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...

چکیده هدف این تحقیق مقایسه سه روش یادگیری ماشین random forest، boosting و support vector machine در ارزیابی ژنومی و معرفی روش random forest به عنوان یک روش توانمند برای استنباط(پیش¬بینی) ژنوتیپ بود. نتایج برتری روش boosting بر دو روش دیگر را در غالب سناریوهای بررسی شده نشان داد، اگرچه تفاوتها فقط در برخی سناریوها معنی¬دار بود (05/0>p). همچنین علی¬رقم برتری روش boosting بر دو روش دیگر، میزان زم...

در این تحقیق تاثیر تخمین ارزشهای اصلاحی ژنومیک با استفاده از نشانگرهای نزدیک به ژنهای موثر بر صفت در مقایسه با استفاده از نشانگرهای قرارگرفته بر روی همه قسمتهای ژنوم و همچنین اثر تغییر تعداد افراد گروه مرجع بر صحت ارزیابی ژنتیکی مورد بررسی قرار گرفت. برای ارزیابی ژنومیک از روش BLUP استفاده شد. نتایج این تحقیق نشان داد که استفاده از نشانگرهایی که نزدیک به ژنهای موثر بر صفات هستند و افزایش تعداد ...

در این تحقیق تاثیر تخمین ارزشهای اصلاحی ژنومیک با استفاده از نشانگرهای نزدیک به ژنهای موثر بر صفت در مقایسه با استفاده از نشانگرهای قرارگرفته بر روی همه قسمتهای ژنوم و همچنین اثر تغییر تعداد افراد گروه مرجع بر صحت ارزیابی ژنتیکی مورد بررسی قرار گرفت. برای ارزیابی ژنومیک از روش blup استفاده شد. نتایج این تحقیق نشان داد که استفاده از نشانگرهایی که نزدیک به ژنهای موثر بر صفات هستند و افزایش تعداد ...

هدف پژوهش حاضر، بررسی صحت ارزش‌های اصلاحی ژنومی (GEBV) بدست آمده برای دو صفت اقتصادی مهم تولید شیر و امتیاز سلول های بدنی با استفاده از SNPها و بلوک‌های هاپلوتایپی مبتنی بر LD به کمک دو روش آماری GBULP و بیز B بود. اطلاعات ژنوتیپی مربوط به 1654راس گاو نر که با استفاده از تراشه‌هایی با تراکم‌های مختلف تعیین ژنوتیپ شده بودند مورد استفاده قرار گرفت. صحت ارزش‌های اصلاحی بدست آمده هنگام استفاده از S...

ژنومی حاوی 1000 چند شکلی تک نوکلئوتیدی دو آللی روی یک کروموزوم به طول 100 سانتی مورگان شبیه‌سازی شد و توزیع‌های مختلف واریانس ژن‌های عمده اثر (یکنواخت، نرمال و گاما) و نیز تعداد ژن‌های عمده اثر متنوع (5، 10 و 20) به صورت فرضیات شبیه‌سازی صفات در نظر گرفته شدند و در نتیجه 9 صفت متفاوت ایجاد گردید. مقایسه بین ارزش‌های اصلاحی ژنومی برآورد شده به وسیله BayesC و GBLUP نشان داد که ارزش‌های اصلاحی ژن...

انتخاب ژنومی، روشی برای پیش‌بینی ارزش‌های اصلاحی، با استفاده از شمار زیادی نشانگر است. هزینۀ فراوان ژنوتیپ‌کردن تعداد زیادی حیوان برای تعداد زیادی نشانگر، کاربرد گستردۀ انتخاب ژنومی را محدود می‌کند. هدف این مطالعه، بررسی اثر استفاده از تراکم کم تا متوسط نشانگرها بر صحت ارزیابی ژنومی با استفاده از مدل rrBLUP بود. صفات با وراثت‌پذیری 10، 20 و 40 درصد شبیه‌سازی شد. ژنوم شبیه‌سازی‌شده دارای25 جفت ک...

هدف از این پژوهش برآورد صحت ارزش­های اصلاحی ژنگانی با استفاده از مدلGBLUP (Genomic Best Linear Unbiased Prediction) و مقایسۀ آن با روش سنتی با (BLUP) و بدون شجره (BLUP_noPed) به وسیله همانندسازی رایانه­ای بود. در این تحقیق، ژنگانی با سی جفت کروموزوم به‌گونه‌ای همانند­سازی شد که شمار QTLها 3000 و شمار نشانگرها (SNP) 45000 جایگاه در نظر گرفته شدند. همچنین پیش‌فرض­های مختلف شامل دو جمعیت مؤثر 100 ...

هدف از این مطالعه مقایسه سه روش پارامتری (GBLUP، BayesB، RKHS) و دو روش بازنمونه­گیری (Bagging GBLUP و Random Forest) در پیش بینی ارزش­های اصلاحی ژنومیک برای صفاتی با ساختار ژنتیکی متفاوت بود. یک ژنوم با سه کروموزوم، هر کروموزوم به طول یک مورگان شبیه­سازی شد و روی آن 1500 نشانگر تک نوکلئوتیدی (SNP) در سه سناریو 50، 100 و 200QTL به طور یکنواخت پخش شدند. اثر جایگزینی QTLها با استفاده از توزیع نرم...