رستم عبداللهی آرپناهی؛ عباس پاکدل؛ اردشیر نجاتی جوارمی؛ محمد مرادی شهربابک
دوره 15، شماره 1 ، تیر 1392، ، صفحه 65-77
چکیده
هدف از انجام تحقیق حاضر، مقایسۀ روشهای گوناگون آماری در پیش‌بینی ارزشهای اصلاحی ژنومیک برای صفاتی با معماری ژنتیکی متفاوت از‌نظر توزیع تأثیرات ژنی و نیز تعداد متفاوت جایگاههای صفت کمّی (QTLs) با‌استفاده از شبیهسازی کامپیوتری است. بدین منظور، ژنومی حاوی 500 نشانگر تک‌نوکلئوتیدی دوآللی (SNP) روی کروموزومی به طول 100 سانتی‌‌مورگان ...
بیشتر
هدف از انجام تحقیق حاضر، مقایسۀ روشهای گوناگون آماری در پیش‌بینی ارزشهای اصلاحی ژنومیک برای صفاتی با معماری ژنتیکی متفاوت از‌نظر توزیع تأثیرات ژنی و نیز تعداد متفاوت جایگاههای صفت کمّی (QTLs) با‌استفاده از شبیهسازی کامپیوتری است. بدین منظور، ژنومی حاوی 500 نشانگر تک‌نوکلئوتیدی دوآللی (SNP) روی کروموزومی به طول 100 سانتی‌‌مورگان شبیهسازی، و توزیعهای متفاوت تأثیرات ژنی (یکنواخت، نرمال، و گاما) و نیز سه تعداد QTL (50، 100 و 200) به‌صورت فرضیه‌های شبیهسازی صفت روی آن درنظر گرفته شد. بدین ترتیب نه صفت با معماری ژنتیکی متفاوت ایجاد شد. به‌منظور پیش‌بینی ارزشهای اصلاحی افراد موجود در جمعیتهای مرجع و تأیید، از شش روش بهترین پیش‌بینی نااریب خطی ژنومیک[1] (GBLUP)، رگرسیون ریدج[2] (RRBLUP)، بیز A (BayesA)، بیز B (BayesB)، بیز Cπ (BayesCπ)، و بیز L (BayesL) استفاده گردید. با افزایش فاصلۀ بین نسل مرجع و نسل تأیید ناشی از برهم‌خوردن فاز لینکاژ، صحت ارزشهای اصلاحی ژنومیک در تمام روشها کاهش معنیداری نشان داد (05/0P<). همچنین زمانیکه توزیع تأثیر ژنی گاما بود روشهای بیزی در مقایسه با روش GBLUP و RRBLUP برتری آشکاری نشان دادند. هنگامی‌که توزیع تأثیرات ژنی نرمال بود، بیشترین صحت ارزشهای اصلاحی به‌دست آمد. با افزایش تعداد QTLها به‌سمت 200، صحت ارزشهای اصلاحی ژنومیک کاهش یافت. نتایج این تحقیق نشان داد که در‌مجموع روشهای بیزی و GBLUP از‌نظر صحت ارزشهای اصلاحی پیشبینیشده در مقایسه با روش RRBLUP عملکرد بهتری دارند. نتایج تحقیق حاضر نشان می‌دهد هنگامی‌که معماری صفات بررسی‌شده از مدل تعداد زیاد جایگاه ژنی پیروی نکند، معمولاً روشهای بیزی بر روشهای GBLUP و RRBLUP ارجحیت دارند. 1. Genomic-Best Linear Unbiased Prediction 2. Ridge Regression