امیر رشیدی

هدف از این مطالعه استفاده از شبیه سازی کامپیوتری برای مقایسه روش های گوناگون آماری در پیش بینی ارزش های اصلاحی ژنومی برای صفاتی با معماری ژنتیکی متفاوت بود. برای شبیه سازی سناریوهای مختلف ابتدا یک جمعیت پایه با تعداد 100 حیوان غیر خویشاوند ایجاد شد که جهت ایجاد عدم تعادل پیوستگی(LD) بین نشانگرها و QTLها و برقراری تعادل موتاسیون-رانش طی 50 نسل آمیزش تصادفی به 1000 حیوان افزایش یافت، سپس از نسل 50 تا 70 به 300 حیوان کاهش یافت، در نهایت در نسل 100 به 2000 حیوان افزایش یافت. از نسل آخر جمعیت پایه 5 نسل با اندازه 1000 حیوان شبیه سازی شد که 2 نسل نخست به عنوان جمعیت مرجع و 3 نسل بعدی به عنوان جمعیت تأیید در نظر گرفته شد. برای هر حیوان ژنومی به طول 500 سانتی مورگان متشکل از 5 کروموزوم حاوی 50 هزار نشانگر تک نوکلئوتیدی شبیه سازی شد و توزیع های تأثیرات ژنی نرمال و گاما، تعداد متفاوت QTL شامل (20، 200، 500، 1000 و 1500) و نیز سه سطح وراثت-پذیری (0.1، 0.3 و 0.5) به صورت فرضیه های شبیه سازی صفات در نظر گرفته شد. بدین ترتیب 30 صفت با معماری ژنتیکی متفاوت ایجاد شد. به منظور مقایسه روش های آماری در صفات با معماری ژنتیکی متفاوت، از صحت پیش بینی ارزش های اصلاحی ژنومی توسط 4 روش آماری GBLUP، بیزی A، بیزی B و بیزی Cπ استفاده شد. نتایج نشان داد که در همه سناریوها صحت پیش بینی ارزش های اصلاحی صفات با وراثت پذیری بالا بیشتر از صفات با وراثت پذیری پایین بود (0.01 >P). در تعداد 20 QTL در هر دو توزیع نرمال و گاما روش های بیزی A و بیزی B برتری آشکاری را نسبت به دو روش دیگر نشان دادند (0.01 >P). با افزایش تعداد QTL صحت برای روش های بیزی A و بیزی B کاهش یافت اما برای روش GBLUP در سطح 1000 QTL بخصوص تحت توزیع نرمال به حداکثر خود رسید (0.01 >P). همچنین نتایج نشان داد که در توزیع گاما روش های بیزی A و بیزی B بخصوص در تعداد کم QTL برتری مشهودی دارند (0.01>P) به طور کلی زمانی که توزیع تأثیرات ژنی گاما بود روش های بیزی عملکرد بهتری نشان دادند، اما روش GBLUP تحت تأثیر نوع توزیع قرار نگرفت (0.01