@article { author = {Mohammadi, Yahya and Shariati, Mohammad Mahdi and Zerehdaran, Saeed and Razmkabir, Mohammad and Sayyadnejad, Mohammad Bagher and Zandi, Mohammad Bagher}, title = {The accuracy of genomic breeding value for production trait in Iranian Holstein Dairy Cattle using parametric and non-parametric methods}, journal = {Animal Production}, volume = {18}, number = {1}, pages = {1-11}, year = {2016}, publisher = {University of Tehran, College of Abureyhan}, issn = {2008-6776}, eissn = {2382-994X}, doi = {10.22059/jap.2016.55354}, abstract = {Genomic Selection (GS) is a tool for prediction of breeding values for quantitative traits. For a successful application of GS, accuracy of predicted genomic breeding value (GEBV) is a key issue to consider. Here we investigated the accuracy of GEBV in 345 genotyped Iranian Holstein cattle. The study was performed on milk, fat, protein yield and somatic cell count. Four methods G-BLUP, Bayes B, Reproducing kernel Hilbert Spaces (RKHS) and Neural Networks (NN) were used to predict genomic breeding values and their accuracies. The GEBV accuracies varied between 0.39 for somatic cell count to 0.73 for fat yield. Bayes B gave the highest accuracies among methods. Bayes B and non- parametric methods tended to produce inflated predictions (slope of the regression of GBV on EBV greater than 1). However, in all traits, lower estimates of MSE were obtained using G- BLUP. Bayes B regression model are of interest for future applications of genomic selection in this population, but further improvements are needed to reduce deflation of their predictions.}, keywords = {Genomic Selection,Molecular markers,parametric and non-parametric prediction,selection accuracy}, title_fa = {مقایسه دقت برآورد ارزش‌ اصلاحی ژنومی برای صفات تولید در گاوهای هلشتاین ایران با روش‌های پارامتری و ناپارامتری}, abstract_fa = {انتخاب ژنومی ابزاری جدید برای برآورد ارزش‌های اصلاحی صفات کمّی با استفاده از نشانگرهای مولکولی است. معیار کارایی انتخاب ژنومی، دقت پیش‌بینی ارزش‌های اصلاحی ژنومی است. در تحقیق حاضر، دقت پیش‌بینی‌ ژنومی روش‌های پارامتری و ناپارامتری در 345 گاو هلشتاین محاسبه شد. صفات مطالعه‌شده مقدار شیر، میزان چربی، میزان پروتئین، و سلول‏های سوماتیک شیر بود. دو روش پارامتری بهترین پیش‌بینی نا‌اریب خطی ژنومیک (GBLUP) و بیز B و دو روش ناپارامتری فضای هیلبرت با هستۀ بازآفرین (RKHS) و شبکه‌های عصبی (NN) برای برآورد تأثیرات نشانگرها و پیش‏بینی و دقت ارزش‏های اصلاحی ژنومی استفاده شد. دقت پیش‌بینی ژنومی در دامنۀ 39/0 (برای سلول‏های سوماتیک) تا 73/0 (برای تولید چربی) محاسبه شد. بیز B و دو روش ناپارامتری در مقایسه با روش GBLUP دچار کوچک‌کردن بیشتر پیش‌بینی‌ها شده بودند (منحنی ضریب رگرسیون ارزش اصلاحی ژنومی بر ارزش اصلاحی کلاسیک بیشتر از یک به‏دست آمد). درمقایسه با همۀ روش‌ها دقت بیز B بیشتر شد. میانگین مربعات خطای پیش‌بینی برای روش GBLUP به نسبت دیگر روش‌ها برای صفات مطالعه‌شده کمتر برآورد شد. مدل‌ رگرسیون بیز B برای انتخاب ژنومی در این جمعیت مطلوب بود، ولی برای بهبود دقت با این روش نیاز به کاهش آب‌رفتگی پیش‌بینی در این روش است.}, keywords_fa = {انتخاب ژنومی,دقت انتخاب,روش‌های پارامتری و ناپارامتری,نشانگرهای مولکولی}, url = {https://jap.ut.ac.ir/article_55354.html}, eprint = {https://jap.ut.ac.ir/article_55354_93d0b9fcd5a6e6d7220566c0cbeea6eb.pdf} }