No category

پایان نامه ارشد رایگان درباره شبیه‌سازی، مدل رگرسیون، عوامل محیطی، چند متغیره

دسامبر 1, 2018

مکانیابی و تعیین QTL برای هر دو نوع صفت با استفاده از روش‌های بیز A و C دقیق‌تر بوده و این روش‌ها بهتر میتوانند تنوع فنوتیپی صفت را تفسیر کنند.
موفقیت در برنامههای انتخاب ژنومی عمدتاً به‌اندازه LD بین مارکر و QTL، تعداد حیوانات در جمعیت مرجع و وراثت‌پذیری صفت بستگی دارد. مقدار LD نیز اختصاصی هر جمعیت بوده و به ساختار ژنتیکی جمعیت و تراکم نشانگری بستگی دارد. بریتو و همکاران (۲۰۱۲) گزارش کردند که در گاوهای گوشتی افزایش صحت ارزش‌های اصلاحی ژنومی به‌طور معنیداری با افزایش تعداد حیوانات در جمعیت مرجع، وراثتپذیری صفت و تراکم نشانگری افزایش مییابد. بالا بودن تعداد حیوانات و نیز متراکم بودن بیشتر نشانگرها منجر به توسعه سطح عدم تعادل لینکاژی بین مارکر و QTL شده است که برای حصول نتایج موفقیت‌آمیز از یک برنامه انتخاب ژنومی برای گاوهای گوشتی لازم است.
بُوومان و همکاران (۲۰۱۱) با استفاده از شبیه‌سازی ۵ نسل از یک جمعیت که ژنوم آن شامل ۵ کروموزوم و ۱۰۰۳۱ SNP بود کارایی مدل رگرسیونی هیراشیکال بیزی در پیش‌بینیهای مبتنی بر ژنوم را ارزیابی کردند و نتیجه گرفتند که روش بیز یک روش موفق و سریع در تعیین QTL های موثر بر صفات بوده اما استفاده از روش چند متغیره ممکن است به تعیین دقیق‌تر موقعیت QTL و شناسایی QTL های پلیوتروپیک منجر شود. به‌طورکلی روش‌های بیزی در مطالعات ارتباطی قدرتمند هستند زیرا که آن‌ها میتوانند همزمان اثرت پلی‌ژنیک و اثرات تمام SNP ها را در نظر بگیرند.
صحت اسنباط ژنوتیپی بسته به منبع اطلاعات استفاده شده و نیز ساختار جمعیت می‌تواند متغیر باشد. هِیز و همکاران (۲۰۱۲) موفقیت استنباط ژنوتیپهای ۵k برای رسیدن به پنل ۵۰k را در ۴ نژاد گوسفند بررسی کردند و گزارش کردند که صحت استنباط ژنوتیپی بستگی به نژاد داشته و در نژادهای مورد مطالعه در دامنه‌ای بین ۷۱ تا ۸۰ درصد قرار دارد. اِربه و همکاران (۲۰۱۲) بدون استفاده از اطلاعات شجرهای استنباط ژنوتیپهای ۸۰۰ k SNP را از گاوهای شیری تعیین ژنوتیپ شده در ۵۰ k بررسی کردند و گزارش کردند که صحت استنباط ژنوتیپی (نسبت ژنوتیپهای درست استنباط شده) دامنهای در حدود ۹۶ تا ۹۸ درصد به‌ترتیب در دو نژاد جرسی و هلشتاین داشته است.
