گروه بندی ژنتیکی گاومیش های بومی آذری و شمالی با روش شبکه عصبی SVM

هدف این تحقیق گروه بندی گاومیش های استان های آذربایجان شرقی، غربی و اردبیل از بوم جور (اکوتیپ) آذری و استان گیلان از بوم جور شمالی و درنهایت قابلیت جداسازی افراد مناطق مختلف با روش یادگیری ماشین بود. به شمار 258 گاومیش از مناطق مختلف دو بوم جور شمالی و آذری نمونه گیری شد و با استفاده از SNPChip 90K مربوط به شرکت افی متریکس در کشور ایتالیا تعیین ژنوتیپ شد. برای پیش بینی عملکرد روش ماشین بردار پشتیبان برای گروه بندی افراد، دو روش متریک اعتبارسنجی متقابل و سطح زیر منحنی مشخصه عملکرد سامانه (AUC) اعمال شد. نتایج آزمون اعتبارسنجی متقابل و سطح زیر منحنی برای گروه بندی افراد چهار منطقه به ترتیب 92 و 96 درصد بود که گویای این است که باوجود نزدیک بودن افراد گله های مختلف و سخت بودن جداسازی این افراد، روش ماشین بردار پشتیبان با درستی بالایی، توانایی اختصاص دادن افراد به گله های مربوط به خود را دارد. نتایج آزمون های اعتبارسنجی متقابل و سطح زیر منحنی مشخصه عملکرد سامانه برای دو بوم جور به ترتیب برابر 96 و 98 درصد بود که نشان دهنده قابلیت جداسازی بهتر دو بوم جور است. روش یادگیری ماشین با توجه به این موارد و با پیش بینی هایی که برای گروه بندی هر فرد انجام می دهد می تواند در کنترل کیفیت و کاربردهای ژنتیکی کارآمد باشد.