تاثیر مستندسازی نژادگان و معماری های مختلف ژنگانی بر عملکرد روش های جنگل تصادفی و بیز آستانه ای A در پیش بینی ژنگانی
محل انتشار: فصلنامه علوم دامی ایران، دوره: 49، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 361
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJAS-49-1_014
تاریخ نمایه سازی: 6 خرداد 1399
چکیده مقاله:
انتخاب ژنگانی (ژنومی) با بهره گیری از مستندسازی (ایمپیوتیشن) می تواند نقش مهمی در افزایش بهره وری اقتصادی و پیشرفت ژنتیکی صفات آستانه ای ایفا کند. هدف این تحقیق بررسی درستی مستندسازی و تاثیر آن در سطح زیر منحنی مشخصه عملکرد (AUROC) ارزیابی ژنگانی روش های بیز آستانه ای A(TBA) و جنگل تصادفی (RF) در ویژگی های آستانه ای با معماری های مختلف ژنگانی است. داده های ژنگانی برای سطوح متفاوت وراثت پذیری (1/0 و 3/0)، سطوح مختلف LD (135/0 و 295/0) و شمار متفاوت جایگاههای ویژگی های کمی (108 و 1080) روی کروموزم 27 کروموزم همانند سازی شدند. برای همانندسازی شرایط واقعی برای هر پیش فرض (سناریو)، از بین 54 هزار نشانگر همانندسازی شده به طور تصادفی اقدام به حذف 50 درصد و 90 درصد نشانگرها کرده و در مرحله بعد با مستندسازی اقدام به پیش بینی نژادگان (ژنوتیپ) نشانگرها کرده و درستی مستندسازی ارزیابی شد. در گام آخر، نژادگان های اصلی و مستند شده با استفاده از روش TBA و RF برای ارزیابی AUROC استفاده شدند. با افزایش سطح LD و کاهش میزان حذف نشانگرها، درستی مستندسازی بهبود یافت. میانگین AUROC پیش فرض های همانندسازی شده برای جنگل تصادفی و TBA بهترتیب 64/0 و 66/0 بود. استفاده از نژادگان های مستند شده با میزان حذف 50 درصد و 90 درصد، بهترتیب AUROC را به میزان 013/0 و 02/0 برای RF و 018/0 و 026/0 برای TBA کاهش داد. به رغم AUROC بالای روش بیز آستانه ای A در پیش فرض های مختلف، روش جنگل تصادفی عملکرد بهتری در شمار بالای QTL نشان داد. به طورکلی استفاده از نژادگان های مستند شده (k5) می تواند راهکار مهمی برای کاهش هزینه های ارزیابی ژنگانی باشد.
کلیدواژه ها:
نویسندگان
یوسف نادری
استادیار، دانشگاه آزاد اسلامی، واحد آستارا
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :