محمد رزم کبیر

هدف از این پژوهش مقایسه روش های مختلف ارزیابی ژنومی بر اساس معیارهای همبستگی (ρ)، رگرسیون (β)، میانگین مربعات خطا (MSE) و اثر بخشی انتخاب (SE) بود. به این منظور 9 سناریوی متفاوت بر اساس وراثت پذیری (شامل 3 سطح 0.1، 0.3 و 0.5) و تعداد QTL (شامل 3 سطح 20، 200 و 1000) طراحی شد. در این راستا به کمک نرم افزار QMSim ژنومی حاوی 5 کروموزوم هرکدام به طول 100 سانتی مورگان با تراکم نشانگری 2000 برای هر کروموزوم شبیه سازی شد. در این مطالعه جمعیت پایه ای با اندازه 1000 حیوان با نسبت جنسی برابر و آمیزش تصادفی شبیه سازی شد و این ساختار جمعیتی طی 1000 نسل ثابت باقی ماند. جمعیت پایه ابتدا تا نسل 1005 به صورت تدریجی به 500 حیوان کاهش و سپس از نسل 1005 تا 1010 به 2000 حیوان افزایش یافت. در مرحله پایانی، نسل های 1011 و 1012 به عنوان جمعیت مرجع و نسل های 1013 تا 1015 به عنوان جمعیت تأیید در نظر گرفته شد. میزان LD میان نشانگر و QTL بر اساس آماره عدم تعادل پیوستگی (r2) در نسل 1010 از میانگین 10 تکرار، معادل 0.28 برآورد شد. پیش بینی ارزش های اصلاحی بر اساس سه روش الف) بهترین پیش بینی نااُریب خطی ژنومیک (GBLUP)، ب) بیز A و ج) بیزB و به کمک بسته نرم افزاری BGLR در محیط R انجام شد. برای سنجش صحت روش های ارزیابی در کنار معیارهای متداول الف) همبستگی(ρ)، ب) رگرسیون (β) و ج) میانگین مربعات خطا (MSE)، از معیار جدیدی تحت عنوان د) اثربخشی انتخاب (SE) استفاده شد. طبق نتایج، با افزایش فاصله نسل از جمعیت مرجع، صحت ارزش های اصلاحی برای هر 3 روش آماری کاهش یافت هرچند روش های بیزی از نظر تدوام صحت، عملکرد بهتری داشتند. بر اساس معیارهای همبستگی، رگرسیون و اثربخشی با افزایش سطوح وراثت پذیری، بهبود صحت مشاهده شد اما معیار میانگین مربعات خطا روند معکوسی نشان داد. در تعداد پایین QTL روش های بیزی عملکرد بهتری داشت اما در تعداد بالای QTL، تفاوت روش های مختلف ارزیابی ژنومی به حداقل رسید. اثربخشی انتخاب به عنوان نرخ اشتراک حیوانات برتر بر اساس ارزش اصلاحی واقعی و ارزش اصلاحی پیش بینی شده، در سطوح 40%، 20% و 5% افراد برتر محاسبه شد. در مقایسه عملکرد معیار همبستگی (ρ) به عنوان معیار استاندارد صحت با معیار اثربخشی انتخاب (SE)، نتایج نشان داد که همبستگی همیشه نمی تواند معیار مناسبی برای تعیین روش برتر ارزیابی ژنومی عمل نماید.