogenética, e o seqüenciamento de seu genoma resultou em novas perspectivas em estudos de evolução e arquitetura genética dos vertebrados (Ellegren, 2005). Porém, Cogburn et al. (2003) afirmaram que os mecanismos genéticos que governam o crescimento, diferenciação e funções dos sistemas metabólico, somático e reprodutivo nas galinhas são ainda amplamente desconhecidos. A genômica da galinha tem se transformado com a caracterização de grandes coleções de ESTs (etiquetas de seqüências expressas) e, recentemente, com a montagem das seqüências genômicas. O uso de ferramentas genômicas tem auxiliado na descoberta de muitos QTLs (locos controladores de características quantitativas). A galinha é um excelente modelo para investigações da arquitetura genética destes QTLs. A genética avícola tem uma longa história de realização, tanto na geração de novos conhecimentos, como na demanda global por alimento. O desafio é conseguir a incorporação e implementação destes novos conhecimentos gerados pelas pesquisas genômicas em programas de melhoramento destas aves (Siegel et al., 2006). Genética molecular: do QTL ao gene A maioria das características de interesse econômico nas espécies animais é complexa, como as características reprodutivas, de carcaça e desempenho. Nos últimos vinte anos, muitos genes que controlam características mendelianas foram identificados, porém poucos que controlam características complexas, como exemplo, o gene do halotano, responsável por maior predisposição à síndrome do estresse em suínos e que está associado à maior proporção de carne magra denominada PSE (do inglês: pale, soft e exudative). Genes que contribuem para as características complexas são mais difíceis de serem identificados, devido aos efeitos de epistasia e pleiotropia, além do limitado poder estatístico. As variações das características complexas podem resultar, mais freqüentemente, de variações nas regiões não-codificadoras do que nas codificadoras. Por isso, não se deve restringir a busca por mutações responsáveis por características complexas apenas às regiões codificadoras. Porém, interpretar o resultado destas 8 variações nas regiões não-codificadoras é mais complicado porque não existe a relação direta da seqüência de DNA e a função da proteína (Glazier et al., 2002). O melhoramento das características produtivas tem sido feito tradicionalmente pela seleção de fenótipos favoráveis e pode ser facilitado pelos novos conhecimentos genéticos, permitindo a introgressão de alelos favoráveis (Mackay, 2001b). Segundo Glazier et al. (2002), alguns fenótipos são produtos da variação de um único nucleotídeo, outros são causados por múltiplos nucleotídeos em um único gene ou, ainda, por múltiplos nucleotídeos ligados a genes próximos. O desenvolvimento de técnicas de genética molecular propiciou a utilização de novas ferramentas, como a reação em cadeia da polimerase (PCR), hibridização, enzimas de restrição, clonagem, entre outras que contribuíram para a compreensão da variação genética das espécies baseada em informações obtidas diretamente do DNA. Através das técnicas moleculares está sendo possível descobrir mecanismos de expressão gênica, localização de genes ou de regiões cromossômicas responsáveis por características quantitativas. Dessa forma, a seleção poderá ser mais precoce e precisa, fundamentada no genótipo do animal (Zhou et al., 2006). Locos de características quantitativas (QTLs) Locos de características quantitativas (QTLs) são segmentos dos cromossomos que controlam uma característica quantitativa, mas não são necessariamente um único loco. A maioria da variação entre indivíduos é quantitativa, seja ela no comportamento, fisiologia, morfologia, susceptibilidade a doenças ou características reprodutivas. Essa variação pode ser atribuída à segregação de múltiplos locos com pequenos efeitos individuais, cuja expressão é condicionada ao meio ambiente (Falconer e Mackay, 1996). O mapeamento de QTLs tornou-se um método rotineiro nos últimos quinze anos, facilitado pela descoberta de marcadores moleculares altamente polimórficos em várias espécies, além do desenvolvimento de métodos estatísticos sofisticados de análises (Mackay, 2004). A identificação de QTLs é o primeiro passo para a caracterização de variações genéticas que ocorrem no DNA. Existem diversos métodos estatísticos disponíveis para mapear QTLs, que são: mapeamento por intervalo, 9 mapeamento por intervalo composto, mapeamento de múltiplos intervalos e métodos baseados em inferência bayesiana. O mais utilizado é o método por intervalo, desenvolvido por Lander e Botstein (1989), que analisa dois marcadores adjacentes na forma de um intervalo. Para mapear QTLs é necessária a construção de mapas genéticos e a procura por uma relação entre características quantitativas e marcadores polimórficos (Liu, 1998). Uma associação significativa entre a característica e o marcador pode ser uma evidência de QTL ligado ao marcador. O mapeamento de regiões contendo QTLs envolve a genotipagem de marcadores cobrindo todo o genoma, que podem ser escolhidos a partir de um mapa referência, quando disponível. Os marcadores ideais são os microssatélites, desde que altamente informativos e em intervalos regulares. Outra opção, quando as informações dos mapas são escassas, é a associação de outros marcadores, como os SNPs (polimorfismos de base única) e AFLPs (polimorfismos de comprimento de fragmento amplificado). Quando os microssatélites estão muito distantes um do outro, a única alternativa é a utilização de SNPs (Vignal et al., 2002). É necessário existir variação fenotípica e genotípica na característica quantitativa de interesse dentro ou entre as linhagens ou populações estudadas (Falconer e Mackay, 1996). Quanto maior a amostra, maiores as chances de mapear QTLs, pois se aumenta o número de eventos de recombinação e mais QTLs são detectáveis. As posições dos QTLs mapeados, bem como seus efeitos, podem variar dependendo da metodologia de análise. Os QTLs podem ter efeitos do meio ambiente, sexo, pleitropia e as interações epistáticas são também freqüentemente encontradas (Mackay, 2001b). Para o mapeamento de QTLs, geralmente são utilizados animais provenientes de cruzamentos entre linhagens ou raças endogâmicas ou de populações chamadas de segregantes ou exogâmicas, como ocorre na maioria dos animais domésticos. A utilização de linhagens endogâmicas apresenta a vantagem do conhecimento dos genótipos dos parentais, da fase de ligação e do número de alelos do suposto QTL (Silva et al., 2005). Em galinhas, segundo Hocking (2005), o delineamento experimental utilizado é normalmente uma população F2, oriunda do cruzamento de duas linhagens com 250 a 700 animais. Os modelos de análise mais utilizados para populações exogâmicas são o F2 (line cross) (Haley et al., 1994) e o de meios-irmãos (half-sib) (Knott et al., 1996). A análise de meios-irmãos não faz suposição de fixação 10 dos alelos do QTL nas linhagens parentais, diferente do modelo de F2, em que os alelos estão supostamente fixados. Mas, por outro lado, o modelo de meios-irmãos pressupõe que o pai (para meios-irmãos paternos) ou a mãe (para meios-irmãos maternos) foram acasalados com indivíduos ao acaso da população, o que não é verdadeiro quando se tem grandes famílias de irmãos completos. Normalmente, um QTL é mapeado num intervalo de cerca de 20 cM, ou seja, com baixa resolução, pois 1 cM equivale a cerca de 1 milhão de pares de bases ou 30 genes em humanos (Liu, 1998), ou 360.000 pares de bases (macrocromossomos) ou 160.000 pb (microcromossomos) em galinhas (Siegel et al., 2006). Segundo Georges (2007), os intervalos de confiança dos QTLs mapeados são da ordem de 20 a 40 cM, correspondendo, em mamíferos, a aproximadamente 20 a 40 milhões de pares de bases ou 200 a 400 genes. Existem três problemas principais na resolução do mapeamento de QTLs: (1) Um grande número de eventos de recombinação em cada intervalo de marcadores é necessário para mapear os QTLs e diminuir os intervalos onde eles foram mapeados; (2) QTLs individuais têm pequenos efeitos e são afetados pelo meio ambiente sendo, portanto, o fenótipo de um único indivíduo a não indicação confiável do genótipo de um QTL; (3) Mesmo depois de determinar um intervalo do QTL, a região pode conter muitos genes (Mackay, 2004). Segundo Weller (2001), o principal problema do mapeamento de QTLs é o tamanho relativamente pequeno das amostras da maioria dos experimentos. Em experimentos empregando menos de 300 animais haverá dificuldade para estimação dos efeitos do QTL, mas, quanto maior o número de animais, melhor será a detecção de QTLs. Na maioria dos casos em que os efeitos do QTL não foram encontrados, o poder de detecção foi muito pequeno para encontrar um QTL com magnitude razoável segregando. A partir dos mapas de ligação de três populações (Compton, East Lasing e Wageningen), Groenen et al. (2000) construíram o mapa Consenso do genoma da galinha, contendo 1.889 locos distribuídos em 3.800 cM, que foi posteriormente atualizado por Schmid et al. (2000 e 2005), totalizando 4.200 cM com 2.261 locos. Este mapa contendo grande número de informações sobre marcadores é imprescindível para o mapeamento de QTLs em galinhas (Ledur et al., 2004). 