برآورد اجزاي واريانس وزن بدن گوسفند مرينوس در تولد و شيرگيري با استفاده از نشانگرهاي تك نوكلئوتيدي و دو رويكرد حداكثر درست‌نمايي محدود شده و بيزي

Estimation of variance components for body weight of Merino sheep at birth and weaning using single nucleotide markers and REML and Bayesian approaches

مقدمه: برآورد دقيق اجزاي واريانس ژنتيكي و غير ژنتيكي با اطلاعات شجره‌اي و ژنومي، از ملزومات پيش‌بيني صحيح ارزش‌هاي اصلاحي مي‌باشد. دسترسي به آرايه‌هاي چندشكلي تك‌نوكلئوتيدي (SNP) با تراكم بالا و افزايش تعداد حيوانات با اطلاعات ژنوتيپي، دقت و صحت برآوردهاي مبتني بر جمعيت را افزايش مي‌دهد. انتخاب ژنومي به‌طور بالقوه‌اي قادر است بيشتر واريانس ژنتيكي را توسط نشانگرها توجيه نمايد. هدف از مطالعه حاضر، برآورد مؤلفه واريانس ژنتيكي افزايشي براي صفات وزن تولد و وزن شيرگيري در گوسفند مرينوس با دو روش حداكثر درست‌نمايي محدود شده و بيزي بود. مواد و روش‌ها: براي انجام اين پژوهش از اطلاعات گوسفندان مرينوس استراليايي كه با تراشه نشانگري SNP50k شركت ايلومينا، تعيين ژنوتيپ شده بودند، استفاده شد. پس از كنترل كيفيت داده‌هاي فنوتيپي و نشانگري، 2189 فرد و 45875 نشانگر براي انجام تجزيه و تحليل استفاده شدند. صفات مورد بررسي در اين تحقيق، وزن تولد (1331 ركورد) و وزن شيرگيري (2136 ركورد) بودند. براي مطالعه رابطه بين فراواني آللي و مقدار واريانس ژنتيكي افزايشي توجيه شده، SNPها در پنج گروه مختلف از فراواني آللي كمياب (MAF)، با تعداد تقريبا برابر در هر گروه، طبقه بندي شدند (0/18-0، 0/28-0/18، 0/36-0/28، 0/43-0/36 و 0/499-0/43). تجزيه و تحليل با دو رويكرد حداكثر درست‌نمايي محدود شده (REML) و بيزي با استفاده از تكنيك نمونه‌گيري گيبس و مدل RKHS انجام گرفت. يافته‌ها: مقدار وراثت‌پذيري ژنومي برآورد شده با همه SNPها در رويكر REML براي وزن تولد و وزن شيرگيري به ترتيب برابر 0/07±0/58 و 0/05±0/46 بود. اين مقدار وراثت‌پذيري در آناليز بيزي و به روش RKHS براي صفات مذكور به ترتيب برابر 0/07±0/58 و 0/05±0/46 برآورد شد. برآوردهاي به دست آمده از 5 گروه مختلف MAF، در آناليزهاي جداگانه و توأم، با هم متفاوت بود. براي هر دو صفت، در دو رويكرد REML و بيزي، مقادير واريانس ژنتيكي افزايشي در تجزيه‌هاي جداگانه، براي همه گروه‌ها، بيشتر از مقادير به دست آمده در آناليز توأم بود. در تجزيه و تحليل مجزاي گروه‌هاي مختلف MAF، در هر دو رويكرد ، مقدار وراثت‌پذيري ژنومي به دست آمده، براي گروه‌هاي مختلف، مشابه بود ولي در تجزيه توأم، بين دو رويكرد REML و بيزي مقدار واريانس ژنتيكي توجيه شده در زيرگروه‌هاي مختلف MAF، تفاوت زيادي وجود داشت. در رويكرد REML در تجزيه و تحليل توأم، مقدار وراثت‌پذيري براي گروه 2 (0/28-0/18=MAF) در وزن تولد و براي گروه 5 (0/499-0/43=MAF) در وزن شيرگيري مقدار صفر به دست آمد. در رويكرد Bayes براي هيچ‌كدام از گروه‌ها، مقدار وراثت‌پذيري برابر صفر نبود. در مجموع واريانس‌هاي ژنتيكي پنج گروه مختلف MAF، كه در آناليز جداگانه نسبت به واريانس محاسبه شده به وسيله همه SNPها به صورت همزمان، بسيار بزرگتر بود. اما مجموع اين واريانس‌ها در آناليز توأم، مشابه مقدار به دست آمده از كل SNPها، براي هر دو صفت و در هر دو رويكرد بود. نتيجه‌گيري: در رويكرد بيزي يك توزيع پيشين مشترك براي واريانس‌ها در نظر گرفته مي‌شود، بنابراين به نظر مي‌رسد نتايج حاصل از رويكرد بيزي دقيق‌تر و معتبرتر از رويكرد‌ ديگر باشد. اگر چه تعداد SNPها در گروه‌هاي مختلف، مشابه بود، اما مقدار واريانس ژنتيكي توجيه شده توسط گروه‌هاي مختلف MAF متفاوت بود.

Background and objectives: Accurate es timation of variance components using pedigree and genomic data is important for prediction of breeding values. Availability of high density single nucleotide polymorphisms (SNP) arrays and genotyping many individuals resulted in the increase of accuracy o f population - based estimates. Genomic selection potentially can explain all genetic variance by markers. The aim of this study was to determine the amount of genomic additive variation for birth weight and weaning weight of Merino sheep by different m inor allele frequency ( MAF ) groups using two statistical approaches i.e. REML and Bayesian. Material and methods: In this study, data of 2189 Merino sheep, genotyped by 50k Illumina SNP chip were used. After the quality control of genotyping data, 47342 marker s remained for subsequent analysis. For birth weight and weaning weight 1331 and 2136 records were available, respectively. To study the association between allele frequency spectrum and captured additive genetic variance, all SNPs were partitioned in five MAF bins with the equal numbers of SNPs (0 - 0.18, 0.18 - 0.28, 0.28 - 0.36, 0.36 - 0.43 and 0.43 - 0.499). The analysis was performed using REML and a Bayesian method implemented via Gibbs sampling and RKHS model. Results: Using all common SNPs in REML approach, estimates of genomic heritability were 0.58±0.07 and 0.46±0.05 for birth weight and weaning weight, respectively. This heritability values in Bayesian analysis and RKHS method for these traits were estimated to be 0.58±0.07 and 0.46 ± 0.05, respectively. The amount of genetic variation explained by five different MAF groups was different in separate and joint analysis. The estimates from separate analysis were higher than joint analysis for two traits and two (REML and Bayesian) methods. In separate analys is, the genomic heritability was similar for all MAF bins by two approaches. In the joint analysis there were large differences between REML and Bayesian estimates in terms of explaining genetic variation across MAF subsets. For birth weight, SNPs with MAF 0.18 - 0.28 marked the largest amount of genomic heritability using REML method. In this method, heritability of Weaning weight was zero using SNP with MAF 0.43 - 0.499. All MAF bins contributed to genetic variation in Bayesian method. In separate analysis, s um of genomic variances for five MAF bins was larger than estimated variance by all set of SNPs together, while sum of this variances in joint analysis was same as the value of variance obtained by all SNPs for both traits and both statistical methods. C onclusion: Variance components obtained by Bayesian method are more realistic, because they have less prediction error variance. Bayesian methods considered common prior distribution for the variance, so results of this method were more reliable than other methods. Although the number of SNPs in different groups was similar, the amount of genetic variance explained by the different MAF groups was different.