مقاله

قابلیت پیش بینی مدل های آماری پیش بینی ژنومی هنگامیکه صفت مورد بررسی تحت تأثیر معماری کاملاً افزایشی است

دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است

چکیده

یک مطالعه شبیه سازی شده به منظور بررسی قابلیت پیش­بینی روش­های پارامتری و ناپارامتری پیش­بینی ژنومی، هنگامی که صفت کمی تحت تأثیر معماری ژنتیکی کاملا افزایشی صورت گرفت. بدین منظور یک صفت کمّی با وراثت­پذیری کاملاً افزایشی (h2=0.3)، تحت تأثیر 300 جایگاه کنترل کننده صفت کمّی (qtl)، شبیه­سازی شد. قابلیت پیش­بینی 14 مدل آماری براساس چهار معیار اریبی، مجموع مربعات خطا، همبستگی بین مقدار فنوتیپ مشاهده شده و ارزش اصلاحی ژنومی برآورد شده وهمچنین، همبستگی ارزش اصلاحی برآورد شده و ارزش اصلاحی واقعی برآورد گردید. نتایچ نشان داد که مدل­های پیش­بینی ژنومی پارامتری قابلیت پیش­بینی بهتری نسبت به مدل­های غیرپارامتری دارند. همچنین، تمامی مدل­های پارامتری به غیر از روش rr-blup بیشتر واریانس فنوتیپی را می­توانند توجیه کنند و مجموع مربعات خطای کمتر، همبستگی پیش­بینی و همبستگی ارزش اصلاحی برآورد شده و ارزش اصلاحی واقعی بالاتری برآورد گردید. همچنین این روش­ها کمترین اریبی را نشان دادند و مقادیر پیش­بینی شده حاصل از آنها نااریب­تر بود. روش ناپارامتری random forest بدترین عملکرد را نشان داد. به طور کلی نتایج این شبیه­سازی نشان داد که، تفاوت بسیار زیادی بین روش­های ناپارامتری هنگامیکه صفت تحت تأثیر معماری ژنتیکی غیر افزایشی می­باشد وجود دارد. این اتفاق ممکن است زمانیکه اثرات غلبه و اپیستاتیک به عنوان واریانس غیر افزایشی در معماری ژنتکی صفت دخیل باشند وجود نداشته باشد.

اسناد مشابه