مقایسه روشهای محاسبه شاخص شایستگی کل با استفاده از شبیهسازی تصادفی

اهداف مدرن پرورش گاو شیری شامل چندین تولید و ویژگی های عملکردی بیشتر و بیشتر است. مقادیر تخمینی اصلاحی که در شاخص شایستگی کل ترکیب می شوند معمولا از مدل های تک صفتی یا از مدل های چند متغیره برای گروه های صفات حاصل می شوند. در اغلب موارد مدل حیوانی چندمتغیره مبتنی بر دادههای فنوتیپی برای همه صفات امکانپذیر نیست و برای استخراج شاخص شایستگی کل از روشهای تقریبی مبتنی بر نظریه شاخص انتخاب استفاده میشود. بنابراین هدف از این مطالعه مقایسه مدل حیوانی کامل چند منظوره با دو مدل تقریبی چند منظوره و رویکرد شاخص انتخاب بر اساس داده های شبیه سازی شده بود.

روش ها

سه ویژگی تولید و دو ویژگی عملکردی برای تقلید از جمعیت ملی قهوه ای اتریش شبیه سازی شد. روش مرجع برای استخراج شاخص شایستگی کل یک ارزیابی چند منظوره بر اساس تمام داده های فنوتیپی بود. دو روش تقریبی تغییرات یک مدل چند منظوره تقریبی بود که از انحراف عملکرد یا مقادیر اصلاح زدایی استفاده می کرد. روش نهایی سازگاری با روش شاخص انتخاب بود که در ارزیابی های معمول در اتریش و المان استفاده می شود. سه سناریو با توجه به کوواریانس های باقیمانده تنظیم شد: کوواریانس های باقیمانده برابر با صفر یا نیمی یا مساوی با کوواریانس های ژنتیکی بودند.

نتایج

نتایج هر دو مدل چند منظوره تقریبی با همبستگی رتبه 1 بسیار نزدیک به روش مرجع بود. هر دو روش تقریبا بی طرفانه بودند. همبستگی رتبه برای روش شاخص انتخاب نتایج خوبی را نشان داد زمانی که کوواریانس های باقی مانده صفر بودند اما همبستگی با روش مرجع زمانی که کوواریانس های باقی مانده بزرگ بودند کاهش یافت. همچنین متغیرهای مغرضانه در زمانی که کوواریانس های باقیمانده بالا بودند.

نتیجه گیری

ما یک روش تقریبی دو مرحله ای چند منظوره را برای ایجاد انحراف و مقادیر اصلاح نژاد رگرسیون اعمال کردیم که منجر به نتایج تقریبا بی طرفانه شد. مقادیر اصلاح نژاد رگرسیون حتی کمی نتایج بهتری به همراه داشت. نتایج ما تایید کرد که نادیده گرفتن کوواریانس های باقیمانده هنگام اعمال رویکرد شاخص انتخاب منجر به تعصب قابل توجهی می شود. این می تواند از نظر دقت انتخاب مرتبط باشد. یافته های ما نشان می دهد که رویکرد تقریبی چند منظوره اعمال شده به مقادیر اصلاح نشده رگرسیون می تواند در ارزیابی ژنتیکی معمول استفاده شود.

