چکیده
امروزه بيشترين پيشرفت ژنتيكي در ذخاير پرورشي ماهي قزل آلاي رنگين كمان در جهان از طريق اصلاح نژاد كلاسيك ايجاد شده است اما بكارگيري روش هاي فناوری نوین به ويژه روش هاي مولكولي نظیر شناسایی جایگاه های صفات کمی (QTL) به کمک روشهای توالی یابی نسل جدید (NGS) در برنامه هاي تکثیر و پرورش ماهیان مي تواند كمك مؤثری در برنامه بهبود ژنتيكي اين ذخاير باشد. اطلاعات ژنتیکی در زمینههای مختلف نظیر توالی DNA و چندشکلی های تک نوکلئوتیدی (SNP) علاوه بر حجم زیاد، پیچیده و دارای تفاوتهای متعددی در روشهای آزمایشی هستند که میتوانند بر کیفیت و تفسیر اطلاعات تأثیر بگذارند. به این ترتیب، توصیف و طبقهبندی اطلاعات فنوتیپی ژن هایی که مرتبط با صفات کمی هستند به طریقی که امکان مقایسه سریع و آسان آنها فراهم باشد، اهمیت بسیاری دارد. تنوع زياد ابزارهاي آماري موجب شده است كه مطالعات نقشه يابي ارتباطي در آبزیان بتواند موفقيتهاي فراواني را در شناسايي مكانهاي ژني كنترل كننده صفات كمي به همراه داشته باشد. پروژه حاضر با توجه به اهمیت این روش در مطالعات نقشه یابی صفات کمی انجام شد و هدف از آن، توضیح روش نقشه یابی ارتباطی و استفاده از آن در به نژادی قزلآلای رنگینکمان و سپس انجام فراتحلیل داده ها برای شناسایی نواحی از ژنوم قزلآلای رنگینکمان که با صفت کمی رسیدگی جنسی پیوستگی دارند، بود. در این مطالعه فرض بر این بود که کروموزوم های قزلآلای رنگینکمان حامل نواحی ژنی مهمی برای صفات مرتبط با رسیدگی جنسی می باشند و از نواحی همولوگ و اورتولوگ آنها می توان برای شناسایی و مکان یابی ژن های کاندید مرتبط با رسیدگی جنسی استفاده کرد. برای شناسايي جايگاه هاي صفات کمي در ژنوم ماهي قزل آلاي رنگين كمان، داده های QTL در پایگاه های داده مرکز ملی اطلاعات بیوتکنولوژی (NCBI) و جایگاه صفات کمی حیوانات (Animal QTLdb) مورد تجزیه و تحلیل قرار گرفت. سپس اطلاعات مربوط به نرم افزارهای آماری مورد استفاده در نقشه یابی ارتباطی ارائه و فرصت ها و چالش های نقشه یابی ارتباطی و مطالعات پسا نقشه یابی در سطح کل ژنوم مورد بحث قرار گرفت. برای نقشه های جایگاههای صفات کمی مرتبط با یک نشانگر، توالی نوکلئوتیدی نشانگر مولکولی از پایگاههای اطلاعاتی مربوطه استخراج شدند و علاوه بر این برای نقشه های جایگاههای صفات کمی مرتبط با دو نشانگر مجاور، توالی نوکلئوتیدی هر دو نشانگر مجاور یکدیگر بدست آمدند. هر جایگاه صفت کمی بر اساس نقشه ژنتیکی در سطح اطمینان 95 درصد مورد بررسی قرار گرفت. پیش بینی مکان و سطح اطمینان MQTL بر اساس روش حداکثر احتمال نرم افزار Biomercator محاسبه شد. در مجموع تعداد 11 MQTL ارتباط معنی داری را نشان دادند. همچنین، بیشترین تعداد جایگاه های صفات کمی شناسایی شده در گروه پیوستگی 6، 8، 12 و 13 قرار داشتند. نتایج نشان داد که جایگاه های صفات کمی هم مکان برای صفات مورد مطالعه وجود دارد که می تواند برای مهندسی ژنتیک قزلآلای رنگینکمان به کار گرفته شود.