داسونِویله و همکاران (۲۰۱۱) گزارش کرد که نرخ خطاهای استنباط ژنوتیپی یک پانل ۳K برای رسیدن به یک پانل ۵۰K در یک جمعیت گاو هلشتاین، فقط ۹/۳% بوده است. این مطالعه با استفاده ازترکیب نرم‌افزارهای Beagle V2.13 و DAGPHASE و در جمعیت مرجع با ۳۰۷۱ راس گاو انجام شده است. این محققین نرخ خطا را برای گاوهای نر هلشتاین کشورهای نوردیک (در جمعیت مرجع مساوی ۳۰۵۸ راس) حدود ۵/۵% گزارش کردند. استفاده از گاوهای نر کنسرسیوم یوروژنومیک در جهت افزایش جمعیت مرجع، نرخ خطای استنباط ژنوتیپی را در گاوهای هلشتاین و گاوهای نر هلشتاین کشورهای نوردیک به ترتیب ۱/۲ و ۰/۴ درصد کاهش داد. سرگلزایی و همکاران (۲۰۱۱) گزارش کرد نرخ خطای استنباط ژنوتیپی (استنباط ۵۰k از ۳K) در سه نژاد گاو شیری کانادایی (هلشتاین، جرسی و براون سویس) ۲/۲ تا ۴/۱ درصد بوده است. این محققین، نرخ خطای کمتر را برای پانل‌های ۷K (بین ۵۳/۰ تا ۰۳/۱ درصد) گزارش کردند. همچنین خَتکار و همکاران (۲۰۱۲) نرخ خطای درحدود ۳/۳% برای گاوهای هلشتاین استرالیایی با استفاده از نرم‌افزار Impute2 گزارش کرد. در گاوهای شیری قرمز فنلاندی و سوئدی با استفاده از Beagle v3.3 نرخ خطای ۷/۳ درصد برای استنباط ۵۰K از پانل‌های ۳K گزارش شده است (ما و همکاران، ۲۰۱۳).
اما نرخ خطای استنباط آللی گزارش شده در سه نژاد گاو ایتالیایی نیز (سمینتال، سویس و هلشتاین) در استفاده از پانل ۳K و ۷K برای رسیدن به پانل ۵۰K در مقایسه با سایر مطالعات مشابه کمتر بود. تفاوت در ساختار جمعیت، تعداد افراد جمعیت مرجع، انتخاب نرم‌افزار و الگوریتم مناسب از دلایل تفاوت در نتایج مطالعات مختلف می‌باشد (دیماورو و همکاران، ۲۰۱۳).
برخلاف انتظار، در استنباط ژنوتیپی گاوهای بومی برزیل، صحت استنباط در پانلهای فوق تراکم نسبت به پانلهای ۵۰K برابر و در برخی مواقع کمتر بوده است. تفاوت نتایج این مطالعه با آنچه در سایر مطالعات ذکر شده است میتواند به‌دلیل ماهیت کشیدگی به سمت راست توزیع حداقل فراوانی آللی (فراوانی بسیار پایین تعداد زیادی نشانگر) در نژادهای مورد مطالعه باشد (بویسون و همکاران، ۲۰۱۴). به‌طوری که پانلهای فوق متراکم دارای تعداد زیادی نشانگر با فراوانی حداقل آللی هستند.
دامنه صحت استنباط برای رسیدن به پانل ۵۰K از یک پانل ۳K در مقالات مختلف از ۵۸/۰ تا ۹۸/۰ گزارش شده است. عوامل مختلفی میتوانند صحت استنباط ژنوتیپی را تحت تاثیر قرار دهند. مهم‌ترین فاکتور در حیوانات اهلی تعداد افراد وابسته به اجداد می‌باشد (هیکی و همکاران، ۲۰۱۱؛ هاونگ و همکاران، ۲۰۱۲). زمانی که تعداد اندکی جد نزدیک (از نظر تعداد نسل و ارتباط خویشاوندی) دارای ژنوتیپ باشند یا برای هیچ یک از جدهای نزدیک اطلاعات ژنوتیپی وجود نداشته باشد تعداد کل افراد اهمیت پیدا میکند. به این صورت که اگر تعداد افراد دارای ژنوتیپ در یک تراکم خاص، کم باشد منجر به پایین برآورد شدن صحت استنباط ژنوتیپی خواهد شد (هِیز و همکاران، ۲۰۱۲؛ وانگ و همکاران، ۲۰۱۲).
