fa مقایسه روش های مختلف آماری در انتخاب ژنومی گاوهای هلشتاین تخصصي Special پژوهشي Research <p dir="RTL"><strong>انتخاب ژنومی، ارزش&shy;های ژنتیکی را در صفات پیچیده کمی از طریق ترکیب داده&shy;های ژنومی و فنوتیپی با استفاده از<br> مدل&shy;های آماری پیش&shy;بینی می&shy;کند. صحت پیش&shy;بینی ارزش&shy;های ژنتیکی در جمعیت تحت انتخاب اثر زیادی بر موفقیت این روش انتخاب دارد. مدل آماری که برای برآورد اثرات نشان</strong><strong>&shy;</strong><strong>گری در جمعیت مرجع از آن استفاده می&shy;شود، از عوامل مؤثر بر صحت پیش&shy;بینی&shy;ها می&shy;باشد. عوامل مختلفی مانند تراکم نشان</strong><strong>&shy;</strong><strong>گری، جمعیت مرجع و معماری ژنتیکی صفت بر انتخاب بهترین مدل آنالیز تاثیر&shy; گذارند. در این مطالعه، گاوهای هلشتاین ایران شبیه&shy;سازی و مدل&shy;های مختلف آنالیز در انتخاب ژنومی این جمعیت بررسی شدند. مدل&shy; </strong><strong><span dir="LTR">GBLUP</span></strong><strong> و چهار مدل&shy; بیزی </strong><strong><span dir="LTR">A</span></strong><strong>، </strong><strong><span dir="LTR">B</span></strong><strong>، </strong><strong><span dir="LTR">LASSO</span></strong><strong> و</strong><strong><span dir="LTR"> </span></strong><strong>&nbsp;در حالت&shy;های مختلفی از جمعیت مرجع، تعداد جایگاه&shy;های صفت کمی (</strong><strong><span dir="LTR">QTL</span></strong><strong>) و تراکم نشان</strong> <strong>گری مقایسه شدند. روش&shy;های بیزی نسبت به روش </strong><strong><span dir="LTR">GBLUP</span></strong><strong> صحت برآورد بالاتری داشتند و این برتری در حالت کم بودن تعداد ژن&shy;های بزرگ اثر و استفاده از اطلاعات جمعیت&shy;های دیگر در تشکیل جمعیت مرجع ایران بیشتر بود. برای انتخاب ژنومی</strong> <strong>در جمعیت گاوهای هلشتاین ایران، به</strong> <strong>کارگیری مدل بیز </strong><strong><span dir="LTR">B</span></strong><strong> در جمعیت مرجعی شامل گاوهای نر و ماده و بهره&shy;گیری از اطلاعات جمعیت&shy;های دیگر پیشنهاد می&shy;گردد. </strong></p> <p>Genomic selection combines statistical methods with genomic data to predict genetic values for complex traits<span dir="RTL">.</span>&nbsp; The accuracy of prediction of genetic values ​​in selected population has a great effect on the success of this selection method. Accuracy of genomic prediction is highly dependent on the statistical model used to estimate marker effects in reference population. Various factors such as density markers, reference population and genetic architecture affect choosing the best model for analysis. The aim of this study was to evaluate methods for genomic selection in the Iranian Holstein population. Four Bayesian linear regression models, Bayes-A, Bayes-B, Bayes- , Bayesian-LASSO and a genomic linear method (GBLUP) were compared using stochastic simulation across three types of reference population and a range of numbers of quantitative trait loci (QTL) in two classes of marker density. Bayesian methods had a higher accuracy than GBLUP especially when the number of loci was low and data from other population were used. Construction of reference population by bulls and cows together with data from other populations and using Bayes B is suggested for genomic selection in Iranian Holstein.</p> انتخاب ژنومی, روش های بیزی, شبیه سازی, هلشتاین ایران Genomic selection, Iranian Holstein, Statistical methods, Simulation 203 198 http://rap.sanru.ac.ir/browse.php?a_code=A-10-1-185&slc_lang=fa&sid=1 محمد تیموریان 10031947532846005908 10031947532846005908 Yes محمد مهدی شریعتی 10031947532846005909 10031947532846005909 No علی اصغر اسلمی نژاد 10031947532846005910 10031947532846005910 No