ارزیابی عملکرد روش‌هایBoosting و بیز A در چالش‌های مختلف معماری ژنومی صفات گسسته و پیوسته

Abstract

سابقه و هدف: گزینش ژنومی چالشی امید بخش برای کشف رموز ژنتیکی صفات کمی و کیفی به ‌منظور بهبود رشد ژنتیکی و صحت پیش ‌بینی ژنومی در اصلاح دام می‌باشد .در این پژوهش، عملکرد روش‌های ‌Boosting و بیز A در برآورد ارزش‌های اصلاحی ژنومی صفات آستانه‌ای دودویی و پیوسته در تراکم مختلف نشانگری با استفاده از معماری‌های مختلف ژنومی مورد بررسی قرار گرفت.<br /> مواد و روش‌ها: داده‌های ژنومی از طریق نرم افزار QMSim با سطوح متفاوت وراثت ‌پذیری (1/0 و 3/0)، سطوح مختلف LD (کم و زیاد)، تراکم‌های متفاوت جایگاه‌های صفات کمی (150 و 450) و تراکم مختلف نشانگری (K10 و k 50) برای تعداد 30 کروموزم شبیه ‌سازی شدند. جهت ایجاد فنوتیپ آستانه‌ای دودویی در مجموعه مرجع، افراد هر نسل بر اساس فنوتیپ پیوسته در خروجی QMSim رتبه‌ بندی شدند، سپس فنوتیپ آستانه‌ای افراد، وابسته به میانگین جمعیت شبیه ‌سازی ‌شده به ترتیب کد صفر (پایین‌تر از میانگین صفت) و کد یک (بالاتر از میانگین صفت) در نظرگرفته شد. در نهایت، ارزش‌های اصلاحی ژنومی با استفاده از روش‌های Boosting و بیز A محاسبه و جهت ارزیابی صحت ژنومی صفات آستانه‌ای و پیوسته، مورد استفاده قرار گرفتند.<br /> نتایج: روش Boosting دامنه گسترده‌ای از صحت ژنومی در مقایسه با روش‌ بیز A با تغییرات تراکم نشانگرها نشان داد. روش Boosting در مقایسه با روش بیز آستانه‌ای A به ترتیب افزایشی 3/6 و 3/7 درصدی در صحت ژنومی صفات آستانه‌ای برای تراکم‌های نشانگری k10 و k50 نشان داد. عملکرد بیز A برای صفات با توزیع فنوتیپی پیوسته به طور قابل توجهی بیشتر از روش Boosting بود، خصوصا هنگامی که سناریوهای با تراکم نشانگری پایین استفاده شدند. ساختار معماری ژنومی از جمله وراثت ‌پذیری، تعداد QTL و LD از فاکتورهای موثر بر صحت ژنومی روشهای بیز و Boosting بودند. در این راستا نقش وراثت‌ پذیری بر عملکرد هریک از این روش‌ها مشهودتر بود. در مجموع، صحت‌های ژنومی روش بیز برای نوسانات تعداد QTL و روش Boosting برای نوسانات سطوح LD، حساسیت بیشتری نشان دادند. در تراکم بالای نشانگرها و برای صفات با فنوتیپ آستانه‌ای، بیشترین و کمترین میزان صحت ژنومی به ترتیب برای روش Boosting (598/0) و بیز آستانه‌ای A (510/0) هنگامی بود که تعداد بالای QTL وجود داشت. برای صفات پیوسته، بیشترین و کمترین میزان صحت ژنومی به ترتیب برای روش بیز A (702/0) و Boosting (569/0) در تعداد QTL پایین مشاهده شد. اثر مثبت افزایش LD بر صحت ژنومی روش‌های Boosting و بیز Aدر سناریوهای با تراکم نشانگر پایین نسبت به سناریوهای با تراکم نشانگری بالا مشهودتر بود.<br /> نتیجه‌گیری: روند کلی نتایج این تحقیق نشان داد که روش Boosting در ارزیابی ژنومی صفات آستانه‌ای و روش بیز A در ارزیابی صفات پیوسته بهترین عملکرد را نشان می‌دهند.