X
تبلیغات
وکیل جرایم سایبری

پایان نامه های ارشد - دانلود تحقیق علمی

جمعه 17 شهریور 1396 ساعت 08:52
قیمت: 11200 تومان --------------------------------------------------- نکته مهم : هنگام انتقال متون از فایل ورد به داخل سایت بعضی از فرمول ها و اشکال (تصاویر) درج نمی شود یا به هم ریخته می شود یا به صورت کد نمایش داده می شود ولی در سایت می توانید فایل اصلی را با فرمت ورد به صورت کاملا خوانا …   

دانلود پژوهش فارسی - تحقیق علمی دانشگاه

متن کامل پایان نامه را در سایت منبع fuka.ir می توانید ببینید

195072032763100
دانشکده علوم دامی و شیلات
رساله‌ی دکتری رشتهی ژنتیک و اصلاح دام
عنوان رساله:
مقایسه صحت برخی روش‌های بیزی در استراتژی‌های مختلف ارزیابی ژنومی صفات آستانه‌ای
دانشجو:
حسن بانه
استادان راهنما:
دکتر قدرت الله رحیمی
دکتر اردشیر نجاتی جوارمی
--------------------------------------------------- نکته مهم : هنگام انتقال متون از فایل ورد به داخل سایت بعضی از فرمول ها و اشکال (تصاویر) درج نمی شود یا به هم ریخته می شود یا به صورت کد نمایش داده می شود ولی در سایت می توانید فایل اصلی را با فرمت ورد به صورت کاملا خوانا خریداری کنید: سایت مرجع پایان نامه ها (خرید و دانلود با امکان دانلود رایگان نمونه ها) : elmyar.net --------------------------------------------------- استاد مشاور:
دکتر محمود هنرور
خرداد 1394

کلیه حقوق مادی مترتب بر نتایج مطالعات، ابتکارات
و نوآوری‌های ناشی از تحقیق موضوع این پایان‌نامه
متعلق به دانشگاه علوم کشاورزی و منابع طبیعی ساری است

تشکر و قدردانی
خداوند متعال را شاکرم که بنده حقیر را در دریای ژرف و بیکران اندیشه، قطره‌ای ساخت تا وسعت آن را از دریچه اندیشه‌های ناب آموزگارانی بزرگ به تماشا نشیند. اکنون‌که در سایه‌سار بنده‌نوازی‌هایش رساله حاضر به انجام رسیده است، بر خود لازم می‌دانم مراتب سپاس از بزرگوارانی به‌جا آورم که اگر دست یاریگرشان نبود این پژوهش به انجام نمی‌رسید. از استاد بزرگوار جناب آقای دکتر رحیمی که همواره شاگردی ایشان برایم افتخار بوده و هست به خاطر مساعدت‌ها و مهربانی‌هایشان تشکر می‌کنم. از زحمات بی‌دریغ جناب آقای دکتر نجاتی که همواره صمیمانه پذیرای بنده بودند و با گشاده‌رویی به سؤالات بنده پاسخ می‌دادند بسیار سپاسگزارم. همچنین از جناب آقای دکتر محمود هنرور بابت راهنمایی‌های ارزنده‌شان تشکر می‌کنم. از اساتید محترم و گران‌قدر از جناب آقایان دکتر حسن حافظیان، دکتر روح‌الله عبدالله پور و دکتر محسن قلی زاده که زحمت داوری این رساله را تقبل فرمودند صمیمانه تشکر می‌کنم. همکلاسی‌های ارجمندم دکتر مظاهر صفدریان، دکتر فرهاد غفوری کسبی و دکتر بیژن سلیمانی که آخرین مقطع تحصیلی را شیرین و پرخاطره نمودند و همواره مشوق و یار این‌جانب بوده‌اند صمیمانه تشکر می‌کنم. از دوستان عزیز و عالی‌قدر مجتبی نجفی، رستم عبدالهی آرپناهی، شورش شریفی، محمد رزم کبیر، محمد رکوعی، شهرام نیک‌نفس، خه‌بات خسروی، سعید شیوخی، محمد قادر زاده، سلیمان جهانگیری، سامان امینی، شهاب سهرابی، سیما ساور سفلی که هر یک به‌نوعی بنده را مراحل مختلف انجام این پژوهش یاری نمودند تشکر و قدردانی می‌کنم. همچنین جا دارد مراتب سپاس خود را تقدیم استاد عزیز Jose Fernando Garcia نمایم که موجبات اداری و مالی سفر کوتاه مطالعاتی این‌جانب را به برزیل فراهم نمودند. از استادان محترم MP Clus، de los Campus و VanRaden که با کمال متانت و در اسرع وقت به سؤالات بنده پاسخ دادند تشکر می‌کنم. از پدر و مادر عزیزم که دلسوزانه برایم زحمت کشیدند، خواهران و برادرم، و خانواده محترم کهنه پوشی که همواره مشوق این‌جانب بودند صمیمانه قدردانی می‌کنم. سپاس آخر را به مهربان یاورم، همسر عزیزم، تقدیم می‌کنم که حضورش در فضای زندگی مصداق بی‌ریای رفاقت است.
