بررسي عملكرد روش ششم از رگرسيون ريج در ارزيابي ژنومي صفات آستانه‌دار با معماري ژنتيكي افزايشي و غالبيت

مقدمه و هدف: يكي از مسائل مهم در انتخاب ژنومي، برآورد اثر نشانگرها است. روش‌هاي مختلفي در طي سال‌هاي اخير جهت برآورد اثر نشانگرها پيشنهاد شده‌ اند كه هر كدام ارزش‌هاي اصلاحي ژنومي را با صحت متفاوتي برآورد مي نمايند. يكي از روش هاي مورد استفاده در ارزيابي ژنومي روش رگرسيون ريج مي‌ باشد (rrBLUP) كه در مطالعات مختلف براي پيش بيني ارزش هاي اصلاحي ژنومي مورد استفاده قرار گرفته است. اخيراً با اعمال تغييراتي در پارامترهاي روشrrBLUP نسخه ‌اي از اين روش تحت عنوان رگرسيون ريج-روش ششم (RR-m6) براي حل مسائل رگرسيون پيشنهاد شده است. با اين حال، تاكنون اين روش در ارزيابي ژنومي صفات آستانه ‌دار با معماري ژنتيكي افزايشي و غالبيت مورد استفاده قرار نگرفته است و عملكرد آن در اين زمينه مشخص نيست. لذا در اين تحقيق عملكرد پيش بيني اين روش با ساير روش ‌هاي رايج در ارزيابي ژنومي مقايسه شد. مواد و روش ‌ها: ژنومي شامل 10 كروموزوم، هر كدام حاوي 1000 نشانگر تك نوكلئوتيدي دو آللي (SNP) در سطح وراثت پذيري 0/5 شبيه ‌سازي شد. به همه جايگاه‌هاي صفات كمي (QTLها) اثرات ژنتيكي افزايشي داده شد كه اثرات آنها با توزيع گاما مدل سازي شد. دو سناريو از تعدادQTL  به‌صورت 1% و 10% از تعداد كل SNPها (به‌ترتيب 10 و 100 QTL به ازاء هر كروموزوم) در نظر گرفته شد. همچنين در سناريوهاي مختلف به 0/0، 50 و 100% از QTLها اثر غالبيت داده شد. ارزش ‌هاي اصلاحي ژنومي با استفاده از روش‌ هاي RR-m6، rrBLUP، GBLUP، BayesA، درخت رگرسيوني (RT)، جنگل تصادفي (Random Forest, RF) و Boosting برآرود شده و شاخص ‌هاي صحت پيش بيني، اريبي و پراكنش (تورم ارزش هاي اصلاحي ژنومي) براي تجزيه و تحليل ارزش ‌هاي اصلاحي حاصل و مقايسه روش‌ هاي مختلف مورد استفاده قرار گرفتند. در ضمن، زمان محاسباتي و ميزان حافظه مورد نياز براي پردازش كدهاي مربوط به هر روش بر روي CPU محاسبه شد. يافته ‌ها: نتايج نشان داد استفاده از يك مدل صرفاً افزايشي زماني كه اثرات ژنتيك غالبيت در تنوع فنوتيپي صفت مشاركت داشته باشند، منجر به كاهش صحت و افزايش اريبي و پراكنش ارزش هاي اصلاحي ژنومي خواهد شد كه ميزان آن با تعداد QTLهايي كه اثر غالبيت دارند رابطه مستقيم داشت. در مقايسه با ساير روش ‌ها، روش RR-m6 عملكرد بسيار مطلوبي از خود نشان داد به‌صورتي كه در تمامي سناريوهاي مطالعه شده، ارزش ‌هاي اصلاحي ژنومي حاصل از آن از بيشترين صحت و كمترين اريبي و پراكنش برخوردار بود اگرچه در بيشتر موارد تفاوت آن با روش BayesA معني‌ دار نبود. از نظر سرعت محاسباتي روش RR-m6 سريعترين روش ‌ها بود و در ضمن در مقايسه با ساير روش ‌ها به حافظه كمتري براي انجام تجزيه و تحليل ها احتياج داشت. نتيجه‌گيري: نتايج نشان داد از آن جا كه روش RR-m6 ارزش هاي اصلاحي ژنومي را با صحت بالايي پيش بيني مي‌ كند و در ضمن از نظر مدت زمان انجام محاسبات و ميزان حافظه مورد نياز نيز بسيار كارآمد است، مي ‌توان از آن براي ارزيابي ژنومي صفات آستانه دار استفاده نمود.