اهمیت استفاده از شجره و نقش افراد ژنوتیپ نشده بر لزوم به کارگیری مجدد انتخاب ژنومی در ‏صفات آستانه‌ای دودویی

نویسندگان

1 دانشیار، گروه علوم دامی، دانشگاه آزاد اسلامی، واحد آستارا، آستارا، ایران

doi
10.22059/ijas.2022.338497.653873
چکیده

مدل‌های پیش‌بینی ژنومی تک مرحله‌ای با توجه به عملکرد بالا، هزینه­های بالای تعیین ژنوتیپ برخی از حیوانات و  برآورد ارزش اصلاحی ژنومی همزمان برای حیوانات ژنوتیپ‌شده و نشده، تبدیل به ابزاری غالب در ارزیابی ژنومی دام‌های اهلی شدند. هدف از تحقیق حاضر، بررسی نقش روابط خویشاوندی ژنومی در جمعیت­های مرجع و تأیید بر عملکرد روش‌های‌ چند مرحله‌ای و تک مرحله‌ای GBLUP و BayesB بود، که در این مسیر اهمیت افراد ژنوتیپ نشده نسل‌های بعد از انتخاب و نقش آنها در لزوم یا عدم لزوم به‌کارگیری مجدد انتخاب ژنومی در صفات آستانه‌ای دودویی نیز بررسی شد. بدین منظور، جمعیت‌های ژنومی برای تعداد مختلف جایگاه­های صفات کمی (33 و 534)  با دو توزیع متفاوت آثار ژنی (نرمال و گاما) روی 29 کروموزم شبیه‌سازی شدند. برای آنالیز داده‌های شبیه‌سازی شده چهار مدل آماری شامل GBLUP، SS-GBLUP، BayesB و SS-BayesB به‌کار گرفته شد. بر اساس نتایج بدست آمده، صحت پیش‌بینی ژنومی تحت تاثیر ارتباط بین جمعیت­های مرجع و تایید قرار گرفت و برای مدل‌های ژنومی چند مرحله‌ای در مقایسه با تک مرحله‌ای به طور معنی‌داری بیشتر بود. هنگامی که صفات تحت تاثیر تعداد کم QTL بودند، روش‌های تک مرحله‌ای و چند مرحله‌ای BayesB در مقایسه با GBLUP و SS-GBLUP صحت ارزیابی بالاتری نشان دادند. در توزیع نرمال اثر QTL و صفات تحت کنترل تعداد زیاد QTL، روش‌های BayesB (به‌ویژه روش چند مرحله‌ای BayesB) کمترین میزان صحت ژنومی را نشان دادند. از آنجایی که افزایش فاصله نسل یک چالش اساسی در انتخاب ژنومی صفات آستانه‌ای می‌باشد، در نتیجه استفاده از روش‌های تک مرحله‌ای، عدم لزوم به کارگیری مجدد تعیین ژنوتیپ جمعیت مرجع را در طی نسل‌های اولیه انتخاب میسر می سازند. با این حال، استفاده از روش تک مرحله‌ای BayesB و سودمندبودن آن در ارزیابی ژنومی، منوط به شناسایی معماری ژنتیکی صفت است.