استراتژی‌های تعیین ژنوتیپ انتخابی گاوهای ماده در برنامه‌های انتخاب ژنومی با شبیه‌سازی جمعیت گاو شیری

نویسندگان

1 گروه علوم دامی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان

2 Semex Alliance, Guelph, ON, Canada

3 گروه علوم دامی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان

4 مرکز بهبود ژنتیکی دام (CGIL)، دانشگاه گوئلف، انتاریو، کانادا

doi
چکیده

زمینه مطالعاتی: افزودن اطلاعات ژنوتیپی و فنوتیپی گاوهای ماده به جمعیت مرجع، راهبردی سودمند در افزایش میزان صحت و کاهش اریب برآورد ارزش اصلاحی ژنومی ارزیابی شده است. هدف: مطالعه حاضر تأثیر بکارگیری داده­های ژنومی گاوهای ماده در جمعیت مرجع توسط استراتژی­های متفاوت انتخاب، تعداد افراد ژنوتیپ شده و وراثت­پذیری بر صحت و اریبی ارزش اصلاحی ژنومی را در جمعیت تأیید مورد بررسی قرار داد. روش کار: پس از ایجاد جمعیت اولیه، جمعیت­های ثانویه و اصلی به­صورت روش چهار مسیری مشابه به­نژادی گاو شیری شبیه­سازی شد. سپس تعداد متفاوتی از گاو ماده (2500، 5000 و 10000 ماده) جهت افزودن به جمعیت مرجع حاوی 5000 گاو نر برتر تعیین ژنوتیپ گردید. دو سطح وراثت­پذیری متوسط (3/0) و پایین (05/0) به­طور مستقل در این مطالعه درنظر گرفته شد. نتایج: انتخاب گاوهای ماده جهت ژنوتیپ کردن با درنظر گرفتن صحت برآورد ارزش اصلاحی (AH و ATT)، ضمن صحت بالاتر، میانگین مربعات خطا و اریب کمتری را نسبت به انتخاب بدون درنظر گرفتن صحت (H و TT) نشان دادند. انتخاب گاوهای ماده با روش ATT، به­طورکلی برای دو صفت منجر به بیشترین افزایش صحت برآورد ارزیابی ژنومی در محدوده 123/0 تا 215/0 شد. به دنبال آن روش­های R و TT به ترتیب بیشترین افزایش صحت ارزیابی ژنومی را داشتند. بدین­صورت افزایش صحت در محدوده 117/0 تا 204/0 در روش R و 113/0 تا 196/0 در روش TT مشاهده شد. تعیین ژنوتیپ گاوهای ماده با حداکثر ارزش اصلاحی (AH و H) منجر به کمترین صحت و بیشترین خطا و اریب گردید. با افزایش تعداد گاوهای ماده ژنوتیپ شده، MSE و اریب کمتر شد. متوسط ضریب رگرسیون TBV بر روی DGV در همه روش­های مورد مطالعه از 12/1 با 2500 گاو ماده به 08/1 با 10000 ماده برای صفت با وراثت­پذیری متوسط رسید. نتیجه­گیری نهایی: در میان روش­های مورد بررسی در این مطالعه افراد موجود در دو دامنه توزیع ارزش اصلاحی با حداکثر صحت کاندیداهای خوبی از افراد جامعه جهت تعیین ژنوتیپ و قرارگیری در جمعیت مرجع به­نظر می­رسند و اطلاعات بهتری را برای پیش­بینی افراد نسل بعد با هر نوع سطح ژنتیکی فراهم می­کنند.