ارزیابی روش های SS-GBLUP ،Boosting و SS-BayesA: با در نظر گرفتن ایمپیوتیشن داده های ژنومی
Publish place: Second Congress for Agriculture, Veterinary Medicine, Environment and Natural Resources Students
Publish Year: 1402
Type: Conference paper
Language: Persian
View: 122
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CACDSTS02_001
Index date: 4 August 2024
ارزیابی روش های SS-GBLUP ،Boosting و SS-BayesA: با در نظر گرفتن ایمپیوتیشن داده های ژنومی abstract
هدف از تحقیق حاضر، بررسی نقش روابط خویشاونددی ژنومی بین جمعیت مرجع و تایید و معماری های مختلف ژنومی بر عملکرد روش های بوستینگ و تک مرحله ای بیز A و GBLUP با در نظر گرفتن ایمپیوتیشن (Imputation) داده های ژنومی شبیه سازی شده بود. بدین منظور، جمعیت های ژنومی برای سطوح مختلف تعداد جایگاه های صفات کمی (۱۰، ۱۰۰ و ۱۰۰۰) بر روی ۲۹ کروموزم شبیه سازی شدند. برای شبیه سازی شرایط واقعی ، بطور تصادفی اقدام به حذف (۷۰درصد) برخی نشانگرها نموده و در مرحله بعد از طریق نرم افزار Flmpute اقدام به ایمپیوتیشن و پیش بینی نقاط گم شده نموده و صحت ایمپیوتیشن مورد ارزیابی قرار گرفت. در نهایت داده های اصلی و ایمپیوتیشن با استفاده از روش های بوستینگ و تک مرحله ای بیز A و تک مرحله ای GBLUP جهت پیش بینی ارزش های اصلاحی ژنومی طی نسل های G۱ و G۳ مورد ارزیابی قرار گرفتند. در مقایسه با روش های تک مرحله ای بیز A و بوستینگ، روش تک مرحله ای GBLUP عملکرد بالاتری در تعداد بالای QTL نشان داد.
ارزیابی روش های SS-GBLUP ،Boosting و SS-BayesA: با در نظر گرفتن ایمپیوتیشن داده های ژنومی Keywords:
ارزیابی روش های SS-GBLUP ،Boosting و SS-BayesA: با در نظر گرفتن ایمپیوتیشن داده های ژنومی authors
یوسف نادری
دانشیار، گروه علوم دامی، واحد آستارا، دانشگاه آزاد اسلامی، آستارا، ایران
