فهرست نشریات علمی دسترسی آزاد ایران

هدف این تحقیق گروه‌بندی گاومیش‌های استان­های آذربایجان شرقی، غربی و اردبیل از بوم‌جور (اکوتیپ) آذری و استان گیلان از بوم‌جور شمالی و درنهایت قابلیت جداسازی افراد مناطق مختلف با روش یادگیری ماشین بود. به شمار 258 گاومیش از مناطق مختلف دو بوم‌جور شمالی و آذری نمونه‌گیری شد و با استفاده از SNPChip 90K مربوط به شرکت افی متریکس در کشور ایتالیا تعیین ژنوتیپ شد. برای پیش‌بینی عملکرد روش ماشین بردار پشتیبان برای گروه‌بندی افراد، دو روش متریک اعتبارسنجی متقابل و سطح زیر منحنی مشخصۀ عملکرد سامانۀ (AUC) اعمال شد. نتایج آزمون اعتبارسنجی متقابل و سطح زیر منحنی برای گروه‌بندی افراد چهار منطقه به ترتیب 92 و 96 درصد بود که گویای این است که باوجود نزدیک بودن افراد گله‌های مختلف و سخت بودن جداسازی این افراد، روش ماشین بردار پشتیبان با درستی بالایی، توانایی اختصاص دادن افراد به گله­های مربوط به خود را دارد. نتایج آزمون­های اعتبارسنجی متقابل و سطح زیر منحنی مشخصه عملکرد سامانه برای دو بوم‌جور به ترتیب برابر 96 و 98 درصد بود که نشان‌دهندۀ قابلیت جداسازی بهتر دو بوم‌جور است. روش یادگیری ماشین با توجه به این موارد و با پیش‌بینی‌هایی که برای گروه‌بندی هر فرد انجام می­دهد می­تواند در کنترل کیفیت و کاربردهای ژنتیکی کارآمد باشد.