مقایسه ماتریس های روابط خویشاوندی ژنومی متفاوت در پویش ژنومی وزن دهی شده چند جمعیتی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 39

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JASR-15-4_009

تاریخ نمایه سازی: 14 دی 1402

چکیده مقاله:

هدف از پژوهش حاضر، انتخاب بهترین ماتریس روابط خویشاوندی ژنومی برای پویش ژنومی چندجمعیتی است. ساختار ژنتیکی جمعیت­ها منحصر به فرد هستند، بنابراین برای تشکیل ماتریس روابط خویشاوندی ژنومی چند جمعیتی از ماتریس روابط خویشاوندی ژنومی بلوک­بندی شده استفاده می شود. در این مطالعه، ابتدا دو جمعیت با ساختار ژنتیکی متفاوت شبیه­سازی شدند. سپس ماتریس روابط خویشاوندی ژنومی معمولی (G)، ماتریس روابط خویشاوندی ژنومی بلوک­بندی شده (BG) و ماتریس روابط خویشاوندی ژنومی بلوک­بندی وزن­دهی شده با واریانس ژنوتیپی برآورد شده با بیز B (WBG) برای حیوانات تشکیل شدند و برای مطالعات پویش ژنومی تک مرحله­ای استفاده شدند. علاوه بر آن، با روش بیزB پویش ژنومی انجام شد و با پویش های ژنومی تک مرحله­ای مقایسه شدند. نتایج پویش ژنومی با استفاده از ماتریس­های روابط خویشاوندی G، BG و WBG نشان داد که به طور میانگین به ترتیب ۱۴، ۱۶، ۲۱ نشانگر ژنومی مرتبط با QTL های صفات شناسایی شدند که واریانس ژنتیکی توجیه شده بالای یک درصد دارند. همچنین با استفاده از روش آماری بیز B تنها دو نشانگر ژنومی با واریانس بالای یک درصد شناسایی شدند. علاوه براین، میانگین صحت­های پیش­بینی ارزش اصلاحی ژنومی در لحظه هم­گرایی با استفاده از ماتریس­های G، BG و WBG به ترتیب ۳۶/۰، ۳۹/۰، ۴۳/۰ برآورد شدند. نتیجه گیری کلی نشان­داد که استفاده از ماتریس­های روابط خویشاوندی ژنومی BG و WBG می­تواند باعث بهبود پویش ژنومی چندجمعیتی یا چندنژادی شود.

کلیدواژه ها:

بیزB ، پویش ژنومی چند جمعیتی ، ماتریس روابط خویشاوندی ژنومی بلوکی ، ماتریس روابط خویشاوندی ژنومی

نویسندگان

سید مصطفی مظلوم

گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

محمد مهدی شریعتی

گروه علوم دامی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران

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 :