fa مقایسه روش‌های چند مرحله‌ای و تک ‌مرحله‌ای بیزی برای برآورد ارزش‌های اصلاحی ژنومی در حیوانات ژنوتیپ شده و نشده- مطالعه شبیه‌سازی ژنتیک و اصلاح نژاد دام ژنتیک و اصلاح نژاد دام پژوهشي Research <div style="text-align: justify;"><span style="font-size:11px;">&nbsp;&nbsp;&nbsp;&nbsp; هدف از این مطالعه، مقایسه صحت ارزیابی ژنومی روش‌های چندمرحله‌ای <span dir="LTR"><span style="font-family:times new roman,serif;">BayesA</span></span>، <span dir="LTR"><span style="font-family:times new roman,serif;">BayesB</span></span>،<span dir="LTR"><span style="font-family:times new roman,serif;">BayesC </span></span>، <span dir="LTR"><span style="font-family:times new roman,serif;">BayesL</span></span> و روش‌های تک‌مرحله‌ای بیزی<span dir="LTR"><span style="font-family:times new roman,serif;">SSBR-C</span></span> و <span dir="LTR"><span style="font-family:times new roman,serif;">SSBR-A</span></span> در مقادیر متفاوت <span style="font-family:times new roman,serif;">&pi; </span>برای برآورد ارزش‌های اصلاحی ژنومی حیوانات تعیین ژنوتیپ شده و نشده بود. ژنومی حاوی 40000 نشانگر تک‌نوکلئوتیدی دوآللی پراکنده شده روی 20 کروموزوم هرکدام به طول 100 سانتی‌مورگان شبیه‌سازی شد. مقادیر بهینه <span dir="LTR"><span style="font-family:times new roman,serif;">&pi;</span></span> در روش <span dir="LTR"><span style="font-family:times new roman,serif;">BayesC</span></span> به‌ترتیب 980/0 و 995/0 در دو توزیع نرمال و گامای اثرات ژنی برآورد شد و در روش <span dir="LTR"><span style="font-family:times new roman,serif;">SSBR-C</span></span> نیز مورد استفاده قرار گرفت. صحت پیش‌بینی ژنومی در روش <span dir="LTR"><span style="font-family:times new roman,serif;">SSBR&ndash;C (&pi;=0.995) </span></span>&nbsp;نسبت به سایر روش‌ها&shy; از 02/0 تا 09/0 در توزیع گامای اثرات ژنی بیش&shy;تر برآورد شد. بنابراین، روش<span dir="LTR"><span style="font-family:times new roman,serif;">SSBR&ndash;C (&pi;=0.995)</span></span> با در نظر گرفتن توزیع مزدوج و استفاده همزمان از همه اطلاعات شجره‌ای، فنوتیپی و ژنومی توانست در حالت توزیع گامای اثرات ژنی عملکرد بهتری را از خود نشان داده و انتخاب مناسب‌تری به&shy; شمار ‌رود. کلیه روش‌های تک‌‌‌مرحله‌ای و چندمرحله&shy;ای بیزی عملکرد تقریبا مشابهی را در حالت توزیع نرمال اثرات ژنی از خود نشان دادند. فلذا، در حالت توزیع نرمال اثرات ژنی توصیه می‌شود تا از روش <span dir="LTR"><span style="font-family:times new roman,serif;">SSBR&ndash;C (&pi;=0)</span></span> با توجه به ضریب تابعیت پیش‌بینی ژنومی نزدیک به یک استفاده شود. همچنین، <span style="color:black;">افت صحت‌ پیش‌بینی ژنومی با افزایش فاصله نسلی بین جمعیت مرجع و تایید برای افراد ژنوتیپ شده در </span>مقایسه با <span style="color:black;">افراد ژنوتیپ نشده از حساسیت کمتری برخوردار بود. </span><span style="font-size:10.0pt;"></span></span></div> <div style="text-align: justify;"><span style="font-size:11px;">&nbsp;&nbsp; &nbsp;&nbsp;The purpose of this study was to compare the accuracy of genomic evaluation for Bayes A, Bayes B, Bayes C and Bayes L multi-step methods and SSBR-C and SSBR-A single-step methods in the different values of &pi;<em> for predicting genomic breeding values of the genotyped and non-genotyped animals. </em>A genome with 40000 SNPs on the 20 chromosom was simulated with the same distance (100cM)<em>. </em>The &pi; values that maximized the prediction accuracies in BayesC were 0.980 and 0.995 for the normal and gamma distributions of QTL, respectively, and were also used in SSBR-C method. Genomic prediction accuracy in the SSBR-C (&pi; = 0.99) method was higher than multi step methods from 0.02 to 0.09 for gamma distribution. Results showed that considering mixture distribution and use of phenotype, genotype and pedigree information simultaneously, the SSBR-C (&pi; = 0.99) method had higher accuracy than other methods and is considered a better choice in this scenario. Moreover, both single and multi-step methods showed similar prediction accuracy when the genetic architecture appeared to approach the normal distribution. Furthermore, SSBR-C (&pi; = 0) method appeared to be more reliable choice that was due to regressions of true breeding value on estimated breeding value close to one in normal distribution. Generally, GEBV accuracy decreased as the distance increased between validations and training set, which was more sensitive for non-genotyped individuals compared to genotyped individuals.</span></div> انتخاب ژنومی, بیزی, روش چندمرحله‌ای, شبیه‌سازی, صحت ژنومی Bayesian, Genomic Accuracy, Genomic Selection, Multi-Step Methods, Simulation 122 131 http://rap.sanru.ac.ir/browse.php?a_code=A-10-1253-1&slc_lang=fa&sid=1 Mostafa Madad مصطفی مدد madad@iastate.edu 100319475328460012161 100319475328460012161 No university of Tabriz گروه علوم دامی، دانشگاه تبریز، تبریز، ایران Jalil shodja جلیل شجاع J.shodja@gmail.com 100319475328460012162 100319475328460012162 No university of Tabriz گروه علوم دامی، دانشگاه تبریز، تبریز، ایران sadegh Alijani صادق علیجانی sad-ali@tabrizu.ac.ir 100319475328460012163 100319475328460012163 Yes university of Tabriz گروه علوم دامی، دانشگاه تبریز، تبریز، ایران sayed Abbas Rafat سید عباس رافت abbasrafat@hotmail.com 100319475328460012164 100319475328460012164 No university of Tabriz گروه علوم دامی، دانشگاه تبریز، تبریز، ایران Jack Dekkers جک دکرز jdekkers@iastate.edu 100319475328460012165 100319475328460012165 No Iowa state university گروه علوم دامی، دانشگاه ایالتی آیووا، ایمز، ایالات متحده آمریکا