فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: مهمترین سازه‌هایی که بر صحت پیش‌بینی ژنومی تاثیر می‌گذارند شامل تعداد نشانگرها، روش آماری، فراوانی آلل نادر، وراثت‌پذیری و معماری ژنتیکی می‌باشند که هر یک تحت شرایط ویژه‌ای اثراتشان متفاوت است. هدف از این پژوهش، بررسی اثر اضافه کردن چندشکلی‌های تک نوکلئوتیدی خنثی (غیرسببی) به مدل آماری بر صحت ارزیابی ارزش اصلاحی با درنظر گرفتن سازه‌های مختلف جمعیت و معماری‌های ژنتیکی مختلف بوده است. مواد و روش‌ها: در این پژوهش تعداد 10 کروموزوم به طول 100 سانتی‌مورگان شبیه‌سازی شده و روی هر کروموزوم 1000 نشانگر چند‌شکلی تک نوکلئوتیدی دو آللی در نظر گرفته شده که به صورت تصادفی در طول ژنوم پراکنده شدند. در این پژوهش، واریانس فنوتیپی یک و وراثت‌پذیری‌ها بر طبق صفات با وراثت‌پذیری کم، متوسط و بالا به ترتیب 1/0، 2/0 و 5/0 در نظر گرفته شدند. در این شبیه‌سازی، جمعیت‌های با اندازه 1000، 2000 و 4000 فرد مورد استفاده قرار گرفت و تعداد 100 جایگاه صفت کمی روی 10 کروموزوم پراکنده شد. پیش‌بینی‌ها با دو روش کرنل بازتولید فضای هیلبرت و بیز B و مقایسات میانگین با استفاده از روش توکی انجام شد.یافته‌ها: در همه‌ی سناریوها و با هر دو روش اختلاف معنی‌داری بین در نظر گرفتن جایگاه‌های صفات کمی به تنهایی و همراه با درصدهای مختلف چندشکلی‌های تک نوکلئوتیدی غیرسببی در مدل مشاهده شد. البته در هر دو روش اختلافات معنی‌داری نیز بین درصدهای پایین نشانگرهای خنثی و درصدهای بالا مشاهده شد. در بیشتر سناریوها مثلا زمانی که 10 درصد نشانگرهای خنثی در مدل وجود دارند، پیش‌بینی‌ها صحت بالاتری دارند نسبت به زمانی که 20 درصد، 40 درصد، 60 درصد و 100 درصد از نشانگرهای خنثی وارد مدل می‌شوند. با افزایش وراثت‌پذیری و تعداد افراد جمعیت مرجع صحت پیش‌بینی‌های ژنومی افزایش یافت. در وراثت‌پذیری‌های پایین، درصد افزایش صحت پیش‌بینی با افزایش جمعیت مرجع بیشتر بود. میانگین صحت ارزیابی با استفاده از روش بیز B به جز چند مورد، در زمان قرار دادن جایگاه‌های صفات کمی در مدل و نسبت‌های مختلف نشانگرهای خنثی به طور معنی‌داری دربیشتر سناریوها از روش کرنل بازتولید فضای هیلبرت بیشتر بود. به طور کلی در هر دو روش، بهترین پیش‌بینی‌ها در زمان استفاده از بالاترین وراثت-پذیری و اندازه جمعیت و فقط وارد کردن جایگاه‌های صفات کمی در مدل‌ها رخ داد. نتیجه گیری: با توجه به این یافته‌ها، شناسایی جایگاه‌های سببی و وارد کردن آنها در ارزیابی‌های ژنومی باعث افزایش سرعت آنالیز و کاهش هزینه‌های تعیین ژنوتیپ می‌گردد و همچنین می‌تواند در ارزیابی‌های ژنومیکی بازده ژنتیکی صفات مهم اقتصادی را از طریق تقویت صحت پیش‌بینی افزایش دهد.