• Nem Talált Eredményt

ÁLLATTENYÉSZTÉSI GENETIKA

N/A
N/A
Protected

Academic year: 2022

Ossza meg "ÁLLATTENYÉSZTÉSI GENETIKA"

Copied!
41
0
0

Teljes szövegt

(1)

ÁLLATTENYÉSZTÉSI GENETIKA

The project is supported by the European Union and co-financed by European Social Found.

TÁMOP-4.1.2-08/1/A-2009-0010 project

University of Debrecen University of West Hungary University of Pannonia

(2)

5. témakör

Genetikai paraméterek

becslése

(3)

Örökölhetőség

Szűkebb és tágabb értelemben

Szűkebb értelemben: h2 = VA/VP

Tágabb értelemben: H2 = VG/VP

Szülő átlag- ivadék regresszió (ivaros szaporodáskor)

Szülő-klónozott ivadék regresszió (ivartalan szaporításkor)

Általában a szűkebb értelemben vett örökölhetőséget használjuk,h2 h2 a genetikai variancia mértéke (ivaros szaporításkor)

(4)

Miért h

2,

nem h?

Sewall Wright h-t használt, a fenotípus és a tenyészérték

korrelációjára. A h2 a fenotípusos varianciának az a hányada, amely a tenyészértéknek tulajdonítható.

Az örökölhetőség populációgenetikai funkciói

Az örökölhetőség a populáció genetikailag rögzített varianciája.

A nulla örökölhetőség azt jelzi, hogy a tulajdonság genetikilag nem meghatározott.

Az örökölhetőségi érték arra a populációra érvényes, amelyen megállapították.

A h A E

D A

A P

r A

P A P

A A P

A P

A P

A Ap

) 2

, ( )

, ( )

, (

(5)

Az örökölhetőség (fordított) kapcsolatban áll a környezet hatással.

Csökkenő VP, növekvő h2.

Adott környezetben megállapított örökölhetőség nem, érvényes máskörnyezetre.

Labor környezetben megállapított örökölhetőség nem érvényes a természetes környezetben.

(6)

Örökölhetőség és a becsült tenyészérték

Ha P az egyed fenotípusa, A a BLUP tenyészérték, akkor

A variancia különbség szintén kifejezi a h2-et

Minél nagyobb az örökölhetőség, annál tágabb a tényleges tenyészérték megoszlása a h2(P - P) érték körül, amelyet a fenotípus alapján

becsültünk.

e P

h e

A P

A P

P P

P

) (

) ) (

,

(

2

2

2 2

2

( 1 )

A

e

h

(7)

Örökölhetőség és populáció különbség

Az örökölhetőség a nem teljesen megbízható előrejelzője a populáció hosszú távú változásának.

Ha két, különböző átlagú populáción meghatározzuk az örökölhetőséget, és az örökölhetőség is különböző,

ez nem jelenti azt, hogy a különbség genetikai eredetű.

(8)

Példa az örökölhetőségre

Ember hs

Magasság 0.65

Szérum IG 0.45

Serés

Hát szalona vast. 0.70 Súlygyarapodás 0.30

Alomszám 0.05

Gyümölcslégy

Hasi sörte 0.50

Testméret 0.40

Petefészekméret 0.30 Tojásetmelés 0.20

Az életképességgel

kapcsolatos tulajdonságok örökölhetőségi értéke kicsi.

(9)

Becslés: egytényezős variancia analízis

Teljes testvérek alapján: N teljes testvér a családban, mindegyiknek n ivadéka van

Modell:

z

ij

= + f

i

+ w

ij

i családból származó

j testvér tulajdonságának értéke

fő átlag

(10)

Becslés: egytényezős variancia analízis

Modell:

z

ij

= + f

i

+ w

ij

i család hatása a főátlagtól való eltérésre

(11)

Becslés: egytényezős variancia analízis

Teljes testvérek alapján: N teljes testvér a családban, mindegyiknek n ivadéka van

Modell:

z

ij

= + f

i

+ w

ij

a j testvér eltérése a család átlagtól

(12)

Becslés: egytényezős variancia analízis

Teljes testvérek alapján: N teljes testvér a családban, mindegyiknek n ivadéka van

Modell:

z

ij

= + f

i

+ w

ij

2f = a családok közötti variancia = családok átlaga közti var.

