به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « روش چندمرحله ای » در نشریات گروه « علوم دام »

تکرار جستجوی کلیدواژه «روش چندمرحله ای» در نشریات گروه «کشاورزی»
  • مصطفی مدد، جلیل شجاع، صادق علیجانی*، سید عباس رافت، جک دکرز

    هدف از این مطالعه، مقایسه صحت ارزیابی ژنومی روش های چندمرحله ای BayesA، BayesB،BayesC ، BayesL و روش های تک مرحله ای بیزیSSBR-C و SSBR-A در مقادیر متفاوت π برای برآورد ارزش های اصلاحی ژنومی حیوانات تعیین ژنوتیپ شده و نشده بود. ژنومی حاوی 40000 نشانگر تک نوکلئوتیدی دوآللی پراکنده شده روی 20 کروموزوم هرکدام به طول 100 سانتی مورگان شبیه سازی شد. مقادیر بهینه π در روش BayesC به ترتیب 980/0 و 995/0 در دو توزیع نرمال و گامای اثرات ژنی برآورد شد و در روش SSBR-C نیز مورد استفاده قرار گرفت. صحت پیش بینی ژنومی در روش SSBR-C (π=0.995)  نسبت به سایر روش ها از 02/0 تا 09/0 در توزیع گامای اثرات ژنی بیش تر برآورد شد. بنابراین، روشSSBR-C (π=0.995) با در نظر گرفتن توزیع مزدوج و استفاده همزمان از همه اطلاعات شجره ای، فنوتیپی و ژنومی توانست در حالت توزیع گامای اثرات ژنی عملکرد بهتری را از خود نشان داده و انتخاب مناسب تری به شمار رود. کلیه روش های تک مرحله ای و چندمرحله ای بیزی عملکرد تقریبا مشابهی را در حالت توزیع نرمال اثرات ژنی از خود نشان دادند. فلذا، در حالت توزیع نرمال اثرات ژنی توصیه می شود تا از روش SSBR-C (π=0) با توجه به ضریب تابعیت پیش بینی ژنومی نزدیک به یک استفاده شود. همچنین، افت صحت پیش بینی 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.

    کلید واژگان: انتخاب ژنومی, بیزی, روش چندمرحله ای, شبیه سازی, صحت ژنومی}
    Mostafa Madad, Jalil Shodja, Sadegh Alijani*, Sayed Abbas Rafat, Jack Dekkers

    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 chromosom 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 also used in SSBR-C method. 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.

    Keywords: Bayesian, Genomic Accuracy, Genomic Selection, Multi-Step Methods, Simulation}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال