مقایسه روش‌های آماری مختلف در انتخاب ژنومی بر اساس معیار اثربخشی انتخاب

هدف از این پژوهش، مقایسه روش‌های مختلف ارزیابی ژنومی با استفاده از معیارهای همبستگی (ρ)، رگرسیون (β)، میانگین مربعات خطا (mse) و اثربخشی انتخاب (se) بود. به این منظور، نه سناریوی متفاوت بر اساس سطوح مختلف وراثت‌پذیری (0.1، 0.3 و 0.5) و تعداد متفاوت qtl (20،  200 و 1000) طراحی شد. برای شبیه‌سازی سناریوهای مختلف، پنج نسل با اندازه 1000 حیوان شبیه‌سازی شد، که دو نسل نخست به عنوان جمعیت مرجع و سه نسل بعدی به عنوان جمعیت تایید در نظر گرفته شد. برای هر حیوان، ژنومی به طول 500 سانتی‌مورگان با تراکم نشانگری 10000 snp متشکل از پنج کروموزوم شبیه‌سازی شد. پیش‌بینی ارزش‌های اصلاحی ژنومی با سه روش آماری gblup، bayes a و bayes b انجام شد. نتایج حاصل نشان داد با افزایش فاصله نسل از جمعیت مرجع، صحت ارزش‌های اصلاحی ژنومی برای هر سه روش آماری کاهش می‌یابد، هر چند روش‌های بیزی از نظر تداوم صحت، عملکرد بهتری داشتند. بر اساس معیارهای همبستگی، رگرسیون و اثربخشی انتخاب، با افزایش سطوح وراثت‌پذیری بهبود صحت مشاهده شد، اما معیار میانگین مربعات خطا روند معکوسی را نشان داد. در روش‌های بیزی، تعداد پایین qtl دارای عملکرد بهتری بودند، اما در تعداد بالای qtl، تفاوت روش‌های مختلف ارزیابی ژنومی به کمترین میزان رسید. نتایج اثربخشی انتخاب در مقایسه با صحت ارزش اصلاحی ژنومی نشان داد که صحت همیشه نمی‌تواند معیار مناسبی برای تعیین روش‌ برتر ارزیابی ژنومی باشد.

Comparison of different statistical methods in genomic selection based on selection effectiveness criteria

This study aimed to compare different methods of genomic evaluation using the criteria of correlation (ρ), regression (β), mean square error (MSE), and selection effectiveness (SE). For this purpose, nine different scenarios were designed based on different levels of heritability (0.1, 0.3, and 0.5) and different numbers of QTLs (20, 200, and 1000). To simulate different scenarios, five generations with a size of 1000 animals were simulated, of which the first two generations were considered as the reference population and the next three generations as the validation population. For each animal, a genome of 500 centimorgans with a marker density of 10000 SNP consisting of five chromosomes was simulated. Genomic breeding values were predicted using three statistical methods: GBLUP, Bayes A, and Bayes B. The results showed that with increasing generation interval from the reference population, the accuracy of genomic breeding values decreased for three statistical methods, although Bayesian methods performed better in terms of continuity of accuracy. Based on the criteria of correlation, regression, and selection effectiveness, with increasing the levels of heritability, improved accuracy was observed, but the criterion of mean squares error showed the opposite trend. Bayesian methods performed better in low QTLs, but differences in different genomic evaluation methods were minimized in high QTLs. The results of selection effectiveness in comparison with the accuracy of genomic breeding value showed that accuracy can’t always be a suitable criterion for determining the superior method of genomic evaluation.