عنوان پایان‌نامه
تأثیر سطوح مختلف خطاهای ژنوتیپی و ژنوتیپهای از دست رفته بر صحت پیش بینیهای ژنومی
- رشته تحصیلی
- مهندسی کشاورزی - علوم دامی - اصلاح نژاد دام
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6803;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73556;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6803;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73556
- تاریخ دفاع
- ۲۳ شهریور ۱۳۹۴
- دانشجو
- محمود توکلی الموتی
- استاد راهنما
- اردشیر نجاتی جوارمی
- چکیده
- با توجه به کاربرد فراوان پنل های کم تراکم نسبت به پنل های پرتراکم و همچنین اجتناب ناپذیر بودن خطاهای ژنوتیپی در این پنل ها، این پژوهش به بررسی وجود خطاهای ژنوتیپی در داده های ژنوتیپی ناقص با سطوح متفاوت نرخ حذف پرداخته است. در این راستا سطوح متفاوت ژنوتیپ های از دست رفته یا نرخ حذف (30 درصد، 50 درصد و 80 درصد حذف به صورت کاملا تصادفی آلل ها)، و همچنین نرخ خطاهای ژنوتیپی در سطوح متفاوت (0/01 درصد، 0/02 درصد و 0/05 از کل ماتریس اطلاعات ژنوم افراد) بر روی صحت پیش بینی ژنومیک (GEBV)، بررسی شد. برای برآورد ارزش اصلاحی ژنومی برآورد شده، از روش rrBLUP استفاده شد. در انتها حذف و یا کم تراکم شدن داده ها همانطور که پیش بینی می شد، باعث افت چشمگیر صحت برآوردها، خصوصا جمعیت تایید شد، ولی وجود خطاها به تنهایی تغییری در افت صحت ها نداشت. همچنین وجود خطاها در دو سطح اول نرخ ژنوتیپ های از دست رفته، موجب کاهش چشمگیر افت صحت ها شد. این کاهش برای همه ی نرخ های خطا، یکسان بود درحالی که برای داده های با 80 درصد حذف، خطاها، افت چندانی بر روی صحت ها نداشتند.
- Abstract
- Today, Genome-wide association studies (GWAS) have uncovered a large number of associations for quantitative traits in animals. In this regard, use of different density (HD and LD) panels for genotyping is one of the most important steps for these studies. Therefore, the objective of this study was to investigate the impact of different rate of missing genotype (30% 50% and 80%) and genotyping error rates (0.01%, 0.02% and 0.05%) on the accuracy of genomic predictions. For this perpose, 4 chromosomes with 300 SNPs and 30 QTLs (per each), for 100 individuals comprising 50 sires and 50 dams were simulated. After 50 generations of random mating, the last generations was expanded to 1000 individuals and were considered as a reference population. Target populations were generated over 5 generations of random mating from reference population. In addition to, some scenarios including control, genotypic errors, missing genotypes and their combination were investigated. Likewise, the genomic estimated breeding values (GEBV) were achieved using rrBLUP method. The results indicated that, as the missing genotype rates increased, the accuracy of genomic predictions decreased remarkably, as well as by increasing in error rate scenarios, no significant change was observed for accuracy of genomic predictions. Also, outcomes revealed that the first 2 scenarios of missing genotype (30% and 50%) affected by error, but for 80% missing genotypes did not influenced. Keywords: missing genotype, genotyping error, rrBLUP, Genotyping
