اثر توزیع های پیشین مدل های آماری متفاوت بر صحت پیش بینی ژنومی: مطالعه شبیه سازی

انتخاب ژنومی از نشانگرهای SNP در کل سطح ژنوم برای برآورد اثرات نشانگر استفاده می کند. به کمک روش های متفاوت آماری، ارزش های اصلاحی ژنومی برای حیوانات تخمین زده می شود. در پژوهش کنونی مقایسه صحت ارزش های اصلاحی ژنومی مستقیم حیوان به کمک روش های Bayes-A، B-LASSO gamma، B-LASSO beta و BGLR برای برآورد اثرات نشانگر SNP در دو مقدار وراثت پذیری 3/0 و 05/0 بررسی شد. میزان پارامترهای پیش-تنظیمی π (نسبت نشانگرهای SNP که با واریانت های علی در عدم تعادل پیوستگی (LD) قرار دارند) برای سه راهبرد 1/0، 3/0 و 5/0 و s2 (پارامتر مقیاس میانگین پیشین) برای چهار راهبرد از 01/0، 1/0، 10 و 100 شبیه سازی و تاثیر آن ها بر صحت پیش بینی ژنومی بررسی گردید. بیشترین صحت ارزش اصلاحی ژنومی مستقیم توسط Bayes-A برای وراثت پذیری3/0 به مقدار 88/0و برای وراثت پذیری 05/0 به مقدار 69/0 برآورد شدند. در وراثت-پذیری 3/0 کمترین مقدار خطای آزمایشی مربوط به روش Bayes-A (2/121(و بیشترین مقدار مربوط به روش B-LASSO (2/165) بود. بیشترین مقدار صحت مربوط به Bayes-A در π برابر 5/0 (81/0) وکمترین مقدار صحت در π برابر 1/0 (45/0) برای روش BGLR دیده شد. میزان کاهش صحت پیش بینی ژنومی با تغییر پارامتر s2 از 1/0 به سمت 10 و 100 شدت بیشتری گرفت. نتایج پژوهش کنونی نشان داد که میزان بهینه پارامتر پیش تنظیمی π برای حداکثر نمودن صحت پیش بینی ژنومی برای صفات با وراثت پذیری متوسط به بالا (3/0) از 41/0 تا 56/0 و برای صفات با وراثت-پذیری پایین(05/0) از 56/0 تا 73/0 پیشنهاد شد.