مقایسه روش‌های چند مرحله‌ای و تک ‌مرحله‌ای بیزی برای برآورد ارزش‌های اصلاحی ژنومی در حیوانات ژنوتیپ شده و نشده- مطالعه شبیه‌سازی

هدف از این مطالعه، مقایسه صحت ارزیابی ژنومی روش‌های چندمرحله‌ای bayesa، bayesb،bayesc ، bayesl و روش‌های تک‌مرحله‌ای بیزیssbrc و ssbra در مقادیر متفاوت برای برآورد ارزش‌های اصلاحی ژنومی حیوانات تعیین ژنوتیپ شده و نشده بود. ژنومی حاوی 40000 نشانگر تک‌نوکلئوتیدی دوآللی پراکنده شده روی 20 کروموزوم هرکدام به طول 100 سانتی‌مورگان شبیه‌سازی شد. مقادیر بهینه pi; در روش bayesc به‌ترتیب 0.980 و 0.995 در دو توزیع نرمال و گامای اثرات ژنی برآورد شد و در روش ssbrc نیز مورد استفاده قرار گرفت. صحت پیش‌بینی ژنومی در روش ssbr -c ( π=0.995) نسبت به سایر روش‌ها از 0.02 تا 0.09 در توزیع گامای اثرات ژنی بیش تر برآورد شد. بنابراین، روشssbr -c (π=0.995) با در نظر گرفتن توزیع مزدوج و استفاده همزمان از همه اطلاعات شجره‌ای، فنوتیپی و ژنومی توانست در حالت توزیع گامای اثرات ژنی عملکرد بهتری را از خود نشان داده و انتخاب مناسب‌تری به شمار ‌رود. کلیه روش‌های تک‌‌‌مرحله‌ای و چندمرحله ای بیزی عملکرد تقریبا مشابهی را در حالت توزیع نرمال اثرات ژنی از خود نشان دادند. فلذا، در حالت توزیع نرمال اثرات ژنی توصیه می‌شود تا از روش ssbr-c ( π=0) با توجه به ضریب تابعیت پیش‌بینی ژنومی نزدیک به یک استفاده شود. همچنین، افت صحت‌ پیش‌بینی ژنومی با افزایش فاصله نسلی بین جمعیت مرجع و تایید برای افراد ژنوتیپ شده در مقایسه با افراد ژنوتیپ نشده از حساسیت کمتری برخوردار بود.

Comparison of Single and Multi-Step Bayesian Methods for Predicting Genomic Breeding Values in Genotyped and Non-Genotyped Animals- A Simulation Study

The purpose of this study was to compare the accuracy of genomic evaluation for Bayes A, Bayes B, Bayes C and Bayes L multistep methods and SSBRC and SSBRA singlestep methods in the different values of pi; for predicting genomic breeding values of the genotyped and nongenotyped animals. A genome with 40000 SNPs on the 20 chromosom was simulated with the same distance (100cM). The pi; values that maximized the prediction accuracies in BayesC were 0.980 and 0.995 for the normal and gamma distributions of QTL, respectively, and were also used in SSBRC method. Genomic prediction accuracy in the SSBRC ( pi; = 0.99) method was higher than multi step methods from 0.02 to 0.09 for gamma distribution. Results showed that considering mixture distribution and use of phenotype, genotype and pedigree information simultaneously, the SSBRC ( pi; = 0.99) method had higher accuracy than other methods and is considered a better choice in this scenario. Moreover, both single and multistep methods showed similar prediction accuracy when the genetic architecture appeared to approach the normal distribution. Furthermore, SSBRC ( pi; = 0) method appeared to be more reliable choice that was due to regressions of true breeding value on estimated breeding value close to one in normal distribution. Generally, GEBV accuracy decreased as the distance increased between validations and training set, which was more sensitive for nongenotyped individuals compared to genotyped individuals.