شکل ۴-۷- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با بهره گرفتن از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در وراثت‌پذیری‌های مختلف و توزیع اثرات ژنی یکنواخت، نرمال و گاما
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴۳

شکل ۴-۸- صحت ارزش‌های اصلاحی ژنومی برای صفت تعداد همزادان با بهره گرفتن از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در تعداد افراد مرجع و وراثت‌پذیری‌های مختلف

۴۴

شکل ۴-۹- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با بهره گرفتن از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در تعداد افراد مرجع و وراثت‌پذیری‌های مختلف

۴۵

شکل ۴-۱۰- تابعیت صحت ارزش‌های اصلاحی روش‌های مورد مطالعه به نسل (صفت تعداد همزادان)

۴۷

شکل ۴-۱۱- تابعیت صحت ارزش‌های اصلاحی روش‌های مورد مطالعه به نسل (صفت زنده‌مانی)

۴۷

شکل ۴-۱۲- صحت استنباط ژنوتیپی با بهره گرفتن از روش‌های جنگل تصادفی و روش انتساب تصادفی در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته

۴۸

شکل ۴-۱۳- صحت ارزیابی ژنومی صفت تعداد همزادان در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته استنباط شده با بهره گرفتن از روش‌های جنگل تصادفی و روش انتساب تصادفی.

۴۹

شکل ۴-۱۳- صحت ارزیابی ژنومی صفت زنده‌مانی در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته استنباط شده با بهره گرفتن از روش‌های جنگل تصادفی و روش انتساب تصادفی

