تاثیر نرخ شیوع بیماری در جمعیت مرجع بر عملکرد روش های جنگل تصادفی و بیز آستانه ای a

هدف از تحقیق حاضر، بررسی نقش نرخ شیوع بیماری در جمعیت مرجع و معماری‌های مختلف ژنومی بر عملکرد روش جنگل تصادفی و بیز a در صفات آستانه‌ای بود. بدین منظور، جمعیت‌های ژنومی برای سطوح متفاوت وراثت‌پذیری (0.05 و 0.25)، سطوح مختلف ld (پایین و بالا) و تعداد متفاوت جایگاه‌های صفات کمی (150 و 600) بر روی 30 کروموزم شبیه‌سازی شدند. جهت ایجاد فنوتیپ دودویی با نسبت‌های مختلف شیوع بیماری، ابتدا برای 5 درصد حیوانات جمعیت مرجع که کم‌ترین میانگین فنوتیپی را داشتند کد یک (یا بیمار) و 95 درصد دیگر کد صفر (یا سالم) در نظر گرفته شد. این روند با افزایش یک نرخ 5 درصدی تا زمانی که 50 درصد افرادجمعیت مرجع کد یک داشتند ادامه یافت .صحت ژنومی در هر دو روش جنگل تصادفی و بیز a، با افزایش نرخ شیوع بیماری از5 به 20 درصد، افزایش و پس از آن تا رسیدن به 50 درصد، کاهش یافت. اثر منفی سطوح بالای شیوع بیماری بر صحت ژنومی بیش‌تر از سطوح پایین آن بود. در مجموع روش جنگل تصادفی نسبت به بیز a نوسانات بیشتری به تغییرات معماری ژنومی و نرخ شیوع بیماری داشت. با وجود صحت ژنومی بالاتر بیز آستانه‌ای a در جمعیت‌های مختلف، هنگامی که صفات با وراثت‌پذیری بالا توسط تعداد زیادی qtl کنترل شدند، روش جنگل تصادفی عملکرد بهتری داشت. علی‌رغم نقش مهم ساختار ژنتیکی جمعیت مورد آنالیز، بهترین روش پیش‌بینی ارزش‌های اصلاحی ژنومی صفات آستانه‌ای به نرخ شیوع بیماری در جمعیت مرجع وابسته بود

The impact of disease prevalence rate in training set on performance of random forest and threshold Bayes A methods

The objective of current study was to investigate the role of disease prevalence rate of training set and genomic architecture on performance of random forest (RF) and threshold Bayes A (BTA) in threshold traits. For this purpose, genomic population were simulated to reflect variations in heritability (0.05 and 0.25), number of QTL (150 and 600) and linkage disequilibrium (low and high) for 30 chromosomes. To create binary phenotype with different disease prevalence rate, at first, 5 percent of training set animals which had the lowest phenotype average defined code 1 (or diseased) and 95 percent of others defined code 0 (or healthy). This process continued with a 5% increase rate until 50 percent of animals had code 1 in training set. In both random forest and Bayes A methods, genomic accuracy with increase in disease prevalence rate 5 to 20 percent was increased, and afterwards to achieve of 50 percent was decreased. The negative effect of high levels of disease prevalence rate on genomic accuracy was higher than low levels of it. Overall, RF was fluctuation to variations of genetic architecture and disease prevalence rate. Despite the higher accuracy of TBA at different scenarios, RF showed a better performance when highheritability traits were controlled by a large number of QTLs. Despite the important role of genetic basis of the population analyzed, the best method to predict genomic breeding value of threshold traits depend on disease prevalence rate.