اثر توزیع‌های پیشین مدل‌های آماری متفاوت بر صحت پیش‌بینی ژنومی: مطالعه شبیه‌سازی

در انتخاب ژنومی از نشانگرهای snp در کل سطح ژنوم برای برآورد اثرات نشانگر استفاده می‌شود. به کمک روش‌های متفاوت آماری، ارزش‌های اصلاحی ژنومی برای حیوانات تخمین زده می‌شود. در پژوهش کنونی صحت ارزش‌های اصلاحی ژنومی مستقیم حیوان به کمک روش‌های bayes-a، b-lasso gamma، b-lasso beta و bglr برای برآورد اثرات نشانگر snp در دو مقدار وراثت‌پذیری 0/3 و 0/05 مقایسه شدند. میزان پارامترهای پیش تنظیمی π (نسبت نشانگرهای snp که با واریانت‌های علی در عدم تعادل پیوستگی (ld) قرار دارند) برای سه راهبرد 0/1، 0/3 و 0/5 و s^2 (پارامتر مقیاس میانگین پیشین) برای چهار راهبرد از 0/01، 0/1، 10 و 100 شبیه‌سازی و تاثیر آن‌ها بر صحت پیش‌بینی ژنومی بررسی گردید. بیشترین صحت ارزش اصلاحی ژنومی مستقیم توسط bayes-a برای وراثت‌پذیری0/3 به مقدار 0/88 و برای وراثت‌پذیری 0/05 به مقدار 0/69 برآورد شدند. ضریب رگرسیون برای تمام روش های برآرود اثرات نشانگر در وراثت پذیری 0/3 نسبت به وراثت پذیری 0/05 اریبی کمتر نشان داد. در وارثت پذیری 0/3 کمترین مقدار خطای آزمایشی مربوط به روش bayes-a (121/2) و بیشترین مقدار مربوط به روش b-lasso (165/2) بود. بیشترین مقدار صحت مربوط به bayes-a در π برابر 0/5 (0/81) وکمترین مقدار صحت در π برابر 0/1 (0/45) در روش bglr دیده شد. میزان کاهش صحت پیش‌بینی ژنومی با تغییر پارامتر s^2 از 0/1 به سمت 10 و 100 کاهش بیشتری داشت. نتایج پژوهش کنونی نشان داد که میزان بهینه پارامتر پیش‌تنظیمی π برای حداکثر نمودن صحت پیش‌بینی ژنومی برای صفات با وراثت‌پذیری متوسط به بالا (0/3) از 0/41 تا 0/56 و برای صفاتی با وراثت پذیری پایین(0/05) از 0/56 تا 0/73 پیشنهاد می گردد. همچنین مقدار بهینه پارامتر پیش تنظیمی s^2، برای صفات با وراثت پذیری متوسط به بالا (0/3) از 0/05 تا 0/12 و برای صفات با وراثت پذیری پایین (0/05) از 0/02 تا 0/05 پیشنهاد می گردد.

the effect of prior distributions of different statistical models on the accuracy of genomic prediction: simulation study

in the genomic selection, snp markers across whole genome are used to estimate the marker effects. genomic breeding value of animals can be predicted by different statistical methods. genomic breeding value of animals can be predicted by different statistical methods. in the present study, accuracies of the predicted direct genomic breeding values were compared under several statistical models including bayes a, b-lasso gamma, b-lasso beta and bglr by considering two heritabilities of 0.3 and 0.05. three values of π (0.1, 0.3, and 0.5) and four values of s2 (0.01, 0.1, 10, and 100) were simulated and correspondingly evaluated in terms of accuracy. the obtained results showed the highest accuracy of direct genomic breeding value was obtained under bayes-a method, which were 0.88 and 0.69 for heritabilities of 0.3 and 0.05, respectively. regression coefficients of methods for estimating the marker effects were more unbiased under heritability of 0.3 than 0.05. by considering the heritability of 0.3, the lowest and highest error were obtained under bayes-a (121.2) and b-lasso beta (165.2) methods, respectively. under bglr method, the highest and lowest accuracy of bayes-a were obtained for π, 0.5 (0.81) and π, 0.1 (0.45). by increasing s2 parameter a decrease in the accuracy of genomic predictions was obtained. the obtained results suggested that to maximize the accuracy of the genetic prediction for traits with moderate to high heritability (0.3) optimal point of parameter π may ranged from 0.41 to 0.56 and while for traits with low heritability from 0.56 to 0.73.