11 Nos últimos dez anos, muitos QTLs têm sido mapeados em galinhas para várias características, incluindo crescimento, produção de ovos, resistência à doenças, composição corporal e comportamento (Abasht et al., 2006). De acordo com Hocking (2005), em galinhas, 114 QTLs significativos foram identificados até 2004, 18 somente no GGA1 (cromossomo 1 da galinha) para características de peso, gordura, resistência a doenças e produção de ovos. O autor notou também que não existiu um padrão de distribuição dos QTLs no genoma, mas que diferentes estudos mapearam QTLs em regiões próximas no GGA1 (250-450 cM). Estes resultados devem ser aprimorados com estudos de mapeamento fino para diminuir as regiões onde foram mapeados os QTLs. Abasht et al. (2006) realizaram um levantamento em 50 trabalhos de mapeamento de QTLs em galinhas, sendo 21 deles relacionados com características de crescimento e composição corporal. Listaram 697 QTLs mapeados, 114 somente no GGA1. Neste cromossomo existem duas grandes regiões de concentração da maioria dos QTLs: nos intervalos de 60 a 269 cM (57 QTLs mapeados) e de 440 a 545 cM (Figura 1). No banco de QTLs (Animal QTLdb, 2009) existem descritos até o momento 791 QTLs em galinhas, de acordo com 52 publicações. Estes QTLs estão associados com 115 características, sendo 368 relacionados com crescimento. As principais características associadas aos QTLs são: peso vivo (117), gordura abdominal (57) e músculo do peito (25). No GGA1 existem 129 QTLs já descritos neste banco de dados. Kerje et al. (2003) mapearam QTLs para peso corporal, crescimento em diferentes idades: 1-8, 8-46, 46-112 e 112-200 dias e peso de ovos em galinhas oriundas de um cruzamento entre aves White Leghorn e Red Junglefowl. Genotiparam 851 animais com 100 microssatélites (15 apenas no GGA1), além de quatro SNPs. Foram mapeados 17 QTLs significativos no GGA1 para todas as características estudadas. Destacaram-se 11 QTLs mapeados no intervalo entre MCW0010-ADL0019, sendo um para crescimento de 112-200 dias, que explicou 21,6% de variância fenotípica da característica. Sewalen et al. (2002) estabeleceram uma população F2 a partir de cruzamentos entre uma linhagem de corte e uma de postura e utilizaram 101 marcadores microssatélites, dos quais 24 no GGA1 para o mapeamento de QTLs associados ao peso corporal as 3, 6 e 9 semanas de idade. Foram identificados no GGA1: dois QTLs significativos para peso as 3 semanas (LEI0068-LEI0046 e ADL0183-ROS0025), dois 12 QTLs significativos para peso as 6 semanas (LEI0146-MCW0018 e ADL0183- ROS0025), um QTL significativo para peso as 9 semanas (LEI0106-LEI0179) e um QTL sugestivo para peso as 9 semanas (MCW0010-ADL0188). Num estudo correlato, Ikeobi et al. (2002) identificaram QTLs associados ao peso da gordura abdominal, peso da gordura da pele e distribuição de gordura em 442 aves. Foram mapeados dois QTLs no GGA1: um significativo para gordura abdominal (ADL0188-LEI0068) e outro sugestivo para gordura da pele entre ADL0183-ROS0025. Utilizando a mesma população, Ikeobi et al. (2004) mapearam três QTLs significativos no GGA1 para: peso da sobrecoxa (MCW0010-ADL0188), do músculo da sobrecoxa (LEI0146-LEI0068) e para peso da coxa e músculo da sobrecoxa (MCW0010- ADL0188). Zhou et al. (2007) analisaram 23 cromossomos com 269 marcadores (37 somente no GGA1) em duas populações geneticamente distintas de galinhas (Broiler- Leghorn cross e Broiler-Fayomi cross) para o mapeamento de QTLs associados com características metabólicas. Na população Broiler-Leghorn cross foram detectados QTLs sugestivos no GGA1 para: IGF1 (102 cM, ADL0019-UMA1.100) e T4 (tiroxina) (751 cM). Na outra população, Broiler-Fayomi cross, foram detectados QTLs significativos para: IGF1 (543 cM), T3 (triiodotironina) (72 cM, MCW10-MCW106) e T3:T4 (70 cM, MCW10-MCW106). McElroy et al. (2006) analisaram 430 aves oriundas de um cruzamento de linhagens comerciais de frangos e poedeiras divergentes quanto à porcentagem de carne branca, genotipadas com 73 marcadores, 13 deles no GGA1. Foram mapeados QTLs significativos no GGA1 para: peso de gordura abdominal (168 cM, posição em relação ao mapa Consenso, Schmid et al., 2005) e porcentagem de gordura abdominal (155 cM) e QTLs sugestivos para: peso vivo (226 cM), peso da carcaça (213 cM) e porcentagem de filé (379 cM). A partir de uma população F2 compreendendo 240 aves oriundas do cruzamento de uma linhagem japonesa de postura e uma linhagem de corte (White Plymouth Rock), Uemoto et al. (2009) utilizaram 240 microssatélites para mapear QTLs. Foram avaliadas as características de: peso vivo (3, 6 e 9 semanas), peso da carcaça, peso da gordura abdominal, peso do peito e peso das coxas. Sete QTLs significativos foram associados 13 com peso vivo as 9 semanas (GGA1 e 3), ganho de peso (GGA1 e 3), peso da carcaça (GGA3), peso da gordura abdominal (GGA1) e peso das coxas (GGA3). Nones et al. (2006) genotiparam três famílias de meios-irmãos paternos abrangendo sete famílias de irmãos completos (649 F2) utilizando a população experimental F2 da EMBRAPA (corte e postura) com 26 microssatélites do GGA1. Foram mapeados QTLs para peso vivo, consumo de ração, peso da carcaça, peso das coxas e sobrecoxas, peso da gordura abdominal, peso do coração, pulmões, moela, fígado, pés e comprimento do intestino. Mapeamento fino de QTLs O mapeamento de QTLs é particularmente importante porque os QTLs encontrados podem auxiliar na localização de genes. Porém, identificar os genes responsáveis pelos QTLs têm sido demorado e difícil porque cada loco controla apenas uma fração da variância fenotípica (Wong et al., 2004). Segundo Andersson e Georges (2004), o principal desafio das características complexas não é detectar os QTLs, mas descobrir os genes que os explicam. A descrição da arquitetura genética de uma característica quantitativa não está completa até que possamos especificar quais sítios polimórficos nos genes identificados como QTLs, bem como suas interações, causam de fato, a diferença no fenótipo da característica, os chamados QTNs (nucleotídeos controladores de características quantitativas) (Mackay, 2001a). Segundo Hu et al. (2007), a última conquista do mapeamento de QTLs é a identificação de genes que explicam as características complexas e a compreensão de suas funções fisiológicas e bioquímicas. A análise completa de QTLs inclui o mapeamento tradicional de QTLs e em seguida, o mapeamento fino (Arbilly et al., 2006). A utilização destas duas abordagens resulta na redução do número de potenciais genes candidatos na região genômica de interesse, com a diminuição do intervalo, onde o QTL foi mapeado. Portanto, o mapeamento de todo genoma deve ser seguido pelo mapeamento fino, baseado em métodos de associação, focado em regiões que sinalizaram ligação com características de interesse (Papachristou e Lin, 2006). 14 Quando uma ligação significativa ou sugestiva é encontrada no genoma, é comum aumentar a informação genética na região pela genotipagem de marcadores adicionais (Atwood e Heard-Costa, 2003). O mapeamento fino visa reduzir ao máximo o intervalo no qual o QTL-alvo está localizado, aumentando o número de animais genotipados e/ou o número de marcadores. Existem muitos métodos para o mapeamento fino de QTLs, como o aumento de número de eventos de meioses, através do aumento do tamanho ou número de famílias genotipadas; a seleção de eventos de recombinação em retrocruzamentos utilizando gerações avançadas de cruzamentos entre linhagens ou estudos de haplótipos em populações exogâmicas. Independentemente do método utilizado, altas densidades de marcadores (microssatélites ou SNPs) serão necessárias para o mapeamento fino (Georges, 2007; Druet et al., 2008). A dificuldade do mapeamento fino é o grande número de recombinações necessárias para diminuir o intervalo de mapeamento até o nível dos locos genéticos. Todos os genes localizados na região, onde foi mapeado um QTL, são genes candidatos que podem corresponder ao QTL, mas é prudente priorizar os genes que estejam relacionados com aspectos fisiológicos, desenvolvimento e expressão da característica para qual QTL foi mapeado (Mackay, 2001b). Trabalhos de mapeamento fino de QTLs em animais de produção tais como galinhas (Kim et al., 2006; Liu et al., 2008; Heifetz et al., 2009); suínos (Uleberg et al., 2005; Berg et al., 2006; Mikawa et al., 2007); bovinos (Gautier et al., 2006; Krebs et al., 2006; Guillaume et al., 2007; Druet et al., 2008; Schulman et al., 2009) e ovinos (Calvo et al., 2006) empregaram as diferentes metodologias descritas acima para diminuir o intervalo de mapeamento e validar os QTLs. Uleberg et al. (2005) refinaram o mapeamento de um QTL associado à gordura intramuscular em suínos incluindo cinco marcadores microssatélites, que reduziu a distância média entre marcadores de 14 cM para 8,7 cM. No estudo em bovinos de leite, Druet et al. (2008) genotiparam 926 animais com 437 SNPs no cromossomo 3, onde havia sido mapeado um QTL associado com taxa de não retorno ao cio. Foi feita a reconstrução dos haplótipos e realizada a análise de QTLs pelo método de regressão linear. Não foi possível refinar a localização do QTL mapeado anteriormente, pois foram detectadas oito regiões associadas aos haplótipos num intervalo de 35 cM no cromossomo 3. 