سابقه و هدف

در برنامههای پرورش گاو شیری انتخاب بر صفات مختلف تولیدی و بیشتر و بیشتر بر صفات عملکردی متمرکز است. معمولا مقادیر تخمینی پرورش یا فنوتیپ ها [1] در یک شاخص کل شایستگی ترکیب می شوند [2]. صفات یا گروه های صفات معمولا به طور جداگانه بر اساس مدل های مختلف ارزیابی می شوند [3]. این مورد در ارزیابی ژنتیکی مشترک اتریش-ژرمن از یک نژاد گاو لبنی و چند نژاد گاو دو منظوره نیز وجود دارد. شاخص توده بدنی و چند زیر شاخص بر اساس یک روش شاخص انتخاب [1] برای همه نژادهای گاو, که توسط پیشنهاد شد [4]. در حال حاضر جمعیت فلکویه دو منظوره سیمنتال و براون سوییس از 30 ویژگی تولیدی و عملکردی تشکیل شده است. همچنین برای چندین زیرشاخص یا با استفاده از روشهای تک متغیره (به عنوان مثال سهولت زایمان و مرده زایی) با استفاده از مدلهای حیوانی یا مادری-مادری-بزرگسال (دومی فقط برای طول عمر عملکردی) تخمین زده شده است. برخی از این مدل ها شامل اقدامات مکرر مانند تعداد سلول های سوماتیک [2]. متعاقبا با این فرض که کوواریانس باقیمانده بین صفات یا گروههای صفات برابر با صفر است ترکیب شده و شاخص های فرعی دیگر را تشکیل می دهند. با توجه به تعداد زیاد صفات درگیر و محدودیتهای روششناختی نمیتوان ماتریس واریانس ژنتیک افزایشی را برای ترکیب واریانس الکترومغناطیسی به یک ترکیب افزایشی برای همه صفات به صورت چند متغیره تخمین زد. همبستگی ژنتیکی افزودنی بین صفات شاخص توده بدنی عمدتا از ادبیات حاصل می شود [4]. همچنین مشاهده کردیم که شاخص توده بدنی روند صعودی سوگیری را برای حیوانات با قابلیت اطمینان پایین نشان می دهد (ر 2 ) (نتایج منتشر نشده). ما فرض می کنیم که این به دلیل نادیده گرفتن کوواریانس های باقی مانده هنگام ترکیب صفات یا گروه های صفت در شاخص توده بدنی است. تخمین کامل چند متغیره تمام صفات بر اساس داده های فنوتیپی می تواند روش بهینه را نشان دهد [5-7] اما در ارزیابی های ژنتیکی معمول محدودیت های قابل توجهی (به عنوان مثال قدرت کامپیوتر و ملاحظات محاسباتی) این رویکرد را غیرقابل اجرا می کند. بدین ترتیب یک مدل چند متغیره تقریبی با استفاده از روش دو مرحله ای با استفاده از داده های شبیه سازی شده پیشنهاد و اعتبار سنجی شد [3,8,9]. در مرحله اول واریانس ژنتیکی بر اساس انحرافات عملکرد تخمین زده شد. وزنهای مربوطه با استفاده از تجزیه و تحلیل تک متغیره محاسبه و برای تمام اثرات زیست محیطی تنظیم شد. در مرحله دوم,

روش ها

روش ها

شبیه سازی داده ها

ساختار جمعیتی که تقریبا منعکس کننده برنامه پرورش اتریشی گاوهای قهوه ای سوییس بود با برنامه شبیه سازی تصادفی ادام [13] شبیه سازی شد. جمعیت شبیه سازی شده تقریبا 51 300 گاو در 1710 گله را تشکیل می داد. پنج صفات به طور معمول توزیع به نمایندگی از لبنیات انتخاب شدند, گوشت گاو و تناسب اندام صفات. الزامات اضافی طیف گسترده ای از وراثت و همبستگی ژنتیکی بین صفات و اهمیت اقتصادی بود. عملکرد چربی و تعداد سلولهای سوماتیک و میزان عدم بازگشت گاوها بر روی حیوانات ماده اندازهگیری شد. افزایش روزانه خالص در حدود 60 درصد از تمام حیوانات نر مشاهده شد. هیچ سوابق مکرر فرض نشد. وراثت فرض شده و همبستگی ژنتیکی برای پنج ویژگی در جدول 1 است که از تخمین های جمعیت ملی قهوه ای سویس حاصل شده است [14]. حدود 25 درصد از گاوهای جوان و 75 درصد از گاوهای ثابت شده برای جفت گیری در طرح انتخاب استفاده شد. مقادیر پرورش و فنوتیپ برای پنج صفت برای حیوانات از جمعیت پایه شبیه سازی شد. حیوانات در طول 30 سال بر اساس شاخص توده بدنی چند متغیره انتخاب شدند. بر اساس مقادیر مورد استفاده برای ارزیابی ژنتیکی معمول, وزن اقتصادی نسبی به ازای هر افزودنی انحراف استاندارد ژنتیکی شد 5.4, 53.6, 4.3, 19.7 و 17% برای سال مالی, سال مالی, ان دی جی, اس. سه سناریو با توجه به کوواریانس باقیمانده بین صفات شبیه سازی شد. در سناریو 0 همبستگی باقیمانده بین صفات صفر فرض شد. برای سناریوهای 1 و 2 همبستگی باقیمانده به ترتیب با 50% یا 100% همبستگی ژنتیکی مطابقت داشت. این سناریوها به طور خاص برای تست روش شاخص انتخاب مورد استفاده در حال حاضر برای تعصب احتمالی به دلیل نادیده گرفتن همبستگی بین اثرات باقی مانده انتخاب شده اند که توسط پیشنهاد شده است [4]. برای هر سناریو ده تکرار شبیه سازی شد. به طور متوسط برای هر سناریو 755567 حیوان ارزش و قابلیت اصلاح نژاد تخمین زده شد.

