ارزیابی روش های بوستینگ و بیز A در چالش های مختلف معماری ژنومی صفاتگسسته و پیوسته

داده های ژنومی از طریق نرم افزار QMSim با سطوح متفاوت وراثت پذیری ۰/۱ و ۰/۳ ، سطوح مختلف LD (کم و زیاد)، تراکم های متفاوت جایگاه های صفات کمی ۱۵۰ و ۴۵۰ و تراکم مختلف نشانگری K۱۰,K۵۰ برای تعداد ۳۰ کروموزم شبیه سازی شدند. جهت ایجاد فنوتیپ آستانه ای دودویی در مجموعه مرجع، افراد هر نسل براساس فنوتیپ پیوسته در خروجی QMSim رتبه بندی شدند، سپس فنوتیپ آستانه ای افراد، وابسته به میانگین جمعیت شبیه سازی به ترتیب کد صفر (پایین تر از میانگین صفت) و کد یک (بالاتر از میانگین صفت) در نظر گرفته شد. در نهایت ارزش های اصلاحی ژنومی با استفاده از روش های بوستینگ و بیز A محاسبه و جهت ارزیابی صحت ژنومی صفات آستانه ای و پیوسته مورد استفاده قرار گرفتند. روش بوستینگ دامنه گسترده ای از صحت ژنومی در مقایسه با روش بیز A با تغییرات تراکم نشانگرها نشان داد. روش بوستینگ در مقایسه با روش بیز آستانه ای A به ترتیب افزایشی ۶/۳ و ۷/۳ درصدی در صحت ژنومی صفات آستانه ای برای تراکم های نشانگری K۱۰,۵۰K نشان داد. عملکرد بیز A برای صفات با توزیع فنوتیپی پیوسته بطور قابل توجهی بیشتر از روی بوستینگ بود، خصوصا هنگامی که سناریوهای با تراکم نشانگری پایین استفاده شدند.

کلیدواژه ها:

پیش بینی ژنومی ، یادگیری ماشین ، عدم تعادل پیوستگی