هدف این تحقیق مقایسه عملکرد سه روش SVM، GBLUP و BayesB و معرفی روشی با بیشترین صحت پیش بینی در ارزیابی ژنومی صفات آستانه ای و هم چنین مطالعه تاثیر تعداد آستانه، وراثت پذیری و تعداد جایگاه های صفات کمی (QTL) بر صحت ارزیابی ژنومی صفات آستانه ای بود. به این منظور ژنومی متشکل از 3 کروموزوم هریک به طول 1 مورگان برای 1000 فرد شبیه سازی شد که روی آن 1000 نشانگر تک نوکلئوتیدی دو آللی (SNP) به طور یکنواخت پخش شدند. از سه روش SVM، GBLUP و BayesB برای برآورد اثر SNPها و ارزش های اصلاحی ژنومی در سناریوهای مختلف از تعداد آستانه (1 الی 6 آستانه) با 2، 3، 4، 5، 6 و 7 کلاس فنوتیپی، تعداد QTL (30 و 300 QTL) و وراثت پذیری صفت (1/0، 3/0، 5/0) استفاده شد. با افزایش تعداد آستانه از 1 آستانه به 6 آستانه صحت ارزیابی ژنومی در هر سه روش افزایش پیدا کرد. البته افزایش در صحت ارزیابی ژنومی در زمانی که تعداد آستانه از 1 به 2 آستانه افزایش پیدا کرد بسیار قابل توجه تر بود نسبت به زمانی که تعداد آستانه از 2 به 3 و بالاتر تغییر کرد. در تعداد آستانه برابر 1 و وراثت پذیری پایین روش SVM عملکرد بسیار ضعیفی از خود نشان داد به طوری که صحت پیش بینی آن به به طور معنی داری پایین تر از دو روش دیگر بود (05/0>p). به طور کلی تقریبا در تمامی سناریوهای بررسی شده روش های BayesB و GBLUP از صحت پیش بینی بالاتری نسبت به روش SVM برخوردار بودند هر چند در برخی موارد تفاوت مشاهده شده معنی دار نبود. با افزایش وراثت پذیری صحت ارزیابی ژنومی افزایش پیدا کرد به طوری که حداکثر صحت پیش بینی در وراثت پذیری 5/0 مشاهده شد. تغییر در تعداد QTL از 30 QTL به 300 QTL تغییر محسوسی در صحت پیش بینی ارزشهای اصلاحی ژنومی (صحت ارزیابی ژنومی) ایجاد نکرد. با توجه به نتایج پیشنهاد شد که برای ارزیابی ژنومی صفات با یک آستانه از روش SVM استفاده نشود و به جای آن از روشهای توانمندتری مانند GBLUP و BayesB استفاده شود.