تنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی

یکی از مباحث مهم در انتخاب ژنومی، استفاده از روشی مناسب برای برآورد اثر نشانگرها و ارزیابی ژنومی است. اخیرا روش­های یادگیری ماشین۱ که جزو روش­های ناپارامتری غیرخطی هستند وارد ارزیابی ژنومی شده­اند. یکی از این روش­ها الگوریتم جنگل تصادفی۲ است که این تحقیق روی نحوه تنظیم این روش متمرکز شده است. پارامترهای مهم در الگوریتم جنگل تصادفی به ترتیب اهمیت، تعداد متغیر انتخاب شده در هر گره درخت۳، تعداد درخت۴ و حداقل اندازه گره­های پایانی۵ می­باشند که بهتر است برای آنها مقدار مناسبی تعیین شود و در اصطلاح مدل برای این پارامترها تنظیم۶ شود. ژنومی ۵ کروموزومی متشکل از ۱۰۰۰۰ نشانگر تک نوکلئوتیدی دوآللی۷ هریک به طول یک مورگان شبیه­سازی شد و در ادامه، کارایی ترکیبات مختلف از تعداد متغیر انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گره­های پایانی در قالب جمعیت شبیه­سازی شده مورد آزمون قرار گرفته و بهترین ترکیب بر اساس پارامتر خطای خارج از کیسه۸ انتخاب و برای تجزیه و تحلیل اطلاعات مورد استفاده قرار گرفت. برای داده­های شبیه­سازی شده در این مطالعه، کمترین مقدار خطای خارج از کیسه و هم­چنین حداکثر صحت پیش­بینی ارزش­های اصلاحی ژنومی مربوط به مدلی با تعداد متغیر انتخاب در هر گره درخت برابر ۶۰۰۰، تعداد درخت برابر ۱۰۰۰ و حداقل اندازه گره­های پایانی برابر ۵ بود. بقیه ترکیبات از این سه پارامتر نه تنها منجر به افزایش صحت پیش­بینی نشدند بلکه در آن­هایی که از تعداد بیشتری درخت استفاده شده بود، مدت زمان لازم برای انجام محاسبات نیز افزایش یافت. با توجه به این­که صحت پیش­بینی الگوریتم جنگل تصادفی تابعی از تعداد متغیر انتخاب شده در هر گره درخت، تعداد درخت و حداقل اندازه گره­های پایانی است، لازم است ترکیبات مختلفی از این پارامترها مورد استفاده قرار گیرد و ترکیب بهینه با حداکثر عملکرد پیش­بینی انتخاب شده و برای ارزیابی ژنومی استفاده شود. 

Keywords:

Genomic Breeding Value , Genomic Evaluation , Random Forest , Single Nucleotide Marker , Tree , ارزیابی ژنومی , جنگل تصادفی , درخت , نشانگر تک نوکلئوتیدی , ارزش های اصلاحی