عنوان پایان‌نامه
مطالعه اثر بلوک‌های هاپلوتایپ و snpها بر صحت ارزش اصلاحی و اثر طول هاپلوتایپ بر بروز آلل موثر بر صفت شیردهی در جمعبت گاوشیری
- رشته تحصیلی
- مهندسی کشاورزی - علوم دامی - اصلاح نژاد دام
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6961;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75516
- تاریخ دفاع
- ۰۹ اسفند ۱۳۹۴
- دانشجو
- رسول اسدپورساری بیگلو
- استاد راهنما
- محمد مرادی شهربابک
- چکیده
- چکیده با در دسترس قرار گرفتن نشانگرهای چند شکل تک نوکلئوتیدی ( SNP ) متراکم، تحولی در صنعت اصلاح نژاد دام ایجاد شد که باعث افزایش شدت و صحت انتخاب شد. یکی از مشکلات کار با SNPها، تعداد زیاد نشانگرها برای تجزیه می¬باشد و با توجه به ساختار ژنوم، می¬توان ژنوم را به بلوک¬هایی تقسیم کرد که کمترین نوترکیبی را دارند و به نسل بعد انتقال می¬یابند. لذا هدف از این تحقیق شناسایی SNPهای مهم و تگ SNPها برای کاهش تراکم نشانگری در انتخاب ژنومی می¬باشد. با استفاده از شبیه سازی رایانه¬ای ژنومی به تعداد 10 کروموزوم 1 سانتی مورگانی و 10000 نشانگر ایجاد شد. اندازه جمعیت نسل مرجع1000 نفر ( 500 ماده و 500 نر ) در نظر گرفته شد. بلوک بندی هاپلوتایپی ژنوم با سه روش فاصله اطمینان، آزمون چهار گامتی و مهره¬های LD تعیین شدند. براساس بلوک¬های شناسایی شده، SNPها مهم انتخاب شدند. SNPهای مهم با استفاده از روش های خوشه بندی و همبستگی درون خوشه، انتخاب متغیر ( تابعیت هر SNP از فنوتیپ) و همبستگی بین SNPها انتخاب شدند. نتایج نشان داد که با استفاده از کل نشانگرها میزان صحت پیش¬بینی ارزش های اصلاحی ژنومی بیشتر از روش¬های دیگر است. الگوریتم خوشه بندی و همبستگی درون خوشه با انتخاب 6011 تگ SNP، بیشترین صحت ارزش¬های اصلاحی ژنومی برای جمعیت مرجع و دو جمعیت تایید متوالی ( به ترتیب 721/0، 558/0، 491/0) در روش¬های کاهش نشانگر داشت. با توجه به این که انتخاب SNPها با استفاده از سه روش بلوک بندی هاپلوتایپی تعداد SNP انتخاب شده¬ی کمتری نسبت به تعداد SNPهای انتخاب شده توسط بسته نرم افزاری SNPclust داشت. بترتیب 694/0، 548/0، 396/0 و 694/0، 49/0، 412/0 و 623/0، 431/0، 342/0 برای جمعیت مرجع و دو جمعیت تایید را داشت. صحت پیش بینی ارزش¬های اصلاحی ژنومی برای روش همبستگی بین SNPها برابر با روش مهره¬های LD بود. الگوریتم¬های انتخاب متغیر کمترین میزان صحت را بخود اختصاص داد که برای جمعیت مرجع و دو جمعیت تایید متوالی به ترتیب 634/0، 425/0، 328/0 برآورد گردید. با توجه به نتایج بدست آمده می¬توان از تگ SNPهای انتخاب شده با استفاده از الگوریتم خوشه بندی و همبستگی درون خوشه برای پیش¬بینی ارزش¬های اصلاحی ژنومی استفاده کرد در حالی که تعداد نشانگرهای مورد استفاده بطور تقریبی نصف تعداد نشانگرهای اولیه است. استفاده از تگ SNPها باعث کا
- Abstract
- Abstract With the availability of markers of single nucleotide polymorphism (SNP) Evolution of animal breeding industry was created that improve speed and accuracy. One of the problems is deal with large number of SNP marker for analysis. And with respect to structure of genome, the genome could be divided into blocks that have the least recombination and transmitted to the next generation. In this study the computer simulations were used for make genome of 10 chromosomes with 1 CM and 1000 marker of each chromosome and 1000 individuals of population size (500 female and 500 male). According to the haplotype block inferring (CI, four gamete test and spine LD) genome was divided to haplotype block and tag SNPs were selected. For more comparison, SNPclust, variable selection (regression of each SNP on phenotype) and the correlation between SNPs were used to choose tag SNPs. According to the survey result SNPclust with 6011 tag SNP with 0.721, 0.558 and 0.491 respectively had maximum accuracy to predict breeding value for the reference and confirm population. Method for haplotype block was also remarkable accuracy due to the number of tag SNP that less than SNPclust package. that had 0.694, 0.548, 0.396 and 0.694, 0.49, 0.412 and 0.623, 0.431, 0.342 respectively for reference and confirm population. The amount of accuracy of correlation between SNPs had have similar to accuracy of LD spine methods. Variable selection method was least accuracy that had 0.58, 0.362, 0.265 for reference and confirm population. According to the result, the haplotype blocks had have with acceptable accuracy for the prediction of breeding values while used approximately half number of marker than whole genome markers also this cause reduce the time for computing sophisticated statistical models. Keywords: haplotype block, tag SNP, accuracy prediction of breeding value, Linkage disequbilirum.