تعداد افراد جمعیت مرجع در استنباط ژنوتیپی با تراکم نشانگری پانل مرجع بستگی دارد. زمانی که تراکم در پانل پایه افزایش مییابد صحت استنباط نیز بالا میرود که نشان میدهد تعداد فرد تعیین ژنوتیپ شده با پانل پرتراکم (افراد جمعیت مرجع) برای رسیدن به یک سطح خاص از صحت استنباط ژنوتیپی، کاهش می‌یاید (بِری و همکاران، ۲۰۱۴).
فصل سوم
مواد و روش‌ها
۳-۱- شبیه‌سازی ژنوم
این پژوهش با استفاده از شبیهسازی رایانهای و با هدف ارزیابی ژنومی صفات آستانهای در حیوانات اهلی انجام شد. به همین منظور، ژنومی متشکل از ۳ جفت کروموزوم هومولوگ ۱۰۰ سانتی‌مورگانی با استفاده از بسته Hypred نسخه ۴/۰ در نرم‌افزار R شبیهسازی شد. با در نظر گرفتن پوشش نشانگری مناسب (۲۰ SNP در هر سانتیمورگان)، روی هر کرموزوم ۲۰۰۰ نشانگر چند شکل تک نوکلئوتیدی (SNP) با فاصله یکسان از یکدیگر در طول ژنوم شبیهسازی شد. برمبنای سناریوی شبیهسازی QTL ها به‌صورت تصادفی روی کروموزوم پراکنده شدند. نشانگرها و QTL ها به‌صورت دو آللی و با فراوانی اولیه هرکدام از آللهای نشانگر، ۵/۰ فرض شد. شبیه‌سازی میوز با استفاده از تابع hypredRecombine در بسته فوق صورت گرفت که پس از اعمال کراسینگ‌اور بین دو کروموزوم هومولوگ، به‌طور تصادفی (با احتمال ۵/۰) یکی از کروموزومهای هومولوگ را به فرزندان منتقل میکند. وقایع نوترکیبی برطبق تابع نقشه هالدن در نظر گرفته شد. این تابع، نوترکیبی مضاعف بین دو جایگاه را نیز در نظر میگیرد.
۳-۲- شبیهسازی جمعیتها
در این مطالعه، جمعیت پایه شامل ۱۰۰ فرد (۵۰ نر و ۵۰ ماده) بود که به‌منظور ایجاد عدم تعادل پیوستگی بین نشانگر و QTL، ۵۰ نسل تحت آمیزش تصادفی قرار گرفتند (جمعیت تاریخی). در جمعیت تاریخی با فرض اینکه از هر دو والد (در طی ۵۰ نسل آمیزش تصادفی) دو فرزند ایجاد شده، اندازه جمعیت در طول نسلهای جمعیت تاریخی ثابت بود. ترکیبات کروموزومی نتاج از نمونهگیری تصادفی کروموزومهای پدری و مادری هرکدام از والدین حاصل شد. آمیزش تصادفی منجر به تشکیل عدم تعادل لینکاژی (منجر از رانش و نوترکیبی) در نسل ۵۰ شد. جمعیت پایه و جمعیت تاریخی فقط دارای اطلاعات ژنومی بودند که اطلاعات آن‌ها در برنامه ذخیره نشد. نسل ۵۱ با استفاده از نمونهگیری و آمیزش تصادفی نسل قبل به تعداد افراد بیشتر (بسته به سناریوی موردنظر از ۲۵۰ تا ۵۰۰۰) گسترش یافته و به‌عنوان جمعیت مرجع در نظر گرفته شد. این افراد هم دارای اطلاعات ژنوتیپی و هم دارای اطلاعات فنوتیپی بودند. نسلهای بعد به‌عنوان جمعیت تایید یا حیوانات کاندیدا در نظر گرفته شدند که برای این افراد فقط اطلاعات ژنومی شبیهسازی شد.