حسن بانه
خرداد 1394

چکیده
این مطالعه با هدف ارزیابی صحت روش‌های مختلف بیزی در پیش‌بینی ارزش‌های اصلاحی ژنومی صفات آستانه‌ای انجام شد. به همین منظور، ژنومی متشکل از سه کروموزوم هر یک به طول یک مورگان، و روی هر کروموزوم 2000 نشانگر چند شکل تک نوکلئوتیدی شبیه‌سازی شد. جمعیت پایه شامل 100 جفت بود که 50 نسل آمیزش تصادفی (جمعیت تاریخی) منجر به عدم تعادل لینکاژی (در سطح تقریباً 2/0) شد. نسل 51 که دارای اطلاعات فنوتیپی و ژنوتیپی بود به‌عنوان جمعیت مرجع در نظر گرفته شد و به‌منظور برآورد اثرات آللی استفاده شد. نسل‌های بعد که فقط دارای اطلاعات نشانگری بودند به‌عنوان جمعیت تایید در نظر گرفته شدند. اطلاعات فنوتیپی صفت نرمال در جمعیت مرجع با توجه به ارزش فنوتیپی فرد و نقاط آستانه به دو صفت آستانه‌ای زنده‌مانی (صفت یک آستانه) و تعداد همزادان (صفت دو آستانه) تبدیل گردید. سناریوهای مورد مطالعه به‌صورت ترکیبی از سطوح مختلف تعداد QTL (01/0، 05/0 و 1/0 تعداد کل نشانگر)، توزیع اثرات ژنی (توزیع نرمال، گاما و یکنواخت)، وراثت‌پذیری صفت (05/0، 1/0، 15/0 و 2/0) و اندازه جمعیت مرجع (250، 500، 1000، 2000 و 5000) بود. ارزش‌های اصلاحی ژنومی افراد جمعیت مرجع و تایید با استفاده از اثرات نشانگری برآورد شده توسط رگرسیون ریج بیزی (BRR)، بیز A (Bayes A)، بیز B (Bayes B)، بیز C (Bayes C) و بیز L (Bayes L) پیش‌بینی شد. همبستگی پیرسون بین ارزش‌های اصلاحی برآورد شده و واقعی به‌عنوان صحت پیش‌بینی هر سناریو در نظر گرفته شد. نتایج نشان داد که صحت پیش‌بینی تمام روش‌های مورد مطالعه (به دلیل تشابه ماهیت محاسباتی) به هم نزدیک بوده ولی در این میان روش‌های بیز A و بیز B توانستند نسبت به سایر روش‌ها، اثرات آللی را اندکی بهتر (3 تا 7 درصد) برآورد کنند. همچنین زمانی که توزیع اثرات ژنی به‌صورت گاما بود، صحت برآوردها اندکی بالاتر از توزیع‌های نرمال و یکنواخت بود. اما در این دو توزیع، برآوردهای تقریباً مشابهی به دست آمد. مقایسه نتایج حاصل از سطوح مختلف تعداد (درصد) QTL نشان داد زمانی که صفت به‌وسیله تعداد QTL بیشتری کنترل می‌شود ارزش‌های اصلاحی ژنومی با صحت بالاتری پیش‌بینی می‌شوند. در هر دو صفت، این افزایش در توزیع اثرات ژنی گاما، نمایان‌تر بود. با افزایش وراثت‌پذیری صفت، صحت برآورد اثرات آللی و متعاقب آن پیش‌بینی ارزش‌های اصلاحی ژنومی افزایش یافت. هرچند که تفاوت صحت‌های به‌دست‌آمده در ضرایب پایین (05/0 و 1/0) بیشتر بوده ولی در ضرایب بالاتر (15/0 و 2/0) این تفاوت کمتر بود. به‌طورکلی، صحت پیش‌بینی در سطوح مختلف وراثت‌پذیری بین 54/0 تا 84/0 (در صفت تعداد همزادان) و 41/0 تا 70/0 (در صفت زنده‌مانی) متغیر بود. همان‌طور که انتظار می‌رفت در هر دو صفت، با افزایش تعداد افراد جمعیت مرجع، صحت پیش‌بینی ارزش‌های اصلاحی ژنومی افزایش یافت. اما صحت پیش‌بینی‌ها در صفت زنده‌مانی، با افزایش تعداد مشاهدات در جمعیت مرجع نسبت به صفت تعداد همزادان، افزایش بیشتری نشان داد. با افزایش فاصله بین نسل‌های جمعیت مرجع و جمعیت تأیید، صحت پیش‌بینی‌ها کاهش یافت. اما صفت زنده‌مانی و روش‌های بیز A و بیز B دارای نرخ کاهش آهسته‌تری بودند. همچنین نتایج نشان داد که نرخ کاهش، مستقل از وراثت‌پذیری صفت و تعداد افراد جمعیت مرجع بوده و بیشتر تابع سطح عدم تعادل لینکاژی در جمعیت است. صحت استنباط ژنوتیپی با روش جنگل تصادفی نسبت به روش تصادفی تفاوت چشمگیری داشت. همچنین صحت استنباط ژنوتیپی به روش جنگل تصادفی با افزایش سطح عدم تعادل لینکاژی افزایش یافت. صحت ارزیابی ژنوتیپ‌های استنباط شده، در سطوح مختلف عدم تعادل لینکاژی، تفاوت چندانی نداشت. نتایج این مطالعه نشان داد که روش‌های بیزی، روش‌های قدرتمندی در پیش‌بینی ارزش‌های اصلاحی ژنومی بوده و استفاده از این روش‌ها، در سناریوهای مختلف ژنومی و جمعیتی، می‌تواند منجر به پیشرفت ژنتیکی چشمگیری در صفات آستانه‌ای شود. روش جنگل تصادفی تا سطح 70% ژنوتیپ ازدست‌رفته کارایی بالایی دارد اما صحت استنباط آن در سطوح بالاتر شدیداً کاهش پیدا می‌کند.
کلمات کلیدی: صفات آستانه‌ای، معماری ژنتیکی، ژنوم، روش‌های بیزی، جنگل تصادفی، استنباط ژنوتیپی.
فهرست مطالب
عنوان شماره صفحه
TOC \o “1-1” \h \z \t “قسمت,3,بخش,2” فصل اول PAGEREF _Toc421465419 \h 1مقدمه و کلیات PAGEREF _Toc421465420 \h 11-1- مقدمه PAGEREF _Toc421465421 \h 22-1- اهداف پژوهش PAGEREF _Toc421465422 \h 4فصل دوم PAGEREF _Toc421465423 \h 5بررسی منابع PAGEREF _Toc421465424 \h 52-1- اهداف اصلاح نژاد PAGEREF _Toc421465425 \h 62-2- روش‌های ارزیابی کلاسیک PAGEREF _Toc421465426 \h 62-3- استفاده از منابع اطلاعاتی نشانگری PAGEREF _Toc421465427 \h 72-4- انتخاب به کمک نشانگر PAGEREF _Toc421465428 \h 82-5- چند شکلی‌های تک نوکلئوتیدی PAGEREF _Toc421465429 \h 92-6- میکرو تراشه‌های DNA PAGEREF _Toc421465430 \h 92-7- انتخاب ژنومی PAGEREF _Toc421465431 \h 102-8- مزایای انتخاب ژنومی PAGEREF _Toc421465432 \h 132-9- روش‌های آماری پیش‌بینی ژنومی PAGEREF _Toc421465433 \h 132-10- روش‌های بیزی در انتخاب ژنومی PAGEREF _Toc421465434 \h 162-11- استنباط ژنوتیپی PAGEREF _Toc421465436 \h 172-11-1- استنباط مبتنی بر شجره PAGEREF _Toc421465437 \h 182-11-2- استنباط مبتنی بر ساختار جمعیت PAGEREF _Toc421465438 \h 182-12- اصلاح نژاد ژنومی در گوسفند PAGEREF _Toc421465439 \h 192-13- مروری بر نتایج برخی مطالعات انجام شده PAGEREF _Toc421465440 \h 20فصل سوم PAGEREF _Toc421465441 \h 26مواد و روش‌ها PAGEREF _Toc421465442 \h 263-1- شبیه‌سازی ژنوم PAGEREF _Toc421465443 \h 273-2- شبیه‌سازی جمعیت‌ها PAGEREF _Toc421465444 \h 273-3- محاسبه عدم تعادل لینکاژی PAGEREF _Toc421465445 \h 273-4- صفات مورد مطالعه PAGEREF _Toc421465446 \h 283-5- سناریوهای مورد آزمایش PAGEREF _Toc421465447 \h 293-5-1- توزیع اثرات QTL PAGEREF _Toc421465448 \h 293-5-2- تعداد QTL PAGEREF _Toc421465449 \h 293-5-3- وراثت‌پذیری صفت PAGEREF _Toc421465450 \h 293-5-4- تعداد مشاهدات PAGEREF _Toc421465451 \h 303-5-5- پایداری صحت پیش‌بینی‌ها PAGEREF _Toc421465452 \h 303-6- روش‌های ارزیابی PAGEREF _Toc421465453 \h 303-7- برآورد ارزش‌های اصلاحی ژنومی PAGEREF _Toc421465454 \h 343-8- مقایسه صحت روش‌ها PAGEREF _Toc421465455 \h 343-9- استنباط ژنوتیپی PAGEREF _Toc421465456 \h 343-10-1-روش تخصیص تصادفی PAGEREF _Toc421465457 \h 343-10-2- روش جنگل تصادفی PAGEREF _Toc421465458 \h 353-11- صحت استنباط ژنوتیپ PAGEREF _Toc421465459 \h 353-12- صحت پیش‌بینی ارزش‌های اصلاحی ژنومی حاصل از ژنوتیپ استنباط شده PAGEREF _Toc421465460 \h 36فصل چهارم PAGEREF _Toc421465461 \h 37نتایج PAGEREF _Toc421465462 \h 374-1- سطح عدم تعادل لینکاژی PAGEREF _Toc421465463 \h 384-2- صحت ارزیابی‌ها در سناریوهای مختلف PAGEREF _Toc421465464 \h 384-3- توزیع اثرات ژنی PAGEREF _Toc421465465 \h 394-4- تعداد QTL PAGEREF _Toc421465466 \h 404-5- وراثت‌پذیری صفت PAGEREF _Toc421465467 \h 414-6- تعداد افراد جمعیت مرجع PAGEREF _Toc421465468 \h 444-7- پایداری صحت پیش‌بینی در نسل‌های جمعیت تایید PAGEREF _Toc421465469 \h 454-8- استنباط ژنوتیپی PAGEREF _Toc421465470 \h 48فصل پنجم PAGEREF _Toc421465471 \h 50بحث و نتیجه‌گیری PAGEREF _Toc421465472 \h 505-1- بحث PAGEREF _Toc421465473 \h 515-2- نتیجه‌گیری PAGEREF _Toc421465474 \h 605-3- پیشنهادها PAGEREF _Toc421465475 \h 61منابع و ماخذ PAGEREF _Toc421465476 \h 62

فهرست جداول
عنوان شماره صفحه
جدول 4-1- صحت ارزش‌های اصلاحی ژنومی روش‌های مورد مطالعه در تعداد افراد مرجع و وراثت‌پذیری‌های مختلف 46

فهرست شکل‌ها
عنوان شماره صفحه
شکل 2-1- فرایند انتخاب ژنومی 12
شکل 4-1- تغییرات عدم تعادل لینکاژی در نسل‌های مختلف جمعیت تاریخی 38
شکل 4-2- صحت ارزش‌های اصلاحی ژنومی برای صفت تعداد همزادان با استفاده از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در سه حالت توزیع اثرات ژنی یکنواخت، نرمال و گاما 39
شکل 4-3- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با استفاده از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در سه حالت توزیع اثرات ژنی یکنواخت، نرمال و گاما 40
شکل 4-4- صحت ارزش‌های اصلاحی ژنومی برای صفت تعداد همزادان با استفاده از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در سه حالت توزیع اثرات ژنی یکنواخت، نرمال و گاما 41
شکل 4-5- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با استفاده از روش‌های بیز A (BA)، بیز B (BB)، بیز C (BC)، بیز لاسو (BL)، رگرسیون ریج بیزی (BRR) در سه حالت توزیع اثرات ژنی یکنواخت، نرمال و گاما 42
شکل 4-6- صحت ارزش‌های اصلاحی ژنومی برای تعداد همزادان با استفاده 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 43
شکل 4-7- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با استفاده 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 43