15 Poucos trabalhos em galinhas foram realizados com a finalidade de refinar a localização de um QTL previamente identificado. A região de 40 cM no GGA1, associada com resistência à coccidiose num estudo anterior, foi considerada extensa para a identificação de genes. Por isso, Kim et al. (2006) utilizaram oito marcadores microssatélites adicionais localizados no GGA1 para o mapeamento fino numa amostra de 314 aves F2, oriundas de um cruzamento de duas linhagens comerciais de frangos de corte com diferentes susceptibilidades à coccidiose. Foi conduzida uma análise de ligação considerando dois níveis de significância: LOD (logarithm of the odds) score de 2,7 para a análise de marcas individuais e 3,6 para análise multiponto. Utilizando o LOD score de 2,7 foi detectada a associação do marcador LEI0101 com resistência à doença. Com a análise multiponto foi observado que o intervalo entre os marcadores LEI0071 e LEI0101 mostrou um LOD score máximo de 3,74 (a 254 cM) quando foram analisadas quatro e não doze famílias. Os autores sugerem que mais estudos sejam realizados para refinar esta região e que também sejam utilizados marcadores SNPs. Numa região de 50,8 cM (LEI0079-ROS0025) no GGA1, onde foram mapeados QTLs para peso vivo, peso da carcaça e características de gordura foram adicionados nove microssatélites e analisadas mais oito famílias de uma população F2 oriundas de cruzamento entre uma linhagem de corte selecionada para deposição de gordura abdominal e uma linhagem de postura nativa chinesa, totalizando doze famílias de meios-irmãos (1.011 animais) e doze marcadores (Liu et al., 2008). Foram confirmados os QTLs mapeados anteriormente, alguns com menores intervalos de confiança. A partir de estudos anteriores onde foram mapeados 15 QTLs associados com resistência à doença de Marek em galinhas, Heifetz et al. (2009) utilizaram seis gerações de uma população derivada do cruzamento entre duas linhagens comerciais White Leghorn (total de 1.615 indivíduos). Foram utilizados 217 marcadores microssatélites e 15 SNPs, identificando 21 regiões de QTLs (QTLR) associadas com resistência à doença de Marek em diferentes cromossomos (GGA1, 2, 3, 4, 5, 8, 9, 15, 18, 26 e Z). As regiões onde foram mapeados os QTLs foram reduzidas cerca de duas vezes em comparação com o estudo anterior. Glazier et al. (2002) propuseram os seguintes passos para a descoberta de genes responsáveis pelas características complexas: (1) Associação e ligação: o primeiro passo é estabelecer a evidência de ligação significativa ou associação estatística; (2) 16 Mapeamento fino: o próximo passo é reduzir o tamanho do intervalo crítico com a utilização de maior número de animais genotipados ou marcadores; (3) Análise de seqüências: as regiões de DNA no intervalo alvo devem ser testadas como genes candidatos e seus polimorfismos verificados. Alguns QTLs resultam de modificações de um único nucleotídeo, outros resultam de muitas variações em diversos nucleotídeos, tanto no mesmo gene, como em genes próximos, ligados; (4) Testes dos genes candidatos: pode ser feito por knock-out ou transgenia. Arbilly et al. (2006) acrescentaram que, além do mapeamento fino, pode ser realizada, em paralelo, a análise de expressão gênica para tentar identificar potenciais genes candidatos. Polimorfismos de nucleotídeos únicos (SNP) Polimorfismos de nucleotídeos únicos (SNPs) são variações de uma única base, que correspondem às variações mais comuns e abundantes no genoma, ocorrendo aproximadamente a cada 600 bases em humanos. Eles ocorrem tanto em regiões codificadoras (exons), como em não codificadoras (introns) (Guimarães e Costa, 2002). Alguns autores também consideram como SNP uma deleção ou inserção (Vignal et al., 2002). Em regiões codificadoras, quando resultam em uma substituição de aminoácido na seqüência protéica são denominados não sinônimos, podendo a substituição ser conservativa ou não conservativa em função das características dos aminoácidos envolvidos na troca, e nesses casos, pode haver modificações estruturais e funcionais na proteína. Embora os SNPs sinônimos não alterem a seqüência protéica, eles podem modificar a estrutura e a estabilidade do RNA mensageiro e, conseqüentemente, afetar a quantidade de proteína produzida. Além disso, os SNPs podem promover splicing alternativo, alterações no padrão de expressão de genes, geração ou supressão de códons de terminação ou poliadenilação na molécula de RNA mensageiro e alteração nos códons de iniciação de tradução (Guimarães e Costa, 2002). As mutações que ocorrem nas regiões não codificadoras (introns) não podem afetar diretamente a estrutura da proteína, entretanto, podem impedir a produção do RNA mensageiro, inibindo a união dos exons por splicing. Além disso, as mutações na região promotora do gene podem alterar a expressão gênica (Lewin, 2001). 17 Devido ao fato de os SNPs serem encontrados em alta densidade nos genomas e serem facilmente detectados, eles são importantes marcadores para obtenção de mapas genéticos de alta resolução (Nie et al., 2003; Caixeta et al., 2006). SNPs são as principais contribuições para o estudo das variações genéticas, compreendendo 80% de todos os polimorfismos conhecidos. Apesar de os SNPs serem principalmente bialélicos e, conseqüentemente menos informativos que os microssatélites, eles são mais freqüentes e estáveis, sendo, portanto, adequados para estudos de associação. Além disso, pelo fato de terem, na maioria das vezes, dois alelos, podem ser genotipados por um simples ensaio de positivo ou negativo (Nature Genetics, 1998). O estudo de SNPs envolve as etapas de identificação e genotipagem. Inicialmente, as abordagens de detecção de SNPs consistiam em amplificar fragmentos genômicos de vários indivíduos e comparar suas seqüências buscando variações. Atualmente, a maior parte dos estudos visando a identificação de SNPs em larga escala tem explorado as milhares de seqüências presentes nos bancos de dados, incluindo clones genômicos e, principalmente, seqüências de cDNA (DNA complementar) ou EST (Guimarães e Costa, 2002). Para a genotipagem, diversas metodologias podem ser utilizadas, escolhidas de acordo com sua precisão, agilidade e custo. Existem muitas técnicas disponíveis: (1) hibridização direta, com o uso de sondas ou chips de DNA; (2) geração e separação de produtos alelo-específicos por cromatografia líquida de alta pressão desnaturante (DHPLC), espectrometria de massa, PCR em tempo real (TaqMan®), seqüenciamento de uma única base ou por enzimas de restrição. Em análises de menor escala, seqüenciamento ou digestão por enzimas de restrição (RFLP, polimorfismos no comprimento de fragmento de restrição) são rotineiramente empregados (Guimarães e Costa, 2002; Vignal et al., 2002). O método de detecção TaqMan® funciona a partir da atividade de exonuclease 5´-3´ de uma Taq DNA polimerase e de sondas marcadas duplamente (com um repórter e um corante “silenciador”), que possuem o princípio FRET (fluorescence resonance energy transfer = emissão obtida através de transferência de energia ressonante) e emitem um sinal de fluorescência apenas quando são clivadas. Os SNPs têm se tornado os marcadores preferidos para mapeamentos de alta densidade e, em aves, eles têm sido identificados a cada 225 pares de bases (Jalving et 18 al., 2004), ou, segundo Wong et al. (2004), são encontrados na taxa média de cinco SNPs/kilobase. Wong et al. (2004) analisaram as raças Red Jungle Fowl, Silkie e duas linhagens comerciais (corte e postura), onde encontram 3,1 milhões de variações, sendo que 2,8 milhões foram caracterizados como SNPs e 0,3 milhões como deleções. Os autores consideraram como SNPs todos os tipos de variações, sejam elas substituições, deleções ou inserções e detectaram também que cerca de 70% dos SNP são comuns e segregam nas diversas raças de galinhas estudadas. Os marcadores SNPs podem ser utilizados como alternativa aos microssatélites ou em complementação (Jalving et al., 2004). Alguns polimorfismos podem afetar a expressão de um gene, mas o efeito de um único polimorfismo pode ser mascarado pela interação com fatores ambientais (Franco et al., 2005). Segundo Schmid et al. (2005), o futuro dos estudos genéticos está em densos mapas de SNPs. Porém, sozinhos estes mapas não são adequados; eles devem ser combinados com outras estratégias, como o mapeamento fino (Wong et al., 2004). A segregação de grande número de SNPs comuns entre e dentro de populações de frangos de corte e poedeiras forneceu informação de um grande número de marcadores genéticos potenciais para o mapeamento de QTLs na avicultura (Burt, 2007). No cromossomo 1 da galinha existem atualmente 674.948 SNPs descritos no Chicken Variation Database (ChickVD, 2009). Outro banco público de dados de SNPs é o dbSNP (2009), mantido pelo National Center for Biotechnology Information (NCBI, 2009). Neste banco existem cerca de três milhões de SNPs em galinhas depositados, 605.112 apenas no GGA1. Os SNPs também estão sendo utilizados como marcadores para o mapeamento de QTLs. Rao et al. (2007) utilizaram 28 SNPs no GGA1 para a identificação de QTLs associados com características de peso vivo aos 7, 14, 21, 28, 35, 42, 49, 56, 63, 70, 77 e 84 dias e gordura abdominal e subcutânea em 500 galinhas, oriundas do cruzamento entre uma linhagem de frango de corte de rápido crescimento e uma linhagem nativa chinesa de crescimento lento. Foram identificados QTLs significativos associados com peso vivo aos 35 (351 cM), 42 (353 cM) e 70 dias (360 cM), peso da gordura abdominal (205 cM), taxa de gordura abdominal (221 cM) e espessura da gordura (72 cM). 