1 / 52

به نام خدا

به نام خدا. عنوان: شاخص انتخاب استاد درس: آقای دکتر طهمورث پور ارایه: رضا بهمرام. مقدمه. بخش عمده تئوری ژنتیک کمی و انتخاب بر اساس یک صفت و یک منبع رکورد( نظیر رکورد یا فنوتیپ خود حیوان) بنا شده است.

abie
Download Presentation

به نام خدا

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. به نام خدا عنوان: شاخص انتخاب استاد درس: آقای دکتر طهمورث پور ارایه: رضا بهمرام

  2. مقدمه • بخش عمده تئوری ژنتیک کمی و انتخاب بر اساس یک صفت و یک منبع رکورد( نظیر رکورد یا فنوتیپ خود حیوان) بنا شده است. • ولی عملاً در دامپروری در بیشتر موارد هدف، تغییر همزمان میانگین جامعه برای چند صفت است و معمولاً رکورد یا فنوتیپ برای چندین صفت از خود حیوان و تعدادی از خویشاوندان او در اختیار می باشد.

  3. سؤال: چگونه از این اطلاعات و رکوردها به نحو مناسبی استفاده کرد؟ • روش شاخص انتخاب • Smith در سال 1936 در اصلاح نباتات • Hazel در سال 1943 در اصلاح نژاد دام

  4. فرم عمومی شاخص انتخاب • در این فرم، شاخص انتخاب به صورت تابعی از مشاهدات مختلف تعریف می شود که وقتی حیوانات بر اساس آن (I) انتخاب می شوند میزان پیشرفت ژنتیکی در یک ارزش ژنوتیپی کل(H) که تابعی از ارزش(های) ژنتیکی صفت (یا چند صفت) مورد نظر می باشد، حداکثر می شود.

  5. موارد لازم در تشکیل شاخص • وراثت پذیری هر صفت • اهمیت اقتصادی هر صفت • همبستگی ژنتیکی بین صفات • همبستگی محیطی بین صفات • انحراف معیار هر صفت

  6. فرم عمومی شاخص انتخاب • صفاتی که در معادله شاخص انتخاب( I) قرار داده می شوند، لزوماً و معمولاً همان صفاتی نیستند که در معادله ارزش ژنوتیپی کل( H) منظور می شوند. • برای اثبات تئوری شاخص انتخاب و محاسبه فرمولهای مربوط به آن از در روش جبر خطی وجبر ماتریس استفاده می شود که نتایج هر دو روش یکسان ولی از نظر فرم متفاوت است.

  7. درروش شاخص انتخاب باید در مرحله اول، مشاهدات یا رکوردهای حیوانات برای هر صفت برای اثر یا تفاوتهای محیطی تصحیح شده و سپس به صورت انحراف از میانگین گروه نشان داده شوند. • میانگین های مورد نظر از ارقام مورد استفاده برای پیش بینی ارزش ارثی محاسبه می شوند. • به طور مثال می توان میانگین رکورد یا تولید برای هر گله را محاسبه کرد.

  8. ازتئوری شاخص انتخاب برای تلفیق رکوردهای حاصل از منابع مختلف به نحوی استفاده می شود که دقیق ترین پیش بینی کننده برای شایستگی ژنتیکی کل مربوط به ترکیبی از صفات مختلف حاصل می شود. دو نوع (تیپ) شاخص انتخاب وجود دارد: شاخص انتخاب اقتصادی و فامیلی

  9. شاخص انتخاب اقتصادی : در این روش از رکوردهای مربوط به چندین صفت مختلف برای پیش بینی شایستگی ژنتیکی کل استفاده می شود. • شاخص انتخاب فامیلی : دراین روش از تلفیق مشاهدات یا رکوردهای حاصل از حیوان و خویشاوندان مختلف آن حیوان برای پیش بینی ظرفیت ژنتیکی حیوان مورد نظر استفاده می شود.

  10. شاخص انتخاب اقتصادی • اگر در برنامه های اصلاح نژاد، هدف بالا بردن سود دامپرور از طریق تغییر میانگین چند صفت باشد آن را شایستگی اقتصادی می نامند. • بدین ترتیب هدف برنامه اصلاح نژاد، حداکثر کردن تغییر یا پیشرفت در شایستگی اقتصادی می باشد.