جدول 1 پارامترهای ژنتیکی مورد استفاده برای شبیه سازی (وراثت در مورب, همبستگی ژنتیکی بالا مورب)

روش های محاسبه شاخص توده بدن

روش اول (مولتی) یک مدل حیوانی چند متغیره کامل بر اساس داده های فنوتیپی با استفاده از پارامترهای ژنتیکی و فنوتیپی واقعی با فرض مدل خطی زیر بود:_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0

ماتریس واریانس-کوواریانس باقیمانده 5 × 5 است و من ماتریس هویت را نشان می دهم. متعاقبا شاخص توده بدنی به عنوان محاسبه شد:

جایی که values بیانگر صفات است و values ارزشهای اقتصادی نسبی را نشان می دهد. به عنوان تخمین کامل چند منظوره, چند, نشان دهنده روش بهینه, این به عنوان روش مرجع در نظر گرفته شد.

روش دوم و سوم بر اساس روش تقریبی دو مرحله ای چند منظوره پیشنهاد شده توسط [3] بود. در این روش ها از ید یا دربو استفاده می شود. برای هر دو روش از ارزیابیهای ژنتیکی تکمتغیره برای محاسبه یدی و دربو برای هر صفت استفاده شد. با استفاده از مدل زیر مشاهدات فنوتیپی برای اثر ثابت سال گله اصلاح شد:

جایی که بله * بردار انحرافات عملکرد است, بله بردار مشاهدات فنوتیپی از صفات سال مالی است, سال مالی, سال مالی, و ب بردار اثرات سال گله است. ایکس ماتریس بروز از نظم مناسب است. پس از تصحیح برای اثرات ثابت, هر پنج صفت با هم در مدل حیوانی چند متغیره زیر مورد تجزیه و تحلیل قرار گرفت:

ایکس و ز به ترتیب ماتریس های بروز را برای اثرات ثابت و تصادفی نشان می دهند, ب بردار سال تولد است اثرات ثابت, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی را نشان می دهد. سال اثر تولد به منظور محاسبه بیش از حد یا دست کم گرفتن روند ژنتیکی گنجانده شد [9]. استفاده از یدک نیاز به وزن دارد تا مقدار مختلف اطلاعات را برای هر حیوان در نظر بگیرد. قابلیت اطمینان با اپکس بسته برنامه محاسبه شد [15], با استفاده از روش اینتربال تقریبی [15]. براساس این قابلیتها عملکردهای خود موثر محاسبه و به عنوان عوامل وزنی برای انحراف عملکرد در تخمین چند متغیره مقادیر اصلاحی برای روش سالیانه مورد استفاده قرار گرفت. فرمول زیر برای محاسبه اوپ برای صفت من استفاده شد:_iکه در آن α_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0_{ایکس و ز نشان دهنده ماتریس های بروز برای اثرات ثابت و تصادفی, به ترتیب, ب بردار اثرات ثابت گله سال است, الف بردار اثرات ژنتیکی افزودنی تصادفی حیوانات است و ه بردار اثرات باقیمانده تصادفی است. بردار یک به یک توزیع نرمال چند متغیره فرض شد,با میلی وی ان (0, گرم = گرم}0

برای تخمین مقادیر پرورش و معادله شاخص توده بدنی بر اساس فرمول های مشابه روش چندگانه بود. برای استفاده از یک رگرسیون تکمتغیره بر اساس رویکرد [17] و [18] که در بسته برنامه اجرا شده است میکس99 [19]. روش رگرسیون زدایی از سهم دختر موثر مربوطه به عنوان وزن و میانگین کلی به عنوان تنها اثر ثابت استفاده می کند. براساس معادله مدل (4) در یک مدل حیوانی 5 صفتی تخمین زده شد که دربو به عنوان متغیرهای پاسخ و میانگین اثر یک ساله و اثرات ژنتیکی افزایشی حیوانات برای هر صفت و اثرات باقیمانده دربو به عنوان متغیرهای توضیحی تخمین زده شد. برای تخمین مقادیر اصلاحی از فاکتورهای وزنی استفاده شد<\upsigma>_<\mathrm>روش چهارم روشی است که در حال حاضر در ارزیابی های معمول ژنتیکی در اتریش و المان برای محاسبه شاخص شایستگی کل بر اساس نظریه شاخص انتخاب استفاده می شود. با استفاده از معادله مدل مشابه (1) اما با فرض اینکه گرم = یک \(<\upsigma>_<\mathrm>^2\) و ر = من \(<\upsigma>_<\mathrm>^2\), جایی که \(<\upsigma>_<\mathrm>^2\) واریانس ژنتیکی افزودنی است و \(_ij^2\) واریانس باقیمانده است. به منظور دستیابی به شاخص توده بدنی با روش سی, کوواریانس بین ای بی وی (σ

) محاسبه شد:_{جایی که ر}گیج_i,jهست همبستگی ژنتیکی بین صفات من و ج ر 2_{قابلیت اطمینان صفات من و جی و tra}ای جی

انحراف استاندارد ژنتیکی افزودنی صفات هستند من و ج. در این معادله همبستگی باقیمانده نادیده گرفته می شود یعنی صفر فرض می شود.