19 Genes candidatos Genes candidatos são genes já seqüenciados, de ação biológica conhecida e que estão envolvidos com o desenvolvimento ou fisiologia de uma característica. Estes genes podem ser seqüenciados, seus polimorfismos detectados e, se a mutação for associada com a variação na característica de interesse é possível a seleção direta. Mas isso é limitado ao conjunto de genes conhecidos (Ledur et al., 2005). O estudo de genes candidatos com base em efeitos fisiológicos é simples, em contraste com a investigação de seqüências anônimas de DNA. Quando uma associação entre um polimorfismo e uma característica importante é encontrada, o marcador pode ser imediatamente incluído em programas de seleção baseados em marcadores. Estas inclusões, gradualmente, aumentam a acurácia da seleção, e, conseqüentemente, melhoram a resposta. Porém, mais pesquisas são necessárias para a compreensão das interações genético-ambientais (Franco et al., 2005). O estudo de polimorfismos em genes candidatos tem contribuído para a descoberta de informações fundamentais que podem ser incorporadas aos programas de melhoramento genético. Exemplos bem sucedidos da utilização de genes candidatos em suínos são os do gene do halotano e do RN (rendimento Napoli), que afetam a qualidade da carne e, em certas populações, os genes dos receptores de estrogênio e da prolactina, que afetam o tamanho da leitegada (Ledur, 2001). Além das propostas que visam diminuir o intervalo onde foram mapeados os QTLs através do mapeamento fino, a análise de genes candidatos pode complementar estes estudos. Identificar o loco que está associado à característica quantitativa é extremamente importante e, para isso, uma estratégia comum para ir da região mapeada, que pode abranger até 40 cM, até o gene é a metodologia do gene candidato. O método de identificação de QTLs por meio de genes candidatos baseia-se na detecção de polimorfismos que possam estar associados com as características fenotípicas de interesse. As vantagens desta metodologia são: (1) maior poder estatístico obtido com menor número de famílias e indivíduos quando comparado com análises de ligação; (2) ampla aplicabilidade, pois não é necessário utilizar-se populações com duas ou três gerações; (3) baixo custo após o desenvolvimento dos primers e detecção do 20 polimorfismo e a simplicidade operacional, pois se pode trabalhar com um único gene e a utilização imediata na seleção assistida por marcadores na população testada (Rothschild e Soller, 1997). As limitações da análise de genes candidatos são o pequeno número de genes conhecidos que controlam características de interesse, o alto custo da etapa inicial e a dificuldade no estabelecimento do efeito do gene candidato. Até que se estabeleça a variante causal do gene responsável pelo efeito quantitativo sempre haverá a possibilidade de que o gene estudado não seja o que realmente esteja causando a diferença na característica, mas esteja somente ligado ao QTL (Rothschild e Soller, 1997). Muitos estudos em galinhas são focados na tentativa de encontrar polimorfismos em genes candidatos associados com características de interesse para a indústria avícola. Zhang et al. (2009) identificaram dois SNPs no gene calpaína 3 em galinhas. Os haplótipos foram construídos, e, em seguida, foram feitas as análises de associação dos genótipos dos SNPs, haplótipos e dos diplótipos com as características avaliadas. Foram encontradas diversas associações dos genótipos, haplótipos e diplótipos com peso vivo, peso da carcaça, peso do músculo do peito e peso do músculo das pernas. Nie et al. (2005) estudaram polimorfismos do gene do hormônio do crescimento (GH) em frangos e encontram associações com peso corporal, ganhos de peso e comprimento da canela. De Souza (2004) estudou polimorfismos em cinco genes relacionados ao desenvolvimento muscular (MyoD, Myf5, miogenina, MRF4 e miostatina) nas linhagens parentais da população da EMBRAPA e encontrou associações da miogenina com peso vivo aos 42 dias, ganho de peso e pesos da carcaça, asas, gordura abdominal, fígado e pulmões. Ninov et al. (2008) investigaram os polimorfismos do gene receptor da leptina na mesma população e encontraram seis polimorfismos, sendo dois deles na linhagem TT (corte) e quatro com maior freqüência na linhagem CC (postura). Dois SNPs do gene receptor da leptina foram associados com diversas características. O SNP C352T foi associado com proteína bruta e cinzas e rendimento de fígado, peito e carcaça. O SNP G915A foi associado com consumo de ração, rendimento de pulmões e coxas e sobrecoxas. Nie et al. (2005) estudaram os polimorfismos do gene hormônio do crescimento em frangos e encontraram associações entre peso corporal e ganho de peso com o gene 21 candidato estudado. Wang et al. (2005) estudaram o gene IGF2 em frangos e identificaram um polimorfismo associado com peso da gordura abdominal, peso ao nascer e peso de peito. Zhou et al. (2005) identificaram polimorfismos no gene candidato IGF1, associados com crescimento, características metabólicas, composição corporal e integridade óssea. Um polimorfismo na região promotora do gene IGF1 foi associado com a maioria das características estudadas. Todas as metodologias descritas: mapeamento de QTLs, mapeamento fino de QTLs, estudo de genes candidatos, identificação de polimorfismos em genes candidatos e estudos de expressão gênica se complementam e têm como finalidade a descoberta de regiões genômicas ou genes responsáveis pelas características complexas. Gene do fator de crescimento semelhante à insulina tipo 1 (IGF1) O gene do hormônio do crescimento (GH) está relacionado com outros genes, como: IGF1, IGF2, seus receptores, PIT1 (fator de transcrição pituitária específico), GHRH (hormônio liberador do GH), somastostatina e GHR (receptor do hormônio do crescimento). Estes genes são candidatos potenciais em estudos de associação com características de crescimento devido a sua importância fisiológica na determinação de características econômicas (Franco et al., 2005). O GH induz à produção dos IGFs (fatores de crescimento semelhante à insulina ou somatomedinas), que são importantes moduladores positivos do crescimento em diferentes organismos (Duclos et al., 1999). Segundo Martinelli Júnior et al. (2002), os IGFs são hormônios produzidos na maioria dos órgãos e tecidos, sendo o fígado a principal fonte dos IGFs circulantes, que incluem o IGF1 (fator de crescimento semelhante à insulina tipo 1) e IGF2 (fator de crescimento semelhante à insulina tipo 2), além de seus receptores. Suas ações autócrinas, parácrinas e endócrinas são observadas na maioria dos tecidos (Figura 2). O GH é um dos principais promotores da produção de IGF1, cuja síntese é também estimulada pelos hormônios tireoideanos, esteróides sexuais, insulina e influenciada pelo estado nutricional, dentre outros fatores (Martinelli Júnior et al., 2002). Os IGFs atuam na síntese de proteínas, lipídeos e glicogênio, inibem a lipólise e são potentes promotores de crescimento. São controlados primariamente pela secreção de GH pela pituitária. Receptores de IGFs estão presentes em todos os tecidos do corpo 22 (Froesch et al., 1985). Os IGFs são essenciais para o crescimento, pois parecem ter um papel fundamental no desenvolvimento dos músculos esqueléticos e cardíaco, atuando também na diferenciação dos osteoblastos (Schmid, 1995). Segundo Beccavin et al. (2001), modelos genéticos que exibem crescimento em taxas opostas (baixo ou alto crescimento) são valiosas ferramentas para o estudo dos fatores de crescimento. Altos níveis de GH em galinhas estão associados com baixas taxas de crescimento, o que sugere que os níveis de GH não explicam diretamente a taxa de crescimento e implica na necessidade de estudos de outros fatores relacionados ao GH, os IGFs. Respostas a diferentes estados nutricionais, como o jejum prolongado em mamíferos, estão relacionadas com grandes alterações nas concentrações dos níveis de IGFs circulantes. O sistema IGF (principalmente o IGF1) é significativamente alterado pelo genótipo, sugerindo um papel principal no controle da taxa de crescimento em frangos de corte. O gene IGF1 tem sido intensamente estudado em galinhas, pois está associado com importantes ações fisiológicas, como: crescimento, proliferação e diferenciação dos músculos (mioblastos e linhagens miogênicas), cartilagens e ossos (Kelly, 1990; Florini et al., 1996; Duclos et al., 1999; Machida e Booth, 2004; Zhou et al., 2005); está relacionado com a produção de ovos em galinhas, atua no crescimento e diferenciação folicular e estimula a produção de progesterona ovariana (Kim et al., 2004); atua nas células da teca e da granulosa, localizadas nos ovários das aves (Armstrong e Hogg, 1996); promove a diferenciação de osteoblastos, estimula a eritropoiese e o crescimento longitudinal na ausência do GH (Schmid, 1995); pode induzir à proliferação das células satélites e atua na síntese de proteínas (Machida e Booth, 2004) e exerce um papel importante no crescimento celular através da mediação de muitas ações do GH (Kajimoto e Rotwein, 1991). O IGF1 foi mapeado no GGA1 a 166 cM no mapa genético de machos da população East Lansing (ARKdb, 2006), entre os marcadores LEI0146 e LEI0174 (Klein et al., 1996). Possui 48.429 pares de bases distribuídos em quatro exons e três introns (Tabela 1) e sua proteína é formada por 153 aminoácidos (GeneID:� 418090, NCBI, 2008). Em mamíferos, o IGF1 possui um processo complicado de expressão e é transcrito e processado em múltiplos mRNAs. Em galinhas, este gene é mais compacto 23 e seu processo de expressão é mais simples, os exons são distribuídos em 50 kb e o produto transcrito possui 1,9 a 2,6 kb (Kajimoto e Rotwein, 1991). O IGF1 é provavelmente produzido localmente durante a hipertrofia muscular. IGF1 e células satélites têm um papel essencial no processo de hipertrofia celular. Alguns estudos mostraram a relação entre estimulação local do crescimento do músculo esquelético e expressão do IGF1. A hipertrofia da musculatura esquelética é regulada por pelo menos três mecanismos moleculares principais: (1) atividade das células satélites; (2) transcrição gênica e (3) tradução de proteínas. O IGF1 pode influenciar todos estes processos (Machida e Booth, 2004). Este gene possui um papel importante em diversos