شکل 4-8- صحت ارزش‌های اصلاحی ژنومی برای صفت تعداد همزادان با استفاده 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 44
شکل 4-9- صحت ارزش‌های اصلاحی ژنومی برای صفت زنده‌مانی با استفاده 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 45
شکل 4-10- تابعیت صحت ارزش‌های اصلاحی روش‌های مورد مطالعه به نسل (صفت تعداد همزادان) 47
شکل 4-11- تابعیت صحت ارزش‌های اصلاحی روش‌های مورد مطالعه به نسل (صفت زنده‌مانی) 47
شکل 4-12- صحت استنباط ژنوتیپی با استفاده از روش‌های جنگل تصادفی و روش انتساب تصادفی در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته 48
شکل 4-13- صحت ارزیابی ژنومی صفت تعداد همزادان در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته استنباط شده با استفاده از روش‌های جنگل تصادفی و روش انتساب تصادفی. 49
شکل 4-13- صحت ارزیابی ژنومی صفت زنده‌مانی در سطح مختلف عدم تعادل لینکاژی و درصدهای مختلف ژنوتیپ ازدست‌رفته استنباط شده با استفاده از روش‌های جنگل تصادفی و روش انتساب تصادفی 49
فصل اول14533954862926مقدمه و کلیات1-1- مقدمههدف 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، 1998). 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، 2010). 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 استفاده 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، 2010). 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، 1391 و مِوویسِن، 2007).
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، 1967). در دهه 90 نیز استفاده از ماتریس روابط آللی به‌جای ماتریس روابط خویشاوندی مبتنی بر شجره، در معادلات مدل‌های مختلط ارایه شد که رتبه‌بندی صحیح‌تر افراد به‌ویژه برای افراد تنی بدون رکورد را فراهم می‌کرد (نجاتی-جوارمی و همکاران، 1997). 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، 2013b). 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، 2004؛ بِرناردو، 2008؛ هِیز و همکاران، 2009). 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 (1997)، ویسچِر (1998) و ویتتاکر و همکاران (2000) 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 (2001) انتشار یافت، ارایه شده است. در این روش می‌توان ارزش‌های اصلاحی ژنومی تمام افراد را با استفاده 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، 1389؛ فروتنی فر و همکاران، 1391؛ ژانگ و همکاران، 2009؛ بُوومان و همکاران، 2011؛ مُسِر و همکاران، 2009؛ مویر و همکاران، 2007؛ ویلامسِن و همکاران، 2009). 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، 2012). این مشکل را می‌توان از طریق استنباط ژنوتیپی برطرف کرد. در این روش، حیوانات کاندیدا با استفاده از پانل کم تراکم SNP ها (پوشش پراکنده ژنوتیپ و هزینه پایین) و حیوانات مرجع با استفاده 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 استفاده از معادلات پیش‌بینی مورد استفاده قرار گیرند (هِیز و همکاران، 2012).
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، 2013). 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،‌2001).
2-1- اهداف پژوهشدر بسیاری از تحقیقات صورت گرفته مرتبط با ارزیابی‌های ژنومی در حیوانات اهلی، صفات پیوسته مطالعه شده است. بنابراین، پژوهش حاضر با هدف بررسی صحت برآورد ارزش‌های اصلاحی ژنومی صفات آستانه‌ای در معماری‌های مختلف آللی (توزیع‌های آماری مختلف اثرات ژنی و تعداد متفاوت QTL)، وراثت‌پذیری‌های مختلف و اندازه‌های متفاوت جمعیت مرجع با استفاده از روش‌های بیزی انجام گرفت. همچنین مقایسه صحت ارزش‌های اصلاحی ژنومی برآورد شده در حالت ژنوتیپ واقعی و استنباط شده با استفاده از دو روش جنگل تصادفی و روش انتساب تصادفی نیز از اهداف مطالعه حاضر بوده است.

فصل دومبررسی منابع619340379101600
2-1- اهداف اصلاح نژادمهم‌ترین هدف در اصلاح دام، شناسایی افرادی است که دارای بالاترین ارزش اصلاحی برای صفات موردنظر اصلاحگر بوده و شرکت دادن این افراد در چرخه تولید مثلی به‌عنوان والدین نسل بعد می‌باشد. عملکرد فرد، معمولاً شامل ترکیبی از چندین مشخصه یا صفت می‌باشد که عمده آن‌ها طبیعت و ماهیت کمّی دارند. صفات کمّی معمولاً به وسیله چند و یا حتی تعداد زیادی ژن (شاید بیشتر از هزار) همراه با اثرات محیطی کنترل می‌شوند (فالکونر و مَک‌کی، 1996). صفاتی مانند نرخ رشد، تولید شیر، تولید چربی و پروتئین از این قبیل‌اند. مهم‌ترین معیار که برای تعیین شایستگی افراد کاندیدا به‌کار می‌رود برآوردهای ارزش اصلاحی افراد برای صفات مورد علاقه (موردنظر) می‌باشد. ارزش اصلاحی یک فرد به‌صورت مجموع ارزش‌های ژنتیکی افزایشی برای تمام جایگاه‌هایی که در کنترل صفت سهیم‌اند (جایگاه‌های کنترل کننده صفات کمی، Quantitative Trait Loci) تعریف می‌شود.
