دانشکدگان کشاورزی و منابع طبیعی دانشگاه تهران علوم دامی ایران 2008-4773 48 2 2017 08 23 Comparison of PCA and DAPC methods for analysis of Iranian Buffalo population structure using SNPchip90k data مقایسة روش‌های PCA و DAPC در تجزیه‌وتحلیل ساختار جمعیتی گاومیش‌های ایران با تراشه‌های اسنیپ 90k 153 161 63029 10.22059/ijas.2017.213547.653461 FA زهرا عزیزی دانشجوی سابق دکتری ژنتیک و اصلاح دام، گروه علوم دامی، دانشکدة کشاورزی، دانشگاه تبریز حسین مرادی شهر بابک استادیار گروه علوم دامی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج 0000-0002-6680-7662 محمد مرادی شهر بابک استاد گروه علوم دامی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج 0000-0002-5255-609X Journal Article 2016 08 08 Understanding of population genetic structure is valuable for better implementation of breeding programs and most importantly, preservation of genetic resources. Genomic data provide an opportunity to consider complex evolutionary history of populations and reconstruct rare historical events. In this research, the structure of Iranian buffalo populations was studied by using principal component analysis and discriminant analysis principal component methods. For this purpose, the number of 404 buffalos from three breeds including North, Azari and Khozestani were sampled and genotyped by SNPChip 90k from Padano Company in Italy. The results of principal component analysis and discriminant analysis principal component showed a clear picture of the genetic structure of the studied populations. Assessing the optimal number of clusters with criteria BIC, K = 3 by the DAPC method showed the best results. The result of cross-validation for retaining principal components was optimized to 50 first components that showed the lowest MSE. In this study, DAPC predicted assignment of individuals to clusters and membership probabilities with 100% accuracy. PCA method was not able to provide a group assessment and DAPC method outperformed than PCA in achieving a clear variance difference between populations. DAPC method can be applied in quality control and stratification population correction of GWAS as an alternative to the PCA because of summarizing the genetic differentiation between groups and overlooking within-group variation and providing better population structure. اطلاع از ساختار ژنتیکی جمعیت دام‌ها در راستای اجرای بهتر برنامه­های اصلاح نژادی و حفظ ذخایر ژنتیکی آن‌ها بسیار ارزشمند است. داده‌های ژنگانی (ژنومی) فرصتی برای حل پیچیدگی تاریخچة تکاملی جمعیت­ها و بازسازی رویدادهای تاریخی نادر، را فراهم می­آورند. در این پژوهش برای ارزیابی ساختار جمعیتی گاومیش‌های ایران روش‌های تجزیه‌وتحلیل مؤلفه‌های اصلی (PCA) و تجزیه‌وتحلیل جداسازی مؤلفه‌های اصلی (DAPC) اجرا شد. از شمار 404 گاومیش از سه نژاد شمالی، آذری و خوزستانی خون‌گیری شد و تعیین ژنوتیپ با تراشه‌های اسنیپ 90k توسط شرکت پادانو در کشور ایتالیا انجام شد. نتایج به‌دست‌آمده از تجزیة مؤلفه­های اصلی و تجزیة جداسازی مؤلفه­های اصلی، جداسازی سه نژاد را به‌خوبی نشان داد و هر دو تصویر آشکاری از ساختار ژنتیکی جمعیت‌های مورد بررسی را نشان دادند. در روش DAPC، برای ارزیابی شمار بهینة خوشه با معیار ارزیابی BIC، K=3 بهترین نتیجه را نشان داد. نتایج اعتبارسنجی متقابل برای نگه‌داشتن شمار مؤلفة اصلی بهینه برای تجزیه‌وتحلیل تشخیصی، 50 مؤلفة اول MSE کمتری نسبت به مؤلفه­های دیگر داشت. در این بررسی روش DAPC احتمال‌ عضویت افراد جمعیت‌ها را با درستی 100 درصد پیش‌بینی کرد ولی روش­ PCA قادر به ارزیابی گروه‌ها نبوده و برای به دست آوردن تصویر روشن از واریانس بین جمعیت‌ها DAPC مناسب‌تر از PCA عمل می­کند. روش DAPC در بررسی ساختار جمعیتی  نسبت به روش PCA به دلیل افزایش واریانس بین گروه­ها و کاهش واریانس درون گروه­ها و همچنین ارائة تصویر آشکاری از ساختار جمعیتی کارآمد بود و می­تواند در کنترل کیفیت و تصحیح لایه‌بندی جمعیتی در بررسی‌های ارتباطی جایگزینی برای PCA باشد. https://ijas.ut.ac.ir/article_63029_11f2a99d4f6b5ed4a98762980b918562.pdf