جستجوی مقالات مرتبط با کلیدواژه "real data" در نشریات گروه "علوم دام"

تکرار جستجوی کلیدواژه «real data» در نشریات گروه «کشاورزی»

جستجوی real data در مقالات مجلات علمی

انتخاب همه

مقایسه دقت برآورد ارزش اصلاحی ژنومی برای صفات تولید در گاوهای هلشتاین ایران با روش های پارامتری و ناپارامتری

یحیی محمدی، محمد مهدی شریعتی، سعید زره داران، محمد رزم کبیر، محمدباقر صیادنژاد، محمدباقر زندی

مجله تولیدات دامی، سال هجدهم شماره 1 (بهار 1395)، صص 1 -11

انتخاب ژنومی ابزاری جدید برای برآورد ارزش های اصلاحی صفات کمی با استفاده از نشانگرهای مولکولی است. معیار کارایی انتخاب ژنومی، دقت پیش بینی ارزش های اصلاحی ژنومی است. در تحقیق حاضر، دقت پیش بینی ژنومی روش های پارامتری و ناپارامتری در 345 گاو هلشتاین محاسبه شد. صفات مطالعه شده مقدار شیر، میزان چربی، میزان پروتئین، و سلول های سوماتیک شیر بود. دو روش پارامتری بهترین پیش بینی نا اریب خطی ژنومیک (GBLUP) و بیز B و دو روش ناپارامتری فضای هیلبرت با هسته بازآفرین (RKHS) و شبکه های عصبی (NN) برای برآورد تاثیرات نشانگرها و پیش بینی و دقت ارزش های اصلاحی ژنومی استفاده شد. دقت پیش بینی ژنومی در دامنه 39/0 (برای سلول های سوماتیک) تا 73/0 (برای تولید چربی) محاسبه شد. بیز B و دو روش ناپارامتری در مقایسه با روش GBLUP دچار کوچک کردن بیشتر پیش بینی ها شده بودند (منحنی ضریب رگرسیون ارزش اصلاحی ژنومی بر ارزش اصلاحی کلاسیک بیشتر از یک به دست آمد). درمقایسه با همه روش ها دقت بیز B بیشتر شد. میانگین مربعات خطای پیش بینی برای روش GBLUP به نسبت دیگر روش ها برای صفات مطالعه شده کمتر برآورد شد. مدل رگرسیون بیز B برای انتخاب ژنومی در این جمعیت مطلوب بود، ولی برای بهبود دقت با این روش نیاز به کاهش آب رفتگی پیش بینی در این روش است.

کلید واژگان: انتخاب ژنومی, دقت انتخاب, روش های پارامتری و ناپارامتری, نشانگرهای مولکولی

چکیده مشاهده متن زبان: فارسی

The accuracy of genomic breeding value for production trait in Iranian Holstein Dairy Cattle using parametric and non-parametric methods

Yahya Mohammadi, Mohammad Mahdi Shariati, Saeed Zerehdaran, Mohammad Razmkabir, Mohammad Bagher Sayyadnejad

Journal of Animal Productions, Volume:18 Issue: 1, 2016, PP 1 -11

Genomic Selection (GS) is a tool for prediction of breeding values for quantitative traits. For a successful application of GS, accuracy of predicted genomic breeding value (GEBV) is a key issue to consider. Here we investigated the accuracy of GEBV in 345 genotyped Iranian Holstein cattle. The study was performed on milk, fat, protein yield and somatic cell count. Four methods G-BLUP, Bayes B, Reproducing kernel Hilbert Spaces (RKHS) and Neural Networks (NN) were used to predict genomic breeding values and their accuracies. The GEBV accuracies varied between 0.39 for somatic cell count to 0.73 for fat yield. Bayes B gave the highest accuracies among methods. Bayes B and non- parametric methods tended to produce inflated predictions ( slope of the regression of GBV on EBV greater than 1). However, in all traits, lower estimates of MSE were obtained using G- BLUP. Bayes B regression model are of interest for future applications of genomic selection in this population, but further improvements are needed to reduce deflation of their predictions.

Keywords: Genomic selection, Real data, Parametric, non, parametric prediction, Selection accuracy, Molecular markers

Abstract View Paper Original: Persian

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.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه "real data" در نشریات گروه "علوم دام"