ارزيابي ژنومي صفات آستانه اي با معماري هاي ژنتيكي متفاوت با استفاده از روش هاي بيزي

Genomic Evaluation of Threshold Traits with Different Genetic Architecture using Bayesian Approaches

اين مطالعه به منظور بررسي صحت روش هاي مختلف بيزي در پيش بيني ارزش هاي اصلاحي ژنومي براي صفات آستانه اي با معماري ژنتيكي متفاوت از نظر توزيع اثرات ژني و تعداد جايگاه موثر بر صفت كمي انجام شد. ژنومي شامل سه كروموزوم هر يك به طول يك مورگان، و بر روي هر كروموزوم2000 نشان گر چندشكلي تك نوكلئوتيدي شبيه سازي شد. تعداد QTLهاي فرض شده 0/01، 0/05 و 0/10 كل SNPها بودند كه با توزيع اثرات نرمال، گاما و يكنواخت شبيه سازي شدند. صفات آستانه اي مورد مطالعه شامل يك صفت يك آستانه اي (زنده ماني) و يك صفت دو آستانه اي (تعداد فرزند در هر زايش) بود. ارزش هاي اصلاحي ژنومي افراد جمعيت مرجع و تاييد با استفاده از اثرات نشان گري برآورد شده توسط رگرسيون ريج بيزي(BRR)، بيز (A (Bayes A، بيز (B (Bayes B، بيز (C (Bayes C و بيز (L (Bayes Lپيش بيني شد. مقايسه صحت پيش بيني روش ها (همبستگي بين ارزش هاي اصلاحي برآورد شده و واقعي) نشان داد كه روش هاي بيزي روش هاي قدرتمندي بوده و تفاوت معني داري در ارزيابي ژنومي صفات آستانه اي ندارند. كارايي روش ها در ارزيابي صفت دوآستانه اي به طور معني داري از صفت يك آستانه اي بالاتر بود. نوسانات غيرمعني دار و غيرمنظمي در صحت روش هاي مورد مطالعه بين تعداد مختلف QTL و توزيع هاي مختلف آماري مشاهده شد. هم چنين نتايج نشان داد كه افزايش فاصله بين جمعيت مرجع و هدف، به دليل شكستن فاز پيوستگي (LD) بين نشان گر و QTL، صحت پيش بيني ارزش هاي اصلاحي ژنومي حيوانات را به طور معني داري كاهش مي دهد.

The current study was carried out to evaluate accuracy of some Bayesian methods for genomic breeding values prediction for threshold traits with different types of genetic architecture based on distribution of gene effect and QTL numbers. A genome consisted of 3 chromosomes of 100 CM with 2000 single nucleotide polymorphisms (SNP) was simulated. The QTL numbers were 0.01, 0.05 and 0.1 of total number of SNPs whose effects were simulated by uniform, normal and gamma distributions. The studied threshold traits were either one-threshold (survival) or two-threshold (litter size). Genomic estimated breeding values were predicted by five regression methods including Bayesian Ridge Regression (BRR), Bayes A, Bayes B, Bayes C, and Bayes LASSO. Comparison of prediction accuracy of these methods (correlation between real and estimated breeding value) showed that Bayesian methods are powerful for genomic evaluation and there were no significant differences among them. The proficiency of these methods for one-threshold trait was significantly higher compared to twothreshold trait. Non-significant and irregular variance was observed in accuracy of prediction these methods between different QTL numbers and statistical distributions. Also the results showed that increasing in distance (generation) between reference and target populations will lead to decline in accuracy of prediction due to breakdown of LD between QTL and marker