نتایج

نتایج

همبستگی ها

جدول 2 نشان می دهد که همبستگی رتبه اسپیرمن بین شاخص توده بدنی با استفاده از روش مرجع چندگانه و از روش های متد و متد دپ و سی بر اساس قابلیت اطمینان شاخص توده بدنی برای همه حیوانات برای سناریوهای 0 و 2 طبقه بندی شده است. همبستگی برای ایدز و به خصوص دراپ تقریبا 1 بود. همبستگی بین روش مرجع و روش سی به ویژه برای سناریو 2 کمی کمتر بود که همبستگی باقیمانده (و در نتیجه فنوتیپی) با همبستگی ژنتیکی برابر بود. نتایج سناریوی 1 نشان داده نمی شود زیرا مقادیر همیشه بین سناریوهای 0 و 2 بودند. برنامه انتخاب شبیه سازی شده منجر به یک روند ژنتیکی قوی, بنابراین نتایج نیز در گروه سال مورد تجزیه و تحلیل قرار گرفت. در تمام حیوانات و در 20 سال گذشته از شبیه سازی (جدول 3) همبستگی بین شاخص توده بدنی از روش های مختلف بالا بود و از 0.983 به 1 برای همه سناریوها متغیر بود. همانطور که انتظار می رود, همبستگی کمی کاهش یافته است که به گروه های سال تقسیم. همبستگی برای روش سی به شدت تحت تاثیر قرار گرفتند, به ویژه هنگامی که کوواریانس های باقی مانده غیر صفر شبیه سازی شد. علاوه بر این, جمعیت به چهار گروه زیر تقسیم شد: گاو با اطلاعات فرزندان (فشار خون), گاو بدون اطلاعات فرزندان (بی ان پی), زنان با اطلاعات فرزندان (اف پی) و زنان بدون اطلاعات فرزندان (اف ان پی). همبستگی بین شاخص توده بدنی از روش مرجع مولتی و سه روش دیگر برای فشار خون, بی ان پی, اف پی و فدرال اف ان پی در تمام 20 سال و سناریوها از 0.984 تا 1 متغیر بود (نتایج نشان داده نشد). برای گاوها و سدهای دارای فرزندان تمایل به همبستگی بیشتر مشاهده شد. روش مذکور کمترین همبستگی را نشان داد و روش دپ بیشترین همبستگی را با روش مولتی نشان داد. با توجه به سناریوهای, همبستگی رتبه بالاترین برای سناریو بود 0 پس از حالات 1 و 2. همبستگی رتبه شاخص توده بدنی از چند با کسانی که از سال و دکتر همیشه نزدیک به 1 بود. با این حال, همبستگی بین چند و سی گروه بندی شده توسط قابلیت اطمینان پایین تر بود, به ویژه هنگامی که همبستگی باقی مانده غیر صفر شبیه سازی شد (سناریوهای 1 و 2, نتایج نشان داده نشده است). برای گاوهای بی ان پی همبستگی حتی به 0.907 کاهش یافت.

جدول 2 همبستگی رتبه شاخص توده بدنی با استفاده از روش متناوب با شاخص توده بدنی بدست با استفاده از روش چند متغیره در گروه قابلیت اطمینان شاخص توده بدنی

جدول 3 رتبه بندی همبستگی با شاخص توده بدنی چند متغیره (چند) در گروه های سال برای روش های مختلف شاخص توده بدنی برای سناریوهای 0 و 2_YDتعصب به عنوان تفاوت بین شاخص توده بدنی تخمین زده شده از هر روش و چند شاخص توده بدنی تعریف شد_{هاست لینوکس}چند

