Genoomfokwaarden in de praktijk

Slides:



Advertisements
Verwante presentaties
Genomica in de melkveehouderij de praktische toepassingen
Advertisements

Dyscalculie Asli PEHLIVAN.
De aantrekkingskracht van uitzendwerk voor werkgevers De rol van ontslagbescherming Amsterdam, 9 juni.
Een manier om problemen aan te pakken
Het vergelijken van twee populatiegemiddelden: Student’s t-toets
Hoofdstuk 3 – Gegevens verzamelen
Niveau 1F Paraat hebben: (selectie) Omzetten van eenvoudige breuken in decimale getallen. Optellen en aftrekken van veel voorkomende gelijknamige en ongelijknamige.
Bewegen Hoofdstuk 3 Beweging Ing. J. van de Worp.
Hoofdstuk 17 De organisatiecultuur bepalen en veranderen
Voorspellende analyse
Eenvoudige data-analyse: beschrijvende statistische
Hoofdstuk 11 Kwantitatieve gegevens analyseren Methoden en technieken van onderzoek, 5e editie, Mark Saunders, Philip Lewis, Adrian Thornhill, Marije.
Inleiding CIW 2008 Analysecollege 1. Analysevraag 1 Bekijk de reclame van Bol.com waarbij mensen vragen naar een bepaalde film, maar vervolgens een product.
Titelmodel Kijk onder beeld->model titel model om deze te wijzigen Het natuurlijk leren Een nieuw perspectief.
Zelf embleem maken? Snel, origineel én goedkoop?
Logo strijken: bij ons kunt u zelf een logo ontwerpen, laten maken, en zelf op uw kleding strijken, ook voor bv carnaval! Op kunt.
Netwerk Ouderenzorg Regio Noord 5e subsidieronde Nationaal Programma Ouderenzorg.
Procesmanagement in de praktijk Hoofdstuk 4 Processen analyseren
Baarde en de goede Hoofdstuk 11: Data-analyse
Opleiden naar de toekomst Werken in een satelliet.
Meten van Burenlawaai ing.Rein.C.Muchall Geluidconsult bv. Amsterdam- Amersfoort woonoverlast 28 April 2011.
Hoofdstuk 7: Erfelijkheid
RFLPs SNPs Micro-array
Significante cijfers Wetenschappelijke notatie a • 10b
Testen met een klein aantal testmonsters Rob Ross.
Marktonderzoek © 2011 | Noordhoff Uitgevers bv College 4 Hoofdstuk 6 Steekproef.
Esther Moorees Marinke van der Velde Nelleke Sonneveld Paul Storm Sjoerd Schouten.
Mart H. Mojet Workshop 2.2 Docentendag Netwerk Noord, 24 juni 2016 NLT Statistiek, Big Data, en MS Excel.
Pag 107 t/m 136. Waar gaan we het vandaag over hebben? samenvatten vorige week Uitwerking toets bespreken Uitwerking huiswerk Bezettingsverschillen Differentiële.
Marktonderzoek Zonder inzicht in het gedrag van de klanten/markt kan er geen marketingbeleid gevoerd worden.
Beslissen van kalf tot koe: hfdst 6 deel 1
5.1 Hoe bepaal ik waar ik op moet selecteren?
1. Kan je objectief kijken?
Fokkerij 1.1 Wat is genetica?.
Wat is genetica? (hfdst 1 van ELF)
Onderhouden bestratingen
Fokkerij 1.1 Wat is genetica?.
Hoe organiseer ik de fokkerij
De Flexibele Club Competitie
Lectora als ontwikkeltool voor interactieve multimedia programma’s
Fokkerij en voortplanting
Fokkerij en voortplanting
Hoe organiseer ik de fokkerij
Wat is genetica? (hfdst 1 van ELF)
Beslissen van kalf tot koe: hfdst 6 deel 1
Hoofdrekenen 1.
Vertellen resultaten Alle leerlingen even oud Iedereen evenveel tijd.
Eenvoudige data-analyse: beschrijvende statistische
Fokkerij 1.1 Wat is genetica?.
Toetsen van verschillen tussen twee of meer groepen
3.1 Fokdoel: wat wil ik en wat kan ik bereiken
Vakdidactiek EP 2 bijeenkomst 2
Hoe selecteer ik ouderdieren?
Voorspellende analyse
Fokkerij organisaties
Fokwaarde Fokkerij 2.
Retorische analyse.
Fokkerij organisaties
Monogene kenmerken.
Vererving van kwantitatieve kenmerken
Hoe schat je merker effecten?
Opdracht: hoe kies je de beste stieren voor je bedrijf?
Genoomfokwaarden Samenvatting.
Beslissen van kalf tot koe: hfdst 6 deel 1
Welke kenmerken kan en wil ik verbeteren? (Hfd 3 van ELF)
Praktijkvoorbeelden van fokprogramma’s met Genoomfokwaarden
Gebruik van SNP-merkers in fokwaardeschatting
5.1 Hoe bepaal ik waar ik op moet selecteren?
Hoofdrekenen 1.
Transcript van de presentatie:

Genoomfokwaarden in de praktijk Het principe van genoomselectie

In de praktijk Via SNP-merkers kunnen we stukken van het genoom lezen en kijken of verschil in genotypen samengaat met verschil op het kenmerk waar we naar kijken We kunnen dan deze kennis meenemen in de fokwaarde voor dat kenmerk Als we nu meerdere merkers gebruiken dan kunnen we de fokwaarde nog nauwkeuriger maken

In de praktijk In de praktijk zijn zgn. standaard SNP-chips beschikbaar. Dit is een plaatje waarop een kleine 100-tal paarden gelijktijdig voor duizenden SNPs over het hele genoom kunnen worden gegenotypeerd. Op een redelijk eenvoudig en betrekkelijk goedkope manier kunnen we per paard het gehele genoom aflezen. Dan moeten we de genetische aanleg voor een kenmerk voldoende nauwkeurig kunnen bepalen? Dan hebben we geen fenotype meer nodig?

SNPs in de praktijk Als we het effect van elke SNP op het kenmerk kennen, dan kunnen we de genoom- fokwaarde (gEBV) berekenen. gEBV = genotype * effect + genotype * effect + .........genotype * effect Hoe komen we aan de effecten op het kenmerk van al die duizenden SNPs? SNP1 SNP2 SNPn

Het schatten van de SNP-effecten is gelijk aan de manier bij de situatie met 1 of 2 merkers: Per SNP groepen indelen op genotype Verschillen de genotype-groepen significant van elkaar voor het betreffende kenmerk? In de praktijk wordt een soort regressie-analyse gedaan om tegelijk alle SNPs te analyseren.

Voor het schatten van de SNP-effecten hebben we een zgn referentiepopulatie nodig. Dit is een steekproef uit bv. het stamboek Van de referentiepopulatie moeten we genotypen en fenotypen hebben.

In de referentiepopulatie bepalen we via een soort regressie- analyse de effecten van alle SNP-merkers voor het kenmerk In onderstaande voorbeeld van 19 merkers, zijn de effecten van de eerste 5 merkers, resp. +0.5, 0, -0.3, +1, 0.1 We kunnen zo een voorspellingsvergelijking maken: De genoomfokwaarde is dan de som van alle SNPs * effect gEBV = 0.5 * SNP1 + 0 * SNP2 + -0.3 * SNP3 + ........... + x * SNP100.000

op basis van hun genotype voor de merkers De voorspellingsvergelijking wordt nu gebruikt om fokwaarden voor de selectiekandidaten te berekenen: op basis van hun genotype voor de merkers zonder hun fenotype voor het kenmerk Bijvoorbeeld de genoomfokwaarde van een paard gebaseerd op de eerste 10 merkers: kolom 1 : de genotype van de merkers kolom2: de SNP-effecten kolom3: de vermenigvuldiging van genotype en effect 2 0.5 1 -0.3 0.2 0.4 -0.8 -1.6 0.1 0.8 Het totaal over alle merkers geeft de genoomfokwaarde fokwaarde voor selectie

In de praktijk Bij de praktische toepassing van een genoomselectie programma wordt verder geen aandacht besteed aan de individuele merkers en hun effecten – ze blijven verder anoniem. Dat kan ook niet met soms wel tot een half miljoen merkers. Het enige wat van belang is, is de genoomfokwaarde die aan het eind van de berekening eruit rolt.

Nauwkeurigheid De nauwkeurigheid van de fokwaarde is vooral afhankelijk van het aantal paarden in de referentiepopulatie en van de erfelijkheidsgraad (h2).

Genoomselectie op een rij In deze clip bescrijft Mario Calus van Wageningen University de elementen van een fokprogramma op genoomfokwaarde en hoe de nauwkeurigheid van de fokwaarde wordt bepaald