RT - Journal Article T1 - Genomic Selection Accuracy Parametric and Nonparametric Statistical Methods with Additive and Dominance Genetic Architectures JF - rap YR - 2018 JO - rap VO - 8 IS - 18 UR - http://rap.sanru.ac.ir/article-1-908-fa.html SP - 161 EP - 167 K1 - Additive effect K1 - Dominance effect K1 - Genomic selection K1 - Selection accuracy K1 - Simulation AB - در بیشتر مطالعات پیش‌بینی ژنومی برای برآورد ارزش اصلاحی ژنومی فقط از اثرات افزایشی در مدل استفاده می‌کنند. 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 پیش‌بینی‌های ژنومی گردند. در این مطالعه که با استفاده از شبیه‌سازی داده انجام شد، تاثیر مقادیر مختلف وراثت‌پذیری (1/0، 3/0 و 5/0) و نیز مقادیر مختلف نسبت واریانس غالبیت به واریانس فنوتیپی (0، 05/0 و 15/0) بر صحت انتخاب ژنومی در روش‌های آماری پارامتری ( بیز A، B و LASSO) و ناپارامتری (RKHS) بررسی شد. همبستگی بین ارزش‌های اصلاحی حقیقی و ارزش‌های اصلاحی ژنومی، به عنوان معیاری از صحت پیش‌بینی‌های ژنومی برای سناریوهای مختلف به کمک نرم‌افزار R برآورد گردید. نتایج این مطالعه نشان داد که با افزایش مقدار وراثت‌پذیری در تمام روش‌ها صحت پیش‌بینی ژنومی افزایش پیدا می‌کند. همچنین با افزایش مقادیر نسبت واریانس غالبیت به واریانس فنوتیپی در مدل، شیب صحت ژنومی در روش‌های 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 می‌توان چنین نتیجه گرفت که با افزایش سطح نسبت واریانس غالبیت به واریانس فنوتیپی در مدل، استفاده از روش‌های ناپارامتری احتمالاً بهتر از روش‌های پارامتری صحت پیش‌بینی‌های ژنومی را برآورد می‌کنند. LA eng UL http://rap.sanru.ac.ir/article-1-908-fa.html M3 10.29252/rap.8.18.161 ER -