بهبود ارزیابی ژنومی گاوهای هلشتاین با استفاده از ماتریس روابط ژنومی بر پایه اطلاعات هاپلوتایپ ها

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 209

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JASR-10-3_003

تاریخ نمایه سازی: 25 اسفند 1400

Abstract:

امروزه استفاده از اطلاعات هاپلوتایپ به منظور تخمین ارزش اصلاحی ژنومی (GEBV) با صحت و دقت بالاتر مورد توجه قرار گرفته است. استفاده از شباهت بین هاپلوتایپ ها نسبت به مستقل در نظر گرفتن اثرات هاپلوتایپ ها می تواند منجر به قابلیت پیش گویی بالاتر برآوردهای ژنومی گردد. هدف از این مطالعه بررسی صحت و اریبی GEBV به روش بهترین برآورد نااریب خطی ژنومی (GBLUP) با استفاده از ماتریس روابط خویشاوندی ژنومی بر پایه اطلاعات نشانگرهای چندشکلی تک نوکلئوتیدی (GSNP) و هاپلوتایپ (GHAP) و ماتریس هیبرید شامل اطلاعات هاپلوتایپ ها وSNPها (GSNP,HAP) بود. ماتریس های روابط خویشاوندی ژنومی با استفاده از تراشه k۵۰ برای جمعیت گاو شیری هلشتاین آمریکای شمالی برای صفات تولید چربی شیر، تولید شیر، نمره سلول بدنی، تیپ و روزهای باز تشکیل گردید. مقادیر صحت GEBV با استفاده از ماتریس GSNP و GHAP به ترتیب از ۴۹/۰ (روزهای باز) تا ۷۲/۰ (تولید چربی شیر) و ۵۰/۰(روزهای باز) تا ۷۳/۰ (تولید چربی شیر) متغیر بود. استفاده از ماتریس GHAP در مقایسه با دیگر ماتریس های مورد بررسی در این مطالعه منجر به برآوردهای نااریب تری در تمام صفات شد. استفاده از ماتریس GHAP نسبت به GSNP موجب ۶ تا ۱۵ درصد کاهش اریبی برآوردها در صفات مختلف گردید. یکی از دلایل بهبود اریبی برآوردها می تواند برآورد بهتر واریانس ژنتیکی در سطح جمعیت توسط هاپلوتایپ نشانگرها نسبت به نشانگر انفرادی باشد. بر اساس نتایج حاضر ماتریس GHAP می تواند جایگزین مناسبی برای GSNP در ارزیابی های ژنومی به منظور دستیابی به برآوردهای ارزش اصلاحی نااریب تر و دقیق تر باشد.

Keywords:

صحت , اریبی برآوردها , ماتریس روابط خویشاوندی ژنومیکی , هاپلوتایپ , گاو هلشتاین

Authors

مهرنوش فروتن

دانشگاه صنعتی اصفهان

سعید انصاری مهیاری

دانشگاه صنعتی اصفهان

فلاویو شنکل

دانشگاه گوئلف

مهدی سرگلزایی

دانشگاه گوئلف

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 :
  • Bohmanova, J., M. Sargolzaei, and F. S. Schenkel. ۲۰۱۰. Characteristics ...
  • Calus, M. P. L., T. H. E. Meuwissen, A. P. ...
  • Dekkers, J. C. M. ۲۰۰۵. Animal Breeding Strategies. Available at ...
  • de Roos, A. P. W., C. Schrooten, and T. Druet. ...
  • Edriss, V., B. Guldbrandtsen, M.S. Lund, and G. Su. ۲۰۱۳. ...
  • Ferdosi, M. H., J. Henshall, and B. Tier. ۲۰۱۶. Study ...
  • Habier, D., R. L. Fernando, and J. C. M. Dekkers. ...
  • Habier, D., R. L. Fernando, and D. J. Garrick. ۲۰۱۳. ...
  • Hickey, J. M., B. P. Kinghorn, B. Tier, S. A. ...
  • Meuwissen, T. H. E., B. J. Hayes, and M. E. ...
  • Meuwissen, T. H., J. Odegard, I. Andersen-Ranberg, and E. Grindflek. ...
  • Miglior, F., B. L. Muir, and B. J. Van Doormaal. ...
  • Nejati Javaremi, A., C. Smith, and J. P. Gibson. ۱۹۹۷. ...
  • Parker Gaddis, K. L., J. B. Cole, J. S. Clay, ...
  • Sargolzaei, M., and F. S. Schenkel. ۲۰۰۹. QMSim: A large-scale ...
  • Sargolzaei, M., ۲۰۱۴. SNP۱۱۰۱ User’s Guide. Version ۱.۰. HiggsGene Solutions ...
  • Schaeffer, L. R. ۲۰۰۶. Strategy for applying genome wide selection ...
  • Su, G., O. F. Christensen, L. Janss, and M. S. ...
  • VanRaden, P. M. ۲۰۰۸. Efficient methods to compute genomic predictions. ...
  • VanRaden, P. M., C. P. Van Tassell, G. R. Wiggans, ...
  • نمایش کامل مراجع