تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه ‏های واریانس و درستی پیش‌بینی ارزش ‏های اصلاحی

Abstract

در این پژوهش، روش برای پیش‌بینی فراسنجه‌های ناشناختۀ پنج مدل بهترین پیش‌بینی نااریب خطی ژنگانی (ژنومی G-BLUP) از روش بیز و نمونه‏گیری گیبس استفاده شد. در هر مدل از مقیاس­های متفاوتی برای ماتریس G شامل استفاده از فراوانی آللی جمعیت بنیان‌گذار (<em>Gfoun</em>)، فراوانی آللی جمعیت مرجع (<em>Gref</em>)، فراوانی آللی برابر با 5/0 (<em>G05</em>)، یک ماتریس نرمال شده با میانگین عنصرهای قطری برابر با یک (<em>Gnorm</em>) و یک ماتریس G وزن‌شده با ماتریس A (<em>Gwei</em>)، استفاده شد. برای مقایسۀ نتایج از یک جمعیت دارای آمیزش تصادفی و یک جمعیت انتخاب‌شده، برای صفتی با وراثت‌پذیری 25/0 روی یک ژنگان با QTL 105 و 3000 نشانگر تک نوکلئوتیدی روی سه کروموزوم استفاده شد. نتایج نشان داد، عنصرهای ماتریس‏های G در مقایسه با ماتریس A واریانس بالاتری دارند. میانگین عنصرهای قطری و غیر قطری به‌غیراز <em>Gnorm</em> و <em>Gwei</em> از عنصرهای متناظر در A بالاتر بودند. روش‏های Gnorm-BLUP و G05-BLUP در مقایسه با سه روش دیگر منجر به برآورد متورم واریانس ژنتیکی شدند که این تورم در جمعیت انتخاب‌شده کمتر بود. میانگین درستی پنج مدل G-BLUP در جمعیت تصادفی 084/0 بالاتر (736/0 در مقابل 652/0) از جمعیت انتخاب‌شده و میانگین اریبی 014/0 پایین‏تر (026/0 در مقابل 04/0) بود. اریبی پیش‌بینی ارزش اصلاحی حقیقی جمعیت انتخاب‌شده با استفاده از <em>Gwei</em> نزدیک به صفر ولی با <em>Gref</em> بیشتر از 06/0 بود. بیشترین درستی و کمترین اریب می‏تواند با استفاده از فراوانی آللی جمعیت مرجع که با ماتریس <strong>A</strong> مقیاس شده‏اند، به­دست آید.