محمد حسین مرادی

ابداع روش توالی یابی جدید با توان بالا و مقرون به صرفه در طی سالیان اخیر، امکان ارزیابی ساختار ژنتیکی و ارتباط میان جمعیتهای یک گونه رابا استفاده از اطلاعات ژنومی فراهم ساخته است. SNP ها در مطالعه تنوع ژنتیکی دامهای اهلی و ساختار جمعیت سودمند هستند. استنتاج ساختار جمعیت از نشانگرهای ژنتیکی، در شرایط گوناگون مثل مطالعات ارتباطی و تکاملی و دستهبندی زیرگونه ها مفید میباشد. روشهای آماری گوناگونی برای آنالیز دادههای حاصل از توالی یابی با SNP ها بکار گرفته میشوند که روشهای یادگیری ماشین از جمله آنها است. در اصلاح نژاد اسب، یکی از مسائل مورد توجه محققین، تشخیص اطلاعات شجرهای حیوان با استفاده از اطلاعات ژنوتیپی است . هدف این تحقیق بررسی ساختار جمعیتی 3 جمعیت اسب مربوط به منطقه خاورمیانه با استفاده از دادههای ژنومی تراشه ی تک نوکلئوتیدی 50 هزار) 50 k ) با روشهای دسته بندی جنگل تصادفی و درخت تصادفی و روشهای معمولی تجزیه مؤلفهی اصلی و تجزیه تشخیصی مؤلفه ی اصلی بود. برای این منظور از اطلاعات نشانگرهای تک نوکلئوتیدی 61 رأس استفاده شد. دسته بندی با روش جنگل تصادفی و درخت تصادفی با روش اعتبارسنجی متقابل با مرتبه 6 - 12 - 17 - 29 - 35 ؛ انجام شد. نتایج نشان داد که در روش تجزیه به مؤلفه های اصلی 8 / 10 درصد واریانس توسط دو مؤلفه اول توجیه شد و همچنین 3 جمعیت از هم جدا شدند. در روش تجزیه تشخیصی مؤلفه های اصلی، در یافتن تعداد بهینه خوشه با معیار اطلاعات بیزی، K=3 کمترین BIC را نشان داد و 3 جمعیت کاملا از هم جدا تشخیص داده شدند. در روش جنگل تصادفی مرتبه 35 با صحت 983 / 0 ، دقت 984 / 0 و ضریب کاپا 975 / 0 دستهبندی بهتری نسبت به بقیه مرتبهها انجام داد و توانست 3 جمعیت را کاملا از هم جدا دستهبندی کند. در روش درخت تصادفی بهترین دستهبندی مربوط به مرتبه 17 با ضریب کاپا 411 / 0 و دقت 607 / 0 و صحت 606 / 0 بدست آمد. در مجموع نتایج این تحقیق نشان داد که الگوریتم جنگل تصادفی در مقایسه با درخت تصادفی عملکرد بهتری در دستهبندی دقیق دادهها دارد و میزان صحت و همچنین دقت بالایی نسبت به روش درخت تصادفی دارد و توانست تفکیک خوبی از جمعیتها را نشان دهد. در این مطالعه روشهای مختلف برای بررسی ساختار جمعیت به کار برده شدکه توانستند ساختار جمعیتی این جمعیتها را نشان دهند. نتایج بدست آمده حاکی از این است که جم