اثر اندازه جمعیت مرجع و روش های استنباط ژنوتیپ بر صحت استنباط در جمعیت های خالص و آمیخته

استنباط ژنوتیپ به­ عنوان یک روش تبدیل تراشه­ های با تراکم پایین به تراشه­ های با تراکم بالا به­ منظور افزایش صحت انتخاب ژنومی در حیوانات است. در پژوهش حاضر به­ منظور بررسی صحت استنباط ژنوتیپ سه جمعیت آمیخته (سناریو ۱)، خالص (سناریو ۲) و آمیخته + خالص (سناریو ۳) به کمک نرم­افزار QMSim شبیه­ سازی شد. از دو روش استنباط ژنوتیپ Beagle و Flmpute برای دو نوع تراشه با تراکم کم و زیاد استفاده شد. اندازه جمعیت مرجع برای هر سناریو ۲۵۰، ۵۰۰ و ۱۰۰۰ حیوان انتخاب شد. نتایج پژوهش حاضر نشان داد که برای تمام سناریوها با افزایش اندازه جمعیت مرجع از ۲۵۰ به ۵۰۰ حیوان، افزایش صحت استنباط ژنوتیپ بیشتر و از ۵۰۰ به ۱۰۰۰ حیوان این افزایش، کندتر شد. صحت استنباط ژنوتیپ به­ کمک روش Flmpute نسبت به Beagle برای اندازه جمعیت مرجع کوچک (۲۵۰ حیوان) بیشتر نمایان شد. در اندازه­ های جمعیت مرجع ۵۰۰ و ۱۰۰۰ حیوان در تمام سناریوها افزایش صحت Flmpute نسبت به ­روش Beagle معنی­ دار نبود. برای سناریو ۱ میزان صحت استنباط ژنوتیپ نسبت به سناریو ۲ بیشتر برآورد شد. افزایش صحت استنباط ژنوتیپ در سناریو ۳ در مقایسه با سناریو ۱بی­ معنی شد. به­ طور کلی نتایج پژوهش حاضر نشان داد که در کشورهای در حال توسعه که جمعیت حیوانی تعیین ژنوتیپ شده کوچک در دسترس هست، برای افزایش صحت انتخاب ژنومی استفاده از روش استنباط ژنوتیپ Flmpute به کمک جمعیت آمیخته با افزایش ارتباط خویشاوندی بین جمعیت مرجع و هدف می ­توان به ­عنوان یک راهکار مناسب استفاده شود.

کلیدواژه ها:

Genomic selection ، Imputation ، Mixed population ، Prediction accuracy ، Simulation tation ، انتخاب ژنومی ، استنباط ژنوتیپ ، جمعیت آمیخته ، شبیه سازی ، صحت پیش بینی