تا کنون، اطلاعات فنوتیپی زیادی برای صفات اقتصادی در دامپروری، جمع‌آوری شده و به‌عنوان منبع اصلی اطلاعات جهت برآورد ارزش اصلاحی کاندیداهای انتخاب مورد استفاده قرار گرفته است. برای رسیدن به این هدف، روش‌های آماری پیچیده‌ای بر اساس متدولوژی مدل‌های خطی مختلط با خاصیت بهترین پیش‌بینی نااریب خطی (BLUP) به‌کارگرفته شده است (هندرسون، 1987؛ لینچ و والش، 1998). این روش‌ها بر استفاده از اطلاعات فنوتیپی خود فرد و خویشاوندانش به‌منظور بیشینه کردن صحت برآورد ارزش‌های اصلاحی تاکید داشته‌اند. اگر صحت را به‌عنوان همبستگی بین ارزش اصلاحی واقعی و برآورد شده تعریف کنیم می‌توان آن را به‌عنوان مهم‌ترین شاخصه نرخ پیشرفت ژنتیکی که می‌تواند در یک برنامه اصلاحی در واحد زمان حاصل شود پذیرفت. عواملی چون شدت انتخاب، صحت انتخاب و فاصله نسل در پیشرفت ژنتیکی موثرند. نرخ پیشرفت ژنتیکی مورد انتظار در واحد زمان، با شدت و صحت انتخاب ارتباط مستقیم دارد اما با فاصله نسل نسبتی معکوس دارد (فالکونر و مَک‌کی، 1996).
2-2- روش‌های ارزیابی کلاسیکدر اواخر نیمه اول قرن بیستم، روش شاخص انتخاب توسط هیزل و لاش (1943) معرفی شد. این روش همبستگی بین مقادیر فنوتیپی، رابطه ژنتیکی بین افراد دارای رکورد و حیوانات مورد ارزیابی را در نظر می‌گرفت. با استفاده از این روش امکان ترکیب اطلاعات زیادی در یک هدف اصلاحی فراهم گردید. در شاخص‌ها، مهم‌ترین خصوصیت و ویژگی کاهش خطای پیش‌بینی، حداکثر کردن همبستگی بین ارزش ژنتیکی برآورد شده و حقیقی بود. بنابراین، استفاده از اطلاعات دیگر حیوانات منجر به افزایش درصحت ارزیابی‌ها شد (سیلوا و همکاران، 2014).
با توسعه روش‌های مدل مختلط توسط هندرسون (1949) ارزیابی ژنتیکی با استفاده از برآوردهای دقیق‌تر ارزش‌های اصلاحی شروع شد. ابتدا، از طریق مدل پدری که ارتباطات والد-فرزندی را در نظر می‌گیرد و سپس از طریق مدل حیوان که تمام روابط شناخته شده در بین حیوانات در شجره را در نظر می‌گرفت ارزیابی‌ها انجام شد. با استفاده از این روش، برآورد همزمان اثرات ثابت (BLUE) و اثرات تصادفی (BLUP) ممکن شد. درنتیجه، ارزش‌های اصلاحی با خاصیت BLUP برای تمام حیوانات موجود در شجره به‌دست آمد. این روش اگر چه، خصوصیات آماری مشابهی با روش شاخص انتخاب دارد اما به‌طور مستقیم برآوردهای ارزش‌های اصلاحی را ارایه می‌دهد. اما در روش شاخص انتخاب ضرایب شاخص و ارزش‌های اصلاحی در مراحل جداگانه‌ای حاصل می‌شوند. ارزش‌های اصلاحی برآورد شده با استفاده از معادلات مدل‌های مختلط به‌طور گسترده‌ای به‌عنوان ابزار انتخاب مورد استفاده قرار گرفتند (سیلوا و همکاران، 2014).
اگرچه برنامه‌های انتخاب بر اساس ارزش‌های اصلاحی برآورد شده از فنوتیپ تاکنون خیلی موفقیت آمیز بوده‌اند اما این روش نیز دارای محدو دیت‌هایی است (دِکرز، 2012):
1) به‌منظور برآورد ارزش‌های اصلاحی قابل اعتماد برای کاندیداهای انتخاب، داشتن اطلاعات فنوتیپی از حیوان و یا از خویشاوندان نزدیک ضروری است. درنتیجه، علاوه بر هزینه‌های رکوردگیری، برخی صفات مورد علاقه اصلاحگران فقط در اواخر دوره زندگی (مانند ماندگاری) و یا فقط در یک جنس (مانند تولید شیر در گاو شیری) بروز می‌یابند، و نیز صفاتی که نیاز به کشتار حیوان دارند (صفات کیفیت گوشت) ارزیابی را با محدودیت مواجه می‌کند.
2) تئوری این مدل بر اساس مدل ژنتیکی بی‌نهایت ژن موثر بر صفات کمی ارایه شده است (فالکونر و مَک‌کی، 1996). در این مدل فرض شده است که صفت به وسیله تعداد بی‌نهایت ژن غیر همبسته با اثرات افزایشی و خیلی کوچک کنترل می‌شوند. در حالیکه تعداد ژن‌ها نمی‌تواند بی‌نهایت باشد. همچنین نوترکیبی حاصل از لینکاژ نیز که خود عامل مهمی در تنوع است را در نظر نمی‌‌گیرد. هرچند ممکن است تعداد زیادی ژن با اثر کوچک بر صفت موثر باشند اما در بسیاری از صفات قسمت عمده‌ای از تنوع توسط تعداد محدودی ژن بزرگ اثر کنترل می‌شود (عبدالهی و همکاران، 1391؛ کالوس، 2010؛ دِکرز، 2012).