2w = családon belüli variancia

2P = teljes fenotípusos variancia = 2f + 2w

(13)

Kovariancia ugyanazon csoport tagjai között = variancia a csoportok között

A család hatás varianciája egyenlő a teljes testvérek kovarianciájával

A családon belüli variancia 2w = 2P - 2f,

2 2

2 2

4

2 Ec

D A

f

2

) , ( )

, ( )

, ( )

, (

)]

( ), [(

) , ( )

. (

f

ik ij i

ij ik

i i

i

ik i

ij i

ik ij

f f

f f

f f

z z rokon

telj Cov

(14)

Variancia analízis: N család, n testvér, T = Nn

Faktor Szabadság

fok

Négyzetösszeg (SS)

Négyzet összegek átlaga (MS)

E[ MS ]

Családok közötti

N-1 SSf/ (N-1) 2

w + n 2 f

Családon belüli T-N SSw/ (T-N) 2

w

N

i

i

f n z z

SS

1

)2

(

N

i n

j

j zi

zi SS

1 1

)2

(

(15)

Variancia komponensek becslése:

2Var(f) az additív variancia felső határa

2 2

2 2

2

f A

2

D Ec

(16)

A standard hiba értéke a variancia négyzetgyöke

æ 2 (MS x ) ' 2(MS x ) 2 df x + 2

Normál eloszlás esetén (nagyszámú minta) a variancia

2 ) (

) 2 (

2 2

x

x

x

df

MS MS

2 ) (

) 2 (

))]

( ( [

2

N T

MS MS Var

FS w

Var

Var

w w

(17)

A standard hiba értéke a variancia négyzetgyöke

2 2 ) (

1 2 ) 2 (

)]

(

[

2

N T

MS N

MS n n

MS Var MS

f Var

Var

f w f w

(18)

Örökölhetőség becslése

Így, h

2

< 2 t

FS

Nagyszámú minta esetén a h2

2 2 2

2

4

2 1 )

( ) (

z

Ec D

FS

h

z Var

f t Var

) 1 (

] 2 )

1 (

1 )[

1 ( 2 )

(

2

n t Nn

n t

h

SE

FS FS

(19)

Példa

Faktor Df SS MS EMS

Családok közötti 9 SSf= 405 45 2

w + 5 2 f Családokon

belüli

40 SSw = 800 20 2

w

10 teljes testvérből álló család, mindegyiknek 5 ivadéka tesztelt

Var(w) = MS

w

= 20

Var(z) = Var(f ) + Var(w) = 25

VA < 10

h2 < 2 (5/25) = 0.4

312 ,

) 0 1 5

( 50 ] 2

4 , 0 ) 1 5

( 1

)[

4 , 0 1

( 2 )

( h

2

SE

(20)

Teljes testvér elrendezés : Variancia analízis

1

3

o

2

o o

k

...

o

*1

*

*

*

2

3

o

2

o o

k

...

o

*1

*

*

*

n

3

o

2

o o

k

...

o

*1

*

*

*

1

1

3

o

2

o o

k

...

o

*1

*

*

*

2

3

o

2

o o

k

...

o

*1

*

*

*

n

3

o

2

o

o

k

...

o

*1

*

*

*

n

. . . Teljes

testvértek

(21)

Féltestvér elrendezés Variancia analízis

1

3

o

2

o o

k

...

o

*1

*

*

*

2

3

o

2

o o

k

...

o

*1

*

*

*

n

3

o

2

o o

k

...

o

*1

*

*

*

1

1

3

o

2

o o

k

...

o

*1

*

*

*

2

3

o

2

o o

k

...

o

*1

*

*

*

n

3

o

2

o

o

k

...

o

*1

*

*

*

n

. . .

Féltestvérek

(22)

Becslés : Variancia analízis

Teljes testvér / féltestvér elrendezés: N hím (apa) termékenyít M anyát, mindegyiknek n ivadéka van

modell:

z

ijk

= + s

i

+ d

ij

+ w

ijk

A k-adik, anyától, i-edik apától származó k-adik ivadék értéke

(23)

Becslés : Variancia analízis

Teljes testvér / féltestvér elrendezés: N hím (apa) termékenyít M anyát, mindegyiknek n ivadéka van

modell:

z

ijk

= + s

i

+ d

ij

+ w

ijk

Fő átlag i apa hatása = a családjának eltérése a főátlagtól

(24)

Becslés : Variancia analízis

Teljes testvér / féltestvér elrendezés: N hím (apa) termékenyít M anyát, mindegyiknek n ivadéka van

model:

z

ijk

= + s

i

+ d

ij

+ w

ijk

j anya hatása = az anya eltérése az apától és a főátlagtól

(25)

Teljes testvér / féltestvér elrendezés: N hím (apa) termékenyít M anyát, mindegyiknek n ivadéka van

modell:

z

ijk

= + s

i

+ d

ij

+ w

ijk

Családon belüli eltérés = a k-adik ivadék eltérése az ij család főátlagától

Becslés : Variancia analízis

(26)

Becslés : Variancia analízis

Teljes testvér / féltestvér elrendezés: N hím (apa) termékenyít M anyát, mindegyiknek n ivadéka van

model:

z

ijk

= + s

i

+ d

ij

+ w

ijk

2s = apák közötti variancia = apai család átlagok közötti var.

