دانش رسان |
مرکز علم و دانش کشور مقاله تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه های واریانس و درستی پیش‌بینی ارزش های اصلاحی
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه های واریانس و درستی پیش‌بینی ارزش های اصلاحی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه های واریانس و درستی پیش‌بینی ارزش های اصلاحی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه های واریانس و درستی پیش‌بینی ارزش های اصلاحی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله تأثیر مقیاس ماتریس روابط خویشاوندی ژنگانی بر برآورد مؤلفه های واریانس و درستی پیش‌بینی ارزش های اصلاحی :
تعداد صفحات :۱۷
در این پژوهش، روش برای پیش‌بینی فراسنجه‌های ناشناخت پنج مدل بهترین پیش‌بینی نااریب خطی ژنگانی (ژنومی G-BLUP) از روش بیز و نمونهگیری گیبس استفاده شد. در هر مدل از مقیاسهای متفاوتی برای ماتریس G شامل استفاده از فراوانی آللی جمعیت بنیان‌گذار (Gfoun)، فراوانی آللی جمعیت مرجع (Gref)، فراوانی آللی برابر با ۵/۰ (G05)، یک ماتریس نرمال شده با میانگین عنصرهای قطری برابر با یک (Gnorm) و یک ماتریس G وزن‌شده با ماتریس A (Gwei)، استفاده شد. برای مقایس نتایج از یک جمعیت دارای آمیزش تصادفی و یک جمعیت انتخاب‌شده، برای صفتی با وراثت‌پذیری ۲۵/۰ روی یک ژنگان با QTL 105 و ۳۰۰۰ نشانگر تک نوکلئوتیدی روی سه کروموزوم استفاده شد. نتایج نشان داد، عنصرهای ماتریسهای G در مقایسه با ماتریس A واریانس بالاتری دارند. میانگین عنصرهای قطری و غیر قطری به‌غیراز Gnorm و Gwei از عنصرهای متناظر در A بالاتر بودند. روشهای Gnorm-BLUP و G05-BLUP در مقایسه با سه روش دیگر منجر به برآورد متورم واریانس ژنتیکی شدند که این تورم در جمعیت انتخاب‌شده کمتر بود. میانگین درستی پنج مدل G-BLUP در جمعیت تصادفی ۰۸۴/۰ بالاتر (۷۳۶/۰ در مقابل ۶۵۲/۰) از جمعیت انتخاب‌شده و میانگین اریبی ۰۱۴/۰ پایینتر (۰۲۶/۰ در مقابل ۰۴/۰) بود. اریبی پیش‌بینی ارزش اصلاحی حقیقی جمعیت انتخاب‌شده با استفاده از Gwei نزدیک به صفر ولی با Gref بیشتر از ۰۶/۰ بود. بیشترین درستی و کمترین اریب میتواند با استفاده از فراوانی آللی جمعیت مرجع که با ماتریس A مقیاس شدهاند، بهدست آید.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