). این کار برای همه حیوانات و سناریوها انجام شد. با توجه به اینکه روش مرجع مولتی اساسا هیچ سوگیری نداشت سوگیری ارایه شده معادل سوگیری حاصل از شاخص توده بدنی واقعی است. نتایج سناریوهای 0 و 2 برای همه حیوانات گروه بندی شده بر اساس قابلیت اطمینان در جدول 4 است. در تمام سناریوها روشهای ید و دپ تقریبا هیچ تعصبی نشان ندادند. با این حال روش سی در هر دو سناریو سوگیری مربوطه را نشان داد. شاخص توده بدنی از حیوانات با قابلیت اطمینان کمتر از 50% دست بالا گرفتند, در حالی که از حیوانات با قابلیت اطمینان بیشتر از 50% دست کم گرفت. وقتی همبستگی باقیمانده غیر صفر بود (سناریو 2) این سوگیری بارزتر بود. روش سی منجر به یک روند ژنتیکی به طور قابل توجهی بیش از حد شد که به عنوان یک سوگیری رو به پایین در سالهای اول و یک سوگیری رو به بالا در سالهای گذشته بیان شد (جدول 5). این امر به ویژه برای سناریو 2 و حتی بیشتر برای حیوانات برتر 10 درصد بر اساس شاخص توده بدنی (شکل 1) مشهود بود. هنگامی که کوواریانس غیر صفر باقی مانده شبیه سازی شد (سناریو 2), تعصب مشابه که برای سناریو بود 0 اما کمی بیشتر تلفظ. شکل 2 نشان می دهد که تعصب برای همه گاو نر با عملکرد فرزندان (فشار خون) و برای گاو نر بدون عملکرد فرزندان (بی ان پی) برای روش سی برای سناریو 0 (روش در حال حاضر استفاده می شود). اختلاف حدود نیمی از انحراف معیار ژنتیکی بین میانگین شاخص توده بدنی فشار خون و بی ان پی در پایان دوره شبیهسازی شده مشاهده شد. انتخاب بهترین 10% گاو نر در هر سال از گروه فشار خون و فشار خون منجر به تفاوت و حتی بیشتر (شکل 3) برای روش سی. تفاوت بین گروه های فشار خون و بی ان پی حتی زمانی بیشتر بود که کوواریانس های باقیمانده شبیه سازی شده بیشتر بود (نتایج نشان داده نمی شود). تفاوت بین اف پی و اف ان پی برای روش سی برای همه سناریوها نزدیک به 0 بود.

جدول 4 سوگیری روش های تقریبی شاخص توده بدنی نسبت به شاخص توده بدنی از تحلیل چند متغیره در گروه های قابلیت اطمینان شاخص توده بدنی برای سناریوهای 0 و 2

جدول 5 تعصب با روش های مختلف شاخص توده بدنی از شاخص توده بدنی چند متغیره در گروه های سال برای سناریوهای 0 و 2_{روند زمانی تعصب}چند

جدول 5 تعصب با روش های مختلف شاخص توده بدنی از شاخص توده بدنی چند متغیره در گروه های سال برای سناریوهای 0 و 2_{روند زمانی تعصب}چند

جدول 5 تعصب با روش های مختلف شاخص توده بدنی از شاخص توده بدنی چند متغیره در گروه های سال برای سناریوهای 0 و 2_{روند زمانی تعصب}چند

) برای بالا 10% گاو نر با فرزندان (فشار خون) و گاو نر بدون فرزندان (بی ان پی) بر اساس سال (روش سی, سناریو 0).

قابلیت اطمینان و انحراف معیار

میانگین قابلیت اطمینان (ر 2 ) و انحراف معیار برای شاخص توده بدنی روش های مولتی یدی و درام تقریبا برابر (از نظر عددی 1/0 تا 3/0 دلار) بود. بدین ترتیب تنها نتایج روشهای مولتی و سی مرجع در جدول 6 نشان داده شده است. قابلیت اطمینان تخمینی برای روش سی کمی بالاتر از برای روش های دیگر برای سناریو بود 0, زمانی که توسط سال گروه بندی می شوند. برای سناریو 2, که کوواریانس باقی مانده غیر صفر شبیه سازی شد, قابلیت اطمینان برای روش سی قابل ملاحظه ای بالاتر از برای چند برای هر گروه سال بود. با توجه به اینکه قابلیت های تخمین زده شده به روش مورد استفاده بستگی دارد قابلیت های تحقق یافته (واقعی) حاصل از همبستگی مربعی مقادیر تخمینی پرورش واقعی برای شاخص توده بدنی نیز ارایه شده است. قابلیت اطمینان متوجه برای سی به طور متوسط 4% پایین تر از برای چند.

جدول 6 قابلیت اطمینان و انحراف معیار شاخص توده بدنی از روشهای مولتی و سی برای سناریوهای 0 و 2 گروهبندی شده بر اساس سال و افت در پاسخ گزینش نسبت به مولتی<<\mathrm>برای تعیین کمیت تورم پیش فرض شاخص توده بدنی از روش سی, انحراف معیار مورد انتظار از شاخص توده بدنی به عنوان محاسبه شد, \ (\مربع<\mathrm>>>^2\اوپیگما<\upsigma>_<\mathrm>استفاده از قابلیت اطمینان تحقق یافته و انحراف معیار ژنتیکی واقعی(

^2\) در سال (جدول 6). واریانس شاخص توده بدنی برای روش مولتی بسیار نزدیک به مقادیر مورد انتظار بود. انحراف معیار مشاهده شده برای سناریو 0 (از 4/0 تا 1) و به ویژه برای سناریو 2 (از 6/1 تا 1/2) بیشتر از انحراف معیار مورد انتظار بود. این یافته ها برای همه سناریوها و گروه ها مشابه بود (نتایج نشان داده نشده است).