2d = anyák közötti variancia apákon belül =

az anyai átlag variancia ugyanazon apa esetében

2w = családon belüli variancia

2T = 2s + 2d + 2w

(27)

Példa : N apa termékenyít M anyát, mindegyiknek n ivadéka van, T = NMn

Faktor Df SS MS EMS

Apák N-1 SSs/(N-1)

Anyák(Apák) N(M-1) SSd/(N[M-1])

Testvérek

(Anyák) T-NM SSw/(T-NM)

2

1 1

N

i

Mi

j

i z

z Mn

N

i

i M

j

ij

z z

n

1

2 1

) (

N

i

M

j

n

k

ijk zij

z

1 1 1

)2

(

2 2

2

S D

w n Mn

2 2

D

w

n

2 w

(28)

Var (s ) = MSs ° MSd

M n

Var(d) = MSd ° MSw n

Var (e) = MSw

Apa, anya, család variancia becslése:

Ezeket átalakítva variancia komponensekre

Var(Total) = Var(csládok közötti, FS) + Var(Családokon belüli,FS)

• Var(Sires) = Cov(Paternal half-sibs)

2w = 2z - Cov(FS)

) (

)

2

(

2 2

2 Z S W

FS PHS

D

(29)

Összefoglalva,

Kifejezve a genetikai és környezeti varianciát,

)

2 (

S PHS W2 Z2

( FS )

) (

)

2

(

2 2

2 Z S W

FS PHS

D

4

2

2 A

S

2 2

2 2

4

4 Ec

D A

D

2 2

2 2

4 3

2 Ec

D A

W

(30)

t

P H S

= Cov(P HS)

Var (z) = Var(s) Var (z) t

F S

= Cov(F S)

Var(z) = Var(s) + Var(d) Var(z)

4t

PHS

= h

2

h

2

< 2t

FS

Csoportközi korreláció és örökölhetőség becslés

A 4tPHS = 2tFS , ha nincs dominancia, vagy azonos a környezethatás

(31)

Példa:

N=10 apa, M = 3 anya, n = 10 ivadék/anya

Faktor Df SS MS EMS

Apák 9 4,230 470

Anyák(Apák) 20 3,400 170

Anyákon belül 270 5,400 20

2 2

2 10 D 30 S

W

2

2 10 D

W

2 W

2 20

w

W MS

10 15 20

2 170

n MS MSd w

D

30 10 170

2 470

Nn MS MSs d

s

2 45

2 2

2

w d

s P

40 4 2

2

s A

89 , 45 0

40

2 2 2

z

h A

20 4 2

2

Ec D

2 2

2 2

2 2

4 10 1 4

1 4

15 1 A D Ec D Ec

d

(32)

Szülő-ivadék regresszió

z

oi

= š + b

ojp

(z

pi

° š ) + e

i

Egyszerű szülő - ivadék regresszió

Közös környezet hatás

i p pi

i o p pi

o

b

o

z e b z e

Z ( )

1

2 2

2

) ,

2 ( )

(

) ,

) ( (

z

p o

A

p p o

p o

E E

z z b z

E

(33)

Szülő-ivadék regresszió

z

oi

= š + b

ojp

(z

pi

° š ) + e

i

Egyszerű szülő - ivadék regresszió

E (bo jp) = æ(zo; zp)

æ2(zp) ' 2A =2) + æ(Eo; Ep)

æz2 = h2

2 + æ(Eo; Ep) æ2z

A regressziós egyenlet:

æ

e2

=

µ

1 ° h

2

2

Ž

æ

2z

Maradék hiba variancia

2 2

2 2

2

) ,

( 2

) ,

2 ( )

(

) ,

) ( (

z z

p o

A

p p o

p o

Ep Eo

E h E

z z b z

E

i fi

mi MP

o o

z z e

b z

i

2

(34)

