برآورد صحت ارزش هاي اصلاحي صفات پيچيده در جمعيت‌هاي بدون شجره با استفاده از نشانگرهاي متراكم

Estimating accuracy of genomic breeding values for complex traits in populations without pedigree using dense markers

هدف از اين پژوهش برآورد صحت ارزش­هاي اصلاحي ژنگاني با استفاده از مدلGBLUP (Genomic Best Linear Unbiased Prediction) و مقايسۀ آن با روش سنتي با (BLUP) و بدون شجره (BLUP_noPed) به وسيله همانندسازي رايانه ­اي بود. در اين تحقيق، ژنگاني با سي جفت كروموزوم به‌گونه‌اي همانند­سازي شد كه شمار QTLها 3000 و شمار نشانگرها (SNP) 45000 جايگاه در نظر گرفته شدند. همچنين پيش‌فرض­هاي مختلف شامل دو جمعيت مؤثر 100 و 1000 رأسي، دو جمعيت مرجع 1000 و 2000 رأسي و مقادير وراثت‌پذيري پايين (0/05)، متوسط (0/30) و بالا (0/50 بررسي شد و براي مقايسۀ مدل­ها از معيارهاي صحت، اريبي و ميانگين مربعات خطا استفاده گرديد. نتايج نشان داد، با افزايش وراثت‌پذيري، صحت ارزش­هاي اصلاحي در روش­هاي سنتي و ژنگاني افزايش يافت؛ در همۀ پيش‌فرض‌ها مدل GBLUP صحت بيشتري نسبت به مدل BLUP_noPed داشت؛ اما روش ژنگاني عملكرد بهتري در وراثت­ پذيري بالاتر نسبت به روش سنتي BLUP داشت. افزايش جمعيت مؤثر از 100 به 1000 منجر به كاهش صحت ارزش­هاي اصلاحي ژنگاني به ميزان 11درصد شد؛ ولي تأثيري بر صحت ارزش­هاي اصلاحي روش­هاي سنتي نداشت. اما با افزايش جمعيت مرجع از 1000 به 2000 حيوان نسبت بهبود صحت ارزش­هاي اصلاحي ژنگاني به ميزان 5درصد بهبود يافت. اگرچه در همۀ پيش‌فرض‌هاي اريبي (كم برآورد) روش ژنگاني نسبت به روش­هاي سنتي بيشتر بود؛ امّا با افزايش اندازۀ جمعيت مرجع و وراثت­ پذيري، ميانگين مربعات خطا در روش ژنگاني نسبت به روش سنتي BLUP كاهش يافت. بنابراين مدل GBLUP مي­ تواند براي انتخاب حيوانات برتر در جمعيت‌هاي بدون شجره استفاده شود.

The aim of this study was to estimate the accuracy of genomic breeding values using GBLUP (Genomic Best Linear Unbiased Prediction) model and compare it with the traditional method with (BLUP) and without (BLUP_noPed) pedigree by computer simulation. In this study, a genome with 30 pairs of chromosomes, 3000 QTL and 45000 marker (SNP) was simulated. The different scenarios including two effective population of 100 and 1000 animals, two reference population size of 1000 and 2000 animals and three heritabilities, low (0.05), medium (0.30) and high (0.5) were investigated. The criteria were accuracy, bias and mean square error (MSE) of breeding value to compare traditional and genomic methods. The results showed that the accuracy of breeding values increased with increasing heritability. GBLUP mehtod was more accurate than BLUP_noPed in all scenarios and the former model had more performance in higher heritability compared with BLUP model. The accuracy of genomic breeding values decreased about 11% with increasing effective population size 100 to 1000; however, the accuracy of traditional methods was not affected by changing effective population size. Increasing the reference population size 1000 to 2000, the accuracy of genomic breeding values was improved by 5%. Although, the bias (underestimate) was higher for genomic than traditional methods in all scenario; but the MSE of breeding values was lower for GBLUP than BLUP model with increasing reference population size and heritability. Therefore, GBLUP method can be used to select top animals in populations without pedigree.