مقاله مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت  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 مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه روش های آماری پارامتری و بازنمونه گیری در ارزیابی صفات کمّی با ساختار ژنتیکی متفاوت :

تعداد صفحات :۲۱

هدف از این مطالعه مقایسه سه روش پارامتری (GBLUP، BayesB، RKHS) و دو روش بازنمونه­گیری (Bagging GBLUP و Random Forest) در پیش بینی ارزش­های اصلاحی ژنومیک برای صفاتی با ساختار ژنتیکی متفاوت بود. یک ژنوم با سه کروموزوم، هر کروموزوم به طول یک مورگان شبیه­سازی شد و روی آن ۱۵۰۰ نشانگر تک نوکلئوتیدی (SNP) در سه سناریو ۵۰، ۱۰۰ و ۲۰۰QTL به طور یکنواخت پخش شدند. اثر جایگزینی QTLها با استفاده از توزیع نرمال استاندارد، گاما و یکنواخت با وراثت­پذیری ۳۰ درصد مدل سازی شدند. توانایی پیش­بینی روش­های آماری با استفاده از آماره­های همبستگی بین ارزش­های اصلاحی پیش­بینی شده و واقعی و همچنین رگرسیون ارزش اصلاحی واقعی بر پیش­بینی شده بررسی شد. نتایج نشان داد در جمعیت­های تایید، روش RF باعث بیش-برآورد رگرسیون ارزش­های اصلاحی واقعی بر پیش­بینی شده شد، در حالی که روش­های GBLUP، BayesB و RKHS منجر به کم-برآورد ضریب رگرسیون شدند. به جز روش Bagging GBLUP در دیگر روش­ها تفاوت معنی داری با تغییر توزیع اثرات QTL مشاهده نشد اما در مجموع عملکرد دو روش GBLUP و BayesB نسبت به دیگر روش­ها بهتر بود. یکی از دلایل احتمالی برتری GBLUP و BayesB بر دیگر روش­ها می­تواند شبیه سازی صفات با اثرات صرفا ًژنتیکی افزایشی بوده باشد. به طور کلی، روش­های GBLUP و BayesB بر روش های بازنمونه­گیری در پیش­بینی های ژنومی ارجحیت دارند.