3- با توجه به اینکه در BLUP از ماتریس روابط خویشاوندی استفاده می‌شود و در تشکیل این ماتریس، واریانس برآوردها در نظر گرفته نشده و از میانگین رابطه خویشاوندی استفاده می‌شود، عملاً ضرایب بین افراد حاصل از یک تلاقی یکسان برآورد می‌شود. درنتیجه به دلیل در نظر نگرفتن اثر نمونه‌گیری مندلی (ترکیب تصادفی کروموزوم‌ها در مرحله گامتوژنز) احتمال انتخاب حیوانات خویشاوند و افزایش هم‌خونی بالا می‌رود. همچنین صحت این برآوردها تا حدود زیادی تابع صحت و کیفیت شجره میباشند (کالوس، 2010).
2-3- استفاده از منابع اطلاعاتی نشانگریاستفاده از منابع اطلاعاتی دیگر به‌منظور رفع محدودیت‌های ارزیابی کلاسیک و به‌دست آوردن ارزش‌های ژنتیکی زود هنگام از کاندیداهای انتخاب دارای تاریخی کهن است. نخستین تلاش‌ها، روی صفات اندیکاتور (شاخص)، مقادیر فیزیولوژیکی و مارکرهای خونی صورت گرفت. یکی از موارد موفقیت آمیز اولیه، استفاده از گروه‌های خونی به‌عنوان نشانگرهای مولکولی برای افزایش مقاومت ژنتیکی در طیور بوده است (هانسِن و همکاران، 1967). مقدار سرم IGF-1 اندازه‌گیری شده در سنین اولیه در گاو و خوک به‌عنوان شاخص کارایی رشد نیز مثالی از مقادیر فیزیولوژیک می‌باشد (بانتِر و همکاران، 2005). به‌طور کلی، استفاده از صفات شاخص به‌وی‍ژه صفات شاخص فیزیولوژیک قابل اندازه‌گیری در خون محدود بود.
در دهه 90 میلادی استفاده از ماتریس روابط آللی (به‌جای ماتریس روابط خویشاوندی) در معادلات مدل‌های مختلط توسط نجاتی-جوارمی و همکاران (1997) مطرح شد. نتایج مطالعه آن‌ها که برای اولین بار اطلاعات ژنومی را در ارزیابی‌های حیوانات اهلی دخیل می‌داد نشان داد که ارزش‌های اصلاحی برآورد شده به مقدار حقیقی خود نزدیک‌تر شده و پاسخ به انتخاب بیشتر خواهد شد. همچنین نرخ پیشرفت ژنتیکی برای صفاتی که دارای وراثتپذیری پایین بودند، یا اینکه تحت تاثیر تعداد اندکی QTL و یا تعداد کمتر آلل در هر جایگاه بودند بیشتر بود. پر واضح است دلیل بهبود نرخ پیشرفت ژنتیکی در این روش ارزیابی، نسبت به روش استفاده از اطلاعات شجره، نشان دادن دقیق‌تر رابطه بین افراد جمعیت بود. زیرا به‌جای استفاده از متوسط رابطه خویشاوندی، حالت همسانی در موقعیت (Identical By State) و تنوع ژنی موجود را نیز در نظر داشت. هرچند که در این مطالعه اثرات QTL به‌طور مستقیم و همزمان با اثرات پلی‌ژنیک در مدل وارد نشده بود؛ اما این محققین بیان کردند درصورتی‌که بتوان اثرات QTL را در مدل وارد نمود، پیشرفت ژنتیکی تسریع خواهد شد.
در تایید سودمندی استفاده از اطلاعات ژنومی ویلانِوا و همکاران (2005) گزارش کردند حتی درصورتی‌که مدل ژنتیکی صفت موردنظر مدل بی‌نهایت ژن باشد و هیچ ژنی دارای اثر بزرگ نباشد، استفاده از ماتریس روابط خویشاوندی آللی و یا استفاده از اطلاعات نشانگری در برنامه‌های انتخاب مفید و منجر به پاسخ به انتخاب مطلوب‌تر خواهد بود.
2-4- انتخاب به کمک نشانگربرخی خصوصیات یا صفات که تفرق همزمان با صفت داشته باشند را می‌توان به‌عنوان نشانه‌ای برای ژنوتیپ خاصی از صفت دانست. انتخاب غیرمستقیم برای صفت بر اساس آن نشانه را انتخاب به کمک نشانگر می‌گویند. نشانگرها می‌توانند مبتنی بر خواص ظاهری، پروتئین و یا DNA باشند. نشانگرهای DNA به بخشی از ژنوم اطلاق می‌گردد که با تنوع صفت خاصی مرتبط باشد (مونتالدو و مِزا-هِرِرا، 1998).
انتخاب بر اساس نشانگرها در خصوص صفاتی که از ارزیابی‌های کلاسیک چندان بهره نمی‌برند مفید خواهد بود. به‌طوری‌که، همزمان از اطلاعات فنوتیپی و نشانگرهای مولکولی در سطح ژنوم (در حالت عدم تعادل لینکاژی با QTL) استفاده می‌کند (دِکرز، 2004). از این روش در انتخاب گاوهای نر جوان برای ورود به مرحله آزمون نتاج در صنعت گاوشیری استفاده شده است (گئورجِس و همکاران، 1995؛ ماکینون و گئورجِس، 1998).
