اثر اندازه جمعیت مرجع و روش های استنباط ژنوتیپ بر صحت استنباط در جمعیت های خالص و آمیخته

استنباط ژنوتیپ به عنوان یک روش تبدیل تراشه های با تراکم پایین به تراشه های با تراکم بالا به منظور افزایش صحت انتخاب ژنومی در حیوانات است. در پژوهش حاضر به منظور بررسی صحت استنباط ژنوتیپ سه جمعیت آمیخته (سناریو 1)، خالص (سناریو 2) و آمیخته + خالص (سناریو 3) به کمک نرم افزار qmsim شبیه سازی شد. از دو روش استنباط ژنوتیپ beagle و flmpute برای دو نوع تراشه با تراکم کم و زیاد استفاده شد. اندازه جمعیت مرجع برای هر سناریو 250، 500 و 1000 حیوان انتخاب شد. نتایج پژوهش حاضر نشان داد که برای تمام سناریوها با افزایش اندازه جمعیت مرجع از 250 به 500 حیوان، افزایش صحت استنباط ژنوتیپ بیشتر و از 500 به 1000 حیوان این افزایش، کندتر شد. صحت استنباط ژنوتیپ به کمک روش flmpute نسبت به beagle برای اندازه جمعیت مرجع کوچک (250 حیوان) بیشتر نمایان شد. در اندازه های جمعیت مرجع 500 و 1000 حیوان در تمام سناریوها افزایش صحت flmpute نسبت به روش beagle معنی دار نبود. برای سناریو 1 میزان صحت استنباط ژنوتیپ نسبت به سناریو 2 بیشتر برآورد شد. افزایش صحت استنباط ژنوتیپ در سناریو 3 در مقایسه با سناریو 1بی معنی شد. به طور کلی نتایج پژوهش حاضر نشان داد که در کشورهای در حال توسعه که جمعیت حیوانی تعیین ژنوتیپ شده کوچک در دسترس هست، برای افزایش صحت انتخاب ژنومی استفاده از روش استنباط ژنوتیپ flmpute به کمک جمعیت آمیخته با افزایش ارتباط خویشاوندی بین جمعیت مرجع و هدف می توان به عنوان یک راهکار مناسب استفاده شود.

Effect of Reference Population Size and Imputation Methods on the Accuracy of Imputation in Pure and Mixed Populations

Imputation as a method of creating lowdensity chips to highdensity chips has been introduced to increase the accuracy of genomic selection in animals. In the current study, to investing imputation accuracy, three populations of mixed (scenario 1), pure (scenario 2) and mixed + pure (scenario 3) were simulated using QMSim. Two methods of imputation including Beagle and Flmpute were used for two types of low and high density chips. Selected reference population sizes for each scenario were 250, 500 and 1000 animals. The results showed that in all considered scenarios, the accuracy of imputation raised by increasing the reference population size from 250 to 500 animals, but decreased by increasing the reference population size from 500 to 1000 animals. The accuracy of imputation using Flmpute method was greater than that of Beagle for the small reference population (250 animals). In all scenarios and reference population sizes of 500 and 1000 animals, increased accuracy in Flmpute method was not significant in compared to the Beagle method. The accuracy of the imputation was higher for scenario 1than for scenario 2. Also the increase in the accuracy of the imputation in Scenario 3 was not significant in compared to Scenario 1. Generally, the results of the current study showed that in developing countries where small genotyped animal populations are available, to increase the accuracy of genomic selection, using Flmpute method and mixed population and increasing the relationship between the reference and the target population could be a suitable approach.