اهمیت استفاده از شجره و نقش افراد ژنوتیپ نشده بر لزوم به کارگیری مجدد انتخاب ژنومی در ‏صفات آستانه ای دودویی

مدل های پیش بینی ژنومی تک مرحله ای با توجه به عملکرد بالا، هزینه های بالای تعیین ژنوتیپ برخی از حیوانات و  برآورد ارزش اصلاحی ژنومی همزمان برای حیوانات ژنوتیپ شده و نشده، تبدیل به ابزاری غالب در ارزیابی ژنومی دام های اهلی شدند. هدف از تحقیق حاضر، بررسی نقش روابط خویشاوندی ژنومی در جمعیت های مرجع و تایید بر عملکرد روش های چند مرحله ای و تک مرحله ای GBLUP و BayesB بود، که در این مسیر اهمیت افراد ژنوتیپ نشده نسل های بعد از انتخاب و نقش آنها در لزوم یا عدم لزوم به کارگیری مجدد انتخاب ژنومی در صفات آستانه ای دودویی نیز بررسی شد. بدین منظور، جمعیت های ژنومی برای تعداد مختلف جایگاه های صفات کمی (33 و 534)  با دو توزیع متفاوت آثار ژنی (نرمال و گاما) روی 29 کروموزم شبیه سازی شدند. برای آنالیز داده های شبیه سازی شده چهار مدل آماری شامل GBLUP، SS-GBLUP، BayesB و SS-BayesB به کار گرفته شد. بر اساس نتایج بدست آمده، صحت پیش بینی ژنومی تحت تاثیر ارتباط بین جمعیت های مرجع و تایید قرار گرفت و برای مدل های ژنومی چند مرحله ای در مقایسه با تک مرحله ای به طور معنی داری بیشتر بود. هنگامی که صفات تحت تاثیر تعداد کم QTL بودند، روش های تک مرحله ای و چند مرحله ای BayesB در مقایسه با GBLUP و SS-GBLUP صحت ارزیابی بالاتری نشان دادند. در توزیع نرمال اثر QTL و صفات تحت کنترل تعداد زیاد QTL، روش های BayesB (به ویژه روش چند مرحله ای BayesB) کمترین میزان صحت ژنومی را نشان دادند. از آنجایی که افزایش فاصله نسل یک چالش اساسی در انتخاب ژنومی صفات آستانه ای می باشد، در نتیجه استفاده از روش های تک مرحله ای، عدم لزوم به کارگیری مجدد تعیین ژنوتیپ جمعیت مرجع را در طی نسل های اولیه انتخاب میسر می سازند. با این حال، استفاده از روش تک مرحله ای BayesB و سودمندبودن آن در ارزیابی ژنومی، منوط به شناسایی معماری ژنتیکی صفت است.