سیاوش منظوری؛ امیر حسین خلت آبادی فراهانی؛ محمد حسین مرادی
دوره 25، شماره 1 ، فروردین 1402، ، صفحه 1-11
چکیده
مطالعه حاضر به‌منظور انتخاب نشانگرهای مؤثر در جداسازی نژاد و مقایسه عملکرد روش‌های انتخاب نشانگر با داده‌های 304 حیوان از 14 نژاد مختلف که با استفاده از پنل نشانگر Illumina SNP50K ژنوتیپ شده بودند، انجام شد. دانش و فهم ساختار ژنتیکی برای درک بهتر تغییرات ژنتیکی در مطالعات پویش ژنومی بسیار مهم است. محتوای اطلاعاتی هر نشانگر زیستی به عنوان ...
بیشتر
مطالعه حاضر به‌منظور انتخاب نشانگرهای مؤثر در جداسازی نژاد و مقایسه عملکرد روش‌های انتخاب نشانگر با داده‌های 304 حیوان از 14 نژاد مختلف که با استفاده از پنل نشانگر Illumina SNP50K ژنوتیپ شده بودند، انجام شد. دانش و فهم ساختار ژنتیکی برای درک بهتر تغییرات ژنتیکی در مطالعات پویش ژنومی بسیار مهم است. محتوای اطلاعاتی هر نشانگر زیستی به عنوان شاخصی برای انتخاب نشانگرها در کاهش اندازه پنل‌های نشانگری کاربرد دارد. برای تخمین محتوای اطلاعاتی هر نشانگر، از آماره Fst رایت، آماره θ، آماره دلتا، آماره D، آماره Gst، آماره G'st، آماره G"st و آنالیز مؤلفه های اصلی استفاده گردید. در این مطالعه، از آماره لگاریتم نسبت درستنمایی برای انتخاب نشانگرها استفاده شد. با توجه به نتایج، همه روش‌های انتخاب برای شناسایی نشانگرها دارای رفتار و عملکرد مشابهی بودند. تعداد نشانگرهای مشترک بین روش‌ها حداقل 42 نشانگر و حداکثر 499 نشانگر SNP بود. به طور کلی، روش آماره Fst نیازمند تعداد کمتری از نشانگرها برای رسیدن به انتساب موفق بود. آماره‌های G'st و G"st با بیش از 350 نشانگر برای دستیابی به 95% انتساب صحیح، عملکرد ضعیفی را نشان دادند. لازم به ذکر است که تنها با 60 نشانگر برتر، دستیابی به موفقیت بیش از 70 درصد امکان پذیر است. با توجه به نتایج، Fst جفتی رایت از سایر روش‌های انتخاب SNP دارای عملکرد بهتری بود. نتایج حاصله منجر به ایجاد پنل‌های انحصاری جهت شناسایی نژادهای متنوع می‌گردد که دارای اهمیت اقتصادی زیادی است.
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