processos metabólicos, constituindo-se num gene candidato para estudos de associação com características de crescimento. Nele já foram descritos 67 polimorfismos em galinhas no banco público de dados NCBI (2009). Diversos estudos tentaram identificar SNPs neste gene em galinhas. Zhou et al. (2005) identificaram polimorfismos no IGF1 associados com crescimento, características metabólicas, composição corporal e integridade óssea. Nagaraja et al. (2000) encontraram polimorfismos do gene IGF1 associados a peso do ovo e taxa de postura em galinhas. Amills et al. (2003) buscaram polimorfismos no gene IGF1 em duas linhagens geneticamente distintas para características de crescimento. Foram encontrados dois polimorfismos (SNP1 e SNP2), sendo que um deles já havia sido descrito. O SNP1 foi identificado na região 5´UTR. Não foram encontradas associações significativas destes dois SNPs com as características de peso vivo, ganho de peso médio diário, consumo de alimento e eficiência alimentar aos 44, 73 e 107 dias. Beccavin et al. (2001) demonstraram que as concentrações de IGF1 podem ser alteradas pelo estado nutricional (aves alimentadas, jejum de 16h e 48h e alimentadas após o jejum) e pelo genótipo das galinhas analisadas (linhagem de alto e baixo crescimento). As aves da linhagem de alto crescimento apresentaram maiores concentrações de IGF1 circulante. As que foram submetidas ao jejum tiveram seus níveis de IGF1 diminuídos, e estes foram elevados, logo após a alimentação. Os níveis de IGF1 aumentaram gradualmente com a idade das aves (1-6 semanas da linhagem de alto crescimento e 1-12 semanas da linhagem de baixo crescimento). Quanto aos níveis de IGF1 hepáticos, houve aumento significativo entre a primeira e sexta semanas e 24 diminuição pelo jejum nas duas linhagens. Quando as aves foram alimentadas novamente, os níveis aumentaram apenas na linhagem de alto crescimento. Sugere-se que exista uma relação entre os níveis de IGF1 circulantes e taxa de crescimento nas galinhas. Gene Jumonji, Domínio interativo 1A rico em AT (JARID1A) Na galinha, o gene JARID1A (Jumonji, AT rich interactive domain 1A), RBBP2- like ou SMCY está localizado no GGA1 entre os marcadores LEI0146 e LEI0174 e possui 48.523 pares de bases distribuídos em 28 exons e 27 introns e sua proteína contém 1.691 aminoácidos (Tabela 2). Este gene codifica uma proteína nuclear, que, juntamente com outras, está relacionada com a proteína retinoblastoma 1 (GeneID: 418148, NCBI, 2008). O gene retinoblastoma 1 (RB1) é um regulador negativo do ciclo celular e o primeiro gene supressor de tumor descoberto. A proteína retinoblastoma 1 tem papel importante no controle da proliferação celular, desenvolvimento, diferenciação e supressão de tumores. A perda da função desta proteína causa uma variedade de cânceres e problemas no desenvolvimento de alguns tipos de células, mas seu papel na transcrição permanece obscuro (Chan e Hong, 2001). As possíveis funções relacionadas ao JARID1A descritas em humanos são: modificações da cromatina, regulação da transcrição e diferenciação celular, supressão de tumores, desenvolvimento embrionário, regulação negativa da proliferação celular, atividade oxidoredutase, entre outras. Como o JARID1A regula a transcrição ainda é um mecanismo desconhecido (NCBI, 2008). Em galinhas, já foram descritos 275 polimorfismos neste gene no banco público de dados NCBI (2009). Porém, não existem estudos de associação de polimorfismos deste gene com características de interesse na avicultura. A família de genes chamada de ARID (domínio interativo rico em AT) em humanos é composta por sete subfamílias, que tem em comum a presença de domínios como o JMJC (Jumonji), JMJM, PHD, ARID e outros que normalmente estão presentes em proteínas reguladoras da transcrição através de alterações na estrutura da cromatina. Entre elas, está a subfamília JARID, que inclui os genes: JARID1A, JARID1B, 25 JARID1C e JARID1D. Na família ARID estão incluídos os genes RBP1, MRF1, MRF2, entre outros relacionados ao desenvolvimento, proliferação celular e regulação do crescimento (Patsialou et al., 2005). Em galinhas, a proteína sintetizada pelo gene JARID1A é chamada de JARID1A, RBBP2-like ou RBP2 (proteína de ligação 2 do retinoblastoma) e possui expressão nuclear ubíqua, ou seja, é expressa em todos núcleos das células do organismo (NCBI, 2008). Segundo Klose et al. (2007), a proteína RBP2 pode agir como um ativador ou repressor da transcrição. Ela contém um domínio JMJC, recentemente definido como uma histona demetilase. A metilação de histonas é um importante processo que regula a dinâmica da cromatina e transcrição e está também associado ao câncer. A metilação era considerada uma modificação estável, porém tem sido provado o contrário (Xiang et al., 2007). População experimental da EMBRAPA Existem muitas linhagens de galinhas de corte ou postura utilizadas para diferentes finalidades, inclusive para estudos genéticos (Siegel et al., 2006). De forma simples, pode-se dividir as linhagens selecionadas para finalidades produtivas em frangos de corte e poedeiras, porém a maior parte das linhagens é mantida por companhias privadas e não está disponível para pesquisas. A EMBRAPA Suínos e Aves (Concórdia-SC) em colaboração com a Escola Superior de Agricultura “Luiz de Queiroz”, ESALQ/USP (Piracicaba-SP) iniciou em 1999, o Projeto Brasileiro de Genômica da Galinha, cujo objetivo primordial foi o mapeamento de QTLs para características de desempenho e carcaça. Foram desenvolvidas duas populações experimentais F2, a partir do cruzamento de uma linhagem parental de corte (designada TT) e uma de postura (CC). As duas populações F2 foram designadas TCTC e CTCT devido aos cruzamentos recíprocos das linhagens parentais (Figura 3). A linhagem TT se originou do cruzamento de linhagens comerciais provenientes das raças White Plymouth Rock, New Hampshire e White Cornish, enquanto que a CC originou da White Leghorn (Rosário et al., 2009). A linhagem TT é uma linha macho, cujo objetivo de seleção foi melhorar o peso vivo, conversão alimentar, consumo de 26 ração, rendimento de carcaça e partes, fertilidade, eclodibilidade e reduzir a gordura abdominal e as síndromes metabólicas (Figueiredo et al., 2003a). Na linhagem CC selecionou-se as características de: produção de ovos, peso e qualidade do ovo, conversão alimentar, viabilidade, maturidade sexual, fertilidade, eclodibilidade e redução do peso vivo (Figueiredo et al., 2003b). Devido às divergências fenotípicas entre estas linhagens, as aves resultantes do cruzamento entre elas são ideais para estudos de mapeamento de QTLs. Fenotipicamente, as diferenças entre as duas linhagens parentais podem ser observadas desde os estádios embrionários até a idade adulta. Por exemplo, aos 17 dias de desenvolvimento embrionário, o músculo pectoralis na linhagem TT pesou 0,28 g, enquanto que na CC este músculo pesou 0,19 g. Aos 21 dias pós-eclosão, este músculo na TT pesou 42 g e na CC 7,7 g. Na idade de abate (41 dias) esta diferença pode ser observada nas aves TT com peso vivo de 2.395 g e nas CC com 513 g (Jorge et al., 2007). A partir destas duas populações e de suas linhagens parentais foram desenvolvidos diversos trabalhos no Laboratório de Biotecnologia Animal da ESALQ/USP (Piracicaba-SP): mapeamento de QTLs (Baron, 2004; Boschiero, 2006; Moura et al., 2006; Nones et al., 2006; Ambo, 2007; Campos, 2007; Pinto, 2007; Ruy et al., 2007; Rosário, 2008; Ambo et al., 2009; Campos et al., 2009); identificação de polimorfismos em genes candidatos e associações com características de interesse econômico (De Souza, 2004; Ninov, 2006; Ninov et al., 2008), estudos de expressão gênica (Alvares, 2001; Alves, 2004, Andreote et al., 2005, Marchesin, 2008) e identificação de seqüências expressas (Alves, 2004; Jorge, 2006; Cassoli, 2007). Todos estes estudos contribuíram para um maior entendimento do complexo processo biológico envolvendo o crescimento e desenvolvimento da galinha. 27 O desenvolvimento deste trabalho resultou na elaboração de dois artigos científicos, redigidos sob as normas de cada revista em questão. O Capítulo 2, denominado MAPEAMENTO FINO DE UMA REGIÃO ASSOCIADA A QTLS NO CROMOSSOMO 1 DA GALINHA, apresenta-se de acordo com as normas para a publicação na Genetics and Molecular Biology. O objetivo deste trabalho foi refinar o mapeamento de uma região do cromossomo 1 da galinha, onde foram mapeados QTLs para peso vivo, peso do coração e dos pulmões numa população experimental F2 brasileira de galinhas, a fim de se obter uma maior precisão na posição destes QTLs. O Capítulo 3, denominado POLIMORFISMOS NOS GENES IGF1 E JARID1A E ASSOCIAÇÃO COM CARACTERÍSTICAS DE CRESCIMENTO DA GALINHA, apresenta-se de acordo com as normas para a publicação na Revista Brasileira de Zootecnia. O objetivo deste trabalho foi identificar polimorfismos nos genes IGF1 e JARID1A, localizados numa região do cromossomo 1 da galinha, onde foram mapeados QTLs para pesos vivos e pesos do coração e pulmões e testar a associação dos genótipos e dos diplótipos com características de crescimento. 28 Referências Bibliográficas ABASHT, B.; DEKKER S. J. C. M.; LAMONT, S.J. Review of quantitative trait loci identified in the chicken. Poultry Science, v. 85, n. 12, p. 2079-2096, 2006. ABEF. Disponível em: . Acesso em: 10 dez. 2008. AL-NASSER, A. et al. Overview of chicken taxonomy and domestication. World's Poultry Science Journal, v. 63, n. 2, p. 285-300, 2007. ALVARES, L. E. Quantificação da expressão dos fatores miogênicos e de PAX-3 durante o desenvolvimento embrionário de aves. Rio Claro: Instituto de Biociências, Universidade Estadual Paulista “Júlio de Mesquita Filho”, 2001. ALVES, H. J. Identificação e caracterização de seqüências expressas (EST) na musculatura peitoral de frangos de corte. