Kantitatif özelliklerde genomik değerlendirme: Tahmin isabetini etkileyen faktörler ve GBLUP yönteminin isabeti için bir üst sınır
Genomic evaluation of quantitative traits: Factors affecting the prediction accuracy, and an upper bound for accuracy of GBLUP
- Tez No: 450489
- Danışmanlar: PROF. DR. MEHMET ZİYA FIRAT
- Tez Türü: Doktora
- Konular: Biyoteknoloji, Genetik, Ziraat, Biotechnology, Genetics, Agriculture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Bu çalışmada, genomik tahmin R2 değerinin asimptotik davranışının belirlenmesi amaçlanmıştır. İnsanlardaki bağlantı dengesizliğini yansıtması ve çok sayıda bireye ait genomik verinin elde edilmesi amacıyla, 1,000 Genom Projesi (1,000 Genomes Project) kapsamında 85 Caucasian (Beyaz ırk) bireyinden elde edilen haplotip verileri kullanılarak 10,000 birey 111 kuşak boyunca şansa bağlı olarak eşleştirilecek şekilde bir simülasyon gerçekleştirilmiştir. Genom uzunluğu 0.5 Morgan olarak kısıtlanmış ve simülasyonlar yalnızca ilk 5 kromozomdan seçilen 0.1 Morgan uzunluğundaki bir alanda yer alan lokuslar kullanılarak gerçekleştirilmiştir. Toplam uzunluğu 30 Morgan olan bir genom için elde edilecek genomik tahmin R2 değeri bu çalışmadakinin 60 katı büyüklüğünde bir referans popülasyon gerektirecektir. Kalıtım derecesi 0.8 olan bir özellik için QTL ve marker allel frekanslarının dağılımları bakımından farklılık gösteren bazı senaryolar oluşturulmuştur. Her bir senaryodaki marker sayısı 4,200, QTL sayısı ise 70 olarak belirlenmiştir. Genomik degerlendirmede isabet bir tahmin edilebilirlik problemi şeklinde ele alınarak güvenilirlik ve dolayısıyla da genomik tahmin R2 değeri için bir üst sınır önerilmiştir. Ayrıca bazı genomik tahmin yöntemleri de, GBLUP, BayesB ve BayesC, isabetleri bakımndan karşılaştırılmıştır. Sonuçlar, genom boyu 30 Morgan olarak alındığında Bayesçi değişken seçim yöntemleri BayesB ve BayesC'nin görece düşük referans popülasyon büyüklüklerinde (< 6, 000 birey) GBLUP yöntemine göre bir üstünlüklerinin olmadığını ortaya koymuştur. Diğer yandan, referans popülasyon büyüklüğü arttıkça söz konusu yöntemlerin GBLUP yöntemine göre daha isabetli tahminler sağladığı ortaya konmuştur. Referans popülasyon büyüklüğü yaklaşık yarım milyona ulaştığında her üç tahmin yöntemi de benzer genomik tahmin R2 değerleri vermiş olup, bu değerler genomik kalıtım derecesine yaklaşmaktadır. ANAHTAR KELİMELER: Genomik kalıtım derecesi, Tüm genom regresyon yöntemleri, Güvenilirlik, Genetik değer
Özet (Çeviri)
This study aims at characterizing the asymptotic behavior of genomic prediction R2. Haplotypes derived from whole-genome sequence of 85 Caucasian individuals from the 1,000 Genomes Project were used to simulate random mating in a population of 10,000 individuals for 111 generations to create the LD structure in humans for a large number of individuals. To reduce computational demands, only SNPs within a 0.1 Morgan region of each of the first 5 chromosomes were used in simulations, and therefore, the total genome length simulated was 0.5 Morgan. When the genome length is 30 Morgan, to get the same genomic prediction R2 as with a 0.5 Morgan genome would require a reference population 60 fold larger. Three scenarios were considered varying in minor allele frequency distributions of markers and QTL, for h2=0.8 resembling height in humans. Total number of markers was 4,200 and QTL were 70 for each scenario. In this study, we considered the prediction accuracy in terms of an estimability problem, and thereby provided an upper bound for reliability of prediction, and thus, for prediction R2. Genomic prediction methods GBLUP, BayesB and BayesC were compared. Our results imply that variable selection methods BayesB and BayesC applied to a 30 Morgan genome have no advantage over GBLUP when the size of reference population was small (
Benzer Tezler
- Derin sinir ağları ile genomik tahminler: Deneysel yaklaşım
Genomic predictions with deep neural networks: Experimental approach
ANIL KASAKOLU
Yüksek Lisans
Türkçe
2024
ZiraatAnkara ÜniversitesiZootekni Ana Bilim Dalı
DOÇ. DR. SEYRANİ KONCAGÜL
PROF. DR. RUKİYE DAĞALP
- Array-CGH ile tespit edilen kopya sayısı değişikliklerinin doğrulanmasında kantitatif PCR yönteminin kullanılması
Başlık çevirisi yok
AYSEL ÜNAL
Tıpta Uzmanlık
Türkçe
2017
GenetikGazi ÜniversitesiTıbbi Genetik Ana Bilim Dalı
PROF. DR. FERDA EMRİYE PERÇİN
- Over kanserinde WDR12 ifadesinin klinik öneminin araştırılması
Investigation of the clinical significance of WDR12 expression in ovarian cancer
BUSE TEPE
Yüksek Lisans
Türkçe
2024
GenetikTekirdağ Namık Kemal ÜniversitesiTıbbi Genetik Ana Bilim Dalı
DOÇ. DR. BAHADIR BATAR
- Siyah alaca ırkı süt sığırlarında metabolik hastalıklar ile ilişkili snp bölgelerinin belirlenmesi
Determination of snp regions associated with metabolic diseases in holstein dairy cattle
ARZU ÖZDEMİR
- Türkiye orijinli yulaf genotiplerinin bazı çimlenme özelliklerine ait ilişki haritalama analizleri
Association mapping analysis of some germination traits of Turkish origin oat genotypes
BERK ABDULLAH KOÇAK
Yüksek Lisans
Türkçe
2022
BiyoteknolojiKahramanmaraş Sütçü İmam ÜniversitesiTarımsal Biyoteknoloji Ana Bilim Dalı
DOÇ. DR. ZİYA DUMLUPINAR