نرم افزارSISSI در راستاي تخمين حجم بهينه نمونه تراريخته

Software SISSI to Determine the Optimum Sample Size of GM

از زمان ظهور علم مهندسي ژنتيك در سال 1970، ملاحظاتي درباره مخاطرات احتمالي اين تكنولوژي ايجاد شد همين مسئله باعث شد تا شناسايي تراريخته در اجراي قوانين برچسب‌گذاري مهم شود. بنابراين روش‌هاي شناسايي معتبر محصولات تراريخته در راستاي كاهش و يا به حداقل‌رساندن اين خطاها ضروري بنظر مي‌رسد. معتبر بودن اين روش‌ها تا حدودي تحت تاثير نمونه‌برداري و ناشي از پراكنش غيريكنواخت تراريخته است. نمونه‌برداري در بيشتر مواقع منبع خطا بوده و بر اين اساس نرم‌افزارهايي براي كاهش خطاها طراحي شده‌اند كه از جمله آن‌ها مي‌توان به نرم‌افزار SISSI اشاره كرد. اين نرم‌افزار ابزاري جديد براي تعيين حجم مطلوب نمونه در مجموعه داده آزمايشي است و براساس روش جك نايف ميباشد. اين روش براي تخمين واريانس جامعه مواقعي كاربرد دارد كه اطلاعات چنداني از جامعه در دست نيست. اين نرم‌افزار نتايج را بهصورت گرافيكي با تغييرات ميانگين و انحراف استاندارد نمايش مي‌دهد و گزينه اتوماتيك براي تعيين حجم نمونه در اين برنامه تعبيه شده است. هدف استفاده از اين نرم‌افزار تعيين حجم بهينه نمونه‌برداري براي محموله‌هاي تراريخته‌اي است كه از يكنواختي برخوردار نيستند. كاربرد ديگر آن شناسايي مواد تراريخته در نمونه‌هاي تجاري است كه از حساسيت بالايي در تجارت جهاني برخوردار هستند.

Since the advent of genetic engineering in the 1970s, concerns arose about risks of this technology that led to enforce labeling of transgenic crops. Therefore, it seems, it is necessary to use valid methods to identify transgenic crops to reduce or minimize relative potential errors. The validity of such methods depends on the sampling and the uniformity of distribution of transgenic crop under study. In most cases, the sampling is a source of error. Therefore, some software such as SISSI is designed to reduce sampling errors. This software which works based on Jackknife method is a new tool to determine optimum sample size for the experimental data set. The method estimates the population variance when there is little information about the population. The software graphically displays results as also changes in the mean and standard deviation of the population. Moreover, it has the option to determine the sample size automatically. One of its applications of this is to determine optimal sample size for transgenic shipments that are not uniform. The detection of transgenic material in commercial samples with high sensitivity in the international trade is another instance of its applications