مقايسه روش هاي مختلف آماري در انتخاب ژنومي گاوهاي هلشتاين

Comparison of Methods for the Implementation of Genomic Selection in Holstein

انتخاب ژنومي، ارزش ­هاي ژنتيكي را در صفات پيچيده كمي از طريق تركيب داده ­هاي ژنومي و فنوتيپي با استفاده از مدل­ هاي آماري پيش ­بيني مي­ كند. صحت پيش­ بيني ارزش­ هاي ژنتيكي در جمعيت تحت انتخاب اثر زيادي بر موفقيت اين روش انتخاب دارد. مدل آماري كه براي برآورد اثرات نشان­گري در جمعيت مرجع از آن استفاده مي­ شود، از عوامل موثر بر صحت پيش ­بيني ­ها مي­ باشد. عوامل مختلفي مانند تراكم نشان­گري، جمعيت مرجع و معماري ژنتيكي صفت بر انتخاب بهترين مدل آناليز تاثير­ گذارند. در اين مطالعه، گاوهاي هلشتاين ايران شبيه­ سازي و مدل­ هاي مختلف آناليز در انتخاب ژنومي اين جمعيت بررسي شدند. مدل­ GBLUP و چهار مدل­ بيزي A، B، LASSO و در حالت­هاي مختلفي از جمعيت مرجع، تعداد جايگاه­ هاي صفت كمي (QTL) و تراكم نشان گري مقايسه شدند. روش ­هاي بيزي نسبت به روش GBLUP صحت برآورد بالاتري داشتند و اين برتري در حالت كم بودن تعداد ژن­هاي بزرگ اثر و استفاده از اطلاعات جمعيت­هاي ديگر در تشكيل جمعيت مرجع ايران بيشتر بود. براي انتخاب ژنومي در جمعيت گاوهاي هلشتاين ايران، به كارگيري مدل بيز B در جمعيت مرجعي شامل گاوهاي نر و ماده و بهر ه ­گيري از اطلاعات جمعيت ­هاي ديگر پيشنهاد مي­ گردد.

Genomic selection combines statistical methods with genomic data to predict genetic values for complex traits. The accuracy of prediction of genetic values in selected population has a great effect on the success of this selection method. Accuracy of genomic prediction is highly dependent on the statistical model used to estimate marker effects in reference population. Various factors such as density markers, reference population and genetic architecture affect choosing the best model for analysis. The aim of this study was to evaluate methods for genomic selection in the Iranian Holstein population. Four Bayesian linear regression models, Bayes-A, Bayes-B, Bayes-C , Bayesian-LASSO and a genomic linear method (GBLUP) were compared using stochastic simulation across three types of reference population and a range of numbers of quantitative trait loci (QTL) in two classes of marker density. Bayesian methods had a higher accuracy than GBLUP especially when the number of loci was low and data from other population were used. Construction of reference population by bulls and cows together with data from other populations and using Bayes B is suggested for genomic selection in Iranian Holstein.