Regressziós függvény, h2 = b

p o p

o f

o m

o

f m

f m

o MP

o b

z Var

z z Cov z

Var z

Var

z z

Cov z

z Cov z

Var z

z z z

Cov

b 2

) (

) , ( 2

4

) ( )

( 2

) (

) (

2 ) (

2 ) , (

(35)

Standard hiba

Egyszerű szülő - ivadék regresszió, N szülő, mindegyiknek n ivadéka

Var(b

o j p

) ' n (t ° b

2o jp

) + (1 ° t ) N n

Az összes ivadék

Nn

t b

t n b

Var

o p

(

o p

) ( 1 ) )

(

2

A regressziós együttható négyzete

(36)

Standard hiba

Egyszerű szülő - ivadék regresszió, N szülő, mindegyiknek n ivadéka

Var(b

o j p

) ' n (t ° b

2o jp

) + (1 ° t )

N n Nn

t b

t n b

Var

o p

(

o p

) ( 1 ) )

(

2

esetén testvérek

t h

esetén ek

féltestvér t h

t

z Ec D

FS HS

2 2 2 2

2

2 4

) (

4 )

2 ( )

( h

2

Var b

o p

Var b

o p

Var

(37)

Standard hiba

Egyszerű szülő - ivadék regresszió, N szülő, mindegyiknek n ivadéka

Var(b

o j p

) ' n (t ° b

2o jp

) + (1 ° t ) N n

• Szülő átlag - ivadék variancia fele az egyszerű szülő- ivadék varianciának

) (

4 )

2 ( )

( h

2

Var b

o p

Var b

o p

Var

Nn

t b

t n b

Var

o p

(

o p

) ( 1 ) )

(

2

Nn

t b

t n b

Var

FS MP

FS o

MP o

) 1

2 ( 2

) (

2

(38)

Az örökölhetőség becslése természetes populációban

A testvéreket általában nem azonos (ideális)

körülmények között nevelik fel. Ilyenkor a testvér variancia analízis, vagy a szülő - ivadék regresszió problémás lehet.

Kevésbé ingadozik az örökölhetőség, ha a természetes körülmények között tartott szülők ivadékait ideális

környezetben nevelik fel

h2m i n = (b0oj M P )2 Varn (z) Varl (A)

) (

) ) (

(

2 2

2

min

Var A

z b Var

h

o MP

(39)

Ismételhetőség (R, vagy b)

A teljesítmény megismétlésének valószínűsége (az örökölhetőség felső határa)

R = V

G

+ V

PE

V

G

+ V+

PE

V

E

VPE= állandó környezet hatás VE= ideiglenes környezet hatás

(40)

Korreláció (r)

S

xy

r

xy

=

__________________

√ S

2x x

ahol

x, y = tulajdonságok,

Sxy = a két tulajdonság kovarianciája

S2x , S2Y = a tulajdonságok varianciájának négyzete

(41)

Korreláció

A tulajdonságok közötti kapcsolat

(Két tulajdonság kovarianciájának és varianciájuk mértani átlagának hányadosa)

Korrelációs együttható (r)

Értéke: -1 +1

Lehet: genetikai fenotípusos környezeti

Hivatkozások

KAPCSOLÓDÓ DOKUMENTUMOK

Összegezve az eredményeket megállapítható, hogy a különböző módszerek sajátosságai meg- mutatkoznak a válaszokban, miszerint szignifikáns különbség van a

¥ Gondoljuk meg a következőt: ha egy függvény egyetlen pont kivételével min- denütt értelmezett, és „közel” kerülünk ehhez az említett ponthoz, akkor tudunk-e, és ha

• A különböző élőhelyek mikrobiális sokféleségét akkor tudjuk analizálni, ha a teljes genetikai anyagot kinyerjük a vizsgálandó élőhelyről gyűjtött

- ha a szoftvert többféle környezetbe tervezzük, amelyek között a különbség éppen a modell különböző kialakításával ragadható meg.. A MODELLTÁRHÁZ ÉS AZ UML 4

First we tried to identify individuals performing high and low post-stress plasma cortisol and glucose levels in two genetically and morphologically distant strains of common

A gyakorlatban mindez azt jelenti, hogy a különböző eredetű, különböző képességű és életkorú tanulókat m eghatározott rendszer szerint kell tanítani annak

megváltozik a gén gyakoriság, ha a populáció nincs genetikai egyensúlyban (LE, linkage

Ennek alapján megfogalmazhatjuk, hogy a vizsgált min- tánkra vonatkozó két különböző számtani középérték között a 95%-os szintet meg- határozó szignifikáns különbség