تاثیر روش های مختلف انتخاب و ارزیابی برصحت پیش بینی ژنومی در یک جمعیت شبیه سازی شده

مقدمه: در پژوهش حاضرصحت پیش بینی ژنومی براساس روش های مختلف در یک جمعیت شبیه سازی شده، بررسی شد.مواد و روش ها: در این تحقیق، روش های مختلف انتخاب (فنوتیپی و ارزش اصلاحی تخمینی)، روش های ارزیابی (gblup و ssgblup)، اندازه های جمعیت مرجع، میزان وراثت پذیری، تراکم نشانگر و میزان خطای شجره در یک جمعیت شبیه سازی شده، بررسی شد. از نرم‌افزار qmsim برای ایجاد بانک اطلاعاتی مرجع به تعداد 1000 حیوان و در ادامه برای ایجاد ld و تعادل جهش دریفت در طی 95 نسل تعداد حیوانات به 200 حیوان (100 حیوان نر و 100 حیوان ماده) کاهش پیدا نمود. میزان وراثت پذیری صفت 0.1، 0.3 و 0.5 و میزان تراکم نشانگر برای سه راهبرد 1، 5 و 10 کیلوباز شبیه سازی شد. میزان خطای شجره 0، 10، 20 و 30 درصد درنظر گرفته شد. نتایج: پژوهش حاضر نشان داد که در مقایسه با انتخاب افراد براساس فنوتیپ، صحت پیش بینی ژنومی برای روش های ssgblup و gblup برای انتخاب به کمک روش ارزش اصلاحی تخمینی برای تمام راهبردها افزایش بیش تری نشان داد. با افزایش اندازه جمعیت مرجع و وراثت پذیری صفت، صحت پیش بینی ژنومی در تمام راهبردها افزایش نشان داد. با افزایش خطای شجره از 0 به 30 درصد، صحت پیش بینی ژنومی به مقدار جزئی کاهش یافت. بحث و نتیجه گیری: به طورکلی نتایج پژوهش حاضر نشان داد که استفاده از ssgblup در مقایسه با gblup، انتخاب افراد براساس روش ارزش اصلاحی تخمینی در مقایسه با انتخاب فنوتیپی و تراکم نشانگر بالا، باعث افزایش صحت پیش بینی می شود.

the effect of different selection and evaluation approaches on the accuracyof genomic prediction in a simulated population

introduction: in the present study, the accuracy of genomic prediction based ondifferent methods was investigated in a simulated population.material & methods: in this study, assessed genomic prediction accuracies based ondifferent selection methods (phenotypic and estimated breeding value), evaluationprocedures (gblup and ssgblup), training population (tp) sizes, heritability (h2)levels, marker densities and pedigree error (pe) rates in a simulated population. qmsimsoftware was used to create a reference database of 1000 and number of animals wasreduced to 200 (100 males and 100 females) during 95 generations to create ld andmutation-drift equilibrium. the heritability of the trait was 0.1, 0.3 and 0.5 and themarker density was simulated for three strategies of 1, 5 and 10 k. the proportions oferrors substituted were 10%, 20% and 30%, respectively.results: the results of this study showed that, compared with phenotypic selection, theresults revealed that the prediction accuracies obtained using gblup and ssgblupincreased across heritability levels and tp sizes during ebv selection. with increasingreference population size and trait heritability, genomic prediction accuracy increasedin all strategies. when errors were introduced into the pedigree dataset from 0 to 30%,the prediction accuracies were only minimally influenced across all scenarios.conclusion: our study suggests that the use of ssgblup, ebv selection, and highmarker density could help improve genetic gain seven in the case of pedigree error incattle.