استفاده از اطلاعات مولکولی به‌منظور بهبود ژنتیکی در گاوهای شیری برای اولین بار در اواخر دهه 1960 توسط (اسمیت، 1967) به‌خصوص برای صفاتی که بهبودشان با استفاده از برنامه‌های اصلاح نژاد سنتی مشکل بود پیشنهاد شد. اما در عمل، ظهور دوران استفاده از ژنتیک مولکولی به اوایل دهه 70 برمی‌‌گردد که فرصت جدیدی را در برنامه‌های اصلاح نژادی ایجاد کرد که بتوان از نشانگرهای DNA برای شناسایی ژن یا مناطق ژنومی کنترل کننده صفات موردنظر استفاده کرد. اولین کاربرد مشهور این روش، کشف اساس ژنتیکی و توسعه آزمون‌های نقایص ژنتیکی (تک جایگاهی) بود. در خصوص صفات کمّی نیز، این پیشرفت‌ها منجر به شناسایی QTL و توسعه تست‌های DNA شد. این تست‌ها به‌منظور کمک به تصمیم انتخاب یا حذف افراد کاندیدا در مراحل اولیه زندگی، در تکنیک انتخاب به کمک نشانگر به‌کار گرفته شدند. به‌طوری که با ترکیب اطلاعات حاصل از نشانگرهای ژنتیکی مرتبط با QTL و اطلاعات فنوتیپی، انتخاب انجام می‌شد (لَند و تامپسون، 1990؛ اسمیت و سیمپسون، 1986). با استفاده از این روش، نتایج بسیار مفیدی در خصوص شناسایی تعداد قابل توجهی QTL، ارتباطات نشانگر- فنوتیپ و برخی جهش‌های علّی حاصل شد (دِکرز، 2004). اما کاربرد این روش نیز در برنامه‌های اصلاح نژاد، به دلایلی با محدودیت همراه بود (دِکرز، 2004): 1) بیشتر مطالعات QTL در آمیخته‌های تجاری انجام شده است در صورتی که می‌بایست در جمعیت‌هایی از حیوانات اهلی انجام می‌شد که برای بهبود و پیشرفت ژنتیکی استفاده می‌شدند. 2) فقط بخش محدودی از تنوع ژنتیکی صفت به‌وسیله جایگاه‌ها و اثرات شناسایی شده توجیه می‌شد، درحالی‌که بیشتر صفات اقتصادی به وسیله تعداد زیادی ژن کنترل می‌شوند. 3) هزینه تعیین ژنوتیپ به روش معمولی (سنتی) برای کاندیداهای انتخاب حتی برای تعداد کمی نشانگر ژنتیکی نیز بسیار بالا بود.
2-5- چند شکلی‌های تک نوکلئوتیدیتنوع و تفاوت‌هایی که به واسطه اختلاف در یک جایگاه تک نوکلئوتیدی (Single Nucleotide Polymorphisms) (به علت جایگزینی، حذف یا اضافه) در بین افراد همان گونه رخ می‌دهند، به‌عنوان چندشکلی تک نوکلئوتیدی (SNP) شناخته می‌شوند. جایگزینی نوکلئوتیدها عامل مهمی در ایجاد SNP در ژنوم محسوب می‌شوند. ازلحاظ نوع جایگزینی بازها، جهش‌ها می‌توانند ترانزیشن (Transition) یا ترانزورژن (Transversion) باشند. در جهش ترانزیشن جایگزینی بازهای پورین یا پیریمیدین پیریمیدین با یکدیگر صورت می‌گیرد. از این رو در این نوع جهش‌ها فقط دو شکل آللی در جایگاه مربوطه قابل مشاهده می‌باشد. ولی در جهش‌های ترانزورژن جایگزینی کلیه بازهای پورین و پیریمیدین با یکدیگر صورت می‌گیرد. از اینرو در این نوع از جهش‌ها هر چهار شکل آللی در جایگاه مربوطه می‌تواند مشاهده گردد (A↔C، A↔T، G↔C و G↔T). ازلحاظ تئوری، تبدیل یک باز نوکلئوتیدی به هرکدام از بازهای 4 گانه امکان‌پذیر است. اما به علت شکل هندسی بازها، SNP های سه و به‌ویژه چهار آللی بسیار نادر بوده و بیشتر SNP ها دو آللی‌اند (سوبِدی، 2012). این نشانگرها نسبت به نشانگرهای ریزماهواره، دارای تنوع آللی کمتری هستند اما به دلیل اینکه در کل ژنوم به میزان بالا یافت می‌شوند نشانگرهای بسیار مناسبی برای ردیابی QTL و مطالعات ارتباطی کل ژنوم می‌باشند. همین علت هم منجر به توسعه روش‌ها و تکنیک‌های شناسایی و کاربرد این نشانگرها در سال‌های اخیر شده است.
