استفاده از روشهاي يادگيري ماشين در طبقه بندي نژادهاي اسب با استفاده از داده هاي ژنومي

با تكميل شدن پروژههاي توالي يابي DNA انسان و بسياري از گونههاي ديگر، گرايش تحقيقات به سمت شناخت ساختار ژنوم، مكانيسمهاي تكامل و يافتن مكانهاي ژني تحت انتخاب با استفاده از اطلاعات ژنوميك افزايش يافته است. ابداع اخير روش توالي يابي با توان بالا و مقرون به صرفه، ارزيابي ساختار ژنتيكي و ارتباط ميان جمعيت هاي يك گونه را فراهم ساخته است. به طور كلي تجزيه و تحليلهاي مختلف در مقياس فردي پيشنهاد ميكند كه پارتيشن بندي گلههاي گاوي به جمعيتهاي مجزا، با خصوصيت تنوع ژنتيكي ارتباط دارد. اسنيپهاي زيادي در ژنوم حيوانات اهلي شناسايي شدهاند كه اين منجر به توسعه تكنولوژي محصولات استانداردي شده است كه معمولا تراشه اسنيپ ناميده ميشود، و قادر به توليد دادههاي ژنومي در مقياس وسيع مي باشد. اسنيپ ها در مطالعه تنوع ژنتيكي دامهاي اهلي و ساختار جمعيت سودمند هستند. استنتاج ساختار جمعيت از ماركرهاي ژنتيكي، در شرايط گوناگون مثل مطالعات ارتباطي و تكاملي، دسته بندي زيرگونهها و تعيين موانع ژنتيكي مفيد ميباشد. روشهاي مختلفي براي تعيين ساختار جمعيت وجود دارد كه يكي از روش هاي نوين روش هوش مصنوعي است. به طور كلي روش هاي يادگيري ماشين امروزه در آناليز ها بكار گرفته مي شوند تا دادههاي SNP اسب را طبقه بندي كنند. به منظور بررسي اينكه آيا اين نژادهاي اسب متعلق به يك منشا ژني هستند و آيا از لحاظ ژنتيكي با هم تفاوت دارند، ساختار اين نژادها با استفاده از تراشههاي SNP Chip 50 K با مدل هاي مختلف آناليز ميشوند.