پاسخ انتخاب

برای نشان دادن پیامدهای عملی از قابلیت اطمینان تحقق پایین تر و انحراف معیار متورم از ای بی وی با روش سی, از دست دادن انتظار می رود در پاسخ انتخاب با استفاده از سی در مقایسه با مولتی مورد تجزیه و تحلیل قرار گرفت. اگر معادله پرورش دهنده را در نظر بگیریم می توانیم فرض کنیم که شدت انتخاب, انحراف استاندارد ژنتیکی و فاصله تولید به روش شاخص توده بدنی بستگی ندارد. بنابراین تفاوت در پاسخ انتخاب بین روش های تحلیل شده تنها به قابلیت اطمینان شاخص توده بدنی بستگی دارد. این به از دست دادن انتظار می رود در پاسخ منجر 3 به 5% با روش سی در مقایسه با چند (جدول 6). با توجه به اینکه قابلیت اطمینان حاصل شده برای روشهای چندگانه تقریبا مشابه با روشهای چندگانه بوده و برای این روشها ضرری در پاسخ پیشبینی نمیشود.

بحث و گفتگو

در این پژوهش از چهار روش برای ترکیب چند صفت در یک شاخص شایستگی کل استفاده شد و با فرضیات مختلف در مورد کوواریانس باقیمانده مقایسه شد. هر دو روش تقریبی دو مرحله ای چند منظوره که از ید یا دربو استفاده می کردند منجر به نتایجی شد که با مدل حیوانی چند متغیره کامل قابل مقایسه بود (چند). یافته های ما با کسانی که از دیدن همه موارد [8,9] که در مقایسه با یک مدل کامل چند منظوره, تقریبی دو مرحله روش اعمال شده به سال و ترکیبی از مدل های تک صفت. روش تقریبی دو مرحله ای به اندازه مدل کامل چند منظوره کارایی نداشت بلکه از نظر پاسخ ژنتیکی نسبت به رویکرد تک صفتی برتری داشت. نتایج این مطالعه برخی از اشکالاتی را که در حال حاضر برای محاسبه شاخص توده بدنی در ارزیابی های معمول ژنتیکی در المان و اتریش استفاده می شود اثبات می کند. همبستگی رتبه اسپیرمن بین مولتیپل مرجع و روشهای چندگانه مرجع و دراپی برای همه سناریوها برای هر دسته از قابلیت اطمینان یا سال نزدیک به 1 بود. همبستگی برای روشها حتی در شبیهسازی کوواریانس باقیمانده صفر همبستگی کمتری نسبت به روشها داشت. همبستگی رتبه بین مولتیپل و سی با افزایش کوواریانس باقیمانده کاهش یافت. استفاده از نظریه شاخص انتخاب (به عنوان مثال روش سی) برای محاسبه شاخص توده بدن معتبر است که صفات هستند و یا فقط کمی همبستگی [3,12]. با این حال, این مورد برای شاخص توده بدنی به طور معمول محاسبه در اتریش و المان با توجه به طیف گسترده ای از لبنیات نیست, گوشت گاو و صفات عملکردی که به یک درجه خاص ارتباط (به عنوان مثال. همبستگی ژنتیکی بین کیلوگرم چربی و باروری, درصد پانسمان یا شیردوشی هستن د-0.20, -0.15 و 0.25, به ترتیب [14]). به خصوص, برخی از صفات عملکردی پست وراثتی با تولید و یا ترکیب صفات به میزان قابل توجهی در ارتباط [12,22]. علاوه بر این, به خوبی شناخته شده است که نادیده گرفتن کوواریانس باقی مانده که حیوانات برای صفات مختلف در همان محیط ثبت شده معتبر نیست [3]. این توسط نتایج ما با روش سی تایید شد. با افزایش کوواریانس باقیمانده همبستگی شاخص توده بدنی با روش مرجع کاهش یافته و از مدل کامل چند متغیره منحرف شد. علاوه بر این, تعصب رو به پایین برای حیوانات با قابلیت اطمینان بالا مشاهده شد, به عنوان مثال گاو با فرزندان, و تعصب به سمت بالا برای حیوانات با قابلیت اطمینان پایین, به عنوان مثال. از این رو, تعصب برای بالا 10% حیوانات می تواند مربوط به لحاظ تصمیم گیری انتخاب در سراسر گروه های تولد.

میانگین اختلاف شاخص توده بدنی با روشهای مولتی و سی مرجع می تواند تا نصف انحراف ژنتیکی باشد که منجر به رتبه بندی مجدد قابل توجهی از گاوها می شود. این می تواند باعث سوگیری در انتخاب شود, به ویژه هنگامی که تصمیمات اولیه در مورد گاوهای جوان گرفته می شود. لازم به ذکر است که در این مطالعه شبیه سازی نمی توان گاوهای جوان بدون فرزندان را با گاوهای جوان با ویروس ژنومی از ارزیابی های معمول مقایسه کرد. در شبیهسازی گاوهای جوان دادههای خود را فقط برای گاوهای توسعه یافته داشتند در حالی که برای همه صفات دیگر از شاخص شجرهنامه استفاده شد. این بدان معنی است که مشکل سوگیری ممکن است در ارزیابی های معمول کمتر باشد.

نتیجه گیری

دو نقطه بسیار مهم نیاز به روشن شود قبل از رویکرد چند منظوره تقریبی را می توان در ارزیابی ژنتیکی معمول اجرا: (1) ژنتیکی دقیق و باقی مانده (شرکت)اجزای واریانس باید با استفاده از تجزیه و تحلیل چند متغیره از تمام صفات به منظور اجازه ورود خود را در روش دو مرحله تخمین زده می شود; اگر این امکان پذیر نیست, پیشنهاد شده است [8] به صفات خوشه ای که همبستگی ژنتیکی بالا 0.10; و (2) همچنین باید یک ارزیابی ژنومی از جمله اینتربول بینالمللی اجرا شود.

نتیجه گیری

یک روش تقریبی دو مرحله ای چند منظوره برای محاسبه شاخص توده بدنی اعمال شده در دربو منجر به نتایج تقریبا بی طرفانه شد. خوشبختانه نتایج حاصل از روش چند منظوره مبتنی بر دربو به همان اندازه خوب است که اجرای این روش را تسهیل می کند به ویژه برای صفات خاص که دستیابی به دقیق یدک دشوار است. مزایای این روش ها زمانی بیشتر است که کوواریانس های باقیمانده با صفر متفاوت باشد. اگر چه چندین پیش نیاز مهم قبل از اجرای یک روش دو مرحله ای چند مرحله ای تقریبی در ارزیابی های ژنتیکی معمول وجود دارد, نتایج ما باز کردن چشم انداز برای جایگزینی روش شاخص انتخاب فعلی با این روش بر اساس دربو.

منابع

درخت فندق, شکوه جی ال. کارایی سه روش انتخاب. جی هیرس. 1942;33:393–9.

تجارب در انتخاب شاخص شایستگی کل در نژاد فلکویه اتریش. بیوتکنولوژی دشمنی وپناه جستن پرورش. 2006;22:17–27.

اجرای یک ارزیابی تقریبی بلوپ چند منظوره برای ترکیب صفات تولید و صفات عملکردی در یک شاخص شایستگی کل. در مجموعه مقالات از 52 Meeting نشست سالانه انجمن اروپا برای تولید حیوانات: 26-29 اوت 2001; بوداپست; 2001.

میسنبرگر جی. زاختزیلتعریف و شاخص هابرجام مرگ ارمسترایشچه ریندرزوخت, پایان نامه دکتری. اتریش: دانشگاه منابع طبیعی و علوم زندگی وین; 1997.

شاخص شایستگی تقریبی کل ترکیب صفات خطی, یک صفت بقا و یک صفت طبقه بندی شده در مرغ های تخمگذار. در مجموعه مقالات 7 هفتم کنگره جهانی ژنتیک اعمال شده به تولید دام: 19-23 اوت 2002; مونپلیه; ارتباطات سی دی رام نفر n 20-05.

مود را. مدل های خطی برای پیش بینی مقادیر پرورش حیوانات. اد 3. والینگفورد: مخابراتی; 2014.

اعتبار سنجی یک رویکرد تقریبی برای محاسبه همبستگی ژنتیکی بین طول عمر و صفات خطی. ژنه سل تکامل. 2006;38:65–83.

یک مطالعه شبیه سازی تصادفی در مورد اعتبارسنجی یک مدل چند منظوره تقریبی با استفاده از داده های از پیش تعدیل شده برای پیش بینی مقادیر پرورش. جی علوم لبنی. 2007;90:3002–11.

یک مدل چند منظوره تقریبی برای ارزیابی ژنتیکی در گاوهای شیری با تخمین قوی از روند ژنتیکی. ژنه سل تکامل. 2007;39:353–67.

مروری بر جنبه های نظری در تخمین مقادیر اصلاح نژاد برای انتخاب چند صفتی. لیوست بر انگیختن علمی. 1986;15:299–313.

