صحت انتخاب ژنومی روش های پارامتری و ناپارامتری با معماری های ژنتیکی افزایشی و غالبیت
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 202
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RAP-8-18_020
تاریخ نمایه سازی: 17 مهر 1400
چکیده مقاله:
در بیشتر مطالعات پیش بینی ژنومی برای برآورد ارزش اصلاحی ژنومی فقط از اثرات افزایشی در مدل استفاده می کنند. از طرفی در بیشتر صفات پیچیده یک منبع مهم تنوع، اثرات غالبیت بوده که لحاظ نمودن این اثر در مدل ممکن است باعث افزایش صحت پیش بینی های ژنومی گردند. در این مطالعه که با استفاده از شبیه سازی داده انجام شد، تاثیر مقادیر مختلف وراثت پذیری (۱/۰، ۳/۰ و ۵/۰) و نیز مقادیر مختلف نسبت واریانس غالبیت به واریانس فنوتیپی (۰، ۰۵/۰ و ۱۵/۰) بر صحت انتخاب ژنومی در روش های آماری پارامتری ( بیز A، B و LASSO) و ناپارامتری (RKHS) بررسی شد. همبستگی بین ارزش های اصلاحی حقیقی و ارزش های اصلاحی ژنومی، به عنوان معیاری از صحت پیش بینی های ژنومی برای سناریوهای مختلف به کمک نرم افزار R برآورد گردید. نتایج این مطالعه نشان داد که با افزایش مقدار وراثت پذیری در تمام روش ها صحت پیش بینی ژنومی افزایش پیدا می کند. همچنین با افزایش مقادیر نسبت واریانس غالبیت به واریانس فنوتیپی در مدل، شیب صحت ژنومی در روش های پارامتری کند گردیده ولی در روش ناپارامتری سرعت افزایش صحت ادامه پیدا نمود. میانگین مربعات خطا با افزایش مقدار نسبت واریانس غالبیت به واریانس فنوتیپی در روش ناپارامتری بیشتر کاهش یافت. از این رو می توان چنین نتیجه گرفت که با افزایش سطح نسبت واریانس غالبیت به واریانس فنوتیپی در مدل، استفاده از روش های ناپارامتری احتمالا بهتر از روش های پارامتری صحت پیش بینی های ژنومی را برآورد می کنند.
کلیدواژه ها:
نویسندگان
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 :