مقایسه صحت ارزش های پیش بینی ژنومی درتراکم های مارکری و جمعیت های مرجع مختلف با استفاده از مدل BLUP برپایه اطلاعات شجره ای و ژنومی

Subject Areas : Camel

ش.  برجسته ¹ (Department of Animal Science, Faculty of Agriculture, University of Zabol, Zabol, Iran)
غ.ر.  داشاب ² (دانشگاه زابل)
م.  رکوعی ³ (Department of Animal Science, Faculty of Agriculture, University of Zabol, Zabol, Iran)
م.م.  شریعتی ⁴ (Department of Animal Science, Faculty of Agriculture, Ferdowsi University of Mashhad, Mashhad, Iran)
م.  وفای واله ⁵ (Department of Animal Science, Faculty of Agriculture, University of Zabol, Zabol, Iran)

Received: 2019-06-06 Accepted : 2019-08-31 Published : 2020-06-01

Keywords: شبیه سازی, صحت, انتخاب ژنومی, ‌ تراکم نشانگری,

Abstract :

برای استفاده موفقیت­ آمیز از انتخاب ژنومی، تراکم مارکری و ساختار جمعیت مرجع بسیار تأثیرگذار خواهد بود. تحقیق حاضر به ­منظور مقایسه صحت پیش ­بینی ارزش­ های اصلاحی ژنومیکی در تراکم ­های مختلف نشانگری شامل پائین (K5)، متوسط (K50) و بالا (K777) در جمعیت شبیه ­سازی شده براساس سناریوهای مختلف انتخاب جمعیت­ مرجع بود. بعد از شبیه­ سازی ساختار جمعیت پایه (تحت تأثیر جهش و رانش) و جمعیت اخیر (تحت تأثیر انتخاب)، تعداد 800 حیوان در جمعیت مرجع قرار گرفتند. سه سناریو جهت کاهش تعداد جمعیت مرجع مورد استفاده قرار گرفت که شامل: 1) 400 حیوان با بیشترین رابطه خویشاوندی با جمعیت هدف، 2) 400 حیوان با بیشتر میزان همخونی، 3) 400 حیوان انتخاب شده به صورت تصادفی. ارزش اصلاحی ژنومی افراد برای صفات با دو سطح وراثت­پذیری (0.5 و 0.25) با استفاده از بهترین پیش­ بینی نااریب خطی (BLUP) با ترکیب ­های مختلفی از اطلاعات شجره­ای و ژنومی شامل، ABLUP که تنها از ماتریس روابط شجره­ای (A) استفاده نموده، GBLUP که تنها از ماتریس روابط ژنومی (G) استفاده نموده، و BLUP|GA که از ترکیب هر دو ماتریس A و G براساس یک پارامتر وزنی (l) استفاده می ­نماید، برآورد گردید. با افزایش l مدل پیش ­بینی از GBLUP (که l برابر صفر است) به ABLUP (که l برابر یک می ­باشد) تغییر می­ نماید. نتایج نشان داده که بدون توجه به اثرات تراکم پنل، استفاده از ماتریس G (l=0) و ماتریس A (l=1) به ترتیب بیشترین و کمترین مقادیر صحت پیش ­بینی را داشتند. با مقایسه سناریوهای مختلف انتخاب جمعیت مرجع نشان داده شد که استفاده از همه افراد در جمعیت مرجع منجر به بیشترین برآورد صحت ارزش ­های اصلاحی گردید (P<0.05). در مقابل استفاده از پنل­ های با تراکم کمتر به­ طور قابل ملاحظه ­ای صحت پیش ­بینی ارزش ­های اصلاحی را کاهش دادند. انتخاب افراد با روابط خویشاوندی ژنتیکی بالاتر جمعیت مرجع با هدف به ­طور معنی­ داری کاهش صحت پیش ­بینی ژنومی به علت اندازه جمعیت مرجع کوچک را بهبود بخشید.

References:

Amiri Roudbar M., Abdollahi-Arpanahi R., Mehrgardi A.A., Mohammadabadi M., TaheriYeganeh A. and Rosa G.J.M. (2018). Estimation of the variance due to parent-of-origin effects for productive and reproductive traits in Lori-Bakhtiari sheep. Small Rumin. Res. 160, 95-102.

Amiri Roudbar M., Mohammadabadi M., Mehrgardi A.A. and Abdollahi-Arpanahi R. (2017). Estimates of variance components due to parent of origin effects for body weight in Iran-Black sheep. Small Rumin. Res. 149, 1-5.

Boichard D., Ducrocq V., Croiseau P. and Fritz S. (2016). Genomic selection in domestic animals: Principles, applications and perspectives. C.R. Biol. 339, 274-277.

Boison S.A., Utsunomiya A.T.H., Santos D.J.A., Neves H.H.R., Carvalheiro R. and Mészáros G. (2017). Accuracy of genomic predictions in Gyr (Bos indicus) dairy cattle. J. Dairy Sci. 100, 1-12.

Calus M.P.L. (2010). Genomic breeding value prediction: Methods and procedures. Animal. 4, 157-164.

Calus M.P.L., Meuwissen T.H.E., de Roos A.P.W. and Veerkamp R.F. (2008). Accuracy of genomic selection using different methods to define haplotypes. Genetics. 178, 553-561.

Clark S.A., Hickey J.M., Daetwyler H.D. and Van der Werf J.H. (2012). The importance of information on relatives for the prediction of genomic breeding values and the implications for the makeup of reference data sets in livestock breeding schemes. Genet. Sel. Evol. 44, 4-14.

