اهمیت استفاده از شجره و نقش افراد ژنوتیپ نشده بر لزوم به کارگیری مجدد انتخاب ژنومی در صفات آستانه ای دودویی

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 215

This Paper With 12 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_IJAS-53-3_001

تاریخ نمایه سازی: 28 آذر 1401

Abstract:

مدل های پیش بینی ژنومی تک مرحله ای با توجه به عملکرد بالا، هزینه­های بالای تعیین ژنوتیپ برخی از حیوانات و  برآورد ارزش اصلاحی ژنومی همزمان برای حیوانات ژنوتیپ شده و نشده، تبدیل به ابزاری غالب در ارزیابی ژنومی دام های اهلی شدند. هدف از تحقیق حاضر، بررسی نقش روابط خویشاوندی ژنومی در جمعیت­های مرجع و تایید بر عملکرد روش های چند مرحله ای و تک مرحله ای GBLUP و BayesB بود، که در این مسیر اهمیت افراد ژنوتیپ نشده نسل های بعد از انتخاب و نقش آنها در لزوم یا عدم لزوم به کارگیری مجدد انتخاب ژنومی در صفات آستانه ای دودویی نیز بررسی شد. بدین منظور، جمعیت های ژنومی برای تعداد مختلف جایگاه­های صفات کمی (۳۳ و ۵۳۴)  با دو توزیع متفاوت آثار ژنی (نرمال و گاما) روی ۲۹ کروموزم شبیه سازی شدند. برای آنالیز داده های شبیه سازی شده چهار مدل آماری شامل GBLUP، SS-GBLUP، BayesB و SS-BayesB به کار گرفته شد. بر اساس نتایج بدست آمده، صحت پیش بینی ژنومی تحت تاثیر ارتباط بین جمعیت­های مرجع و تایید قرار گرفت و برای مدل های ژنومی چند مرحله ای در مقایسه با تک مرحله ای به طور معنی داری بیشتر بود. هنگامی که صفات تحت تاثیر تعداد کم QTL بودند، روش های تک مرحله ای و چند مرحله ای BayesB در مقایسه با GBLUP و SS-GBLUP صحت ارزیابی بالاتری نشان دادند. در توزیع نرمال اثر QTL و صفات تحت کنترل تعداد زیاد QTL، روش های BayesB (به ویژه روش چند مرحله ای BayesB) کمترین میزان صحت ژنومی را نشان دادند. از آنجایی که افزایش فاصله نسل یک چالش اساسی در انتخاب ژنومی صفات آستانه ای می باشد، در نتیجه استفاده از روش های تک مرحله ای، عدم لزوم به کارگیری مجدد تعیین ژنوتیپ جمعیت مرجع را در طی نسل های اولیه انتخاب میسر می سازند. با این حال، استفاده از روش تک مرحله ای BayesB و سودمندبودن آن در ارزیابی ژنومی، منوط به شناسایی معماری ژنتیکی صفت است.

Authors

یوسف نادری

دانشیار، گروه علوم دامی، دانشگاه آزاد اسلامی، واحد آستارا، آستارا، ایران

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 :
  • Aguilar, I., Misztal, I., & Tsuruta, S. (۲۰۱۰). Genetic trends ...
  • Bermann, M., Legarra, A., Hollifield, M.K., Masuda, Y., Lourenco, D., ...
  • Chen, C. Y., Misztal, I., Aguilar, I., Tsuruta, S., Meuwissen, ...
  • Christensen, O.F., & Lund, M.S. (۲۰۱۰). Genomic prediction when some ...
  • Clark, S.A., Hickey, J.M., Daetwyler, H.D., & van der Werf, ...
  • Daetwyler, H. D., Kemper, K. E., Van Der Werf, J. ...
  • Fernando, R.L., Dekkers, J.C., & Garrick, D.J. (۲۰۱۴). A class ...
  • González-Recio, O., & Forni, S. (۲۰۱۱). Genome-wide prediction of discrete ...
  • Habier, D., Fernando, R., & Dekkers, J. (۲۰۰۷). The impact ...
  • Habier, D., Tetens, J., Seefried, F-R., Lichtner, P., & Thaller, ...
  • Hayes, B.J., Visscher, P.M., & Goddard, M.E. (۲۰۰۹). Increased accuracy ...
  • Kang, H., Zhou, L., Mrode, R., Zhang, Q., & Liu, ...
  • Kappes, S.M., Keele, J.W., Stone, R.T., McGraw, R.A., Sonstegard, T.S., ...
  • Lee, J., Cheng, H., Garrick, D., Golden, B., Dekkers, J., ...
  • Legarra, A., Aguilar, I., & Misztal, I. (۲۰۰۹). A relationship ...
  • Liu, Z., Goddard, M., Reinhardt, F., & Reents, R. (۲۰۱۴). ...
  • Lourenco, D., Tsuruta, S., Fragomeni, B., Masuda, Y., Aguilar, I., ...
  • Madsen, P., & Jensen, J. (۲۰۱۰). A Users Guide to ...
  • Meuwissen, T., Hayes, B., & Goddard, M. (۲۰۰۱). Prediction of ...
  • Naderi, Y., & Sadeghi, S. (۲۰۱۹). Assessment of the genomic ...
  • Sadeghi, S., Rafat, S.A., & Alijani, S. (۲۰۱۸). Evaluation of ...
  • Sargolzaei, M., & Schenkel, F.S. (۲۰۰۹). QMSim: a large-scale genome ...
  • Su, G., & Madsen, P. (۲۰۱۳). User’s Guide for GMATRIX ...
  • VanRaden, P.M. (۲۰۰۸). Efficient methods to compute genomic predictions. Journal ...
  • VanRaden, P.M., & Sullivan, P.G. (۲۰۱۰). International genomic evaluation methods ...
  • Yin, T., Pimentel, E., Borstel, U.Kv., & König, S. (۲۰۱۴). ...
  • Zhang, X., Lourenco, D., Aguilar, I., Legarra, A., & Misztal, ...
  • Zhou, L., Mrode, R., Zhang, S., Zhang, Q., Li, B., ...
  • نمایش کامل مراجع