تجزیه و تحلیل داده های مولکولی از دیده گاه بررسی تنوع ژنتیکی

پیشرفت های سریع در تولید تکنیک های مولکو لی به خصوص نشانگرهای DNA باب جدیدی را در مطالعات ژنتیکی و اصلاحی باز کرده است.کاربرد این نشانگرها در برنامه های مختلف حجم عظیمی از داده ها را تولید کرده است که مدیریت و تجزیه و تحلیل آنها نیازمند برنامه های آماری خاص است.هرچند که همگام با توسعه تکنولوژی های زیستی برنامه های کامپیوتری مناسب نیز برای تجزیه داده های حاصل ایجاد شده است.ولی عدم آشنایی اکثر کاربران با اساس ژنتیکی و آماری پارامترها و روشهای مورد استفاده،استفاده بهینه از این برنامه ها را کاهش داده است و حتی در بیشتر موارد کاربرد روشهای نامناسب در تجزیه و تحلیل داده های مولکولی منجر به نتایج غیرقابل اعتماد میشود.به عنوان مثال تعیین درست روابط ژنتیکی افراد و یا جمعیت ها در مجموعه ژرم پلاسمی بسیار مهم و نقطه اصلی در گروه بندی افراد و یا جمعیت است.این امر نه تنها نیازمند استفاده از ابزارها و تکنیک های کارآ برای تعیین تفاوت و یا شباهت افراد است بلکه استفاده از ضرایب فاصله و یا شباهت مناسب را باتوجه به نوع تکنیک به کار رفته و ماهیت مواد ژنتیکی نیز لازم دارد. لازم به ذکر است که یک روش و یا ضریب کلی و الگوریتم خاص بر ای تعیین روابط افراد و گروه بندی آنها وجود ندارند و باید با درنظر گر فتن اساس ژنتیکی و آماری روش ها و تطابق آنها با ماهیت ژنتیکی مواد ژنتیکی، روشی که بیشترین کارآیی را دارد انتخاب شود.هدف این مقاله بررسی روشهای آماری مورد استفاده در تجزیه داده های مولکولی با تأکید بر تنوع ژنتیکی و ارتباط داده های مولکولی و مورفولوژیکی در شناسایی نشانگرهای مثبت برای صفات مورد بررس ی است.در این راستا اساس ژنتیکی و آماری ضرایب شباهت و فاصله مختلف و نیز روشهای آماری چند متغیره مورد استفاده در تجزیه و تحلیل داده های مولکولی مورد معرفی خواهند شد.