Šernų (Sus scrofa) genetinės įvairovės ir populiacijos struktūros analizė Lietuvoje po afrikinio kiaulių maro

Abstract

Iki Afrikinio kiaulių maro 2014 metų protrūkio šernų populiacija Lietuvoje kiekvienais metais buvo vis didėjanti. Prieš AKM proveržį laukinių šernų populiacija pasižymėjo aukštu genetinės įvairovės lygiu populiacijos viduje, genetinė diferenciacija tarp subpopuliacijų iš skirtingų regionų nebuvo nustayta. Lietuvos šernų populiacijos struktūros analizė po AKM protrūkio dar nebuvo atlikta. Šio tyrimo metu buvo ištirti 194 Sus scrofa individai, surinkti iš skirtingų Lietuvos regionų, panaudojant 16 mikrosatelitinių žymenų. Mikrosatelitinių lokusų analizė atskleidė heterozigotų trūkumą subpopuliacijose. Trijų dimensijų principinių koordinačių analizė (3D PCoA) parodė šernų individų grupavimosi tendenciją į tris pogrupius, tuo tarpu subpopuliacijos iš Telšių ir Klaipėdos visiškai atsiskyrė nuo kitų. Pagal apskaičiuotus FST indeksus buvo nustatyta, jog skirtumai tarp subpopliacijų iš Telšių ir Klaipėdos buvo mažiausi, kas atskleidžia didžiausią šių dviejų subpopuliacijų panašumą. Bajeso klasterizacijos metodu STRUCTURE programine įranga atlikta analizė atskleidė kad šernų populiacija pasiskirsto į tris genetinius klasterius, tuo tarpu analizė atlikta iki AKM protrūkio parodė tik du klasterius. Vakarų Lietuvos regionas parodė aiškius laukinių šernų subpopuliacijų genotipinius skirtumus lyginant su kitais Lietuvos regionais.

Every year, the number of wild boar populations in Lithuania was increasing, until first African swine fever outbreak in January, 2014. There was high level of genetic diversity within the population before 2014 and was no difference between subpopulations from different regions. However, the analysis of the Lithuanian wild boar population structure after the ASF outbreak has not been done yet. In this study 194 Sus scrofa individuals collected from different regions of Lithuania were genotyped using 16 microsatellite markers. The microsatellite analysis of wild boars indicated heterozygote deficiency in the population. Factorial correspondence analysis (3D PCoA) showed us the tendency of Lithuanian wild boars to unite in three partially connected units, while the subpopulations of Telšiai and Klaipeda are almost completely separated from the rest. With help of FST analysis was estimated that subpopulations from Telšiai and Klaipeda showed the lowest genetic distance value, which means that wild boars from those regions are the most similar within the Lithuanian population. The Bayesian clustering analysis using STRUCTURE software identified 3 genetic clusters among sampled wild boars, while before the African swine fever there were only two clusters. We observed that western part of Lithuania showed significant differences of genotypes compared to other parts of Lithuania.