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2004. AMBO, M. Mapeamento de locos de características quantitativas (QTLs) associados a desempenho nos cromossomos 19, 23, 24, 26, 27 e 28 de Gallus gallus. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2007. AMBO, M. et al. Quantitative trait loci for performance traits in a broiler x layer cross. Animal Genetics, v. 40, n. 2, p. 200-208, 2009. AMILLS, M. et al. Identification of three single polymorphisms in the chicken insulin- like growth factor 1 and 2 genes and their associations with growth and feeding traits. Poultry Science, v. 82, n. 10, p. 1485-1493, 2003. ANDERSSON, L.; GEORGES, M. Domestic-animal genomics: deciphering the genetics of complex traits. Nature Reviews, v. 5, n. 3, p. 202-212, 2004. ANDREOTE, A. P. D. et al. Quantificação de genes diferencialmente expressos em duas linhagens (corte e postura) de Gallus gallus. In: CONGRESSO BRASILEIRO DE GENÉTICA, 51., 2005, Águas de Lindóia. Anais... Águas de Lindóia: Sociedade Brasileira de Genética, 2005. ANIMAL QTLdb. Disponível em: . Acesso em: 10 jun. 2009. ARBILLY, M. et al. An integrative approach for the identification of quantitative trait loci. Animal Genetics, v. 37, n. 1, p. 7-9, 2006. ARMSTRONG, D. G.; HOGG, C. O. Insulin-like growth factor I (IGF-I), IGF-II and type-I IGF receptor gene expression in the ovary of the laying hen. Journal of Reproduction and Fertility, v. 106, n. 1, p. 101-106, 1996. ARKDB, Chicken. Disponível em: . Acessos em: 15 abr. 2006 e 5 jun. 2006. ATWOOD, L. D; HEARD-COSTA, N. Limits of fine-mapping a quantitative trait. Genetic Epidemiology, v. 24, n. 2, p. 99-106, 2003. AveWorld, Revista. Disponível em: . Acessos em: 17 dez. 2008 e 5 jun. 2009. AVICULTURA INDUSTRIAL, Estatísticas. Disponível em: . Acesso em: 19 jan. 2009. AVISITE, Estatísticas e Notícias. Disponível em: . Acessos em: 28 mar. 2008, 9 jan. 2009 e 4 jun. 2009. BARON, E. E. Identificação de QTLs nos cromossomos 2 e 4 que controlam características de desempenho e carcaça em aves (Gallus gallus). Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2004. 29 BECCAVIN, C. et al. Insulin-like growth factors and body growth in chickens divergently selected for high or low growth rate. Journal of Endocrinology, v. 168, n. 2, p. 297-306, 2001. BERG, F. et al. Refine localization of the FAT1 quantitative trait locus on pig chromosome 4 by marker-assisted backcrossing. BMC Genetics, v. 7, n. 17, 2006. BIOMED COMM®, INC., Central nervous system diagram hGH & IGF-1 relationship. Disponível em: . Acesso em: 4 fev. 2009. BOSCHIERO, C. Mapeamento de locos de características quantitativas associados a desempenho e carcaça nos cromossomos 11 e 13 de Gallus gallus. Botucatu: Faculdade de Medicina Veterinária e Zootecnia, 2006. BURT, D. W. Chicken genomics charts a path to the genome sequence. Briefings in Functional Genomics and Proteomics, v. 3, n. 1, p. 60-67, 2004. BURT, D. W. Emergence of the chicken as a model organism: implications for agriculture and biology. Poultry Science, v. 86, n. 7, p. 1460-1471, 2007. CAIXETA, E. T. et al. Marcadores Moleculares. Viçosa: Editora UFV, 2006. 374 p. CALVO, J. H. et al. Fine mapping of genes on sheep chromosome 1 and their association with milk traits. Animal Genetics, v. 37, n. 3, p. 205-210, 2006. CAMPOS, R. L. R. Mapeamento de QTL nos cromossomos 9, 10, 12, 14, 15, 16, 17 e 18 da galinha doméstica (Gallus gallus) que influenciam características de desempenho. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2007. CAMPOS, R. L. R. et al. Quantitative trait loci associated with fatness in a broiler–layer cross. Animal Genetics, 2009. In Press. CASSOLI, C. S. S. Identificação e análise de etiquetas de seqüências expressas (ESTs) na hipófise e hipotálamo de Gallus gallus. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2007. CHAN, S. W.; HONG, W. Retinoblastoma-binding protein 2 (RBP2) potentiates nuclear hormone receptor-mediated transcription. Biological Chemistry, v. 276, n. 30, p. 28402-28412, 2001. CHICKEN VARIATION DATABASE (ChickVD). Disponível em: < http://chicken.genomics.org.cn>. Acesso em: 26 jan. 2009. COGBURN, L. A. et al. Systems-wide chicken DNA microarrays, gene expression profiling and discovery of functional genes. Poultry Science, v. 82, n. 6, p. 939- 951, 2003. DAVEY, M. G.; TICKLE, C. The chicken as a model for embryonic development. Cytogenetic Genome Research, v. 117, n. 1-4, p. 231-239, 2007. DBSNP, Single Nucleotide Polymorphism. Disponível em: . Acesso em: 7 fev. 2009. DEQUÉANT, M. L.; POURQUIÉ, O. Chicken genome: new tools and concepts. Developmental Dynamics, v. 232, n. 4, p. 883-886, 2005. DE SOUZA, C. A. Investigação de polimorfismos nos genes dos fatores miogênicos e miostatina como marcadores moleculares para características quantitativas em Gallus gallus. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2004. DRUET, T. et al. Fine mapping of quantitative trait loci affecting female fertility in dairy cattle on BTA03 using a dense single-nucleotide polymorphism map. Genetics, v. 178, n.4, p. 2227-2235, 2008. 30 DUCLOS, M. J.; BECCAVIN, C.; SIMON, J. Genetic models for the study of insulin- like growth factors (IGF) and muscle development in birds compared to mammals. Domestic Animal Endocrinology, v. 17, n. 2-3, p. 231-243, 1999. ELLEGREN, H. The avian genome uncovered. Trends in Ecology and Evolution, v. 20, n. 4, p. 180-186, 2005. ERIKSSON, J. et al. Identification of the yellow skin gene reveals a hybrid origin of the domestic chicken. PLoS Genetics, v. 4, n. 2, p. 1-8, 2008. FALCONER, D. S.; MACKAY, T. F. C. Introduction to quantitative genetics. Harlow: Longman Group, 1996. FIGUEIREDO, E. A. P. et al. Genetic gain in egg production and egg weight in White Legorn Embrapa 011. In: WORLD CONFERENCE ON ANIMAL PRODUCTION, 9., REUNIÃO DA ASSOCIAÇÃO LATINOAMERICANA DE PRODUÇÃO ANIMAL, 18., 2003, Porto Alegre. Anais... Porto Alegre: 2003a. 1 CD-ROM. FIGUEIREDO, E. A. P. et al. Genetic gain in body weight feed conversion and carcass traits in White Plymouth Rock broiler strain Embrapa 021. In: WORLD CONFERENCE ON ANIMAL PRODUCTION, 9., REUNIÃO DA ASSOCIAÇÃO LATINOAMERICANA DE PRODUÇÃO ANIMAL, 18., 2003, Porto Alegre. Anais... Porto Alegre: 2003b. 1 CD-ROM. FLORINI, J. R., EWTON, D. Z., COOLIGAN, S. A. Growth hormone and the insulin- like growth factor system in myogenesis. Endocrine Reviews, v. 1795, n. 5, p. 481- 517, 1996. FRANCO, M. M.; ANTUNES, R.; SILVA, H. D.; GOULART, L. R. Association of PIT1, GH and GHRH polymorphisms with performance and carcass traits in landrace pigs. Journal of Applied Genetics, v. 46, n. 2, p. 195-200, 2005. FROESCH, E. R. et al. Actions of insulin-like growth factors. Annual Review Physiology, v. 47, p. 443-467, 1985. FUMIHITO, A. et al. One subspecies of the red junglefowl (Gallus gallus gallus) suffices as the matriarchic ancestor of all domestic breeds. The Proceedings of the National Academy of Sciences of the United States of America, v. 91, n. 26, p. 12505-12509, 1994. GAUTIER, M. et al. Fine mapping physical characterization of two linked quantitative trait loci affecting milk fat yield in dairy cattle on BTA26. Genetics, v. 172, n. 1, p. 425-436, 2006. GEORGES, M. Mapping, fine mapping, and molecular dissection of quantitative trait loci in domestic animals. Annual Review of Genomics and Human Genetics, v. 8, p. 131-162, 2007. GLAZIER, A. M.; NADEAU, J. H.; AITMAN, T. J. Finding genes that underlie complex traits. Science, v. 298, n. 5602, p. 2345-2349, 2002. GROENEN, M. A. M. et al. A consensus linkage map of the chicken genome. Genome Research, v. 10, n. 1, p. 137-147, 2000. GUILLAUME, F. et al. Refinement of two female fertility QTL using alternative phenotypes in French Holstein dairy cattle. Animal Genetics, v. 38, n. 1, p. 72-74, 2007. GUIMARÃES, P. E. M.; COSTA, M. C. R. SNPs: sutis diferenças de um código. Biotecnologia Ciência & Desenvolvimento, n. 26, p. 24-27, 2002. HALEY C. S.; KNOTT, S. A.; ELSEN, J. M. Mapping quantitative trait loci in crosses between outbred lines using least-squares. Genetics, v. 136, n. 3, p. 1195-1207, 1994. 31 HEIFETZ, E. M. et al. Mapping QTL affecting resistance to Marek´s disease in an F6 advanced intercross population of commercial layer chickens. BMC Genomics, v. 10, n. 20, 2009. HILLIER, L. W. et al. Sequence and comparative analysis of the chicken genome provide unique perspectives on vertebrate evolution. Nature, v. 9, n. 432, p. 695- 716, 2004. HOCKING, P. M. Review of QTL mapping results in chicken. World´s Poultry Science Journal, v. 61, n. 2, p. 215-226, 2005. HU, Z. L.; FRITZ, E. R.; REECY, J. M. AnimalQTLdb: a livestock QTL database tool set for positional QTL information mining and beyond. Nucleic Acids Research, v. 35, p. D604-D609, 2007. IBGE, Notícias. Disponível em: . Acesso em: 19 jan. 2009. IKEOBI, C. O. N. et al. Quantitative trait loci for meat yield and muscle distribution in a broiler layer cross. Livestock Production Science, v. 87, n. 2-3, p. 143-151, 2004. IKEOBI, C. O. N. et al. Quantitative trait loci affecting fatness in the chicken. Animal Genetics, v. 33, n. 6, p. 428-435, 2002. JALVING, R.; van`t SLOT, R.; van OOST, B. A. Chicken single nucleotide polymorphism identification and selection for genetic mapping. Poultry Science, v. 83, n. 12, p. 1925-1931, 2004. JORGE, E. C. et al. Contributions and perspectives of chicken genomics in Brazil: from biological model to export commodity. World's Poultry Science Journal, v. 63, n. 4, p. 597-610, 2007. JORGE, E. C. Identificação e caracterização de transcritos associados ao desenvolvimento e crescimento da musculatura esquelética em frangos (Gallus gallus). Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2006. KAJIMOTO, Y.; ROTWEIN, P. Structure of the chicken insulin-like growth factor I gene reveals conserved promoter elements. The Journal of Biological Chemistry, v. 266, n. 15, p. 9724-9731, 1991. KELLY, P. A. Growth Hormone and Prolactin. In: BAULIEU, E. E., KELLY, P. A., Hormones: From Molecules to Disease. New York: Springer, p. 191-228, 1990. KERJE, S. et al. The twofold difference in adult size between the red junglefowl and white leghorn chickens is largely explained by a limited number of QTLs. Animal Genetics, v. 34, n. 4, p. 264-274, 2003. KIM, M. H.; SEO, D. S.; KO, Y. Relationship between egg productivity and insulin-like growth factor-I genotypes in Korean native Ogol chickens. Poultry Science, v. 83, n. 7, p. 1203-1208, 2004. KIM, E. S. et al. Fine-mapping of coccidia-resistant quantitative trait loci in chickens. Poultry Science, v. 85, n. 11, p. 2028-2030, 2006. KLEIN, S. et al. Genetic and physical mapping of the chicken IGF-I gene to chromosome 1 and conservation of synteny with other vertebrate genomes. Journal of Heredity, v. 87, n. 1, p. 10-14, 1996. KLOSE, R. J. et al. The retinoblastoma binding protein RBP2 is an H3K4 demethylase. Cell, v. 128, n. 5, p. 889-900, 2007. KNOTT, S. A.; ELSEN, J.M.; HALEY, C.S. Methods for multiple-marker mapping of quantitative trait loci in half-sib populations. Theoretical and Applied Genetics, v. 93, n. 1-2, p.71-80, 1996. KREBS, S. et al. Fine mapping and candidate gene analysis of bovine spinal muscular atrophy. Mammalian Genome, v.17, n.1, p. 67-76, 2006. 32 LANDER, E. S.; BOTSTEIN, D. Mapping mendelian factors underlying quantitative traits using RFLP linkage maps. Genetics, v. 121, n. 1, p. 185-199, 1989. LEDUR, M. C. Genoma do frango - Mapeamento de QTL. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 38., 2001, Piracicaba. Anais... Piracicaba: 2001. LEDUR, M. C. et al. A importância do conhecimento do genoma para a produção de aves. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 41., 2004, Campo Grande. Anais... Campo Grande: 2004. LEDUR, M. C.; NONES, K.; BERTANI, G. R. A genômica na produção de Aves: mapeamento de QTLs e genes candidatos. In: SIMPÓSIO DE GENÉTICA DE AVES, 2. ,2005, São Carlos. Anais... São Carlos: 2005. LEWIN, B. Genes VII. In: LEWIN, B. Oxford: Oxford University Press, 2001. 955 p. LIU, B. H. Statistical Genomics: Linkage, Mapping, and QTL Analysis. Boca Raton: CRC Press, 1998, 611 p. LIU, X. et al. Fine-mapping quantitative trait loci for body weight and abdominal fat traits: effects of marker density and sample size. Poultry Science, v. 87, n.7, p. 1314-1319, 2008. MACHIDA, S.; BOOTH F. W. Insulin-like growth factor-I and muscle growth: implications for satellite cell proliferation. Proceedings of the Nutrition Society, v. 63, n. 2, p. 337-340, 2004. MACKAY, T. F. C. The genetic architecture of quantitative traits. Annual Review Genetics, v. 35, p. 303-339, 2001a. MACKAY, T. F. C. Quantitative trait loci in Drosophila. Nature Reviews Genetics, v. 2, n. 1, p. 11-20, 2001b. MACKAY, T. F. C. Complementing complexity. Nature Genetics, v. 36, n. 11, p. 1145-1147, 2004. MARCHESIN, M. L. Análise da expressão gênica de MyoD, MRF4, miogenina e miostatina nos músculos Bíceps femoris e Gastrocnemius lateralis em duas linhagens de Gallus gallus. Rio Claro: Instituto de Biociências, Universidade Estadual Paulista “Júlio de Mesquita Filho”, 2008. MARTINELLI JÚNIOR, C. E. et al. Diagnóstico da deficiência de hormônio de crescimento, a rigor de IGF-1. Arquivos Brasileiros de Endocrinologia & Metabologia, v. 46, n. 1, p. 27-33, 2002. McELROY, J. P. et al. Identification of trait loci affecting white meat percentage and other growth and carcass traits in commercial broiler chicken. Poultry Science, v. 85, n. 4, p. 593-605, 2006. MIKAWA, S. et al. Fine mapping of a swine quantitative trait locus for number of vertebrae and analysis of an orphan nuclear receptor, germ cell nuclear factor (NR6A1). Genome Research, v. 17, n. 5, p. 586-93, 2007. MOURA, A. S. A. M. T. et al. Mapping QTL for performance and carcass traits in chicken chromosomes 6, 7, 8, 11 and 13. In: WORLD CONGRESS ON GENETICS APPLIED TO LIVESTOCK PRODUCTION, 8., 2006, Belo Horizonte. Anais... Belo Horizonte: Instituto Prociência, 2006. 1 CD-ROM. NAGARAJA, S. C. et al. Trait association of a genetic marker near the IGF-I gene in egg-laying chickens. The Journal of Heredity, v. 91, n. 2, p. 150-156, 2000. NATURE GENETICS, Editorial. SNP attack on complex traits. Nature Genetics, v.20, n. 3, p. 217-218, 1998. 33 NCBI National Center for Biotechnology Information. Disponível em: http://www.ncbi.nlm.nih.gov/, Acessos em: 27 mar. 2008, 1 jul. 2008 e 20 fev. 2009. NIE, Q. H. et al. Single nucleotide polymorphism and its use in chicken QTL mapping. Yi Chuan, v. 25, n. 6, p. 729-34, 2003. NIE, Q. et al. High diversity of the chicken growth hormone gene and effects on growth and carcass traits. Journal of Heredity, v. 96, n. 6, p. 698-703, 2005. NINOV, K. Identificação de polimorfismos no gene da leptina e de seu receptor em duas linhagens de aves e associação com características de desempenho e carcaça. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2006. NINOV, K. et al. Investigation of leptin gene in broiler and layer chicken lines. Scientia Agricola, v. 65, n. 2, p. 214-219, 2008. NONES, K. et al. Mapping QTLs on chicken chromosome 1 for performance and carcass traits in a broiler x layer cross. Animal Genetics, v. 37, n. 2, p. 95-100, 2006. PAPACHRISTOU, C.; LIN, S. A comparison of methods for intermediate fine mapping. Genetic Epidemiology, v. 30, n. 8, p. 677-689, 2006. PATSIALOU, A.; WILSKER, D.; MORAN, E. DNA-binding properties of ARID family proteins. Nucleic Acids Research, v. 33, n. 1, p. 66-79, 2005. PINTO, L. F. B. Ocorrência de interações QTL x sexo, de epistasias e de QTLs pleiotrópicos em aves (Gallus gallus). Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2007. RAO, Y. et al. SNP mapping of QTL affecting growth and fatness on chicken GGA1. Genetics Selection Evolution, v. 39, n. 5, p. 569-582, 2007. ROSÁRIO, M. F. Arquitetura genética de características quantitativas associadas ao desempenho e ao rendimento de carcaça na galinha doméstica. Piracicaba: Escola Superior de Agricultura “Luiz de Queiroz”, 2008. ROSÁRIO, M. F. et al. Genotypic characterization of microsatellite markers in broiler and layer selected chicken lines and their reciprocal F1s. Scientia Agricola, v. 66, n. 2, p. 150-158, 2009. ROTHSCHILD, M. F.; SOLLER, M. Candidate analysis to detect genes controlling traits of economic importance in domestic livestock. Probe, v.8, n. p.13-19, 1997. RUY, D. C. et al. Detection of QTL for performance, fatness and carcass traits on chicken chromosomes 3 and 5. In: QTLMAS, 11. 2007, Toulouse. Proceedings... Toulouse: Institut National de la Recherche Agronomique, 2007. SCHMID, C. Insulin-like growth factors. Cell Biology International, v. 19, n. 5, p.445- 457, 1995. SCHMID, M. et al. First report on chicken genes and chromosomes 2000. Cytogenetics and Cell Genetics, v. 90, n. 3-4, p. 169-218, 2000. SCHMID, M. et al. Second report on chicken genes and chromosomes 2005. Cytogenetic Genome Research, v. 109, n. 4, p. 415-479, 2005. SCHULMAN, N. F. et al. Fine mapping of quantitative trait loci for mastitis resistance on bovine chromosome 11. Animal Genetics, 2009. In Press. SEWALEN, A. et al. Mapping of quantitative trait loci for body weight at three, six and nine weeks of age in a broiler layer cross. Poultry Science, v. 81, n. 12, p. 1775- 1781, 2002. SIEGEL, P. B.; DODGSON, J. B.; ANDERSSON, L. Progress from chicken genetics to the chicken genome. Poultry Science, v. 85, n. 12, p. 2050-2060, 2006. 34 SILVA, M. V. G. B. et al. Modelos aleatórios na estimação da localização de QTLs em famílias de meios-irmãos. Revista Brasileira de Zootecnia, v. 34, n. 1, p. 66-75, 2005. STERN, C. D. The chick: a great model system becomes even greater. Developmental Cell, v. 8, n. 1, p. 9-17, 2005. UEMOTO, Y. et al. Genetic mapping of quantitative trait loci affecting growth and carcass traits in F2 intercross chickens. Poultry Science, v. 88, n. 3, p. 477-482, 2009. ULEBERG, E. et al. Fine mapping of a QTL for intramuscular fat on porcine chromosome 6 using combined linkage and linkage disequilibrium mapping. Journal of Animal Breeding and Genetics, v. 122, n. 1, p. 1-6, 2005. UNIÃO BRASILEIRA DE AVICULTURA (UBA). Disponível em: < http://www.uba.org.br >. Acessos em: 18 jan. 2009 e 5 jun. 2009. VIGNAL, A. et al. A review on SNP and other types of molecular markers and their use in animal genetics. Genetics Selection Evolution, v. 34, n. 3, p. 275-305, 2002. WANG, G. et al. Insulin-like growth factor 2 as a candidate gene influencing growth and carcass traits and its bialleleic expression in chicken. Science in China C: Life Sciences, v. 48, n. 2, p. 187-94, 2005. WELLER, J. I. Quantitative Trait Loci Analysis in Animals. Oxford: CABI Publishing, 2001. 