Research on Animal Production

fa تغییرات صحت ارزش های اصلاحی ژنومی تحت تاثیر روش های آماری برآورد اثر نشانگری، خصوصیات جمعیت و معماری ژنتیکی صفت Effect of Markers Effect Estimation Methods, Population Structure and Trait Architercture on the Accuracy of Genomic Breeding Values ژنتیک و اصلاح نژاد دام ژنتیک و اصلاح نژاد دام پژوهشي Research <div style="text-align: justify;">هدف تحقیق حاضر بررسی اثر روش برآورد اثرات  نشانگرها، توزیع اثرات QTLها، تعداد QTL، اندازه مؤثر جمعیت و وراثت پذیری صفت بر صحت ارزیابی‌های ژنومی بود. جمعیت پایه با دو اندازه مؤثر 100 و 500 فرد در نظر گرفته شده و به وسیله نرم افزار QMSim شبیه سازی شد. برای انجام این تحقیق، ژنومی متشکل از یک کروموزوم به طول 100 سانتیمورگان با تعداد 500 نشانگر SNP در طول ژنوم و با تعداد متفاوت QTL (50 و 200) که آنها نیز به‌طور تصادفی روی کروموزوم پراکنده شدهاند شبیه سازی شد. مقادیر وراثت&lrm;پذیری بررسی شده در تحقیق حاضر نماینده صفات با وراثت&lrm;پذیری پایین (0/1)، متوسط (0/3) و بالا (0/5) بودند. ارزشهای اصلاحی ژنومی بهوسیله روشهای رگرسیون ریج بیزی (BRR)، بیز A( BayesA)، بیز  B( BayesB)، بیز C(BayesC)، بیز لزو ) BayesL)، روش نیمه پارامتری بر پایه کرنل (RKHS ) و شبکه های عصبی (NN) پیشبینی شدند. بر اساس نتایج به دست آمده، عوامل وراثت&lrm;پذیری، اندازه مؤثر جمعیت، روش برآورد اثرات نشانگری، توزیع QTL و تعداد QTL بر صحت ارزیابی ژنومی تأثیر محسوسی داشتند. بین روشهای برآورد اثرات نشانگری، روشهای بیز A و B بیشترین و روش شبکه های عصبی کمترین صحت را داشتند. در تحقیق حاضر با افزایش وراثت&lrm;پذیری و تعداد QTL، صحت پیش بینی های ژنومی افزایش و برعکس با کاهش اندازه مؤثر جمعیت، کاهش یافت. بیشترین صحت زمانی به دست آمد که QTLها دارای توزیع نرمال بودند.</div> <div style="text-align: justify;">This study aimed to investigate the  effect  of  the method of estimating the effects of markers , QTLs distribution, number of QTLs, effective population size and trait heritability on the accuracy of genomic predictions. Two effective population sizes, 100 and 500 individuals, were simulated by QMSim software. A 100 cM genome including one chromosome was simulated where 500 SNPs and two different  numbers of QTLs (50 and 200) were distributed on it randomly. In this study three levels of heritability (0.1, 0.3 and 0.5) were considered. Genomic breeding values were predicted using Bayesian ridge regression, BayesA, BayesB, BayesC, Bayesian LASSO, Reproducing kernel Hilbert space and neural networks. In this research, the accuracy of genomic breeding values were affected by trait heritability, effective population size, markers effect estimation methods, QTLs distribution and number of QTLs. The Bayes A and B had the highest accuracy while accuracy of neural networks method was the lowest. The accuracy of genomic breeding values were increased as the heritability of trait and number of QTLs increased while the accuracy was decreased as the effective population decreased. Considering the QTLs distribution, the highest accuracy was achieved when the QTLs distributed normally.</div> ارزیابی ژنومی, روش پارامتری, روش ناپارامتری, معماری ژنتیکی صفت Genomic Evaluation, Genetic architecture, Non-parameteric method, Parameteric method e 101 108 http://rap.sanru.ac.ir/browse.php?a_code=A-10-1504-1&slc_lang=fa&sid=1 Abbas Atefi عباس عاطفی abbas.atefi@gmail.com 100319475328460014621 100319475328460014621 No Department of Animal Science, Guilan University گروه علوم دامی، دانشگاه گیلان Abdol Ahad Shadparvar عبدالاحد شادپرور shad@guilan.ac.ir 100319475328460014622 100319475328460014622 Yes Department of Animal Science, Guilan University گروه علوم دامی،دانشگاه گیلان Navid Ghavi Hossein-Zadeh نوید قوی حسین زاده nhosseinzadeh@guilan.ac.ir 100319475328460014623 100319475328460014623 No Department of Animal Science, Guilan University گروه علوم دامی،دانشگاه گیلان