ارزیابی کارایی تکنیک نمونه گیری تجمعی بوت استرپ بر صحت روش بهترین پیش بینی نااریب خطی ژنومی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 363

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJAS-48-4_009

تاریخ نمایه سازی: 6 خرداد 1399

چکیده مقاله:

به منظور افزایش صحت ارزیابی های روش بهترین پیش بینی نااریب خطی ژنومی (GBLUP)، تکنیک نمونه گیری تجمعی بوت استرپ (بگینگ) بکار گرفته شد. بدین منظور ژنومی حاوی 10000 نشانگر تک نوکلئوتیدی دو آللی (SNP) با فواصل یکسان روی 10 کروموزوم هریک به طول 100 سانتی مورگان شبیه سازی شد. برای ایجاد عدم تعادل پیوستگی (LD) بین SNPها و جایگاه های ژنی کنترل کننده صفات کمی (QTL)، به مدت 100 نسل بین 100 فرد (50 نر و 50 ماده) آمیزش تصادفی صورت گرفت. در نسل 101 (جمعیت مرجع) تعداد نمونه ها به 1000 یا 2000 فرد افزایش یافت و برای این افراد یک ارزش فنوتیپی شبیه سازی شد. سپس اثر نشانگرها در این جمعیت با استفاده از روش GBLUP و روش ترکیبی GBLUP با تکنیک بگینگ (BGBLUP) برآورد گردید. در آخر با استفاده از ضرایب رگرسیونی برآورد شده و با توجه به ژنوتیپ نشانگرها برای افراد جوان نسل های 102 تا 105 که جمعیت تائید نام دارند و فاقد فنوتیپ اند، ارزش های اصلاحی ژنومی محاسبه شد. براساس نتایج پژوهش حاضر، صحت ارزش های اصلاحی ژنومی روش GBLUP در همه حالات از حیث عددی بالاتر از BGBLUP بوده (p > 0.05) و در مورد نسل اول جمعیت تائید (نسل 102) و بدون توجه به توزیع آثار جایگزینی ژنها، با جمعیتی برابر 1000 (یا 2000) فرد در جمعیت مرجع دامنه صحت ارزش های اصلاحی ژنومی روش GBLUP از 049/0±339/0 (042/0±412/0) برای صفت با توارث پذیری 5 درصد تا 015/0±728/0 (015/0±783/0) برای صفت با توارث پذیری 65 درصد متفاوت بود و مقادیر مشابه برای روش BGBLUP نیز به ترتیب 047/0±338/0 (042/0±411/0) و 016/0±725/0 (015/0±780/0) بود.

نویسندگان

خبات خیرآبادی

دانشجوی دکتری، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

جمال فیاضی

دانشیار، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

هدایت اله روشنفکر

استاد، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان

رستم عبداللهی آرپناهی

استادیار، گروه علوم دام و طیور، پردیس ابوریحان دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdollahi‐Arpanahi, R., Morota, G., Valente, B.D., Kranis, A., Rosa, G. ...
  • Breiman, L. (1996). Bagging predictors. Machine learning, 24, 123-140. ...
  • Efron, B. & Tibshirani, R. J. (1993). An introduction to ...
  • Gianola, D., Weigel, K. A., Krämer, N., Stella, A. & ...
  • Goddard, M. (2009). Genomic selection: prediction of accuracy and maximisation ...
  • Goddard, M. E. & Hayes, B. J. (2007). Genomic selection. ...
  • Goddard, M. E. & Hayes, B. J. (2009). Mapping genes ...
  • García-Ruiz, A., Cole, J. B., VanRaden, P. M., Wiggans, G. ...
  • Habier, D., Fernando, R. & Dekkers, J. (2007). The impact ...
  • Habier, D., Tetens, J., Seefried, F.R., Lichtner, P. & Thaller, ...
  • Hayes, B. J., Bowman, P. J., Chamberlain, A. J. & ...
  • Henderson, C. R. (1975). Best linear unbiased estimation and prediction ...
  • Hutchison, J., Cole, J. & Bickhart, D. (2014). Use of ...
  • Lee, S. H., van der Werf, J. H., Hayes, B. ...
  • Lund, M. S., Sahana, G., de Koning, D. J., Su, ...
  • Meuwissen, T., Hayes, B. & Goddard, M. (2001). Prediction of ...
  • Mikshowsky, A. A., Gianola, G. & Weigel, K. A. (2016). ...
  • Mikshowsky, A. A., Gianola, G. & Weigel, K. A. (2017). ...
  • Schaeffer, L. (2006). Strategy for applying genome‐wide selection in dairy ...
  • Technow, F. (2013). R Package hypred: Simulation of genomic data ...
  • VanRaden, P., Van Tassell, V., Wiggans, G., Sonstegard, T., Schnabel, ...
  • نمایش کامل مراجع