به منظور مطالعه صحت ارزش اصلاحی و پیشرفت ژنتیکی در صفات آستانه، ژنومی متشکل از 6 کروموزوم، هر یک به طول 100 سانتی مورگان شیبه سازی شد. برای ایجاد عدم تعادل پیوستگی کافی و تعادل رانش- جهش بعد از 50 نسل آمیزش تصادفی در یک جمعیت با اندازه موثر 100 نفر، تعداد افراد به 1000 نفر شامل 500 نر و 500 ماده افزایش یافت. سه مقدار وراثت پذیری (0/05، 0/30 و 0/80) و چهار تعداد متفاوت برای نشانگرها (100، 200، 400 و 800) در نظر گرفته شد. هر شبیه سازی ده بار تکرار شد و نتایج میانگینی از این تکرارها بود. صحت ارزش اصلاحی و پیشرفت ژنتیکی برای صفات آستانه با استفاده از روش ژنومی و کلاسیک پیش بینی گردید. با وراثت پذیری 0/05، مقادیر صحت ارزش اصلاحی برای مسیر ژنومی و کلاسیک به ترتیب از 0/22 تا 0/45 و 0/15 تا 0/35 بود. مقدار صحت ارزش های اصلاحی برای روش های ژنومی و کلاسیک با وراثت پذیری 0/30 به ترتیب از 0/27 تا 0/61 و 0/22 تا 0/44 تغییر کرد. با وراثت-پذیری 0/80 برای روش های ژنومی و کلاسیک، به ترتیب از 0/21 تا 0/73 و 0/36 تا 0/55 بود. با وراثت پذیری 05/0، مقادیر پاسخ انتخاب برای مسیر ژنومی و کلاسیک، به ترتیب از 0/07 تا 3/45 و 47/ تا 2/85 بود. مقدار پیشرفت ژنتیکی برای روش های ژنومی و کلاسیک با وراثت پذیری 0/30 به ترتیب از 0/26 تا 12/35 و 0/42 تا 5/68 تغییر کرد. با وراثت پذیری 0/80 برای روش های ژنومی و کلاسیک، مقادیر پاسخ به انتخاب به ترتیب از 0/42 تا 15/46 و 0/91 تا 6/12 بود. استفاده از روش کلاسیک برای پیش بینی منجر به مقادیر کمتر صحت و پاسخ به انتخاب در مقایسه با روش ژنومی شد. عموماً نتایج حاکی از این بود که در بیشتر موارد، افزایش تعداد نشانگرها و وراثت پذیری می تواند برای بالا بردن صحت ارزش اصلاحی و پیشرفت ژنتیکی در صفات آستانه موثر باشد، اگرچه در هر دو مورد روش ژنومی و کلاسیک، افزودن تعداد نشانگرها در برخی موارد به ویژه بعد از 400 نشانگر منجر به کاهش در مقدار صحت و پاسخ به انتخاب شد. مقادیر صحت ارزش های اصلاحی برای صفات با وراثت پذیری کم نسبتاً بالا بود که بیانگر این بود که انتخاب ژنومی می تواند به ویژه برای بهبود انتخاب در صفات مربوط به سلامتی و باروری مفید باشد. مقایسه پاسخ-های انتخاب با نسبت های نرهای گزینشی نشان داد که بالاترین مقدار پیشرفت ژنتیکی زمانی اتفاق افتاد که درصد نرهای انتخابی 10 و 25 بود. یافته های ما بیانگر این بود که استفاده از انتخاب ژنومی می تواند برای صفات آستانه که تعدادی از صفات مهم در اصلاح نژاد را شامل می شود مفید باشد. اگرچه ما باید افت قابل توجه در صحت و پاسخ به انتخاب بعد از نسل های اولیه را در برنامه های دراز مدت اصلاح نژاد را در نظر بگیریم.

