انتخاب ژنومي با استفاده از شبكه‌هاي عصبي مصنوعي بيزي و روش‌هاي پارامتري مطالعه مقايسه‌اي

در پژوهش حاضر توانايي پيش‌بيني ارزش هاي اصلاحي ژنومي شبكه‌هاي عصبي بيزي و روش‌هاي پارامتري در چهار معماري ژنتيكي شبيه سازي شده و چهار صفت واقعي موش با يكديگر مقايسه شد. تعداد QTL‌ها در معماري‌هاي ژنتيكي اول و سوم 50 و در معماري‌هاي ژنتيكي دوم و چهارم 500 در نظر گرفته شد. مقدار وراثت‌پذيري در معماري‌هاي ژنتيكي اول و دوم 0.3 و در معماري‌هاي ژنتيكي سوم و چهارم 0.7 بود. بيشترين صحت پيش‌بيني ژنومي حاصل از شبكه‌هاي عصبي بيزي در چهار معماري ژنتيكي شبيه‌سازي‌شده برابر با 0.644، 0.654، 0.800 و 0.81 بود. اين مقادير در روش‌هاي پارامتري برابر با 0.717، 0.685، 0.903 و 0.836 بود. حداكثر توانايي پيش‌بيني حاصل از شبكه‌هاي عصبي بيزي در پيش‌بيني وزن شش هفتگي، شيب رشد، شاخص توده بدني و طول بدن به ترتيب برابر با 0.474، 0.359، 0.154 و 0.214 بود. توانايي پيش‌بيني روش‌هاي پارامتري در پيش‌بيني ژنومي اين صفات مشابه و به‌طور متوسط برابر با 0.477، 0.369، 0.170 و 0.221 بود. ميانگين مربعات خطاي پيش‌بيني شبكه‌هاي عصبي بيزي در معماري‌هاي ژنتيكي شبيه‌سازي‌شده اندكي كمتر از روش‌هاي پارامتري و در داده‌هاي واقعي مشابه روش‌هاي پارامتري بود. مدت‌زمان اجراي شبكه‌هاي عصبي بيزي با افزايش تعداد نرون در لايه مخفي به‌صورت صعودي افزايش يافت. نتايج بدست آمده نشان داد با وجود بهتر بودن صحت و توانايي پيش بيني روش هاي پارامتري، شبكه‌هاي عصبي بيزي مي توانند ارزش‌هاي اصلاحي ژنومي را با دقت مناسبي پيش‌بيني كنند. همچنين توانايي پيش‌بيني ژنومي شبكه‌هاي عصبي به صفات هدف، گونه موردنظر و معماري شبكه عصبي بستگي دارد.