Daetwyler H.D., Villanueva B. and Woolliams J.A. (2008). Accuracy of predicting the genetic risk of disease using a genome-wide approach. PLoS One. 3, e3395.

De los Campos G., Hickey J.M., Pong-Wong R., Daetwyler H.D. and Calus M.P.L. (2013). Whole-genome regression and prediction methods applied to plant and animal breeding. Genetics. 193, 327-345.

Habier D., Fernando R.L. and Dekkers J.C.M. (2007). The impact of genetic relationship information on genome-assisted Breeding values. Genetics. 177, 2389-2397.

Hayes B.J. and Goddard M.E. (2008). Technical note: Prediction of breeding values using marker-derived relationship matrices. J. Anim. Sci. 86, 2089-2092.

Hayes B.J., Bowman P.J., Chamberlain A.C. and Goddard M.E. (2009a). Invited review: Genomic selection in dairy cattle: Progress and challenges. J. Dairy Sci. 92, 433-443.

Hayes B.J., Bowman P.J., Chamberlain A.C., Verbyla K. and Goddard M.E. (2009b). Accuracy of genomic breeding values in multi-breed dairy cattle populations. Genet. Sel. Evol. 24, 41-51.

Henderson C.R. (1984). Applications of Linear Model in Animal Breeding. University of Guelph, Guelph, Ontario, Canada.

Lourenco D.A.L., Fragomeni B.O., Tsuruta S., Aguilar I., Zumbach B., Hawken R.J., Legarra A. and Misztal I. (2015). Accuracy of estimated breeding values with genomic information on males, females, or both: an example on broiler chiken. Genet. Sel. Evol. 47, 56-66.

Lund M.S., De Roos A.P.W., De Vries A.G., Druet T., Ducrocq V., Fritz S. and Schrooten C. (2010). Improving genomic prediction by Euro Genomics collaboration. Pp. 24-29 in 10^th World Conf. Genet. Appl. Livest. Prod., Leipzig, Germany.

Meuwissen T.H.E. (2009). Accuracy of breeding values of 'unrelated' individuals predicted by dense SNP genotyping. Genet. Sel. Evol. 41, 35-44.

Momen M., AyatollahiMehrgardi A., AmiriRoudbar M., Kranis A., Mercuri Pinto R., Valente B.D., Morota G., Rosa G.J.M. and Gianola D. (2018). Including phenotypic causal networks in genome-wide association studies using mixed effects structural equation models. Front. Genet. 9, 455-463.

Mrode R., Ojango J.M.K., Okeyo A.M. and Mwacharo J.M. (2019). Genomic selection and use of molecular tools in breeding programs for indigenous and crossbred cattle in developing countries: Current status and future prospects. Front. Genet. 9, 694-702.

Pérez-Cabal M.A., Vazquez A.I., Gianola D., Rosa G.J.M. and Weigel K.A. (2012). Accuracy of genome-enabled prediction in a dairy cattle population using different cross-validation layouts. Front. Genet. 3, 27-35.

Sargolzaei M. and Schenkel F. (2009). QMSim: A large-scale genome simulator for livestock. Bioinformatics. 25, 680-681.

Silva M.V., dos Santos D.J.A., Solomon A.B., Utsunomiya A.T.H., Carmo A.S., Sonstegard T.S., Cole J.B. and Van Tassell C.P. (2014). The development of genomics applied to dairy breeding. Livest. Sci. 166, 66-75.

Solberg T.R., Sonesson A.K., Woolliams J.A. and Meuwissen T.H. (2008). Genomic selection using different marker types and densities. J. Anim. Sci. 86, 2447-2454.

Su G., Madsen P., Nielsen U.S., Mäntysaari E.A., Aamand G.P., Christensen O.F. and Lund M.S. (2012). Genomic prediction for Nordic Red cattle using one-step and selection index blending. J. Dairy Sci. 95, 909-917.

Teimourian M., Shariati M.M. and Aslaminejad A. (2015). Comparing various statistical methods in genomic selection of Holstein populations. Anim. Prod. Res. 7, 198-203.

Van Raden P.M. (2008). Efficient methods to compute genomic predictions. J. Dairy Sci. 91, 4414-4423.

Van Raden P.M., Van Tassell C.P., Wiggans G.R., Sonstegard T.S., Schnabel R.D., Taylor J.F. and Schenkel F.S. (2009). Invited review: Reliability of genomic predictions for North American Holstein bulls. J. Dairy Sci. 92, 16-24.

Villumsen T.M., Janss L. and Lund M.S. (2009). The importance of haplotype length and heritability using genomic selection in dairy cattle. J. Anim. Breed. Genet. 126, 3-13.

Vitezica Z.G., Aguilar I., Misztal I. and Legarra A. (2011). Bias in genomic predictions for populations under selection. Genet. Res. 93, 357-366.

Wang Q., Yu Y., Yuan J., Zhang X., Huang H., Li F. and Xiang J. (2017). Effects of marker density and population structure on the genomic prediction accuracy for growth trait in Pacific white shrimp Litopenaeus vannamei. BMC Genet. 18, 45-51.

Wiggans G.R., Cole J.B., Hubbard S.M. and Sonstegard T.S. (2017). Genomic selection in dairy cattle: The USDA experience. Annu. Rev. Anim. Biosci. 5, 309-322.