برآورد میزان هم خونی به روش شجره و نشانگر و تاثیر آن بر صحت پیش بینی ژنومی در داده شبیه سازی

نوع مقاله : مقاله پژوهشی

نویسنده

گروه علوم دامی، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران

10.22034/aej.2021.135248

چکیده

در سالیان گذشته بدلیل عدم شناخت روابط خویشاوندی ژنومی بین افراد جمعیت در گله  تنها از روابط شجره­ای برای کنترل هم ­خونی استفاده می ­شد. در پژوهش کنونی میزان پیشرفت ژنتیکی ( G)، میزان هم ­خونی به روش شجره و میزان هم ­خونی به روش لوکاس IBD برای دو روش GBLUP  و TBLUP برآورد و هم چنین تاثیر آن ­ها بر صحت پیش ­بینی ژنومی به کمک داده شبیه ­سازی بررسی شد. یک جمعیت پایه متشکل از 1000 حیوان برای 4000 نسل به کمک نرم ­افزار QMsim شبیه ­سازی شد. تعداد ده کروموزوم و بر روی هر کروموزوم 1000 نشانگر SNP شبیه ­سازی و تعداد کل QTL ها بر روی ده کروموزوم 1000 عدد در نظر گرفته شد. نتایج پژوهش حاضر نشان داد که  میزان پیشرفت ژنتیکی در روش ارزش اصلاحی ژنومی (GBLUP) 13 درصد بیش تر نسبت به روش TBLUP برآورد شد. میزان هم ­خونی به روش شجره در روش GBLUP بسیار پایین ­تر از روش TBLUP برآورد شد هر چند که در روش هم ­خونی برآورد شده به کمک IBD این میزان تفاوت بسیار ناچیز بود. میزان تفاوت صحت پیش ­بینی ژنومی برای روشی که هم ­خونی به کم نشانگر برآورد شد نسبت به روش شجره، 24 واحد بیش تر به دست آمد. به طور کلی نتایج پژوهش حاضر نشان داد که برآورد میزان هم­ خونی به کم نشانگر از صحت بیش تر برخوردار بوده و تاثیر آن بر صحت پیش­ بینی ژنومی معنی ­دار بود.

کلیدواژه‌ها

موضوعات


  1. Barbato, M.; Orozco-terWengel, P.; Tapio, M. and Bruford, M.W., 2015. SNeP: a tool to estimate trends in recent effective population size trajectories using genome wide SNP data. Front Genet. Vol. 6, pp: 109.
  2. Daetwyler, H.D.; Pong-Wong, R.; Villanueva, B. and Woolliams, J.A., 2010. The impact of genetic architecture on genome-wide evaluation methods. Genetics. Vol. 185, pp: 1021-1031.
  3. Fernández, B.; Santiago, E.; Toro, M.A. and Caballero, A., 2000. Effect of linkage on the control of inbreeding in selection programmes. Genetics Selection Evolution. Vol. 32, pp: 249-264.
  4. Fisher, R.A., 1930. The Genetical Theory of Natural Selection. Oxford: Clarendon.
  5. Goddard, M.E., 2009. Genomic selection: prediction of accuracy and maximisation of long term response. Genetica. Vol. 136, pp: 245-257.
  6. Grundy, B.; Villanueva, B. and Woolliams, J.A., 1998. Dynamic selection procedures for constrained inbreeding and their consequences for pedigree development. Genetics Research. Vol. 72, No. 2, pp: 159-168.
  7. Hayes, B. and Goddard, M.E., 2001. The distribution of the effects of genes affecting quantitative traits in livestock. Genetics Selection Evolution. Vol. 33, No. 3, pp: 209-229.
  8. Meuwissen, T.H.E.; Hayes, B.J. and Goddard, M.E., 2001. Prediction of total genetic value using enome-wide dense marker maps. Genetics. Vol. 157, pp: 1819-1829.
  9. Meuwissen, T.H.E., 1997. Maximizing the response of selection with a predefined rate of inbreeding. Journal of Animal Sciences. Vol. 75, No. 4, pp: 934-940.
  10. Ni, G.; Cavero, D.; Fangmann, A.; Erbe, M. and Simianer, H., 2017. Whole-genome sequence-based genomic prediction in laying chickens with different genomic relationship matrices to account for genetic architecture. Genetics Selection Evolution. Vol. 49, No. 8, pp:1-14.
  11. Pedersen, L.D.; Sørensen, A.C. and Berg, P., 2010. Marker-assisted selection reduces expected inbreeding but can result in large effects of hitchhiking. Journal of Animal Breeding. Genet. Vol. 127, No. 3, pp: 189-198.
  12. Schenkel, F.; Sargolzaei, M.; Kistemaker, G.; Jansen, G.; Sullivan, P.; Van Doormaal, B.J.; Vanraden, P.M. and Wiggans, G.R., 2009. Reliability of genomic evaluation of Holstein cattle in Canada. Interbull Bulletin. Vol. 39, pp:
    51-58.
  13. Sonesson, A.K.; Woolliams, J.A. and Meuwissen, T.H.E., 2012. Genomic selection requires genomic control of inbreedin. Genetics Selection Evolution. Vol. 44, No. 27, pp: 1-10.
  14. Sonesson, A.K. and Meuwissen, T.H.E., 2009. Testing strategies for genomic selection in aquaculture breeding programs. Genetics Selection Evolution. Vol. 41, No. 37, pp: 1-9.
  15. VanRaden, P.M., 2005. Inbreeding adjustments and effect on genetic trend estimates. Interbull Bull. Vol. 33, pp: 81-84.
  16. Wang, J.; Santiago, E. and Caballero, A., 2016. Prediction and estimation of effective population size. Hered. Vol. 117, pp: 193-206.
  17. Waples, R.S. and Antao, T., 2014. Intermittent breeding and constraints on litter size: consequences for effective population size per generation (Ne) and per reproductive cycle (Nb). Evolution. Vol. 68, pp: 1722-1734.
  18. Wright, S., 1931. Evolution in Mendelian populations. Genetics. Vol. 16, pp: 97-159.
  19. Yang, J.; Manolio, T.A.; Pasquale, L.R.; Boerwinkle, E.; Caporaso, N.; Cunningham, J.M.; de Andrade, M.; Feenstra, B.; Feingold, E.; Hayes, M.G.; Hill, W.G.; Landi, M.T.; Alonso, A.; Lettre, G.; Lin, P.; Ling, H.; Lowe, W.; Mathias, R.A.; Melbye, M.; Pugh, E.; Cornelis, M.C.; Weir, B.S.; Goddard, M.E. and Visscher, P.M., 2011. Genome partitioning of genetic variation for complex traits using common SNPs. Nature Genetics. Vol. 43, pp: 519-525.