در این مطالعه برای اولین بار روشی برای تعیین کیفیت پوست بره‏های یک روزه با استفاده از روش های مبتنی بر هوش مصنوعی ارائه شد و سپس با استفاده از شبیه سازی رایانه ای تاثیر استفاده از رکوردهای حاصل از هوش مصنوعی در مقایسه با روش ارزیابی انسانی بررسی شد. داده مورد استفاده از پوست های کلکسیون و از بره های متولد شده در مرکز پرورش گوسفند زندی واقع در شمال شرق تهران(خجیر) بدست آمد. ابتدا کیفیت پوست های کلکسیون و همچنین امتیاز صفات مختلف پوست برای 300 راس بره نوزاد بوسیله ارزیابان خبره و در قالب اعداد گسسته ثبت شد. به طور همزمان و با استفاده از دوربین دیجیتال، عکس‏های متعددی از پوست بره ها با رعایت فواصل ثابت تهیه شد. همچنین برخی اندازه های متریک در رابطه با پوست بره ها نظیر ابعاد پوست و اندازه گل های روی پوست ثبت گردید. پس از آماده سازی اولیه تصاویر تعداد 180 خصوصیت شامل ویژگی های مختلف شکل شناسی و بافت از هر تصویر استخراج و با توجه به نوع صفت مورد بررسی ویژگی های مرتبط انتخاب شد. با استفاده از امکانات شبکه عصبی در نرم افزار متلب دو ساختار متفاوت شبکه عصبی مصنوعی یکی به منظور دسته بندی و تشخیص صفات پوست و دیگری با هدف تخمین مقادیر صفات پوست مورد استفاده قرار گرفت. نتایج نشان داد که با استفاده از روش پردازش تصویر و شبکه عصبی امکان دسته بندی صفات پوست با دقتی بین 94 تا 100 درصد وجود دارد. کمترین دقت شبکه برای تشخیص نوع گل و بالاترین دقت برای تشخیص رنگ و طرح پوست ثبت شد. همچنین مساحت پوست‏ بره های یک روزه و اندازه گل های روی پوست با استفاده از شبکه عصبی مصنوعی به ترتیب با دقت %94/35 و %98/44 تخمین زده شد. ضریب همبستگی بین مقادیر اندازه های تخمین زده شده برای پوست بره ها با استفاده از شبکه عصبی مصنوعی و اندازه های واقعی 92/8 درصد و بین مقادیر اندازه گل تخمین زده شده توسط شبکه عصبی با مقادیر واقعی آن 96/4 درصد برآورد شد. شبیه سازی صفت اندازه پوست نشان داد که استفاده از اعداد پیوسته حاصل از پردازش تصویر به جای رکوردهای رتبه ای در ارزیابی انسانی باعث افزایش معنی دار دقت برآورد ارزش های ارثی (به ترتیب 0/78 و 0/89) و روند ژنتیکی(به ترتیب 0/28 و 0/46) جمعیت اصلاحی شد. این موارد با فرض مقادیر مختلف ضریب وراثت پذیری، شدت انتخاب، اندازه نسل و مقادیر مختلف همپوشانی نسل ها بررسی شد و بازهم دقت انتخاب و پیشرفت ژنتیکی بالاتر جمعیت اصلاحی در صورت استفاده از رکوردهای پیوسته پردازش تصویر مشاهده شد (p<0.01). نتایج این مطالعه نشان داد که نه تنها امکان استفاده از فن آوری هوش مصنوعی برای تعیین کیفیت پوست بره های یک روزه وجود دارد، بلکه استفاده از این روش به تعریف برخی صفات جدید با توزیع کمی پیوسته منتج شده و در نهایت به پیشرفت ژنتیکی بالاتر جمعیت اصلاحی کمک می کند.

تولید شیر و چربی گاوهای هلشتاین استان خراسان رضوی با استفاده از مدل دام تک صفته، چندصفته و تکرارپذیری برای سه دوره نخست شیردهی آنالیز شد و مولفه های واریانس، پارامترها و روند ژنتیکی با استفاده از روش reml بر روی رکوردهای 305 روز برآورد شد. وراثت پذیری صفات تولید شیر و چربی در دوره اول شیردهی با مدل تک صفته 0/27 و 0/22 و با مدل چندصفته 0/28 و 0/23 به دست آمد، و در دوره های شیردهی بالاتر کاهش پیدا کرد. همبستگی ژنتیکی و فنوتیپی بین تولید شیر و چربی 0/84 و 0/78 بود. این همبستگی ها بین دوره های شیردهی با افزایش فاصله بین دوره ها کاهش پیدا کرد. وراثت پذیری و تکرارپذیری با استفاده از مدل تکرارپذیری برای صفت تولید شیر 0/28 و 0/47 و برای صفت مقدار چربی 0/17 و 0/36 به دست آمد. روند ژنتیکی از طریق ضریب رگرسیون میانگین ارزش ارثی گاوها بر سال تولد برای صفات تولید شیر و چربی به دست آمد. روند ژنتیکی برای تولید شیر 8/12 کیلوگرم در سال به دست آمد. این پارامتر برای چربی نزدیک به صفر بود ولی روند محیطی برای این صفت 6/96 کیلوگرم در سال بود. مدل رگرسیون تصادفی تک صفته برای تخمین مولفه های کواریانس روزآزمون تولید شیر اولین دوره شیردهی استفاده شد و پارامترهای ژنتیکی در طول دوره برآورد گردید. واریانس فنوتیپی صفت تولید شیر در طول دوره ثابت نبود و در شروع و پایان دوره بیشتر بود. حداکثر واریانس باقی مانده در ابتدای دوره تخمین زده شد. حداقل و حداکثر واریانس ژنتیکی افزایشی در ابتدا و ماه هشتم دوره برآورد گردید و برآورد وراثت پذیری ها در ابتدای دوره از همه کمتر بود و تا ماه هشتم دوره افزایش پیدا کرد (در دامنه 0/07 تا 0/28). همبستگی ژنتیکی و فنوتیپی بین روزهای مجاور بیشتر از روزهای دور بود.