304 p. WOLPERT, L. Much more from the chicken´s egg than breakfast – a wonderful model system. Mechanisms of Development, v. 121, n. 9, p. 1015-1017, 2004. WONG, G. K. et al. A genetic variation map for chicken with 2.8 million single- nucleotide polymorphisms. Nature, v. 432, n. 7018, p. 717-722, 2004. XIANG, Y. et al. JARID1B is a histone H3 lysine 4 demethylase up-regulated in prostate cancer. The Proccedings of the National Academy of Sciences of the United States of America, v. 104, n. 49, p. 19226-31, 2007. ZHANG, Z. et al. Identification and association of the single nucleotide polymorphisms in calpain 3 (CAPN3) gene with carcass traits in chickens. BMC Genetics, v. 10, n. 10, 2009. ZHOU, H. et al. Insulin-like growth factor-I gene polymorphism associations with growth, body composition, skeleton integrity, and metabolic traits in chickens. Poultry Science, v. 84, n. 2, p. 212-219, 2005. ZHOU, H. et al. Genome-wide linkage analysis to identify chromosomal regions affecting phenotypic traits in the chicken. I. Growth and average daily gain. Poultry Science, v. 85, n. 10, p. 1700-1711, 2006. ZHOU, H. et al. Genome-wide linkage analysis to identify chromosomal regions affecting phenotypic traits in the chicken. IV. Metabolic traits. Poultry Science, v. 86, n. 2, p. 267-276, 2007. 35 Tabela 1 - Número e tamanho (pares de bases) dos exons e introns do gene IGF1 Exons (pb) Exons codificadores (pb) Introns (pb) Total (pb) 309 63 4.300 157 157 34.137 182 182 9.195 149 60 48.429 Fonte: NCBI (2008). 36 Tabela 2 – Número e tamanho (pares de bases) dos exons e introns do gene JARID1A Exons Tamanho dos exons (pb) Tamanho dos exons codificadores (pb) Tamanho dos introns (pb) Total (pb) 1 165 165 1.905 2 78 78 1.047 3 123 123 2.100 4 171 171 676 5 135 135 4.791 6 106 106 543 7 89 89 2.863 8 159 159 2.843 9 120 120 1.068 10 159 159 1.428 11 182 182 1.485 12 163 163 790 13 120 120 970 14 195 195 115 15 182 182 266 16 125 125 174 17 151 151 3.441 18 115 115 3.039 19 356 356 530 20 139 139 953 21 180 180 256 22 162 162 1.122 23 552 552 765 24 144 144 2.822 25 160 160 333 26 221 221 2.470 27 411 411 1.821 28 3.044 213 48.523 Fonte: NCBI (2008). 37 � Figura 1 – QTLs detectados no GGA1. As localizações são baseadas nas distâncias dos marcadores do Chicken Cmap (http://www.animals-ciences.nl/Cmap). Cada QTL, da esquerda para direita representa: classe da característica, característica, idade (semana), interação do QTL (se houver) e tipo de cruzamento. QTLs com ligação significativa (P<0,05) são apresentados em negrito; QTLs sugestivos (P<0,2) em romano; ligação no cromossomo (P<0,05) em itálico e análise de marcas simples (P<0,01) está em subscrito. Fonte Abasht et al. (2006). 38 Figura 2 – Diagrama simplificado das ações dos hormônios do crescimento (GH) e fator de crescimento semelhante à insulina tipo 1 (IGF1). O Sistema Nervoso Central controla o hipotálamo, que por sua vez, controla a pituitária, cujas células secretam o hormônio do crescimento (GH). O GH estimula o fígado a produzir o fator de crescimento semelhante à insulina tipo 1 (IGF1). O IGF1 estimula o desenvolvimento de uma variedade de tecidos: músculo, cartilagens, ossos e pele. Adaptado de Biomed Comm® Inc. (2009). Hipotálamo GH Fígado •Músculos •Cartilagens •Ossos •Fígado •Rins •Pele Sistema Nervoso Central (-)(+) (-) (-) Gordura (+) (+) IGF1 Pituitária Crescimento Hipotálamo GH Fígado •Músculos •Cartilagens •Ossos •Fígado •Rins •Pele Sistema Nervoso Central (-)(+) (-) (-) Gordura (+) (+) IGF1 Pituitária Crescimento 39 Figura 3 - Esquema simplificado da estrutura das duas populações brasileiras F2 de galinhas desenvolvidas pela EMBRAPA Suínos e Aves, geradas a partir do cruzamento das linhagens de corte (TT) e postura (CC). Fonte: Rosário et al. (2009). CT / TC 77 TT / CCCC / TT 1 3 CTCT TCTC ~100 ~100~100 … 1 3 CTCT TCTC ~100 ~100~100 … …… … LINHAGENS PARENTAIS GERAÇÃO F1 GERAÇÃO F2 … CT / TC 77 TT / CCCC / TT 1 3 CTCT TCTC ~100 ~100~100~100 ~100~100 ~100~100 … 1 3 CTCT TCTC ~100 ~100~100~100 ~100~100 ~100~100 … …… … LINHAGENS PARENTAIS GERAÇÃO F1 GERAÇÃO F2 … CT / TC 77 TT / CCCC / TT 1 3 CTCT TCTC ~100 ~100~100~100 ~100~100 ~100~100 … 1 3 CTCT TCTC ~100 ~100~100~100 ~100~100 ~100~100 … …… … LINHAGENS PARENTAIS GERAÇÃO F1 GERAÇÃO F2 … CT / TC 77 TT / CCCC / TT 1 3 CTCT TCTC ~100 ~100~100 ~100~100~100 ~100~100 ~100~100 … 1 3 CTCT TCTC ~100 ~100~100 ~100~100~100 ~100~100 ~100~100 … …… … LINHAGENS PARENTAIS GERAÇÃO F1 GERAÇÃO F2 … 40 CAPÍTULO 2 MAPEAMENTO FINO DE UMA REGIÃO ASSOCIADA A QTLS NO CROMOSSOMO 1 DA GALINHA 41 Mapeamento fino de uma região associada a QTLs no cromossomo 1 da galinha Clarissa Boschiero1, Kátia Nones2, Mônica Corrêa Ledur3, Millor Fernandes do Rosário2, Luiz Lehmann Coutinho2, Ana Silvia Alves Meira Tavares Moura1 1UNESP, Departamento de Produção Animal, Faculdade de Medicina Veterinária e Zootecnia, Botucatu, SP, Brasil 2USP, Laboratório de Biotecnologia Animal, Departamento de Zootecnia, ESALQ, Piracicaba, SP, Brasil 3EMBRAPA Suínos e Aves, Concórdia, SC, Brasil Short running title – Mapeamento fino no cromossomo 1 da galinha. Palavras chave: peso vivo, frango de corte, marcadores microssatélites, locos de características quantitativas. Send correspondence to Ana Silvia A. M. T. Moura. Faculdade de Medicina Veterinária e Zootecnia, Departamento de Produção Animal, UNESP, 18618-000, Botucatu, SP, Brazil, phone +55 (14) 38117189. E-mail: anamoura@fca.unesp.br. 42 Resumo A partir de resultados de um estudo anterior, no qual foram mapeados QTLs para características de peso vivo, peso do coração e pulmões no GGA1, foi definida uma região no intervalo entre os marcadores ADL0234 e LEI0071, abrangendo 82,3 cM. Foram avaliadas três famílias de meios-irmãos paternos que compreendiam sete famílias de irmãos completos, num total de 652 F2 para as características: peso vivo aos 35 e 41 dias de idade, pesos do coração e pulmões e rendimentos de coração e pulmões. Os genótipos de seis marcadores microssatélites foram adicionados aos dez utilizados anteriormente. O mapa de ligação obtido da região compreendeu 110,8 cM com espaçamento médio entre os marcadores de 7,4 cM. Na análise de F2, em um único intervalo (LEI0146-LEI0174), compreendendo 28,8 cM, foram mapeados QTLs para todas as características estudadas, com exceção dos rendimentos de coração e pulmões. Neste intervalo estão localizados o gene IGF1 e o centrômero do cromossomo. A adição de seis marcadores confirmou os QTLs mapeados anteriormente, porém alguns em diferentes posições. A análise de meios-irmãos paternos indicou que os principais QTLs estavam segregando em apenas uma das famílias (7716), na qual cinco QTLs foram mapeados. Na análise de meios-irmãos maternos, duas famílias segregaram QTLs tanto na análise Individual como na Conjunta (7810 e 7971). As diferentes análises permitiram selecionar dois casais F1, que devem ser o alvo dos próximos estudos. Este estudo restringiu a busca por genes candidatos responsáveis pelas características de interesse a uma região de 28,8 cM (9,82 Mb) no GGA1. 43 Abstract Based on the results from a previous study, in which QTL for body weight, heart and lungs weights and heart and lungs percentages were mapped to GGA1, a region was defined between markers ADL0234 and LEI0071, spanning 82.3 cM. Three paternal half-sib families, comprising seven full-sib families, totaling 652 F2 were evaluated for body weight at 35 and 41 days of age, heart and lungs weights and heart and lungs yields. Genotypes of six microsatellite markers were added to those of ten previously used. The linkage map of this region spanned 110.8 cM, with average spacing of 7.4 cM between markers. In a single interval (LEI0146-LEI0174), comprising 28.8 cM, QTLs for all traits, except for heart and lungs yields were mapped in the F2 analysis. In this same interval the IGF1 gene, and the chromosome centromere, are located. The use of six additional markers confirmed the same QTLs mapped previously, but some of them, in different positions. The paternal half-sib analysis indicated that the main QTLs were segregating in one of the families only (7716), in which five QTLs were mapped. In the maternal half-sib analysis, two families segregated QTLs both, in the across and within families analyses (7810 and 7971). These analyses allowed the selection of two F1 couples to be the target for future studies. This study restricted the search for candidate genes responsible for the traits of interest to a region of 28.8 cM (9.82 Mb) in GGA1. 44 Introdução Nos últimos vinte anos, muitos genes que controlam características mendelianas foram identificados, ao contrário das características quantitativas, para as quais é mais árdua a identificação destes genes, visto que um número desconhecido deles é que muito provavelmente as controlem. Dessa forma, através das técnicas moleculares está sendo possível descobrir mecanismos de expressão gênica, localização de genes ou de regiões cromossômicas responsáveis por características quantitativas (Zhou et al., 2006). Além disso, Cogburn et al. (2003) afirmaram que os mecanismos genéticos que governam o crescimento, diferenciação e funções dos sistemas metabólico, somático e reprodutivo nas galinhas são ainda amplamente desconhecidos. O mapeamento de QTLs tornou-se um método comumente empregado nos últimos quinze anos, facilitado pela descoberta de marcadores moleculares altamente polimórficos, além do desenvolvimento de métodos estatísticos sofisticados de análises que têm permitido associar a informação fenotípica com a genotípica (Mackay, 2004). A galinha é um excelente modelo para a investigação da arquitetura genética das características quantitativas (Burt, 2004). Muitos QTLs têm sido mapeados para crescimento, produção de ovos, resistência a doenças, composição corporal e comportamento (Abasht et al., 2006). Num levantamento de 50 trabalhos, foram listados cerca de 700 QTLs, dos quais 114 somente no GGA1. Portanto, a partir da identificação de QT