Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak; GLKM model seçme kriteri DIC’ye göre DA ve SKA için en uygun model olarak belirlenmiştir.
📌 3 Maddede Bu Makale
Özet
Linear karışık etkili modeler (LKM), hayvan ıslahı verilerinin neredeyse tüm analizlerinde yaygın olarak kulanılmaktadır. Varyans bileşenleri ile genetik parametrelerin tahmini ve hayvanların genetik değerini belirlemek için çok güçlü araçlardır. Bu modeler normallik varsayımı ve varyansların sabitliği gibi bazı varsayımlar sağlandığında kullanılabilen modellerdir. Ancak bu varsayımlar sağlanmazsa veriler transforme edilip analize transforme edilmiş verilerle devam edilir. Genelleştirilmiş linear karışık etkili modeller (GLKM) transformasyon olmaksızın normallik varsayımını iligili problemler için çözüm sağlar. Bu, araştırmacıların teorik bağlamda en uygun verileri kullanarak hayvanların uygun şekilde değerlendirilmesini sağlar. Bu çalışmanın amacı; Bayesyen yaklaşımı ile hayvan ıslahında önemli ekonomik değere sahip doğum ağırlığı (DA) ve sütten kesim ağırlığına (SKA) ait verileri transformasyon uygulanmış (LKM_t), transformasyon uygulanmamış (LKM_ut) haliyle LKM ve transforme edilmemiş haliyle GKLM modelleri kullanarak varyans unsurlarını ve genetik parameterini tahminlemektir. Bu çalışma aynı zamanda hem modelleri hem de LKM_t ve GLKM ile elde edilen tahmini parametre değerlerini karşılaştırmayı amaçlamıştır. Analizde kullanılan veri 2012- 2016 yılları arasında doğan 4972 İvesi kuzularından elde edilmiş DA ve SKA’ dan meydana gelmiştir. Sonuç olarak; GLKM model seçme kriteri DIC’ye göre DA ve SKA için en uygun model olarak belirlenmiştir. DA’na ait kalıtım derecesi tahminleri tüm modelerde değişmemesine rağmen SKA’na ait kalıtım derecesi tahminlerinde önemli farklılıklar vardır.
Abstract
Linear mixed effects models (LMM) have been widely used for nearly all analysis of animal breedingdata. They are very powerful tools for the estimation of variance components and genetic parameters, and forthe prediction of genetic merit of animals. These models can only be used when some specific assumptions areprovided such as normality and constant of variances. However, if these assumptions are not provided, the datashould be transformed and the statistical analysis is carried out with the transformed data. Generalized linearmixed-effect models (GLMM) provide a solution for this problem by satisfying normality assumptions withouttransformation. This allows differences among animals to be assessed properly using the data most appropriateto the researcher's theoretical context. The aim of this study is to estimate variance components, geneticparameter of birth weight (BW), weaning weight (WW) which have economic values in animal breeding withLMM_t (with transformed data), LMM_ut (with untransformed data) and GLMM based on Bayesian approach.The present study also intended to compare the both models and the estimated parameters values obtained withLMM_t and GLMM. The data is obtained from BW and WW of 4972 Awassi lambs were born between theyears of 2012-2016. As a result, GLMM is the most suitable model for BW and WW according to DIC values.Although estimation of BW heritabilities does not change in all models, there are significant differences inestimation of WW heritabilities.