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

عنوان
شماره صفحه
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

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 بهره گرفتن 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 بهره گرفتن 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 بهره گرفتن 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 بهره گرفتن 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 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
43
شکل 4-7- 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
43
شکل 4-8- 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
44
شکل 4-9- 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
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 بهره گرفتن 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 بهره گرفتن 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 بهره گرفتن از روش‌های جنگل تصادفی و روش انتساب تصادفی
49
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