فرهاد غفوری کسبی

هدف از انجام تحقیق حاضر، مقایسه عملکرد روش rrBLUP-method6با برخی روش های آماری رایج (rrBLUP، GBLUP و BayesA) در پیش بینی ارزش های اصلاحی ژنومی دام ها در سناریوهای مختلف از سطوح مختلف وراثت پذیری، توزیع اثرات QTL و نیز تعداد متفاوت جایگاه های صفات کمی (QTL) با استفاده از شبیه سازی کامپیوتری بود. بدین منظور ژنومی حاوی 5000 نشانگر تک نوکلئوتیدی دو آللی (SNP) روی 5 کروموزوم هر کدام به طول 1 مورگان شبیه سازی، و سطوح مختلف وراثت پذیری (1/0، 3/0 و 5/0)، توزیع های متفاوت اثرات QTL (یکنواخت، نرمال و گاما) و نیز دو سناریو از تعدادQTL (50 و 500 QTL) به صورت فرضیه های شبیه سازی در نظر گرفته شد. با تغییر در تعداد QTL ها از 50 به 500 تغییر معنی داری در صحت پیش بینی مشاهده نشد. در بعضی موارد با افزایش تعدادQTL، صحت پیش بینی تا حدودی کاهش یافت و در موارد دیگر اندکی افزایش مشاهده شد. در مقابل در همه روش ها با افزایش سطح وراثت پذیری، صحت ارزش های اصلاحی ژنومی به طور معنی داری افزایش پیدا کرد. نحوه مدل سازی اثرات QTL نیز تاثیر معنی داری بر صحت پیش بینی ارزش های اصلاحی نداشت. روش rrBLUPm6 در سناریو 50 QTL تفاوت معنی داری با سایر روش ها نداشت اما در سناریو 500 QTL از صحت بالاتری برخوردار بود و تفاوت آن خصوصا در سطح وراثت پذیری 1/0 و 3/0 نسبت به rrBLUP معنی دار بود (p<0.05). در سناریو 50 QTL روش BayesA عملکرد بهتری نسبت به سایر روش ها داشت اگر چه تفاوت ها معنی دار نبود (p>0.05). در میان روش های مورد مطالعه روش rrBLUPm6 از نظر تخصیص حافظه با 38 کیلوبایت کارآمدترین روش بود. از این نظر، روش GBLUP با 25/38 کیلوبایت، روش BayesA با 584 کیلوبایت و روش rrBLUP با 1800 کیلوبایت در رتبه های بعدی قرار گرفتند. از نظر مورد زمان انجام محاسبات نیز روش rrBLUPm6 با مدت زمان 33 ثانیه در رتبه اول قرار گرفت و روش های GBLUP با 38 ثانیه، rrBLUP با 170 ثانیه و BayesA با 246 ثانیه به ترتیب در رتبه های بعد قرار گرفتند. نتایج این تحقیق نشان داد از آن جا که روش rrBLUPm6 ارزش های اصلاحی ژنومی را با صحت بالایی پیش بینی می-کند و در ضمن از نظر مدت زمان انجام محاسبات و میزان حافظه مورد نیاز نیز بسیار کارآمد است می توان آن را برای انتخاب ژنومی مورد استفاده قرار داد.