تاثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مولفه ‏های واریانس و درستی پیش‌بینی ارزش ‏های اصلاحی

در این پژوهش، روش برای پیش‌بینی فراسنجه‌های ناشناختۀ پنج مدل بهترین پیش‌بینی نااریب خطی ژنگانی (ژنومی gblup) از روش بیز و نمونه‏گیری گیبس استفاده شد. در هر مدل از مقیاس های متفاوتی برای ماتریس g شامل استفاده از فراوانی آللی جمعیت بنیان‌گذار (gfoun)، فراوانی آللی جمعیت مرجع (gref)، فراوانی آللی برابر با 0/5 (g05)، یک ماتریس نرمال شده با میانگین عنصرهای قطری برابر با یک (gnorm) و یک ماتریس g وزن‌شده با ماتریس a (gwei)، استفاده شد. برای مقایسۀ نتایج از یک جمعیت دارای آمیزش تصادفی و یک جمعیت انتخاب‌شده، برای صفتی با وراثت‌پذیری 0/25 روی یک ژنگان با qtl 105 و 3000 نشانگر تک نوکلئوتیدی روی سه کروموزوم استفاده شد. نتایج نشان داد، عنصرهای ماتریس‏های g در مقایسه با ماتریس a واریانس بالاتری دارند. میانگین عنصرهای قطری و غیر قطری به‌غیراز gnorm و gwei از عنصرهای متناظر در a بالاتر بودند. روش‏های gnormblup و g05blup در مقایسه با سه روش دیگر منجر به برآورد متورم واریانس ژنتیکی شدند که این تورم در جمعیت انتخاب‌شده کمتر بود. میانگین درستی پنج مدل gblup در جمعیت تصادفی 084/0 بالاتر (0/736 در مقابل 0/652) از جمعیت انتخاب‌شده و میانگین اریبی 014/0 پایین‏تر (026/0 در مقابل 0/04) بود. اریبی پیش‌بینی ارزش اصلاحی حقیقی جمعیت انتخاب‌شده با استفاده از gwei نزدیک به صفر ولی با gref بیشتر از 0/06 بود. بیشترین درستی و کمترین اریب می‏تواند با استفاده از فراوانی آللی جمعیت مرجع که با ماتریس a مقیاس شده‏اند، به دست آید.