Inroduction & Objective: Linkage disequilibrium (LD) advancement map and the specification of population-level haplotype block structures are parameters that are helpful for managing the study of the Genome wide Association (GWAS), and to comprehend the nature of no More
Inroduction & Objective: Linkage disequilibrium (LD) advancement map and the specification of population-level haplotype block structures are parameters that are helpful for managing the study of the Genome wide Association (GWAS), and to comprehend the nature of non-linear relationship among phenotypes and genotype. Compared with single nucleotide polymorphisms (SNP), genomic prediction fitting haplotype alleles and improve prediction accuracy; but the increase in accuracy belong how the Haplotype block are characterized. The aim of this study was to test the optimal size for haplotype length in genomic predictions. Material and Method:The Haplotype alleles were defined according the SNP alleles in not covering blocks 125 Kb, 250 Kb, 500 Kb, and 1 Mb. The Haplotype alleles with frequencies below 1, 2.5, 5 or 10% are eliminated. Two methods, Bayes A and Bayes B, were used to predict the genomic effects of SNPs and haplotypes. From Bayes A and B methods to predict the genomic effects of SNPs and haplotypes in three traits with three levels of heritability (milk production (h2 = 0.1), carcass weight (h2 = 0.3) and body weight in Maturity (h2 = 0.45) was used. Results: The highest genomic prediction obtained in body weight at maturity by Bayesian method B (0.652) during 250 kb haplotypic block and the lowest by Bayesian method A in milk production (0.407) during haplotypic block 1 Mb. Haplotype blocks of 250 kb with a frequency threshold of 1% provided the highest genomic prediction accuracy. Comparing Bayes A and Bayes B methods, Bayes B method provided higher estimation accuracy in both SNP-based and haplotype allele-based models. Conclusion: : Placing haplotype alleles instead of SNPs in the statistical model, if the haplotype length is properly defined, improves the accuracy of genomic prediction.
Manuscript profile
ارزیابی ژنومی با استفاده از تعداد زیادی از چندشکلی­های تک نوکلئوتیدی (SNP) در سراسر ژنوم و ترکیب روشهای آماری با داده­های ژنومی جهت پیش­بینی ارزش اصلاحی، قابل اجرا می­باشد. پیش­بینی ژنومی وابسته به وجود عدم تعادل پیوستگی بین نشانگرهای ژنتیکی و QTLها More
ارزیابی ژنومی با استفاده از تعداد زیادی از چندشکلی­های تک نوکلئوتیدی (SNP) در سراسر ژنوم و ترکیب روشهای آماری با داده­های ژنومی جهت پیش­بینی ارزش اصلاحی، قابل اجرا می­باشد. پیش­بینی ژنومی وابسته به وجود عدم تعادل پیوستگی بین نشانگرهای ژنتیکی و QTLها در جمعیت است. روش­هایی که به طور همزمان می­توانند اثر تمامی نشانگرها به کار بگیرند، سبب افزایش صحت پیش­بینی شده و در نتیجه بخش اعظم واریانس توسط این روش­ها قابل توصیف است. فرض بر این است که روش­های ژنومی به طور گسترده­ای توسط معماری ژنتیکی صفات و ژنوم تغییر می­کند. روش­های غیرخطی ژنومی شامل بیزA، بیزB و بیز LASSO، توسط شبیه­سازی با سه اندازه مؤثر جمعیت متفاوت (Ne) باهم مقایسه شدند. بنابراین ژنومی شامل 3 کروموزوم، هر کدام به طول 100 سانتی­مورگان شبیه­سازی شد. برای هر حیوان صفتی با وراثت­پذیری 5/0، سه سطح مختلف تراکم نشانگری (1000، 2000 و 3000) با سه سطح متفاوت تعداد QTL شامل 100، 200 و 300 فرض شد. داده­ها با دو توزیع متفات اثر QTL شامل توزیع یکنواخت و گاما (66/1=α و 4/0=β) شبیه سازی شدند. تراکم نشانگری، تعداد QTL و توزیع اثرات QTL به طور معنی­داری صحت ارزش اصلاحی ژنومی را در سطوح مختلف اندازه مؤثر جمعیت، تحت تأثیر قرار دادند (05/0>P). در مقایسه سه روش آماری، بیشترین میزان صحت ارزش اصلاحی ژنومی توسط روش بیز B در صفاتی با تعداد QTL پایین، تراکم نشانگری بالا، توزیع گاما اثر QTL و اندازه مؤثر جمعیت بالا حاصل شد.
Manuscript profile
پیشرفت انتخاب ژنومی به طور گسترده­ای وابسته به وجود عدم تعادل پیوستگی بین نشانگرها و QTLها، تعداد QTL و وراثت­پذیری صفت است. وجود عدم تعادل پیوستگی به ساختار ژنتیکی جمعیت و تراکم نشانگری بستگی دارد. این مطالعه جهت تخمین اثر تراکم نشانگر، وراثت­پذیری صفت و تع More
پیشرفت انتخاب ژنومی به طور گسترده­ای وابسته به وجود عدم تعادل پیوستگی بین نشانگرها و QTLها، تعداد QTL و وراثت­پذیری صفت است. وجود عدم تعادل پیوستگی به ساختار ژنتیکی جمعیت و تراکم نشانگری بستگی دارد. این مطالعه جهت تخمین اثر تراکم نشانگر، وراثت­پذیری صفت و تعداد QTL روی صحت ارزش­های اصلاحی ژنومی توسط دو روش آماری GBLUP و بیزA صورت پذیرفت. بنابراین سه صفت (تولید شیر، وزن لاشه و وزن بلوغ) به ترتیب با وراثت­پذیری 1/0، 3/0 و 5/0 با ژنومی شامل 3 کروموزوم، هر کدام به طول 100 سانتی­مورگان در گوسفند شبیه­سازی شد. سه سطح مختلف تراکم نشانگری (1000، 2000 و 3000) با سه سطح متفاوت تعداد QTL شامل 100، 200 و 300 در نظر گرفته شد. داده­ها با دو توزیع متفات اثر QTL شامل توزیع یکنواخت و گاما (66/1=α و 4/0=β) شبیهسازی شدند. تراکم نشانگری، تعداد QTL، توزیع اثرات QTL و سطوح مختلف وراثت­پذیری صفت به طور معنی­داری صحت ارزش اصلاحی ژنومی را تحت تأثیر قرار دادند (05/0>P). بیشترین میزان صحت ارزش اصلاحی ژنومی توسط روش بیزA در صفاتی با تعداد QTL پایین و توزیع گاما اثر QTL حاصل شد. بر اساس نتایج حاصل از این شبیه­سازی، وراثت­پذیری صفت همانند تراکم نشانگری می­تواند سبب افزایش عدم تعادل پیوستگی بین نشانگرها و QTLها شود که این امر در اجرای موفق انتخاب ژنومی ضروری می­باشد.
Manuscript profile
Sanad
Sanad is a platform for managing Azad University publications
