تاثیر کاهش تراکم نشانگرها بر صحت پیش‌‌بینی ژنومی روش‌‌های پارامتری

افزایش تعداد نشانگرها (p) به تعداد مشاهدات (n)، نخستین چالش انتخاب ژنومی است (مزاحمت ابعاد؛ p >> n). لذا پژوهش حاضر با هدف امکان کاهش مزاحمت ابعاد، به بررسی تاثیر کاهش تعداد نشانگرها بر صحت پیش‌‌بینی ارزش‌‌های اصلاحی ژنومیک روش‌‌های پارامتری پرداخته است. بدین منظور، برای هر فرد ژنومی متشکل از 10000 نشانگر تک‌‌نوکلئوتیدی دو آللی (snp) با فواصل یکسان روی 10 کروموزوم (هریک به طول 100 سانتی‌‌مورگان) شبیه‌‌سازی شد. در این پژوهش توزیع‌‌های متفاوت تاثیرات ژنی (یکنواخت، نرمال یا گاما)، سطوح مختلف وراثت‌‌پذیری صفت (0.05، 0.25، 0.45 یا 0.65) و تعداد متفاوت جایگاه‌‌های ژنی (qtl؛ 100 یا 500) به عنوان فرضیات شبیه‌‌سازی در نظر گرفته شد. سپس در یک سناریوی انتخاب 10 یا 20 درصد نشانگرها به‌‌طور تصادفی انتخاب شدند؛ به‌‌طوریکه برای هر یک از جمعیت‌‌های موجود سه ماتریس نشانگری با ابعاد مختلف (همه نشانگرها، 10 یا 20 درصد نشانگرها) تعریف گردید. مطابق یافته‌‌های پژوهش حاضر، به‌‌طورکلی صحت ارزش‌‌های اصلاحی ژنومیک به ترتیب تحت اثر میزان وراثت‌‌پذیری صفت، فاصله نسل از جمعیت مرجع، تراکم نشانگرها، توزیع و تعداد qtlها و مدل آماری قرار داشت (p<0.001). به‌‌طوریکه در هر سه توزیع آثار ژنی و با هر فُرم ساختار نشانگری (کاهش یا عدم کاهش تراکم نشانگرها) مشاهده شد که در نتیجه کاهش وراثت‌‌پذیری صفت و یا افزایش فاصله از جمعیت مرجع میزان صحت پیش‌‌بینی‌‌ها به طور چشم‌‌گیری تقلیل یافت (p<0/05). بررسی اثر کاهش تراکم نشانگرها بر صحت پیش‌‌بینی ژنومی صفات با معماری ژنتیکی متفاوت نشان داد که جز در مورد صفات با وراثت‌‌پذیری پائین (0.05) و تعداد زیاد qtl (500) با توزیع ژنی گاما، به‌‌طورکلی کاهش تراکم نشانگری به‌‌طور معنی‌‌داری منجر به اُفت صحت پیش‌‌بینی‌‌های ژنومیک روش‌‌های پارامتری خواهد شد (p<0/05).

Impact of reducing the markers density on the genomic evaluation of parametric methods

The higher number of markers (p) to the number of observations (n) is the first challenge (i.e., course of dimensionality; p>>n) in genomic selection. Therefore with aim to reduce the course of dimensionality, the effect of reduce markers density on the accuracy of genomic prediction breeding values of parametric methods investigated. In this order a genome consisted of 10000 biallelic single nucleotide polymorphism (SNP) over 10 chromosomes, with 100 cM length each, was simulated. In this research, the different gene distributions (i.e., uniform, Gaussian and gamma), different levels of heritability (0.05, 0.25, 0.45 or 0.65) and number of quantitative trait loci (QTL; 100 or 500) were considered as assumption of simulation. Then in a selection scenario only 10% of the markers and in the other scenario 20% of the markers were selected (randomly), so that for each of the population three different marker matrices with different dimension (all, 10% and 20% of markers) were defined. According to the finding of this research, in order of preference the accuracy of genomic breeding values is influenced by the trait inheritance, the distance with the reference population, the marker density, the distribution and the number of QTLs and statistical models (p <0.001). So that in all three genetic effects distribution and with each form of the marker structure (selection or without selection of markers) it was observed that the accuracy of predictions declined significantly (p <0.05) as a result of reduction of heritability or with increasing distance from the reference population. The effect of reduce markers density on the genomic prediction accuracy of traits with different genetic architecture showed that except for traits with low heritability (0.05) and high number of QTL (500) and allele effects drown from a gamma distribution, in general reduction of marker density resulted to decrease accuracy of genomic predictions (p <0.05).