دانلود پایان نامه : مقایسه صحت برخی روش‌های بیزی در استراتژی‌های مختلف ارزیابی ژنومی صفات آستانه‌ای

دانشگاه علوم کشاورزی و منابع طبیعی ساری

دانشکده علوم دامی و شیلات

رساله‌ی دکتری رشته­ ی ژنتیک و اصلاح دام

عنوان رساله:

مقایسه صحت برخی روش‌های بیزی در استراتژی‌های مختلف ارزیابی ژنومی صفات آستانه‌ای

استادان راهنما:

دکتر قدرت الله رحیمی

دکتر اردشیر نجاتی جوارمی

استاد مشاور:

دکتر محمود هنرور

خرداد 1394

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

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 بهره گرفتن 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

فصل اول. 1

مقدمه و کلیات.. 1

1-1- مقدمه. 2

2-1- اهداف پژوهش… 4

فصل دوم. 5

بررسی منابع. 5

2-1- اهداف اصلاح نژاد. 6

2-2- روش‌های ارزیابی کلاسیک… 6

2-3- استفاده از منابع اطلاعاتی نشانگری.. 7

2-4- انتخاب به کمک نشانگر. 8

2-5- چند شکلی‌های تک نوکلئوتیدی.. 9

2-6- میکرو تراشه‌های DNA.. 9

2-7- انتخاب ژنومی.. 10

2-8- مزایای انتخاب ژنومی.. 13

2-9- روش‌های آماری پیش‌بینی ژنومی.. 13

2-10- روش‌های بیزی در انتخاب ژنومی.. 16

2-11- استنباط ژنوتیپی.. 17

2-11-1- استنباط مبتنی بر شجره 18

2-11-2- استنباط مبتنی بر ساختار جمعیت.. 18

2-12- اصلاح نژاد ژنومی در گوسفند. 19

2-13- مروری بر نتایج برخی مطالعات انجام شده 20

فصل سوم. 26

مواد و روش‌ها 26

3-1- شبیه‌سازی ژنوم. 27

3-2- شبیه‌سازی جمعیت‌ها 27

3-3- محاسبه عدم تعادل لینکاژی.. 27

3-4- صفات مورد مطالعه. 28

3-5- سناریوهای مورد آزمایش… 29

3-5-1- توزیع اثرات QTL. 29

3-5-2- تعداد QTL. 29

3-5-3- وراثت‌پذیری صفت.. 29

3-5-4- تعداد مشاهدات.. 30

3-5-5- پایداری صحت پیش‌بینی‌ها 30

3-6- روش‌های ارزیابی.. 30

3-7- برآورد ارزش‌های اصلاحی ژنومی.. 34

3-8- مقایسه صحت روش‌ها 34

3-9- استنباط ژنوتیپی.. 34

3-10-1-روش تخصیص تصادفی.. 34

3-10-2- روش جنگل تصادفی.. 35

3-11- صحت استنباط ژنوتیپ.. 35

3-12- صحت پیش‌بینی ارزش‌های اصلاحی ژنومی حاصل از ژنوتیپ استنباط شده 36

فصل چهارم. 37

نتایج.. 37

4-1- سطح عدم تعادل لینکاژی.. 38

4-2- صحت ارزیابی‌ها در سناریوهای مختلف.. 38

4-3- توزیع اثرات ژنی.. 39

4-4- تعداد QTL. 40

4-5- وراثت‌پذیری صفت.. 41

4-6- تعداد افراد جمعیت مرجع. 44

4-7- پایداری صحت پیش‌بینی در نسل‌های جمعیت تایید. 45

4-8- استنباط ژنوتیپی.. 48

فصل پنجم. 50

بحث و نتیجه‌گیری.. 50

5-1- بحث.. 51

5-2- نتیجه‌گیری.. 60

5-3- پیشنهادها 61

منابع و ماخذ. 62

فهرست جداول

فهرست شکل‌ها

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، 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 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، 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 ارائه 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، 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، 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 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، 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).

تعداد صفحه : 82

قیمت :14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        *       asa.goharii@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.