اثر اندازه جمعيت مرجع و روش هاي استنباط ژنوتيپ بر صحت استنباط در جمعيت هاي خالص و آميخته

استنباط ژنوتيپ به عنوان يك روش تبديل تراشه هاي با تراكم پايين به تراشه هاي با تراكم بالا به منظور افزايش صحت انتخاب ژنومي در حيوانات است. در پژوهش حاضر به منظور بررسي صحت استنباط ژنوتيپ سه جمعيت آميخته (سناريو 1)، خالص (سناريو 2) و آميخته + خالص (سناريو 3) به كمك نرم افزار QMSim شبيه سازي شد. از دو روش استنباط ژنوتيپ Beagle و Flmpute براي دو نوع تراشه با تراكم كم و زياد استفاده شد. اندازه جمعيت مرجع براي هر سناريو 250، 500 و 1000 حيوان انتخاب شد. نتايج پژوهش حاضر نشان داد كه براي تمام سناريوها با افزايش اندازه جمعيت مرجع از 250 به 500 حيوان، افزايش صحت استنباط ژنوتيپ بيشتر و از 500 به 1000 حيوان اين افزايش، كندتر شد. صحت استنباط ژنوتيپ به كمك روش Flmpute نسبت به Beagle براي اندازه جمعيت مرجع كوچك (250 حيوان) بيشتر نمايان شد. در اندازه هاي جمعيت مرجع 500 و 1000 حيوان در تمام سناريوها افزايش صحت Flmpute نسبت به روش Beagle معني دار نبود. براي سناريو 1 ميزان صحت استنباط ژنوتيپ نسبت به سناريو 2 بيشتر برآورد شد. افزايش صحت استنباط ژنوتيپ در سناريو 3 در مقايسه با سناريو 1بي معني شد. به طور كلي نتايج پژوهش حاضر نشان داد كه در كشورهاي در حال توسعه كه جمعيت حيواني تعيين ژنوتيپ شده كوچك در دسترس هست، براي افزايش صحت انتخاب ژنومي استفاده از روش استنباط ژنوتيپ Flmpute به كمك جمعيت آميخته با افزايش ارتباط خويشاوندي بين جمعيت مرجع و هدف مي توان به عنوان يك راهكار مناسب استفاده شود.