ارزیابی عملکرد ماشین بردار پشتیبان با کرنل های مختلف در تجزیه ژنومی در سطوح مختلف واریانس غالبیت
هدف از پژوهش حاضر، بررسی و مقایسه صحت پیشبینی ژنومی روش ماشین بردار پشتیبان (SVM) بر اساس توابع کرنل مختلف شامل خطی (SVM-lin)، شعاعی (SVM-rad)، چندجملهای (SVM-pol) و حلقوی (SVM-sig)، و روش GBLUP در مدلهای کنش ژنی صرفاً افزایشی و افزایشی-انحراف غالبیت با در نظر گرفتن سطوح مختلف واریانس غالبیت ب...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
University of Guilan
2025-04-01
|
| Series: | تحقیقات تولیدات دامی |
| Subjects: | |
| Online Access: | https://ar.guilan.ac.ir/article_8629_9fb278cb5a0113c2d9a023803fbcbd16.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | هدف از پژوهش حاضر، بررسی و مقایسه صحت پیشبینی ژنومی روش ماشین بردار پشتیبان (SVM) بر اساس توابع کرنل مختلف شامل خطی (SVM-lin)، شعاعی (SVM-rad)، چندجملهای (SVM-pol) و حلقوی (SVM-sig)، و روش GBLUP در مدلهای کنش ژنی صرفاً افزایشی و افزایشی-انحراف غالبیت با در نظر گرفتن سطوح مختلف واریانس غالبیت بود. بدین منظور، ژنومی حاوی شش کروموزوم و بهطول 600 سانتیمورگان شبیهسازی شد. روی هر کروموزوم، 1000 نشانگر چندشکلی تک نوکلئوتیدی (SNP) با فواصل یکسان و 100 جایگاه صفت کمّی (QTL) بهطور تصادفی در نظر گرفته شد. واریانس فنوتیپی و وراثت پذیری بهترتیب برابر با 1 و 4/0 در نظر گرفته شد. واریانس انحراف غالبیت برابر با 10/0، 15/0، 20/0، 25/0، 30/0 و 35/0 در نظر گرفته شد. صحت پیشبینی بهعنوان ضریب همبستگی پیرسون بین ارزش ژنتیکی واقعی (TGV) یا ارزش اصلاحی واقعی(TBV) و ارزش ژنتیکی ژنومی (GEGV) یا ارزش اصلاحی ژنومی (GEBV) تعریف شد. روش مرسوم GBLUP در تمام سناریوهای مختلف واریانس غالبیت، صحت پیشبینی GEBV و GEGV بالاتری را نشان داد. در بین رویکردهای مختلف SVM، در مدل صرفاً افزایشی و افزایشی- انحراف غالبیت بر اساس صحت پیشبینی GEGV، رویکردهای SVM-rad و SVM-sig بهترتیب بالاترین عملکرد را نشان دادند. بر اساس صحت پیشبینی GEBV، با افزایش واریانس غالبیت، این برتری بهشدت کاهش یافت، بهطوری که در واریانس غالبیت بیشتر از 30/0، رویکردهای SVM-lin و SVM-sig بهترتیب صحت پیشبینی GEBV اندکی بالاتر و برابر با SVM-rad نشان دادند. بهطورکلی، در برازش فنوتیپ روی نشانگرها با روش ناپارامتری SVM، استفاده از تابع کرنل شعاعی در مدل پیشنهاد میشود. |
|---|---|
| ISSN: | 2252-0872 2538-6107 |