عدم تعادل پیوستگی Linkage Disequilibrium و اهمیت آن در طراحی نرم افزارهای بیو انفورماتیک در مباحث نوین ژنتیک
Publish place: 3rd Iranian Agricultural Biotechnology Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 10,636
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGRIBIOTECH03_581
تاریخ نمایه سازی: 27 تیر 1392
Abstract:
در برخی موارد بین آلل های موجود در جایگاه های ژنی مختلف یک ارتباط پیش بینی نشده وجود دارد که با قوانین ژنتیک کلاسیک متفاوت است. این ارتباط غیر تصادفی بین آلل ها در جایگاه های ژنی مختلف را با عنوان عدم تعادل پیوستگی LD می شناسند و باعث می شود فراوانی های هاپلوتایپی مشاهده شده در جمعیت با فراوانی های مورد انتظار آن در قانون هاردی واینبرگ متفاوت باشد LD با توجه به فراوانی های هاپلوتایپی و آللی و با استفاده از آماره های مختلف اندازه گیری می شود LD به عنوان یک ابزار مهم مورد توجه است. امروزه استفاده از آماره های مختلف بیان کننده LD در مطالعات نوین ژنتیک همچون انتخاب ژنومیک ، نقشه یابی ژنومی و مطالعات GWAS به منظور پیشبرد مباحث بیوانفورماتیک و توسعه نرم افزارهای مختلف آن اجتناب ناپذیر است. مقاله حاضر سعی دارد تا با معرفی موارد استفاده از عدم تعادل پیوستگی در مباحث نوین ژنتیک، با انجام یک مطالعه موردی با استفاده از بسته نرم افزاری genetics در محیط R به تجزیه و تحلیل داده های حاصل از توالی یابی ژنی مربوط به چند مارکر ژنی پرداخته و نحوه برآورد آماره های مختلف عدم تعادل پیوستگی و نحوه تهیه جداول و نمودارهای مربوط به آن را ارائه نماید.
Keywords:
Authors
مهدی خجسته کی
دانشجوی دکتری گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
محمدرضا نصیری
دانشیار گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
علی اصغر اسلمی نژاد
استادیار گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
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 :