رويكردي جديد براي مطالعه پويش ژنومي با استفاده از ميانگين عملكرد هر نژاد

A new approach for GWAS using the breed average performance

مطالعات گسترده ژنتيكي همراه با پيشرفت فناوري توالي يابي منجر به توليد حجم بسيار بالايي از داده هاي ژنومي و فنوتيپي شده است كه در پايگاه داده ها در دسترس مي باشد. روش هاي جديدي كه بتواند از اين حجم داده هاي مذكور جهت مطالعات تكميلي در راستاي مطالعه پويش كل ژنوم (GWAS) استفاده كند بسيار ارزشمند خواهد بود و مي تواند در شناسايي ژن هاي موثر سودمند باشد. لذا هدف مطالعه حاضر تشريح مطالعات و مدل هاي آماري است كه بتوان با ايجاد ارتباط بين داده هاي ژنومي موجود در پايگاه داده ها و ميانگين عملكردي نژاد ها بعنوان يك فنوتيپ جايگزين شده با اطلاعات فنوتيپ فردي يك جمعيت براي مطالعه پويش كل ژنوم استفاده كرد. اين نوع مطالعات در جمعيتي از نژادهاي مختلف يك گونه با هدف شناسايي عومل موثر در بروز تفاوت صفات فنوتيپي در بين نژادها (كلاس ها) قابل اجرا مي باشد. نتايج اين مطالعه نشان مي دهد كه روش مذكور يك رويكردي مفيد براي استفاده از ميانگين عملكردي نژاد بعنوان يك نماينده مناسب براي مقادير فنوتيپ فردي در راستاي استفاده از حجم بالاي داده هاي ژنومي در دسترس براي مطالعات پويش ژنومي مي باشد

Extensive genetic research along with the advancement of sequencing technology has led to the production of a very high volume of genomic and phenotypic data that is available in databases. New methods that can use this volume of data for further studies, including genome-wide association studies (GWAS), will be very beneficial and can be used to identify effective genes. Therefore, the aim of the present study is to describe the studies and statistical models that can be used to perform genome-wide association studies by establishing a relationship between the available genomic data and breed average as replaced by the data collected on the individuals in a population. This type of method can be used on the population of various breeds of the same species with the aim of identifying the effective factor in the occurrence of phenotypic trait differences among breeds (classes). The results of this study show that the breed average approach is a useful proxy for phenotype individual value in order to use deposited genomic data in dataset for genome-wide association studies.