ارزیابی صحت پیش‌بینی ژنومی در معماری‌های مختلف ژنومی صفات کمی و آستانه‌ای با جانهی داده‌های ژنومی شبیه‌سازی‌شده، توسط روش جنگل تصادفی
نویسنده
چکیده مقاله:
Genomic selection is a promising challenge for discovering genetic variants influencing quantitative and threshold traits for improving the genetic gain and accuracy of genomic prediction in animal breeding. Since a proportion of genotypes are generally uncalled, therefore, prediction of genomic accuracy requires imputation of missing genotypes. The objectives of this study were (1) to quantify imputation accuracy and to assess the factors affecting it; and (2) to evaluate the genomic accuracy of random forest (RF) algorithm to analyze binary threshold and quantitative traits. In the first phase, genomic data were simulated by QMSim software to reflect variations in heritability (h2 = 0.05 and 0.25), number of QTL (QTL=96 and 960) and linkage disequilibrium (LD=low and high) for 48 chromosomes. In the second phase, for real condition simulating, we randomly masked markers with 50% and 90% missing rate for each scenario; afterwards, hidden markers were imputed using FImpute software, and estimated imputation accuracy. In the third phase, to estimate genomic breeding values, we applied Random forest algorithm for original (before masking a proportion of SNPs) and imputed genotypes with quantitative and quality phenotypes. The accuracy of imputation was improved with increasing level of LD. With increase a major proportion of masked markers (90%), results of current study shed light on the effects of imputation accuracy on accuracy of genomic prediction. In the scenario combining the highest heritability, LD and QTL for threshold traits and in the scenario combining the highest heritability and LD and the least QTL for quantitative traits, random forest method had the best performance of genomic accuracy. Generally, accuracy of genomic prediction for threshold traits had more precise than quantitative trait when using the random forest method.
منابع مشابه
تنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی
One of the most important issues in genomic selection is using a decent method for estimating marker effects and genomic evaluation. Recently, machine learning algorithms which are members of non-parametric and non-linear methods have been extended to genomic evaluation. One of these methods is Random Forest (RF) on which this research was focused. Important parameters in RF algorithm are the n...
متن کاملصحت روشهای مختلف بیزی در ارزیابی ژنومی صفات آستانه‌ای با معماری ژنتیکی متفاوت
چکیده سابقه و هدف: انتخاب ژنومی که نوعی انتخاب به کمک نشانگرهای ژنتیکی می‌باشد، اثر همه نشانگرهای ژنتیکی پراکنده در سرتاسر ژنوم را به‌طور هم‌زمان برآورد می‌کند. درنتیجه انتخاب ژنومی به‌طور بالقوه توانایی توجیه همه واریانس ژنتیکی صفت را دارد. اساس کار در انتخاب ژنومی عدم تعادل پیوستگی بین نشانگر و جایگاه صفات کمی می‌باشد. با توجه به کمتر مورد توجه قرار گرفتن ارزیابی ژنومی صفات دارای توزیع فنوتیپ...
متن کاملتنظیم و کاربرد الگوریتم جنگل تصادفی در ارزیابی ژنومی
یکی از مباحث مهم در انتخاب ژنومی، استفاده از روشی مناسب برای برآورد اثر نشانگرها و ارزیابی ژنومی است. اخیراً روشهای یادگیری ماشین1 که جزو روشهای ناپارامتری غیرخطی هستند وارد ارزیابی ژنومی شدهاند. یکی از این روشها الگوریتم جنگل تصادفی2 است که این تحقیق روی نحوه تنظیم این روش متمرکز شده است. پارامترهای مهم در الگوریتم جنگل تصادفی به ترتیب اهمیت، تعداد متغیر انتخاب شده در هر گره درخت3، تعداد در...
متن کاملتاثیر وراثت پذیری و تعداد جایگاه صفات کمی بر میزان صحت برآورد ارزش اصلاحی ژنومی
در مقایسه با روش های اصلاح سنتی، استفاده از اطلاعات ژنومی باعث افزایش قابل ملاحظه ای در پاسخ به انتخاب برای حیوانات جوان فاقد رکورد فنوتیپی می شود. انتخاب ژنومیک بر انتخاب بر پایه ارزش اصلاحی برآورد شده ژنومی استوار است. هدف پژوهش حاضر بررسی تاثیر وراثت پذیری صفت و تعداد جایگاه صفات کمی بر صحت برآورد ارزش های اصلاحی ژنومی بوده است. به این منظور طراحی ژنوم و جمعیت مورد نیاز از طریق شبیه سازی رای...
متن کاملنقشه یابی نواحی ژنومی کنترل‌کننده صفات کمی در دام‌های اهلی با استفاده از روش رگرسیون ساده
نقشه‌های ژنتیکی اشباع از نشانگرهای DNA، امکان شناسایی نواحی ژنومی مرتبط با صفات اقتصادی (QTL) را در دام‌های اهلی فراهم نموده‌اند. هدف از انجام تحقیق حاضر، بررسی اصول استفاده از روش رگرسیون ساده برای آنالیز QTL در طرح خانواده ناتنی پدری (PHS) بود. جنبه های تئوری کاربرد رگرسیون ساده برای آنالیز QTL در طرح PHS مورد بررسی قرار گرفت. مطالعه داده‌های شبیه سازی شده نشان داد که با افزایش میزان اثر QTL ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 9 شماره 20
صفحات 129- 138
تاریخ انتشار 2018-10
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023