2-6- میکرو تراشه‌های DNAچندشکلی‌های تک نوکلئوتیدی را می‌توان با استفاده از روش‌های متعددی تشخیص داد. اما یک فن‌آوری نسبتاً جدید در این رابطه، استفاده از تراشه‌های DNA (DNA Chips) می‌باشد. در این فن آوری همزمان چند شکلی چندین هزار مارکر مورد بررسی قرار می‌گیرد (ویگنال و همکاران، 2012). در حال حاضر برای بیشتر گونه‌های حیوانات اهلی، تراشه‌های تجاری وجود دارد که با استفاده از آن‌ها می‌توان ده‌ها هزار SNP را در طول ژنوم یک حیوان با هزینه منطقی و قابل قبول (کمتر از 150 دلار به ازای هر نمونه) در زمان بسیار اندک تعیین ژنوتیپ کرد. اولین مورد از این تراشه‌ها در حیوانات اهلی، پانل 50 هزار جفت نوکلئوتیدی (که به اختصار گفته می‌شود SNP 50K) گاوی بود که توسط شرکت ایلومینا طراحی شد (ماتوکومالی و همکاران، 2009). تا به امروز ده‌ها هزار گاو گوشتی و شیری، با استفاده از این تکنولوژی تعیین ژنوتیپ شده‌‌اند. تراشه‌های 40 تا 60 هزار SNP مشابهی نیز برای دیگر گونه‌های حیوانات اهلی شامل طیور، گوسفند، خوک و اسب در دسترس است. SNP chip یا DNA chip مخصوص گوسفند در سال 2009 با عنوان Illumina Ovine SNP50 BeadChip طراحی شد که 54241 جهش تک نوکلئوتیدی با فاصله یکسان در سطح ژنوم گوسفند را پوشش می‌دهد. این طراحی با همکاری تعداد زیادی محقق در سراسر جهان و صرف هزینه بسیار بالا در قالب پروژه Sheep HapMap صورت گرفت (کیجاس و همکاران، 2009). مهم‌ترین استفاده از این تراشه‌های DNA با تراکم بالای SNP، در انتخاب ژنومی یا انتخاب بر مبنای کل ژنوم بوده است (مِوویسِن و همکاران، 2001؛ وَن‌رادِن و همکاران، 2009). استفاده از این تراشه‌ها، منجر به تولید تعداد بسیار زیادی داده SNP با تراکم بالا می‌شود که می‌توانند در مطالعات ارتباطی کل ژنوم به‌منظور شناسایی نشانگرهای ژنومی یا مناطق ژنومی مرتبط با صفت بر اساس عدم تعادل لینکاژی (LD) و انتخاب ژنومی استفاده شوند (هِیز و همکاران، 2009).
2-7- انتخاب ژنومیانتخاب ژنومی به‌معنی استفاده از اطلاعات ژنومی به‌منظور ارزیابی و انتخاب افراد کاندیدا می‌باشد. ویژگی کلیدی این روش این است که کل ژنوم به‌وسیله نشانگرهای متراکم پوشش داده می‌شود. به‌طوری که تمام واریانس ژنتیکی به‌وسیله این نشانگرها توجیه شود و فرض می‌شود که نشانگر با QTL در حالت LD باشند (گُدارد و هِیز، 2007).
اولین بار معرفی و ارایه انتخاب ژنومی به وسیله نجاتی-جوارمی و همکاران (1997) صورت گرفت و سپس به وسیله مِوویسِن و همکاران (2001) توسعه داده شد. اما کاربردی شدن آن از زمان توصیف مفاهیم و ارایه مدل‌های انتخاب ژنومی تا در دسترس قرار گرفتن پانل‌های چندهزار نشانگری گاو به تاخیر افتاد (وَن‌تِسِل و همکاران، 2008). به‌طور کلی، SNP ها فراوان‌ترین نوع چند شکلی‌های DNA در ژنوم هستند و هم‌اکنون این نشانگرها بر سایر انواع نشانگرهای مولکولی در تحقیقات ژنومی اولویت دارند. زیرا این نشانگرها دارای نرخ جهش پایین‌تری هستند و به آسانی تعیین ژنوتیپ می‌شوند (رُموالدی و همکاران، 2012). ایده اصلی در انتخاب ژنومی، استفاده از مارکرهای خاصی برای ردیابی QTL نیست بلکه از تعداد بسیار زیادی نشانگر که در کل ژنوم پراکنده‌اند استفاده می‌شود. زمانی که چندین هزار نشانگر در طول ژنوم تعیین ژنوتیپ می‌شوند فرض می‌شود که نشانگرها در کنار جهش‌های علّی قرار گرفته‌اند. به‌عبارتی دیگر SNP ها با QTL در حالت عدم تعادل لینکاژی هستند (دِروس و همکاران، 2008). سهم هر نشانگر در شایستگی ژنتیکی افزایشی یک حیوان نمایان می‌شود و برخلاف فرضیات در مدل بی‌نهایت، در اینجا تفاوت بین اثرات مارکر نیز به دست می‌آید. هرچند در این خصوص کل و همکاران (2009) گزارش کردند که در گاو شیری برای بیشتر صفات تولیدی، مدل بی‌نهایت می‌تواند مدل مناسبی باشد و تنها تعداد اندکی QTL در ژنوم گاو وجود دارد.
دو پیشرفت تکنولوژیکی اصلی که در محبوبیت، کاربرد و موفقیت انتخاب ژنومی دخیل بودند عبارت‌اند از: 1) کامل شدن پروژه تعیین توالی ژنوم گاو و انتشار آن، منجر به شناسایی چندین هزار نشانگر SNP و درنتیجه تسریع پیشرفت‌های تحقیقاتی مرتبط شد (ِالسیک و همکاران، 2009). 2) در دسترس قرار گرفتن تراشه‌های DNA به‌صورت تجاری و با هزینه مناسب. این تراشه‌ها مشتمل بر هزاران نشانگر در طول ژنوم بوده و مجال برآورد ارزش‌های اصلاحی با صحت بالا را فراهم کرد (مِوویسِن و همکاران، 2001).
انتخاب ژنومی شامل 3 مرحله است:
1- استفاده از تراشه‌های DNA به‌منظور تعیین ژنوتیپ هر حیوان در هر نشانگر.
2- برآورد اثر هر جایگاه نشانگری بر روی صفت.
3- برآورد ارزش‌های اصلاحی ژنومی افراد کاندیدا و تصمیم انتخاب.

نظرات (0)
امکان ثبت نظر جدید برای این مطلب وجود ندارد.