احمد احمدی

در این مطالعه عملکرد دو روش جنگل تصادفی (Random Forest, RF) و k-نزدیکترین همسایه (KNN) در بازیابی ژنوتیپ های از دست رفته در سناریوهای مختلف از درصد حذف ژنوتیپ ها، تعداد افراد حاضر در جمعیت و تعداد نشانگر تک نوکلئوتیدی دو آللی (SNP) مورد مقایسه قرار گرفت. به این منظور، ژنومی متشکل از 1 کروموزوم به طول یک مورگان که بر روی آن در سناریوهای مختلف به ترتیب 250، 500، 700 و 1000 SNP با فراوانی اولیه یکسان 5/0 توزیع شده بود برای به ترتیب 250، 500، 700 و 1000 فرد شبیه سازی شد. در ادامه جهت ایجاد فایل اطلاعات حاوی ژنوتیپ های از دست رفته، اطلاعات ژنوتیپی به ترتیب 5%، 10%، 25%، 50%، 75% و 90% از SNPهای فراد به طور تصادفی از ماتریس ژنوتیپی افراد حذف شده و مجدداً توسط روش های RF و KNN بازیابی شدند. درصد ژنوتیپ های به درستی بازیابی شده (نسبت تعداد ژنوتیپ های به درستی بازیابی شده به کل ژنوتیپ-های از دست رفته) به عنوان شاخصی از صحت بازیابی ژنوتیپ در سناریوهای مختلف مورد استفاده قرار گرفت. صحت بازیابی ژنوتیپ های از دست رفته با استفاده از روش SVD قابل توجه بود به طوری که با افزایش درصد ژنوتیپ های از دست رفته تا 25%، RF و KNN با صحتی در حدود 80% ژنوتیپ های از دست رفته را بازیابی نمود. در سناریوهای50%، 75% و 90% ژنوتیپ از دست رفته صحت بازیابی ژنوتیپ کاهش یافت. در یک درصد ثابت از ژنوتیپ های از دست رفته، با افزایش تعداد نشانگر صحت بازیابی ژنوتیپ در هر دو روش RF و KNN افزایش یافت. همچنین، در شرایط برابر از تعداد نشانگر و درصد ژنوتیپ از دست رفته، با افزایش تعداد افراد حاضر در جمعیت از 250 فرد به 1000 فرد، توانایی بازیابی ژنوتیپ توسط هر دو روش RF و KNN افزایش یافت. به طور کلی روش روش RF از عملکرد بهتری نسبت به روش KNN برخوردار بود به نحوی که صحت بازیابی ژنوتیپ توسط روش RF در سناریوهای مختلف به طور میانگین 10% بالاتر از روش KNN بود.