چکیده:
دیدگاه کلی ژنتیک و اصلاح‌نژاد دام و طیور در حال انتقال به عصر دیجیتال با توان عملیاتی بالا است که در آن با استفاده از فناوریهای جدید سعی می‌شود دقت ثبت اطلاعات و برآورد ارزش‌های اصلاحی افزایش یابد. در ادامه با استفاده از نرم‌افزارهای پیشرفته و کامپیوترهای بزرگ، پردازش حجم بزرگی از داده‌ها انجام می‌شود. ظهور فناوری تعیین ژنوتایپ و شناسایی SNPها همراه با روش‌های آماری جدید برای استفاده از این داده‌ها برای برآورد ارزش اصلاحی، منجر به کاربرد گسترده انتخاب ژنومی در گاوهای شیری و طیور برای انجام انتخاب ژنومیک در دیگر موارد شده است. توسعه الگوریتم‌های داده کاوی مرتبط با اَبر داده‌ها در برآورد ارزش‌های اصلاحی نقش قابل توجهی ایفا می‌کنند. مجموعه‌ای از تکنولوژی‌ها همچون هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در عصر جدید فرصت‌های مناسبی را در مقایسه با روش‌های سنتی برای بررسی صفات اقتصادی با معماری پیچیده فراهم ساخته‌اند. این رویکردها تجزیه و تحلیل مجموعه‌های بزرگ داده‌ها و اطلاعات بزرگ ژنومی را در جهت رسیدن به اهداف امکان پذیر کرده است. هدف از این مطالعه بیانِ توضیحی اجمالی از روش‌ها و فناوریهای جدید در علوم دامی است که به طور گسترده در رکوردبرداری و ثبت اطلاعات تا برآورد ارزش‌های اصلاحی مورد استفاده قرار میگیرند، به گونه‌ای که دیدگاه اصلاح‌نژادی را در آیندۀ دیجیتال تغییر دهند. بنابراین، افزایش پتانسیل در تجزیه و تحلیل اَبرداده‌ها همراه با روش‌های نوین در رکوردبرداری از صفات فنوتیپی و برآورد ارزش‌های اصلاحی، مقدار پیشرفت ژنتیکی دام‌ها را به طور چشمگیری افزایش خواهد داد.
چکیده انگلیسی:
The general perspective of livestock and poultry breeding is being transferred to the digital era with high operational capacity, in which high-throughput technologies are utilized to boost the accuracy of phenotypic records collection and estimation of breeding values. Then, using advanced software and large computers, high amount of data is processed. The advent of NGS and the identification of SNPs along with new statistical methods for using this data to estimate the breeding value has led to the widespread use of genomic selection in dairy cattles and poultry. The development of data mining algorithms related to big data plays a significant role in estimating breeding values. A range of novel technologies, such as artificial intelligence, machine learning and deep learning, provide proper opportunities compared to traditional methods for examining economic traits with complex architecture. These approaches have made it possible to analyze large data sets and large genomic information in order to achieve desirable results. The purpose of this study is to provide a brief explanation of the new methods and novel technologies in animal sciences which are widely used in phenotype data collection and data registration in order to estimate accurate breeding values, in such a way as to lead to a digital future. Therefore, increasing the potential of big data analysis, along with new methods for recording phenotypic traits and estimating the breeding values, will dramatically augment genetic improvement.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