۴۹

فصل اول
مقدمه و کلیات
۱-۱- مقدمه
هدف اصلی اصلاح نژاد، افزایش سودآوری تولیدکنندگان در راستای پاسخ به نیاز مصرف‌کنندگان و متقاضیان می‌باشد. بنابراین شناسایی جنبه‌های اقتصادی-اجتماعی سیستم تولید و تعریف اهداف اصلاحی اولین قدم در توسعه برنامه‌های اصلاح نژادی است (گُدارد، ۱۹۹۸). اهداف اصلاحی، صفاتی که باید بهبود داده شوند و نیز اهمیت نسبی هرکدام از این صفات را مشخص می‌کند. برای مثال در برنامه‌های اصلاحی کنونی علاوه بر تولید بیشتر، فرآورده‌های ایمن و سالم از حیوانات سالم‌تر نیز مطرح است (باچ، ۲۰۱۰). قدم بعدی، شناسایی و رتبه‌بندی حیوانات ازلحاظ ظرفیت ژنتیکی صفات موردنظر و معرفی مناسب‌ترین محیط و شرایط برای به فعلیت رساندن این پتانسیل است. در صورت رتبه‌بندی صحیح افراد کاندیدا و انتخاب آن‌ها به‌عنوان والدین نسل بعد، حداکثر پیشرفت ژنتیکی قابل‌انتظار خواهد بود.
انتخاب می‌تواند منجر به تغییر فراوانی آللی در جایگاه‌هایی شود که در مسیر انتخاب قرار دارند. بنابراین هرچه این غربالگری به نحو بهتری انجام شود پاسخ بیشتری قابل‌انتظار است. زیرا فراوانی آلل مفید و موثر در جمعیت بیشتر شده و میانگین عملکرد فنوتیپی صفت یا صفات را بیشتر تغییر می‌دهد. اما مهم‌ترین مسئله در اصلاح دام، شناسایی و تشخیص جایگاه‌های موثر و تعداد آلل و نوع اثرات این جایگاه‌ها و همچنین، شناسایی حیوانات حامل این آلل‌ها می‌باشد.
در روش‌های کلاسیک اصلاح دام، انتخاب برای صفات مهم اقتصادی با بهره گرفتن از اطلاعات شجره‌ای به همراه رکوردهای فنوتیپی خود فرد، آیندگان (فرزندان و نوه‌ها) و گذشتگان (والدین و سایر افراد خویشاوند نسل‌های قبل) انجام گرفته و بهترین پیش‌بینی نااریب خطی ارزش‌های اصلاحی فرد حاصل می‌شود. استفاده از معادلات مدل‌های مختلط منجر به ارزیابی‌های دقیق‌تری شد که پیشرفت‌های انکار ناپذیری را برای برخی از صفات مهم اقتصادی به همراه داشت (باچ، ۲۰۱۰). از محدودیت‌های این روش می‌توان به هزینه‌بر بودن فرایند رکوردبرداری، ارزیابی حیوانات جوان، ارزیابی برای صفات محدود به جنس و صفاتی که در مراحل پایانی زندگی یا حتی پس از کشتار رکوردگیری می‌شوند اشاره کرد. در این‌حالت، ارزش‌های اصلاحی پیش‌بینی شده تابعی از صحت و کیفیت شجره و اندازه رکوردهای فنوتیپی فرد و خویشاوندانش می‌باشد. (فروتنی فر و همکاران، ۱۳۹۱ و مِوویسِن، ۲۰۰۷).
رتبه‌بندی و انتخاب افراد بر اساس ارزش‌های اصلاحی برآورد شده به این مفهوم است که افراد دارای بالاترین ارزش‌های اصلاحی، دارای آلل‌های مطلوب برای آن صفت هستند. در واقع ژنوم فرد به‌عنوان جعبه سیاهی مطرح بود که محتوای داخل آن تخمین زده می‌شود. در گذشته، شکافتن این جعبه و کشف محتوای داخل آن که همان ژنوم باشد، به دلیل عدم پیشرفت تکنولوژی مقدور نبود اما برخی مطالعات استفاده از آن را در بهبود ژنتیکی صفات سودمند بیان کردند (اسمیت، ۱۹۶۷). در دهه ۹۰ نیز استفاده از ماتریس روابط آللی به‌جای ماتریس روابط خویشاوندی مبتنی بر شجره، در معادلات مدل‌های مختلط ارائه شد که رتبه‌بندی صحیح‌تر افراد به‌ویژه برای افراد تنی بدون رکورد را فراهم می‌کرد (نجاتی-جوارمی و همکاران، ۱۹۹۷). همچنین در همین مطالعه ایده استفاده مستقیم از اطلاعات QTL در ارزیابی افراد پیشنهاد شد.
کشف و توسعه نشانگرهای مولکولی این امکان را فراهم کرد که در تعداد بسیار زیادی جایگاه بتوان ژنوم افراد را توصیف کرد. در واقع دریچه‌ای را به سوی یافتن و داشتن پیش‌بینی‌های صحیح‌تری از ارزش‌های ژنتیکی در ابتدای زندگی حیوان برای اصلاحگران گشود (دِ لوس کامپوس و همکاران، ۲۰۱۳b). اولین تلاش‌ها برای همراه کردن اطلاعات نشانگری در پیش‌بینی‌ها، مبتنی بر استفاده از QTL های شناسایی شده در تکنیک انتخاب به کمک نشانگر بود؛ اما نتایج استفاده از این تکنیک کمتر از حد مورد انتظار بود (دِکرز و همکاران، ۲۰۰۴؛ بِرناردو، ۲۰۰۸؛ هِیز و همکاران، ۲۰۰۹). پیشرفت‌های تعیین ژنوتیپ در تعداد بسیار زیادی جایگاه ژنی و تکنولوژی توالی‌یابی، امکان کشف صدها هزار نشانگر ژنتیکی را در ژنوم انسان و چندین گونه حیوانی و گیاهی فراهم کرد. پانل‌های متراکم نشانگری، توانایی غربال کردن عدم تعادل لینکاژی چند جایگاهی بین QTL و مارکرهای سراسر ژنوم را برای محققین فراهم نمود. اگر چه مطالعات اولیه توسط نجاتی-جوارمی و همکاران (۱۹۹۷)، ویسچِر (۱۹۹۸) و ویتتاکر و همکاران (۲۰۰۰) در زمینه استفاده از اطلاعات ژنومی در ارزیابی‌های ژنتیکی انجام شده است اما شالوده انتخاب بر اساس کل ژنوم در مقاله پیشگامانه‌ای که توسط مِوویسِن و همکاران (۲۰۰۱) انتشار یافت، ارائه شده است. در این روش می‌توان ارزش‌های اصلاحی ژنومی تمام افراد را با بهره گرفتن از یک مدل خطی به‌صورت تابعیت فنوتیپ‌ها از تمام نشانگرهای متراکم که کل ژنوم را پوشش می‌دهند با صحت بالا برآورد کرد. مهم‌ترین مرحله آن برآورد اثرات آللی می‌باشد، زیرا هر چه اثرات QTL به نحو صحیح‌تری برآورد شوند، ارزش‌های اصلاحی پیش‌بینی شده بیشتر معرف ظرفیت ژنتیکی حیوان بوده و رتبه‌بندی حیوانات به‌طور صحیح‌تری انجام خواهد شد و درنتیجه پیشرفت ژنتیکی و پاسخ به انتخاب بیشتری مورد انتظار خواهد بود. عوامل مختلفی می‌توانند صحت ارزش‌های اصلاحی ژنومی و ارزیابی ژنومی را تحت تاثیر قرار دهند. این عوامل شامل مدل آماری مورد استفاده به‌منظور برآورد اثرات نشانگرها، توزیع اثرات QTL، مقدار LD، نوع و تراکم مارکرها، وراثت‌پذیری، نحوه رکوردگیری و نوع رکورد، تعداد داده‌های فنوتیپی در جمعیت مرجع، فاصله زمانی (تعداد نسل) بین جمعیت مرجع و جمعیت تایید می‌باشند (زرگریان و همکاران، ۱۳۸۹؛ فروتنی فر و همکاران، ۱۳۹۱؛ ژانگ و همکاران، ۲۰۰۹؛ بُوومان و همکاران، ۲۰۱۱؛ مُسِر و همکاران، ۲۰۰۹؛ مویر و همکاران، ۲۰۰۷؛ ویلامسِن و همکاران، ۲۰۰۹). مدل‌های آماری مورد استفاده برحسب ویژگی‌های برآورد کنندگی خود می‌توانند نتایج متفاوتی داشته باشند و علاوه برآن کارایی مدل‌های مختلف در برازش داده‌های ژنومی به شرایط آزمایش، نوع صفت، توزیع اثرات ژنی، خصوصیات جمعیت، ساختار ژنومی و … بستگی دارد. لذا شناسایی عوامل موثر در صحت برآورد ارزش‌های اصلاحی ضروری به نظر می‌رسد.
هرچند که انتخاب ژنومی می‌تواند منجر به بهبود پیشرفت ژنتیکی در برنامه‌های اصلاح نژادی شود اما به نظر می‌رسد محدودیت کلیدی آن هزینه تعیین ژنوتیپ باشد (هِیز و همکاران، ۲۰۱۲). این مشکل را می‌توان از طریق استنباط ژنوتیپی برطرف کرد. در این روش، حیوانات کاندیدا با بهره گرفتن از پانل کم تراکم SNP ها (پوشش پراکنده ژنوتیپ و هزینه پایین) و حیوانات مرجع با بهره گرفتن از پانل متراکم تعیین ژنوتیپ می‌شوند. سپس، سایر SNP هایی که در پانل متراکم حضور دارند ولی در پانل کم تراکم نیستند استنباط خواهند شد. ژنوتیپ‌های استنباط شده می‌توانند به‌منظور برآورد ارزش‌های اصلاحی ژنومی با بهره گرفتن از معادلات پیش‌بینی مورد استفاده قرار گیرند (هِیز و همکاران، ۲۰۱۲).
از روش‌های مختلف استنباط ژنوتیپی (Genotype Imputation) می‌توان به‌منظور ترکیب پنل‌های مختلف نشانگری و نیز بازیابی ژنوتیپ‌های ازدست‌رفته، استفاده نمود. همچنین می‌توان بر اساس یک نمونه معرف حیوانات (ژنوتیپ شده در تراکم بالا) پانل ژنوتیپ را از یک آرایه کمتر به یک آرایه بیشتر بسط داد (پاوچ و همکاران، ۲۰۱۳). صحت استنباط ژنوتیپی بستگی به عواملی چون نسبت ژنوتیپ‌های ازدست‌رفته، تعداد افراد و خویشاوندان تعیین ژنوتیپ شده با تراکم بالا، روش استنباط و تفاوت تعداد آرایه‌های پنل های نشانگری دارد.
در بسیاری از برنامه‌های اصلاح نژادی، صفات آستانه‌ای مانند موفقیت و شکست در آبستنی، حساسیت و مقاومت به بیماری‌ها، تعداد تلقیح به ازای آبستنی، دوقلوزایی، زنده‌مانی، صفات تیپ و … از مهم‌ترین صفات اقتصادی به‌شمار می‌روند. در بسیاری از سیستم‌های ارزیابی ژنتیکی، در تشکیل شاخص انتخاب حیوانات برتر هر دو دسته صفات پیوسته (مانند وزن بدن و تولید) و صفات آستانه‌ای (مانند چند قلوزایی و زنده‌مانی) را در نظر می‌گیرند. رفتار آماری اساس ژنتیکی صفات گسسته (آستانه‌ای) چندان واضح نیست زیرا ژن‌های متعدد، اثرات متقابل ژن‌ها و اثرات متقابل ژن و محیط در بروز این صفات دخیل‌اند (گُنزالِز رِسیو و فورنی،‌۲۰۰۱).
۲-۱- اهداف پژوهش