این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های تولیدات دامی، جلد ۱۰، شماره ۲۶، صفحات ۰-۰
عنوان فارسی مقایسه روش‌های چندمرحله‌ای و تک‌مرحله‌ای بیزی برای برآورد ارزش‌های اصلاحی ژنومی در حیوانات ژنوتیپ شده و نشده- مطالعه شبیه‌سازی
چکیده فارسی مقاله هدف از این مطالعه، مقایسه صحت ارزیابی ژنومی روش‌های چندمرحله‌ایBayesA، BayesB،BayesC ، BayesL و روش‌های تک‌مرحله‌ای بیزیSSBR-C و SSBR-A در مقادیر متفاوت π برای برآورد ارزش‌های اصلاحی ژنومی حیوانات تعیین ژنوتیپ شده و نشده بود. ژنومی حاوی 40000 نشانگر تک‌نوکلئوتیدی دوآللی پراکنده شده بر روی 20 کروموزوم هرکدام به طول 100 سانتی‌مورگان شبیه‌سازی شد. مقادیر بهینه π در روش BayesC به‌ترتیب 980/0 و 995/0 در دو توزیع نرمال و گامای اثرات ژنی برآورد گردید و در روش SSBR-C  نیز مورد استفاده قرار گرفت. صحت پیش‌بینی ژنومی در روش SSBR–C (π=0.995)  نسبت به سایر روش‌ها­ از 02/0 تا 09/0 در توزیع گامای اثرات ژنی بیش­تر برآورد گردید. بنابراین، روشSSBR–C (π=0.995) با در نظر گرفتن توزیع مزدوج و استفاده همزمان از همه اطلاعات شجره‌ای، فنوتیپی و ژنومی توانست در حالت توزیع گامای اثرات ژنی عملکرد بهتری را از خود نشان داده و انتخاب مناسب‌تری به شمار ‌رود. کلیه روش‌های تک‌‌‌مرحله‌ای و چندمرحله­ای بیزی عملکرد تقریبا مشابهی را در حالت توزیع نرمال اثرات ژنی از خود نشان دادند. به‌طوری‌که، در حالت توزیع نرمال اثرات ژنی توصیه می‌شود تا از روش SSBR–C (π=0) با توجه به ضریب تابعیت پیش‌بینی ژنومی نزدیک به یک استفاده گردد. همچنین، افت صحت‌ پیش‌بینی ژنومی با افزایش فاصله نسلی بین جمعیت مرجع و تایید برای افراد ژنوتیپ شده در مقایسه با افراد ژنوتیپ نشده از حساسیت کمتری برخوردار بود.  
کلیدواژه‌های فارسی مقاله انتخاب ژنومی، بیزی، روش چندمرحله‌ای، شبیه‌سازی ، صحت ژنومی
عنوان انگلیسی Comparison of single and multi-step Bayesian methods for predicting genomic breeding values in genotyped and non-genotyped animals- A simulation study
چکیده انگلیسی مقاله The purpose of this study was to compare the accuracy of genomic evaluation for Bayes A, Bayes B, Bayes C and Bayes L multi-step methods and SSBR-C and SSBR-A single-step methods in the different values of π for predicting genomic breeding values of the genotyped and non-genotyped animals. A genome with 40000 SNPs on the 20 autosomes was simulated with the same distance (100cM). The π values that maximized the prediction accuracies in BayesC were 0.980 and 0.995 for the normal and gamma distributions of QTL, respectively, and were used in SSBR-C. Genomic prediction accuracy in the SSBR-C (π = 0.99) method was higher than multi step methods from 0.02 to 0.09 for gamma distribution. Results showed that considering mixture distribution and use of phenotype, genotype and pedigree information simultaneously, the SSBR-C (π = 0.99) method had higher accuracy than other methods and is considered a better choice in this scenario. Moreover, both single and multi-step methods showed similar prediction accuracy when the genetic architecture appeared to approach the normal distribution. Furthermore, SSBR-C (π = 0) method appeared to be more reliable choice that was due to regressions of true breeding value on estimated breeding value close to one in normal distribution. Generally, GEBV accuracy decreased as the distance increased between validations and training set, which was more sensitive for non-genotyped individuals compared to genotyped individuals.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مصطفی مدد | Mostafa Madad
university of Tabriz
دانشگاه تبریز

جلیل شجاع | Jalil shodja
university of Tabriz
دانشگاه تبریز

صادق علیجانی | sadegh Alijani
university of Tabriz
دانشگاه تبریز

سید عباس رافت | sayed Abbas Rafat
university of Tabriz
دانشگاه تبریز

جک دکرز | Jack Dekkers
Iowa state university
دانشگاه ایالتی آیووا

نشانی اینترنتی http://rap.sanru.ac.ir/browse.php?a_code=A-10-1253-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده ژنتیک و اصلاح نژاد دام
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات