%0 Journal Article %T گروه‌بندی ژنتیکی گاومیش های بومی آذری و شمالی با روش شبکۀ عصبی SVM %J علوم دامی ایران %I پردیس کشاورزی و منابع طبیعی دانشگاه تهران %Z 2008-4773 %A عزیزی, زهرا %A مرادی شهربابک, حسین %A مرادی شهر بابک, محمد %A رأفت, عباس %A شجاع, جلیل %D 2016 %\ 08/22/2016 %V 47 %N 2 %P 279-290 %! گروه‌بندی ژنتیکی گاومیش های بومی آذری و شمالی با روش شبکۀ عصبی SVM %K SNPChip 90K %K گاومیش %K گروه‌بندی %K ماشین بردار پشتیبان %R 10.22059/ijas.2016.59033 %X هدف این تحقیق گروه‌بندی گاومیش‌های استان­های آذربایجان شرقی، غربی و اردبیل از بوم‌جور (اکوتیپ) آذری و استان گیلان از بوم‌جور شمالی و درنهایت قابلیت جداسازی افراد مناطق مختلف با روش یادگیری ماشین بود. به شمار 258 گاومیش از مناطق مختلف دو بوم‌جور شمالی و آذری نمونه‌گیری شد و با استفاده از SNPChip 90K مربوط به شرکت افی متریکس در کشور ایتالیا تعیین ژنوتیپ شد. برای پیش‌بینی عملکرد روش ماشین بردار پشتیبان برای گروه‌بندی افراد، دو روش متریک اعتبارسنجی متقابل و سطح زیر منحنی مشخصۀ عملکرد سامانۀ (AUC) اعمال شد. نتایج آزمون اعتبارسنجی متقابل و سطح زیر منحنی برای گروه‌بندی افراد چهار منطقه به ترتیب 92 و 96 درصد بود که گویای این است که باوجود نزدیک بودن افراد گله‌های مختلف و سخت بودن جداسازی این افراد، روش ماشین بردار پشتیبان با درستی بالایی، توانایی اختصاص دادن افراد به گله­های مربوط به خود را دارد. نتایج آزمون­های اعتبارسنجی متقابل و سطح زیر منحنی مشخصه عملکرد سامانه برای دو بوم‌جور به ترتیب برابر 96 و 98 درصد بود که نشان‌دهندۀ قابلیت جداسازی بهتر دو بوم‌جور است. روش یادگیری ماشین با توجه به این موارد و با پیش‌بینی‌هایی که برای گروه‌بندی هر فرد انجام می­دهد می­تواند در کنترل کیفیت و کاربردهای ژنتیکی کارآمد باشد. %U https://ijas.ut.ac.ir/article_59033_4889e5aae3b1a5f7e925d9f275fd1b6b.pdf