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.