سیاوش منظوری - دانشجوی کارشناسی ارشد،گروه علوم دامی - دانشکده کشاورزی و محیط زیست، دانشکده کشاورزی، دانشگاه اراک، اراک، ایران.
امیر حسین خلت آبادی فراهانی - دانشیار، گروه علوم دامی - دانشکده کشاورزی و محیط زیست، دانشکده کشاورزی، دانشگاه اراک، اراک، ایران.
محمد حسین مرادی - دانشیار، گروه علوم دامی - دانشکده کشاورزی و محیط زیست، دانشکده کشاورزی، دانشگاه اراک، اراک، ایران.
مهدی کاظمی بن چناری - دانشیار، گروه علوم دامی - دانشکده کشاورزی و محیط زیست، دانشکده کشاورزی، دانشگاه اراک، اراک، ایران.

هدف این پژوهش مقایسه کارایی و عملکرد روش پیشرفته شبکه عصبی مصنوعی نسبت به تجزیه مولفه­های اصلی در تفکیک نژادهای مختلف اسب بود. بنابراین،  برای شناسایی یک زیرمجموعه از نشانگرهای SNP با بالاترین قدرت تفکیک نژادی و بررسی نحوه اختصاص حیوانات به گروه­های نژادی خود از دو روش شبکه عصبی پرسپترون (الدن) و روش کلاسیک تجزیه مولفه­های اصلی (PCA) استفاده شد. نتایج حاصل نشان داد روش شبکه عصبی (الدن) قادر است که ۳۷ نژاد اسب موردمطالعه در این پژوهش کنونی را، با زیرمجموعه کوچکی از نشانگرهای SNP (۸۰۰۰ نشانگر) و با قدرت تفکیک مشابه با تمام نشانگرهای ژنوم (صحت ۹۸ درصدی)، از همدیگر مجزا و تفکیک کند. روش انتخاب PCA تنها توانست نژادهایی که دارای خاستگاه­های متفاوت بودند را شناسایی و تفکیک کند. با توجه به نتایج به­دست آمده، روش PCA دارای خطا و ایراد بوده و برای اجرا روی داده­های ژنومی نیاز به تغییرات و اصلاحات دارد. نتایج این پژوهش، رویکردهای عملی را در طراحی آرایه­های اقتصادی در تفکیک نژادهای مختلف اسب ارائه می­دهد.

آنالیز تعیین نژاد, آنالیز مولفه های اصلی, ساختار ژنتیکی, شبکه عصبی مصنوعی, نژادهای اسب