  11. شاخص انتخاب اقتصادی • البته شایستگی اقتصادی را می توان به روش های مختلفی تعریف کرد.برای مثال: • سود حاصل از یک حیوان • سود حاصل ازیک واحد دامپروری • راندمان اقتصادی

  12. شاخص انتخاب فامیلی • در شاخص انتخاب فامیلی هدف این است که رکوردهای حاصل ازخویشاوندان مختلف وخود فرد به نحوی با یکدیگر تلفیق گردند که دقیق ترین برآورد ارزش ژنتیکی افزایشی یک صفت برای یکحیوان حاصل شود.

  13. منابع رکورد مورد استفاده در شاخص انتخاب فامیلی • یک یا چند رکورد از صفت مورد نظر در خود حیوان • مشاهدات یا رکوردهایی که برای آن صفت در خویشاوندان حیوان مورد نظراندازه گیری شده است.(محدودیت تعدادرکوردیااندازه گیری صفت مزبور) • رکورد یا مشاهدات برای سایر صفات که از خود دام یا خویشاوندان او اندازه گیری شده است.

  14. )Iمعادله شاخص انتخاب( • X : یک مشاهده برای i امین صفت • b : ضریب شاخص انتخاب( ضریب تصحیح برای آن صفت)

  15. . . . . . . . . . . . . Index equations

  16. 2P = Var P h22P = 2G = Var G rP 1 2 = P12 = Cov P12 h1h2rG 1 2 = G12 = Cov G12

  17. b1Var P1 + b2Cov P12 = a1Var G1 + a2Cov G12 b1Cov P12 + b2Var P2 = a1Cov G12 + a2Var G2 where P = matrix of phenotypic variances and covariances b = vector of index weights G = matrix of genetic variances covariances a = vector of economic values.

  18. Var P1Cov P1P2Cov P1P3 b1Var G1Cov G1G2Cov G1G3 a1 CovP2P1Var P2Cov P2P3 b2 = Cov G2G1 VarG2Cov G2G3 a2 Cov P3P1Cov P3P2 Var P3 b3Cov G3G1 Cov G3G2Var G3 a3

  19. انتخاببر اساس یک رکورد از خود حیوان • انتخاببر اساس یک رکورد از خود حیوان، انتخاب بر اساس آزمون عملکرد نیز نامیده می شود. • b = h2 • I =b X • r = √h2

  20. انتخاب بر اساس mرکورد از حیوان b= r =

  21. انتخاب برای n رکورد از هر حیوان b= r =

  22. معادله ارزش ژنوتیپی کل(H) g: ارزش ژنتیکی افزایشی برای i امین صفت v: ارزش اقتصادی ناشی از پیشرفت ژنتیکی i امین صفت (در صورت عدم تغییر سایر صفات)

  23. P : ماتریس واریانس – کوواریانس فنوتیپی صفات در معادله شاخص انتخاب • G : ماتریس کوواریانس ژنتیکی صفات موجوددر معادله هدف انتخاب و صفات موجود در معادله شاخص انتخاب • C : ماتریس واریانس – کوواریانس ژنتیکی صفات موجوددر معادله هدف انتخاب

  24. ماتریسهای P و C در همه موارد متقارن هستند.در حالی که ممکن است ماتریس G متقارن نباشد. • زیرا در اغلب موارد تعداد صفاتی که از آنها رکوردگیری می شود مساوی ومشابه صفاتی نیست که هدف برای تغییر میانگین آنها می باشد.

  25. ماتریس P • عناصر محور قطری: واریانسهای منابع رکورد • عناصر محور غیرقطری: کوواریانسهای بین منابع رکورد متفاوت

  26. درجه دقت انتخاب

  27. شاخص انتخاب و نحوه برآورد مؤلفه های واریانس و کوواریانس • شاخص انتخاب روشی برای به حداکثر رساندن پاسخ به انتخاب برای یک ارزش ژنوتیپی کل در حالتی است که تعدادی رکورد یا مشاهده از صفت وجود داشته باشد. • در این روش فرض براین است که واریانسها و کوواریانسهای مورد استفاده به عنوان عناصر ماتریسهای P ، G و C معلوم و مقدار عددی برآورد صحیح و بدون اشتباه باشند. • ولی در برخی موارد، برآوردهای عناصر ماتریسهای P ، G و C دقیق و صحیح نبوده و در ضمن از منابع بسیار متنوعی نیز برآورد می شوند.

