اثر افزایش تعداد ماده های جمعیت مرجع و نشانگرهای امپیوت شده بر قابلیت اعتماد پیش بینی ژنومی گاوهای جرسی
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 175
فایل این مقاله در 9 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_JASR-6-3_010
تاریخ نمایه سازی: 25 اسفند 1400
چکیده مقاله:
هدف از این تحقیق، ارزیابی صحت حاصل از امپیوت الگوی نشانگری کم تراکم (بطور میانگین در ۱۰ تکرار ۶۶۴۰ نشانگر) به الگوی نشانگری تراکم متوسط در جمعیت شبیه سازی شده گاو جرسی با استفاده از نرم افزار FImpute و ارزیابی قابلیت اعتماد ارزش اصلاحی ژنومی برآورد شده برای دو صفت تولید شیر (۴۰/۰=۲h) و باروری (۰۴/۰=۲h) بر اساس تعداد مختلف ماده های جمعیت مرجع بود. نهصد راس گاو نر که براساس الگوی نشانگری تراکم متوسط (K۵۰) تعیین ژنوتیپ شده بودند، به منظور ارزیابی صحت امپیوت تعداد مختلف ماده های جمعیت مرجع بکار گرفته شدند. نه سناریو برای پیش بینی ارزش اصلاحی ژنومی ۳۰۰۰ حیوان تصادفی انتخاب شده جمعیت آزمون (۱۰۰۰ حیوان در هر نسل) طراحی و ارزیابی شد. میانگین صحت امپیوت ژنوتیپ ماده ها به الگوی تراکم متوسط ۶۴/۹۸ درصد بود. با توجه به میزان بالای نرخ امپیوت نشانگرها تنها یک درصد اختلاف بین ارزش اصلاحی ژنومی پیش بینی شده حاصل از نشانگرهای K۵۰ در مقایسه با نشانگرهای امپیوت شده وجود داشت. با توجه به این اختلاف جزیی و از آنجا که هزینه تعیین ژنوتیپ یک حیوان بر مبنای الگوی تراکم متوسط دو برابر الگوی کم تراکم است، توصیه می شود که تمام نرهای پروف شده نسل مرجع براساس الگوی K۵۰تعیین ژنوتیپ شده و همه ماده ها به الگوی تراکم متوسط امپیوت شوند تا علاوه بر دستیابی به صحت بالای پیش بینی ارزش اصلاحی ژنومی برای هر دو صفت، بتوان با کاهش چشمگیر هزینه تعیین ژنوتیپ، تعداد حیوانات بیشتری را در جمعیت مرجع بکار برد که خود منجر به افزایش اطلاعات فنوتیپی، شجره ای و ژنتیکی و در نهایت صحت پیش بینی ژنومی می شود.
کلیدواژه ها:
نویسندگان
داود کریمی
فردوسی مشهد
مجتبی طهمورث پور
فردوسی مشهد
محمد دادپسند
دانشگاه شیراز
علی اصغر اسلمی نژاد
فردوسی مشهد
مونز ساندو لوند
آرهوس دانمارک
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 :