۳-۳- محاسبه عدم تعادل لینکاژی
در مطالعات شبیهسازی تلاش میشود که جمعیت شبیهسازی شده دارای حداکثر تشابه با جمعیتهای حیوانات اهلی باشد. ژنوم حیوانات در حال حاضر حاصل برهم‌کنش عوامل مختلف موثر بر ساختار ژنومی در طی سالیان دراز حیات این گونهها میباشد که درنتیجه عدم تعادل لینکاژی در مناطق مختلف ژنوم به وجود آمده است. در این مطالعه، برای جمعیت شبیه‌سازی‌شده، ۵۰ نسل آمیزش تصادفی به‌عنوان دوره تاریخی در نظر گرفته شد که در این حالت رانش ژنی و نوترکیبی باعث ایجاد عدم تعادل لینکاژی خواهد شد. با توجه به اهمیت میزان عدم تعادل لینکاژی در ارزیابیهای ژنومی، ضروری است که این پارامتر در جمعیت شبیهسازی شده همسان با جمعیتهای واقعی باشد. در این مطالعه عدم تعادل لینکاژی در جمعیت مرجع محاسبه شد. برای اندازهگیری عدم تعادل لینکاژی، معیارهای مختلفی ارایه شده است. ازآنجایی‌که آماره r2 وابستگی کمتر به فراوانی آللی دارد (بریتو و همکاران، ۲۰۱۱)، در این مطالعه از این آماره استفاده شد. فرمول محاسبه این آماره به‌شرح زیر است:
دامنه مقادیر آن ازصفر تا یک میباشد، یعنی برای یک جفت لوکوس با لینکاژ آزاد (بدون نامتعادلی لینکاژی بین آن‌ها) صفر و برای یک جفت لوکوس در حالت کاملاً پیوسته (عدم تعادل لینکاژی کامل) یک میباشد. در این فرمول صورت کسر (D) میزان انحراف ژنوتیپهای والدی از ژنوتیپهای نوترکیب میباشد:
که p(A)، p(a)، p(B) و p(b) به ترتیب فراوانی آللهای A، a، B و b میباشد. همچنین p(AB)، p(ab)، p(Ab) و p(aB) به ترتیب فراوانی هاپلوتیپهای AB، ab، Ab و aB میباشد.
۳-۴- صفات مورد مطالعه
جمعیت مرجع که حاصل بسط آخرین نسل جمعیت تاریخی بود دارای اطلاعات فنوتیپی و ژنوتیپی بودند که این اطلاعات به‌منظور برآورد اثرات آللی هر نشانگر مورد استفاده قرار گرفت. همچنین تمام واریانس ژنتیکی به‌وسیله QTL ها پوشش داده شد و ارزش‌های اصلاحی حقیقی افراد جمعیت مرجع از مجموع اثرات QTL ها با توجه به ژنوتیپ آن‌ها و با استفاده از فرمول محاسبه شد. که در این فرمول n تعداد QTL، ژنوتیپ i اُمین آلل j اُمین جایگاه واثر جایگزینی آللی j اُمین جایگاه میباشد.
فنوتیپ نرمال افراد جمعیت مرجع با اضافه کردن مقادیر باقیمانده (به‌عنوان اثرات محیطی) به ارزش‌های اصلاحی حقیقی شبیهسازی شد. میزان اثر عوامل محیطی برای هر یک از حیوانات با توجه به وراثتپذیری صفت به‌طور تصادفی از توزیع نرمال (۰, )e~ N گرفته شد. واریانس اثرات باقیمانده () برحسب وراثت‌پذیری صفت موردنظر با توجه به رابطه زیر محاسبه شد:
کهوراثت‌پذیری و واریانس ژنتیکی صفت بوده که از مجموع واریانس افزایشی QTL ها و با استفاده از فرمول محاسبه شد. (p و

No Comments

Leave a Reply