ارزیابی صحت ارزش‌های اصلاحی ژنومی برخی صفات اقتصادی جمعیت گاوهای هلشتاین ایران با استفاده از snp ها و بلوک های هاپلوتایپی

هدف پژوهش حاضر، بررسی صحت ارزش‌های اصلاحی ژنومی (gebv) بدست آمده برای دو صفت اقتصادی مهم تولید شیر و امتیاز سلول های بدنی با استفاده از snpها و بلوک‌های هاپلوتایپی مبتنی بر ld به کمک دو روش آماری gbulp و بیز b بود. اطلاعات ژنوتیپی مربوط به 1654راس گاو نر که با استفاده از تراشه‌هایی با تراکم‌های مختلف تعیین ژنوتیپ شده بودند مورد استفاده قرار گرفت. صحت ارزش‌های اصلاحی بدست آمده هنگام استفاده از snpها حاکی از برتری بیز b نسبت به gblup بود، به طوری که برای صفت تولید شیر و امتیاز سلول‌های بدنی صحت ارزیابی‌ها با استفاده از gblup به ترتیب برابر 54/3 و 43/7 درصد و برای روش بیز bبه ترتیب برابر 57/7 و 44/2 درصد بود. برای صفت تولید شیر، صحت پیش‌بینی‌های حاصل با استفاده از بلوک‌های هاپلوتایپی در هر دو روش آماری، بالاتر از صحت حاصل هنگام استفاده از snpها بود در حالی که برای صفت امتیاز سلول‌های بدنی، این افزایش صحت، زمانی که از روش آماری gblup استفاده شد مشهود بود ولی هنگام استفاده از روش بیز b این برتری تنها زمانی بدست آمد که مقدار آماره 2r مورد استفاده برای تشکیل بلوک‌ها بالاتر از 0/2 بود. نتایج نشان داد که سطح بهینه آماره2r برای تشکیل بلوک‌های هاپلوتایپی بستگی به نوع صفت و وراثت پذیری آن دارد ولی در مجموع، استفاده از آماره2r بیشتر از0/2جهت تشکیل بلوک‌های هاپلوتایپی، می‌تواند منجر به افزایش صحت ارزش‌های اصلاحی ژنومی در هر دو صفت در مقایسه با استفاده از snpها شود.

evaluation of prediction accuracy of the genomic breeding values of some economic traits in iranian holstein cattle using snp markers and haplotype blocks

the aim of current study was to evaluate the accuracy of genomic breeding values (gebv) for two important economical traits of milk yield and somatic cell score using snp markers and ldbased haplotype blocks (haploblocks) by two statistical methods of gbulp and bayes b. the data set consisted of 1654 bulls genotyped with different marker densities. when snps were used, the accuracy of breeding values obtained by bayes b was better than gblup. in other words, for milk yield and somatic cell score traits, the prediction accuracy of gblup was 0.54 and 0.44 and by bayes b was 0.58 and 0.44,respectively. for milk yield, the prediction accuracy of using haploblocks in both statistical methods was higher than the prediction accuracy using snps, while for the somatic cell score, this increase was more pronounced when gblup was used. however, when bayes b was used this superiority was only obtained when the r2 statistic used to build the haploblocks was higher than 0.2. the results showed that the optimum level of r2 for building haploblocks depends on the trait type and its heritability. as a result, using r2 statistic more than 0.2 for building haploblocks can increase the accuracy of breeding valuesfoe both traits compared to snp markers.