مقايسه روش هاي آماري پارامتري و بازنمونه گيري در ارزيابي صفات كمّي با ساختار ژنتيكي متفاوت

هدف از اين مطالعه مقايسه سه روش پارامتري (GBLUP، BayesB، RKHS) و دو روش بازنمونه گيري (Bagging GBLUP و Random Forest) در پيش بيني ارزش هاي اصلاحي ژنوميك براي صفاتي با ساختار ژنتيكي متفاوت بود. يك ژنوم با سه كروموزوم، هر كروموزوم به طول يك مورگان شبيه سازي شد و روي آن 1500 نشانگر تك نوكلئوتيدي (SNP) در سه سناريو 50، 100 و 200QTL به طور يكنواخت پخش شدند. اثر جايگزيني QTLها با استفاده از توزيع نرمال استاندارد، گاما و يكنواخت با وراثت پذيري 30 درصد مدل سازي شدند. توانايي پيش بيني روش هاي آماري با استفاده از آماره هاي همبستگي بين  ارزش هاي اصلاحي پيش بيني شده و واقعي و همچنين رگرسيون  ارزش اصلاحي واقعي بر پيش بيني شده  بررسي شد. نتايج  نشان داد در جمعيت هاي تاييد، روش RF باعث بيشبرآورد  رگرسيون ارزش هاي اصلاحي واقعي بر پيش بيني شده شد، در حالي كه روش هاي GBLUP، BayesB  و RKHS منجر به كمبرآورد ضريب رگرسيون شدند. به جز روش Bagging GBLUP در ديگر روش ها تفاوت معني داري با تغيير توزيع اثرات QTL مشاهده نشد اما در مجموع عملكرد دو روش GBLUP و BayesB نسبت به ديگر  روش ها بهتر بود. يكي از دلايل احتمالي برتري GBLUP و BayesB بر ديگر  روش ها مي تواند شبيه سازي صفات با اثرات صرفا ًژنتيكي افزايشي بوده باشد. به طور كلي، روش هاي GBLUP و BayesB بر روش هاي بازنمونه گيري در پيش بيني هاي ژنومي ارجحيت دارند.