  28. شاخص انتخاب و نحوه برآورد مؤلفه های واریانس و کوواریانس • معمولاً شاخص انتخاب به طور نسبی به برآورد اشتباه مقادیر P و G غیر حساس است. • ولی به هر حال منطقی است که همیشه میزان حساس بودن شاخص انتخاب حاصل به مقادیر P و G را بررسی و آزمون کرد. • عناصر ماتریس C روی ضرایب شاخص انتخاب و همچنین پیش بینی پاسخ به انتخاب تأثیر ندارند.

  29. آزمون میزان سازگاری ماتریسهای واریانس و کوواریانس • هنگام تشکیل معادله شاخص انتخاب باید عناصر ماتریسهای P ، G را آزمون کرد که مثبت قطعی باشند. • اگر ماتریس واریانس و کوواریانس مثبت قطعی نباشد: • امکان دارد یک یا چند صفت موجود در ماتریس، توابع خطی از ترکیبی از سایر صفات باشند. • ممکن است با وجود صحیح بودن تعدادی از عناصر ماتریس، برخی از عناصر آن ، صحیح نباشند.

  30. آزمون میزان سازگاری ماتریسهای واریانس و کوواریانس • هر قدر تعداد صفات مورد نظر در مدل زیادتر و یا فایل ارقام مورد استفاده برای برآوردها کوچکتر باشد، احتمال اینکه ماتریس ناسازگار(غیر مثبت قطعی) شود بیشتر می شود که این کار باعث افزایش عدم ثبات، غیر قابل قبول بودن شاخص انتخاب محاسبه شده وپیش بینی پاسخ به انتخاب می شود. • برای حل این مشکل سعی می شود که تعداد صفات در معادلات شاخص انتخاب و ارزش ژنوتیپی کل به اندازه ای کاهش یابد که پاسخ به انتخاب در حد مناسب تأمین شود.

  31. در برخی موارد امکان دارد ماتریسهای واریانس کوواریانس مثبت قطعی باشند ولی عناصر آنها از لحاظ بیولوژیکی و اقتصادی تناسبی نداشته باشند. • برای مثال یک ماتریس که دارای سه صفت مقدار تولید شیر(M)، مقدار تولید چربی(F) و درصد چربی(f)است می تواندمثبت قطعی باشد ولی عناصرآن با مقدارمورد انتظار مطابقت نداشته باشد چون M /F = f است. • لذا واریانس f و کوواریانس آن با F و M به طور کامل به واریانسهای M و F و کوواریانس بین آنها بستگی دارد که امری خلاف انتظار است.

  32. علت این پدیده این است که آزمون مثبت قطعی بودن فقط وجود ترکیبهای خطی ممکن بین صفات را تعیین می کند و امکان وجود رابطه خطی یا غیرخطی موجود از قبل (مثل M /F = f) دراین آزمون قابل تشخیص نیست. • امکان تغییر در این صفت بدون تغییر در سایر صفات ممکن نیست.

  33. به طور کلی به این دلیل که هر صفتی که تابعی خطی ازسایر صفات موجود در معادله شاخص انتخاب و یاارزش ژنوتیپی کل باشد، نمی تواند اطلاعات بیشتری را ارایه کند ویا اصولاً فاقد اطلاعات لازم است، معمولاً این صفات از معادلات حذف می شوند. • در بسیاری از موارد با حذف صفات غیر ضروری از معادله شاخص انتخاب، ماتریسها مثبت قطعی می شوند.

  34. شاخص انتخاب و Animal Model BLUP • در شاخص انتخاب فرض بر این است که تأثیر عوامل ثابت و محیطی بر داده های مورد استفاده صفر است و یا مقداردقیق اثرات ثابت معلوم است.(این فرض همیشه درست نیست.) • در روش BLUP این اثر تصحیح شده وعلاوه بر آن روابط خویشاوندی بین حیوانات نیز در مدل منظور می شود.

More Related