اثر تراکم نشانگرها و اندازه جمعیت مرجع بر صحت مستندسازی در داده شبیه سازی شده

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 109

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ARGU-9-2_002

تاریخ نمایه سازی: 26 بهمن 1401

چکیده مقاله:

در پژوهش حاضر، اثر اندازه جمعیت مرجع و تعداد نشانگرهای چندشکلی تک نوکلئوتیدی (SNP) گم­­شده بر صحت مستندسازی (ایمپیوتیشن) مورد بررسی قرار گرفت. از نرم افزار QMSim برای ایجاد بانک اطلاعاتی مرجع به تعداد ۱۰۰۰ حیوان شبیه­سازی شده استفاده شد. از داده­های مرجع دو دسته ایجاد شد: دسته اول (A) شامل ژنوتیپ­های اصلی حاوی داده­های گم­شده (تعداد ۵۲ هزار نشانگر SNP) و دسته دوم (B) با خروج داده­های گم­شده از مجموع داده­ها (تعداد ۳۷ هزار نشانگر SNP) ایجاد شد. در هر دو دسته، تعداد جمعیت مرجع با ۱۰۰، ۲۵۰، ۵۰۰ و ۷۵۰ حیوان شبیه­سازی شد. تعداد نشانگرهای SNP حذف شده به طور تصادفی و با نسبت­های ۱۵، ۳۰، ۵۵، ۷۰ و ۹۵ درصد در هر دو دسته شبیه­سازی شد. بر اساس همبستگی بین ارزش نشانگرهای SNP اصلی قبل از حذف و ارزش آن­ها بعد از مستندسازی، صحت برآورد شد. نتایج مطالعه حاضر نشان داد که صحت مستندسازی تحت تاثیر اندازه جمعیت مرجع و تراکم نشانگرهای SNP گم­شده قرار داشت. با افزایش اندازه جمعیت مرجع از ۱۰۰ به ۷۵۰ حیوان، متوسط صحت مستندسازی در هر دو دسته افزایش یافت. بیشترین میزان صحت برای جمعیت مرجع با ۷۵۰ حیوان در دامنه ۸۹/۰ تا ۹۸/۰ برای دسته A و ۹۰/۰ تا ۹۹/۰ برای دسته B  مشاهده شد. به طور کلی، نتایج نشان داد که اگر اندازه جمعیت مرجع به اندازه کافی باشد، علی­رغم تعداد زیاد نشانگر SNP گم­شده، صحت مستندسازی تغییر زیادی نخواهد کرد.

کلیدواژه ها:

نویسندگان

یحیی محمدی

استادیار، گروه علوم دامی، دانشکده کشاورزی، دانشگاه ایلام

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 :
  • Browning S. and Browning B. ۲۰۱۱. Haplotype phasing: Ex­isting methods ...
  • Browning B., Zhou Y. and Browning S. ۲۰۱۸. A one-penny ...
  • Carvalheiro R., Boison S., Neves H., Sargolzaei M., Schenkel F., ...
  • Daetwyler H., Wiggans G., Hayes B., Woolliams J. and Goddard ...
  • Elsen J. M. ۲۰۱۶. Approximated prediction of genomic selection accuracy ...
  • Ghoreishifar S. M., Moradi- Shahrbabak H., Moradi- Shahrb­abak M., Nicolazzi ...
  • Hayes B., Bowman P., Chamberlain A. and Goddard M. ۲۰۰۹. ...
  • Hickey J., Kinghorn B., Tier B., Wilson J., Dunstan N. ...
  • Hong L. S, Clark S. and Van der Werf J. ...
  • Kranjčevičová A., Kašná E., Brzáková M. A, Přiby J. and ...
  • Mulder H., Calus M., Druet T. and Schrooten C. ۲۰۱۲. ...
  • Nicolazzi E., Biffani S. and Jansen G. ۲۰۱۳. Short communica­tion: ...
  • Olson K. M., VanRaden P. M., Tooker M. E. and ...
  • Sargolzaei M., Chesnais J. and Schenkel F. ۲۰۱۴. A new ...
  • Sargolzaei M. and Schenkel F. S. ۲۰۰۹. QMSim: a large-scale ...
  • Schaeffer L. ۲۰۰۶. Strategy for applying genome-wide selection in dairy ...
  • Schurz H., Stephanie J. M., van Helden P. D., Tromp G., Hoal E. G., Kinnear ...
  • VanRaden P., O’Connell J., Wiggans G. and Weigel K. ۲۰۱۱. ...
  • VanRaden P., Sun C. and O’Connell J. ۲۰۱۵. Fast imputation ...
  • Ventura R., Lu D., Schenkel F. S., Wang Z., Li ...
  • Wang Y., Lin G., Li C. and Stothard P. ۲۰۱۶. ...
  • Whalen A., Gorjanc G., Ros- Freixedes R. and Hickey J. ...
  • Zhang Z. and Druet T. ۲۰۱۰. Marker imputation with low-density ...
  • نمایش کامل مراجع