مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت | ||
| تولیدات دامی | ||
| مقاله 1، دوره 19، شماره 1، 1396، صفحه 1-12 اصل مقاله (1013.44 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jap.2017.206657.623047 | ||
| نویسندگان | ||
| منوچهر مرادی1؛ رستم عبدالهی آرپناهی* 2؛ بهزاد همتی3؛ ابوالقاسم لواف3 | ||
| 1دانش آموخته کارشناسی ارشد | ||
| 2استادیار دانشگاه تهران، پردیس ابوریحان، تخصص: ژنتیک و اصلاح نژاد دام/ ژنتیک کمی/ انتخاب ژنومیک | ||
| 3هیات علمی دانشگاه آزاد اسلامی واحد کرج | ||
| چکیده | ||
| هدف از این مطالعه مقایسه سه روش پارامتری (GBLUP، BayesB، RKHS) و دو روش بازنمونهگیری (Bagging GBLUP و Random Forest) در پیش بینی ارزشهای اصلاحی ژنومیک برای صفاتی با ساختار ژنتیکی متفاوت بود. یک ژنوم با سه کروموزوم، هر کروموزوم به طول یک مورگان شبیهسازی شد و روی آن 1500 نشانگر تک نوکلئوتیدی (SNP) در سه سناریو 50، 100 و 200QTL به طور یکنواخت پخش شدند. اثر جایگزینی QTLها با استفاده از توزیع نرمال استاندارد، گاما و یکنواخت با وراثتپذیری 30 درصد مدل سازی شدند. توانایی پیشبینی روشهای آماری با استفاده از آمارههای همبستگی بین ارزشهای اصلاحی پیشبینی شده و واقعی و همچنین رگرسیون ارزش اصلاحی واقعی بر پیشبینی شده بررسی شد. نتایج نشان داد در جمعیتهای تایید، روش RF باعث بیش-برآورد رگرسیون ارزشهای اصلاحی واقعی بر پیشبینی شده شد، در حالی که روشهای GBLUP، BayesB و RKHS منجر به کم-برآورد ضریب رگرسیون شدند. به جز روش Bagging GBLUP در دیگر روشها تفاوت معنی داری با تغییر توزیع اثرات QTL مشاهده نشد اما در مجموع عملکرد دو روش GBLUP و BayesB نسبت به دیگر روشها بهتر بود. یکی از دلایل احتمالی برتری GBLUP و BayesB بر دیگر روشها میتواند شبیه سازی صفات با اثرات صرفا ًژنتیکی افزایشی بوده باشد. به طور کلی، روشهای GBLUP و BayesB بر روش های بازنمونهگیری در پیشبینی های ژنومی ارجحیت دارند. | ||
| کلیدواژهها | ||
| ارزیابی ژنومی؛ جنگل تصادفی؛ فضای تولید هسته هیلبرت؛ کیسه بندی شده؛ معماری ژنتیکی؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 890 تعداد دریافت فایل اصل مقاله: 659 |
||