پیش بینی صفات چندگانه. اصول و مشکلات. در مجموعه مقالات 5 کنگره جهانی ژنتیک اعمال شده به تولید دام: 6-11 اوت 1994; گلف. 1994;18:455-62.

استنباط لاسن جی در مدلهای مختلط چندمتغیره برای پیشبینی مقادیر اصلاح نژاد, پایان نامه دکتری. تژله, دانمارک: دانشگاه سلطنتی دامپزشکی و کشاورزی, فردریکسبرگ, دانمارک; موسسه دانمارکی علوم کشاورزی; 2006.

یک برنامه کامپیوتری برای شبیه سازی طرح های پرورش انتخابی برای حیوانات. لیوست علمی. 2009;121:343–4.

فورست ج, دودنهوف ج, ایگر-دانر ج, زمرد تحقیق, هامان ساعت, کروگمیر د, و همکاران. در این مقاله ما به شما کمک می کنیم تا از این روش استفاده کنید. 2014. http://zar. at/Downloads/Zuchtwerte. html. دسترسی به 12 ژانویه 2015.

محاسبه فاکتورهای وزن دهی اینتربول برای مدل روز تست فنلاند. در مجموعه مقالات از کارگاه فنی اینتربال; 22-23 اکتبر 2000; وردن. بین بال بولتن. 2000;26:78–9.

ادل ج, زمرد تحقیق, جی تز کو. تجمع بهینه برای ارزیابی ما بلوپ در المان فلکویه. در مجموعه مقالات نشست اینتربال, 21-24 اوت 2009; بارسلونا. بین بال بولتن. 2009;40:178–83.

ارزیابی ژنتیکی برای زندگی گله در کانادا. جی علوم لبنی. 1998;81:550–62.

شفر لر. مقایسه چند صفت بین المللی گاو نر. لیوست بر انگیختن علمی. 2001;69:145–53.

Lidauer M Matilainen K Mäntysaari E Pitkänen T Taskinen M Strandén I. MiX99. برنامه عمومی برای حل معادلات مدل مخلوط بزرگ با روش گرادیان مزدوج پیش شرط. انتشار هفتم / 2013 بتا; جوکیواینن, فنلاند: تن کشاورزی تحقیقات فنلاند; 2013

تقریب کوواریانس خطای پیش بینی در میان اثرات ژنتیکی افزودنی در حیوانات در مدل های رگرسیون چند صفتی و تصادفی. جی انیمم نژاد ژنه. 2004;121:77–89.

ساس. راهنمای کاربران. کری, ان سی, ایالات متحده: ساس موسسه وارز.; 2008

ارزیابی ژنتیکی ورم پستان در گاوهای شیری در فرانسه. در مجموعه مقالات نشست اینتربال, 28-31 بیشتر 2012; چوب پنبه. بین بال بولتن. 2012;46:121–6.

در حال حاضر شما می توانید با ما تماس بگیرید. رابطه بین تعداد سلولهای سوماتیک و طول عمر عملکردی با استفاده از تجزیه و تحلیل بقا در گاو هلشتاین-فریزی ایتالیایی ارزیابی شد. لیوست بر انگیختن علمی. 2003;80:211–20.

ارزیابی ژنتیکی چند متغیره تقریبی طول عمر عملکردی و صفات نوع در گاوهای فلکویه اتریش. در مجموعه مقالات از 10 هفتم کنگره جهانی ژنتیک اعمال شده به تولید دام: 17-22 اوت 2014; ونکوور; 2014. https://asas. org/docs/default-source/wcgalp-posters/386_paper_8337_manuscript_96_0. pdf? sfvrsn=2.

تقدیرنامه ها

نویسندگان با سپاسگزاری از اندرس کریستین سررنسن و همکارانش از دانشگاه ارهوس برای اعطای دسترسی و پشتیبانی با برنامه شبیه سازی تشکر می کنند. ما همچنین از بودجه پروژه اوپتیژن قدردانی می کنیم ('بهینه سازی پیشرفت ژنتیکی طولانی مدت نژادهای گاو اتریشی با تاکید بر سلامت و انتخاب ژنومی'; تعداد پروژه 100808) توسط وزارت کشاورزی فدرال اتریش, جنگلداری, مدیریت محیط زیست, فدراسیون های فلکویه اتریش, قهوه ای-سویسی, پینزگاور و گاو خاکستری تیرولی و فدراسیون دامداران اتریش (زار).

اطلاعات نویسنده

نویسندگان و وابستگی ها

گروه سیستم های کشاورزی پایدار, بخش علوم دام, دانشگاه منابع طبیعی و علوم زیستی وین, گرگور-مندل-استریا 33, 1180, وین, اتریش