مقایسه روش های گوناگون ارزیابی ژنومیک در صفاتی با معماری ژنتیکی متفاوت

هدف از انجام تحقیق حاضر،مقایسه روش های گوناگون آماری در پیش بینی ارزش های اصلاحی ژنومیک برای صفاتی با معماری ژنتیکی متفاوت از نظر توزیع تاثیرات ژنی و نیز تعداد متفاوت جایگاه های صفت کمی (QTLs) با استفاده از شبیه سازی کامپیوتری است. بدین منظور، ژنومی حاوی 500 نشانگر تک نوکلئوتیدی دوآللی (SNP) روی کروموزومی به طول 100 سانتی مورگان شبیه سازی، و توزیع های متفاوت تاثیرات ژنی (یکنواخت، نرمال، و گاما) و نیز سه تعداد QTL (50، 100 و 200) به صورت فرضیه های شبیه سازی صفت روی آن درنظر گرفته شد. بدین ترتیب نه صفت با معماری ژنتیکی متفاوت ایجاد شد. به منظور پیش بینی ارزش های اصلاحی افراد موجود در جمعیت های مرجع و تایید، از شش روش بهترین پیش بینی 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 فاصله بین نسل مرجع و نسل تایید ناشی از برهم خوردن فاز لینکاژ، صحت ارزش های اصلاحی ژنومیک در تمام روش ها کاهش معنی داری نشان داد (05/0P<). همچنین زمانی که توزیع تاثیر ژنی گاما بود روش های بیزی در مقایسه با روش GBLUP و RRBLUP برتری آشکاری نشان دادند. هنگامی که توزیع تاثیرات ژنی نرمال بود، بیشترین صحت ارزش های اصلاحی به دست آمد. با افزایش تعداد QTL ها به سمت 200، صحت ارزش های اصلاحی ژنومیک کاهش یافت. نتایج این تحقیق نشان داد که در مجموع روش های بیزی و GBLUP از نظر صحت ارزش های اصلاحی پیش بینی شده در مقایسه با روش RRBLUP عملکرد بهتری دارند. نتایج تحقیق حاضر نشان می دهد هنگامی که معماری صفات بررسی شده از مدل تعداد زیاد جایگاه ژنی پیروی نکند، معمولا روش های بیزی بر روش های GBLUP و RRBLUP ارجحیت دارند.