مقایسۀ روش‏های گوناگون ارزیابی ژنومیک در صفاتی با معماری ژنتیکی متفاوت

چکیده
    هدف از انجام تحقیق حاضر،مقایسۀ روش‏ های گوناگون آماری در پیش‌بینی ارزش‏ های اصلاحی ژنومیک برای صفاتی با معماری ژنتیکی متفاوت از‌نظر توزیع تأثیرات ژنی و نیز تعداد متفاوت جایگاه‏ های صفت کمّی (QTLs) با‌استفاده از شبیه‏ سازی کامپیوتری است. بدین منظور، ژنومی حاوی 500 نشانگر تک‌نوکلئوتیدی دوآللی (SNP) روی کروموزومی به طول 100 سانتی‌‌مورگان شبیه‏ سازی، و توزیع‏ های متفاوت تأثیرات ژنی (یکنواخت، نرمال، و گاما) و نیز سه تعداد QTL (50، 100 و 200) به‌صورت فرضیه‌های شبیه‏ سازی صفت روی آن درنظر گرفته شد. بدین ترتیب نه صفت با معماری ژنتیکی متفاوت ایجاد شد. به‌منظور پیش‏بینی ارزش‏ های اصلاحی افراد موجود در جمعیت‏های مرجع و تأیید، از شش روش بهترین پیش‏بینی نااریب خطی ژنومیک[1] (GBLUP)، رگرسیون ریدج[2] (RRBLUP)، بیز A (BayesA)، بیز B (BayesB)، بیز Cπ (BayesCπ)، و بیز L (BayesL) استفاده گردید. با افزایش فاصلۀ بین نسل مرجع و نسل تأیید ناشی از برهم‌خوردن فاز لینکاژ، صحت ارزش‏ های اصلاحی ژنومیک در تمام روش‏ ها کاهش معنی‏داری نشان داد (05/0P<). همچنین زمانی‏که توزیع تأثیر ژنی گاما بود روش‏ های بیزی در مقایسه با روش GBLUP و RRBLUP برتری آشکاری نشان دادند. هنگامی‏که توزیع تأثیرات ژنی نرمال بود، بیشترین صحت ارزش ‏های اصلاحی به‌دست آمد. با افزایش تعداد QTL‌ها به‌سمت 200، صحت ارزش‏ های اصلاحی ژنومیک کاهش یافت. نتایج این تحقیق نشان داد که در‌مجموع روش‏ های بیزی و GBLUP از‌نظر صحت ارزش‏ های اصلاحی پیش‏بینی‌شده در مقایسه با روش RRBLUP عملکرد بهتری دارند. نتایج تحقیق حاضر نشان می‌دهد هنگامی‌که معماری صفات بررسی‌شده از مدل تعداد زیاد جایگاه ژنی پیروی نکند، معمولاً روش‏ های بیزی بر روش‏های GBLUP و RRBLUP ارجحیت دارند