سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,096,486
تعداد دریافت فایل اصل مقاله97,203,501
خیرآبادی, خبات, فیاضی, جمال, روشنفکر, هدایت اله, عبداللهی آرپناهی, رستم. (1396). ارزیابی کارایی تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ بر صحت روش بهترین پیش‌‌بینی نااُریب خطی ژنومی. , 48(4), 573-584. doi: 10.22059/ijas.2018.248547.653596
خبات خیرآبادی; جمال فیاضی; هدایت اله روشنفکر; رستم عبداللهی آرپناهی. "ارزیابی کارایی تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ بر صحت روش بهترین پیش‌‌بینی نااُریب خطی ژنومی". , 48, 4, 1396, 573-584. doi: 10.22059/ijas.2018.248547.653596
خیرآبادی, خبات, فیاضی, جمال, روشنفکر, هدایت اله, عبداللهی آرپناهی, رستم. (1396). 'ارزیابی کارایی تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ بر صحت روش بهترین پیش‌‌بینی نااُریب خطی ژنومی', , 48(4), pp. 573-584. doi: 10.22059/ijas.2018.248547.653596
خیرآبادی, خبات, فیاضی, جمال, روشنفکر, هدایت اله, عبداللهی آرپناهی, رستم. ارزیابی کارایی تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ بر صحت روش بهترین پیش‌‌بینی نااُریب خطی ژنومی. , 1396; 48(4): 573-584. doi: 10.22059/ijas.2018.248547.653596

ارزیابی کارایی تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ بر صحت روش بهترین پیش‌‌بینی نااُریب خطی ژنومی

