ارزیابی ژنومی صفات آستانه ای با معماری های ژنتیکی متفاوت با استفاده از روش های بیزی
Publish place: Research on Animal Production، Vol: 8، Issue: 15
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 261
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_RAP-8-15_019
Index date: 9 October 2021
ارزیابی ژنومی صفات آستانه ای با معماری های ژنتیکی متفاوت با استفاده از روش های بیزی abstract
این مطالعه به منظور بررسی صحت روش های مختلف بیزی در پیش بینی ارزش های اصلاحی ژنومی برای صفات آستانهای با معماری ژنتیکی متفاوت از نظر توزیع اثرات ژنی و تعداد جایگاه موثر بر صفت کمی انجام شد. ژنومی شامل سه کروموزوم هر یک به طول یک مورگان، و بر روی هر کروموزوم۲۰۰۰ نشان گر چندشکلی تکنوکلئوتیدی شبیه سازی شد. تعداد QTLهای فرض شده ۰۱/۰، ۰۵/۰ و ۱۰/۰ کل SNPها بودند که با توزیع اثرات نرمال، گاما و یکنواخت شبیه سازی شدند. صفات آستانه ای مورد مطالعه شامل یک صفت یک آستانه ای (زندهمانی) و یک صفت دو آستانه ای (تعداد فرزند در هر زایش) بود. ارزش های اصلاحی ژنومی افراد جمعیت مرجع و تایید با استفاده از اثرات نشان گری برآورد شده توسط رگرسیون ریج بیزی(BRR)، بیز A (Bayes A)، بیز B (Bayes B)، بیز C (Bayes C) و بیز L (Bayes L)پیش بینی شد. مقایسه صحت پیش بینی روش ها (همبستگی بین ارزش های اصلاحی برآورد شده و واقعی) نشان داد که روش های بیزی روش های قدرتمندی بوده و تفاوت معنی داری در ارزیابی ژنومی صفات آستانه ای ندارند. کارایی روش ها در ارزیابی صفت دوآستانه ای به طور معنی داری از صفت یک آستانه ای بالاتر بود. نوسانات غیرمعنی دار و غیرمنظمی در صحت روش های مورد مطالعه بین تعداد مختلف QTL و توزیع های مختلف آماری مشاهده شد. هم چنین نتایج نشان داد که افزایش فاصله بین جمعیت مرجع و هدف، به دلیل شکستن فاز پیوستگی (LD) بین نشان گر و QTL، صحت پیش بینی ارزش های اصلاحی ژنومی حیوانات را به طور معنی داری کاهش میدهد.
ارزیابی ژنومی صفات آستانه ای با معماری های ژنتیکی متفاوت با استفاده از روش های بیزی Keywords:
ارزیابی ژنومی صفات آستانه ای با معماری های ژنتیکی متفاوت با استفاده از روش های بیزی authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :