Modeliranje vpliva lokacije pri ocenjevanju genetskih vrednostiLavrenčič, Eva (Avtor) Gorjanc, Gregor (Mentor) BesagBLUPF90genetska vrednosthierarhični modelINLASPDEvpliv lokacijeZa ocenjevanje genetskih vrednosti uporabljamo statistične modele, ki omogočajo razlikovanje med genetskimi in okoljskimi vplivi na fenotip posameznika. Te metode so koristne v kmetijstvu za selekcijo ter v medicini za personalizacijo zdravljenja. Ločevanje genetskih in okoljskih vplivov je v primeru selekcije preko majhnih čred, ki so slabo genetsko povezane, težavno. Okoljski vpliv običajno opišemo kot pripadnost čredi. Dodatno lahko vključimo okoljske spremenljivke, ki opisujejo npr. podnebje, vendar teh informacij nimamo vedno na voljo. Alternativna možnost je modeliranje vpliva lokacije, kjer predpostavimo, da si črede, ki so geografsko blizu skupaj, delijo del okoljskega vpliva. Tako nam informacija o prostorski lokaciji lahko pomaga razlikovati med viri variabilnosti na fenotip. V nalogi se osredotočamo na različne pristope za modeliranje slučajnega vpliva lokacije na fenotipsko vrednost znotraj linearnih mešanih modelov in na doprinos tega modeliranja k izboljšanemu ocenjevanju slučajnih genetskih vrednosti živali. Analiziramo podatkovni set, ki vsebuje 30.314 opazovanj iz populacije rjavega goveda iz 2.012 čred v Sloveniji. Da bi analizirani podatki bolje odražali lastnosti majhnih rejskih programov, za katere so značilne manjše črede in slabša genetska povezanost med čredami, se osredotočimo na analizo podmnožice podatkov, ki vsebuje 3.800 opazovanj. Modeliramo standardiziran obseg prsi v odvisnosti od izbranih fiksnih in slučajnih vplivov, pri čemer spreminjamo, kateri slučajni vplivi so vključeni v proces modeliranja. Od slučajnih vplivov v osnovni model G vključimo genetski vpliv. V modelu GH vključimo genetski vpliv in vpliv črede, medtem ko v modelu GS vključimo genetski vpliv in vpliv lokacije, ki ga modeliramo na tri načine. V polnem modelu GHS vključimo vse tri slučajne vplive. Za modeliranje vpliva lokacije uporabimo regionalni model Besag, metodo SPDE in eksponentno kovariančno funkcijo. Modele ocenimo z metodo INLA iz paketa R-INLA, pri čemer model Besag in model z radialno bazno kovariančno funkcijo ocenimo tudi v družini programov BLUPF90. Ugotovljamo, da se podmnožici podatkov najbolje prilega model GHS, ki vključuje vse tri slučajne vplive. Osnovni model G, ki vključuje le genetski vpliv kot slučajni vpliv v modelu, ne loči dobro med okoljskimi in genetskimi vplivi na fenotipsko vrednost, saj prevelik del variabilnosti pripiše genetskemu vplivu. Vključitev slučajnega vpliva črede pojasni razlike med kmetijami, medtem ko vključitev geografske lokacije pojasni bolj splošen vpliv podnebja in drugih okoljskih dejavnikov. Opazimo, da smo za živali iz boljših lokacij (glede na ocenjeni slučajni vpliv lokacije) ocenili višje slučajne genetske vrednosti z modeloma G in GH kot z modelom GHS. Obratno smo opazili pri živalih iz slabših lokacij, kar kaže na precenjevanje slučajnih genetskih vrednosti živali iz boljših okolij in podcenjevanje slučajnih genetskih vrednosti živali iz slabših okolij. Prav tako opazimo povezanost med razlikami v napovedanih fenotipskih vrednostih z različnimi modeli na testni množici in ocenjenim slučajnim vplivom lokacije. Trije uporabljeni načini modeliranja slučajnega vpliva lokacije dajejo primerljive rezultate. Ocene slučajnih genetskih vrednosti in slučajnega vpliva lokacije, pridobljene z uporabo BLUPF90, se ujemajo z ocenami, pridobljenimi z metodo INLA. Skupnosti genetikov in selekcionistov priporočamo, da vključijo informacijo o prostorski lokaciji kmetij v proces modeliranja, saj bo to izboljšalo ločevanje genetskih in okoljskih vplivov na fenotip živali.20232023-12-04 10:01:39Magistrsko delo/naloga152673VisID: 62614COBISS_ID: 181879811sl