علوم دامی ایران
مقاله 9، دوره 48، شماره 4، اسفند 1396، صفحه 573-584    اصل مقاله (1.39 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijas.2018.248547.653596
نویسندگان
خبات خیرآبادی1؛ جمال فیاضی* 2؛ هدایت اله روشنفکر3؛ رستم عبداللهی آرپناهی4
1دانشجوی دکتری، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
2دانشیار، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
3استاد، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان
4استادیار، گروه علوم دام و طیور، پردیس ابوریحان دانشگاه تهران
چکیده
به منظور افزایش صحت ارزیابی‌‌های روش بهترین پیش‌‌بینی نااُریب خطی ژنومی (GBLUP)، تکنیک نمونه‌‌گیری تجمعی بوت‌‌استرپ (بگینگ) بکار گرفته شد. بدین منظور ژنومی حاوی 10000 نشانگر تک‌‌نوکلئوتیدی دو آللی (SNP) با فواصل یکسان روی 10 کروموزوم هریک به طول 100 سانتی‌‌مورگان شبیه‌‌سازی شد. برای ایجاد عدم تعادل پیوستگی (LD) بین SNPها و جایگاه‌‌های‌ ژنی کنترل‌‌کنندة صفات کمی (QTL)، به مدت 100 نسل بین 100 فرد (50 نر و 50 ماده) آمیزش تصادفی صورت گرفت. در نسل 101 (جمعیت مرجع) تعداد نمونه‌‌ها به 1000 یا 2000 فرد افزایش یافت و برای این افراد یک ارزش فنوتیپی شبیه‌‌سازی شد. سپس اثر نشانگرها در این جمعیت با استفاده از روش GBLUP و روش ترکیبی GBLUP با تکنیک بگینگ (BGBLUP) برآورد گردید. در آخر با استفاده از ضرایب رگرسیونی برآورد شده و با توجه به ژنوتیپ نشانگرها برای افراد جوان نسل‌‌های 102 تا 105 که جمعیت تائید نام دارند و فاقد فنوتیپ‌‌اند، ارزش‌‌های اصلاحی ژنومی محاسبه شد. براساس نتایج پژوهش حاضر، صحت ارزش‌‌های اصلاحی ژنومی روش GBLUP در همة حالات از حیث عددی بالاتر از BGBLUP بوده (p > 0.05) و در مورد نسل اول جمعیت تائید (نسل 102) و بدون توجه به توزیع آثار جایگزینی ژنها، با جمعیتی برابر 1000 (یا 2000) فرد در جمعیت مرجع دامنة صحت ارزش‌‌های اصلاحی ژنومی روش GBLUP از 049/0±339/0 (042/0±412/0) برای صفت با توارث‌‌پذیری 5 درصد تا 015/0±728/0 (015/0±783/0) برای صفت با توارث‌‌پذیری 65 درصد متفاوت بود و مقادیر مشابه برای روش BGBLUP نیز به ترتیب 047/0±338/0 (042/0±411/0) و 016/0±725/0 (015/0±780/0) بود.
کلیدواژه‌ها
انتخاب ژنومی؛ تکنیک بگینگ؛ صحت ارزیابی
مراجع
  1. Abdollahi‐Arpanahi, R., Morota, G., Valente, B.D., Kranis, A., Rosa, G. J. M. & Gianola, D. (2015). Assessment of bagging GBLUP for whole‐genome prediction of broiler chicken traits. Journal of Animal Breeding and Genetics, 132, 218-228.
  2. Breiman, L. (1996). Bagging predictors. Machine learning, 24, 123-140.
  3. Efron, B. & Tibshirani, R. J. (1993). An introduction to the bootstrap, New York: Chapman & Hall.
  4. Gianola, D., Weigel, K. A., Krämer, N., Stella, A. & Schön, C. C. (2014). Enhancing genome-enabled prediction by bagging genomic BLUP. PLoS One, 9, e91693.
  5. Goddard, M. (2009). Genomic selection: prediction of accuracy and maximisation of long term response. Genetics, 136, 245-257.
  6. Goddard, M. E. & Hayes, B. J. (2007). Genomic selection. Journal of Animal Breeding and Genetics, 124, 323-330.
  7. Goddard, M. E. & Hayes, B. J. (2009). Mapping genes for complex traits in domestic animals and their use in breeding programmes. Nature Reviews Genetics, 10, 381-391.
  8. García-Ruiz, A., Cole, J. B., VanRaden, P. M., Wiggans, G. R., Ruiz-López, F. J. & Van Tassell, C. P. (2016). Changes in genetic selection differentials and generation intervals in US Holstein dairy cattle as a result of genomic selection. Proceedings of the National Academy of Sciences, 113, E3995-E4004.
  9. Habier, D., Fernando, R. & Dekkers, J. (2007). The impact of genetic relationship information on genome-assisted breeding values. Genetics, 177, 2389-2397.
  10. Habier, D., Tetens, J., Seefried, F.R., Lichtner, P. & Thaller, G. (2010). The impact of genetic relationship information on genomic breeding values in German Holstein cattle. Genetics Selection Evolution, 42, 5.
  11. Hayes, B. J., Bowman, P. J., Chamberlain, A. J. & Goddard, M. E. (2009). Invited review: Genomic selection in dairy cattle: Progress and challenges. Journal of Dairy Science, 92, 433-443.
  12. Henderson, C. R. (1975). Best linear unbiased estimation and prediction under a selection model. Biometrics, 423-447.
  13. Hutchison, J., Cole, J. & Bickhart, D. (2014). Use of young bulls in the United States. Journal of Dairy Science, 97, 3213-3220.
  14. Lee, S. H., van der Werf, J. H., Hayes, B. J., Goddard, M. E. & Visscher, P. M. (2008). Predicting unobserved phenotypes for complex traits from whole-genome SNP data. PLoS Genetics, 4, e1000231.
  15. Lund, M. S., Sahana, G., de Koning, D. J., Su, G. & Carlborg, Ö. (2009). Comparison of analyses of the QTLMAS XII common dataset. I: Genomic selection. BMC proceedings, BioMed Central.
  16. Meuwissen, T., Hayes, B. & Goddard, M. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics, 157, 1819-1829.
  17. Mikshowsky, A. A., Gianola, G. & Weigel, K. A. (2016). Improving reliability of genomic predictions for Jersey sires using bootstrap aggregation sampling. Journal of Dairy Science, 99, 3632-3645.
  18. Mikshowsky, A. A., Gianola, G. & Weigel, K. A. (2017). Assessing genomic prediction accuracy for Holstein sires using bootstrap aggregation sampling and leave-one-out cross validation. Journal of Dairy Science, 100, 453-464.
  19. Schaeffer, L. (2006). Strategy for applying genome‐wide selection in dairy cattle. Journal of Animal Breeding and Genetics, 123, 218-223.
  20. Technow, F. (2013). R Package hypred: Simulation of genomic data in applied Genetics. University of Hohenheim.
  21. VanRaden, P., Van Tassell, V., Wiggans, G., Sonstegard, T., Schnabel, R., Taylor, J. & Schenkel, F. (2009). Invited review: Reliability of genomic predictions for North American Holstein bulls. Journal of Dairy Science, 92, 16-24.
آمار
تعداد مشاهده مقاله: 482
تعداد دریافت فایل اصل مقاله: 382


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب