تحلیل لایه بندی ژنتیکی تیره های اسب عرب ایرانی به روش هوش مصنوعی (یادگیری ماشین)

مرادی شهربابک, حسین; تیموری, بهکام; مرادی شهربابک, محمد; زندی باغچه مریم, محمد باقر; فتوحی سیاه پیرانی, علیرضا

doi:10.22034/bilj.2026.533382.1075

تحلیل لایه بندی ژنتیکی تیره های اسب عرب ایرانی به روش هوش مصنوعی (یادگیری ماشین)

نوع مقاله : مقاله پژوهشی

نویسندگان

حسین مرادی شهربابک ¹

بهکام تیموری ²

محمد مرادی شهربابک ³

محمد باقر زندی باغچه مریم ⁴

علیرضا فتوحی سیاه پیرانی ⁵

¹ گروه مهندسی علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه تهران، کرج

² شهر قدس/ شهرک سرخ حصار / خیابان امام علی / کوچه ملاصدرا / پلاک 50

³ گروه مهندسی علوم دامی، دانشکده کشاورزی و منابع طبیعی دانشگله تهران کرج

⁴ گروه علوم دامی دانشگاه زنجان

⁵ استادیار زیست‌شناسی سامانه‌ها و بیوانفورماتیک، پژوهشکده بیوشیمی و بیوفیزیک (IBB)، دانشگاه تهران.

10.22034/bilj.2026.533382.1075

چکیده

اسب نژاد عرب یکی از کهن‌ترین و اصیل‌ترین نژادهای اسب در دنیا است که به دلیل ویژگی‌هایی منحصر به فرد، جایگاه ویژه‌ای در اصلاح و توسعه نژاد های دیگر دارد. اسب عرب ایرانی(اصیل) یکی از مهم‌ترین منابع ژنتیکی دام در کشور است که شناسایی ژنتیکی تیره‌های آن برای حفظ تنوع و اصلاح نژاد حیاتی می‌باشد و زمینه ارتقای برنامه‌های اصلاح نژاد، توسعه و حفظ این نژاد را فراهم میکند. به منظور مطالعه ساختار ژنتیکی تیره های مختلف اسب عرب ایرانی، داده‌های ژنومی ۱۰۹ راس اسب عرب ایرانی از شش تیره (خِرسان: ۵۳، حمدانی: ۱۹، عبِیان: ۱۳، صَغْلاوی: ۱۲، کُحیلان: ۹، شُویمان: ۳) و ۳۸,۵۷۲ نشانگر SNP پس از انجام مراحل کنترل کیفیت با نرم افزار PLINK و شاخص های ، (MAF < ۰.۰۳)، (MIND < ۰.۰۳)، (pv < 10-7*1 ) تجزیه و تحلیل قرار گرفت. پس از کاهش ابعاد با روش تحلیل مؤلفه‌های اصلی (PCA)، الگوریتم‌های یادگیری ماشین نظارت‌شده که شامل جنگل تصادفی (Random Forest)، ماشین بردار پشتیبان (SVM) و پرسپترون چندلایه (MLP)، استفاده شدند. آزمون فریدمن نشان داد که مقدار p-value برابر با 0.00019 است و تفاوت معنا داری بین مدل ها وجود دارد و انتخاب مدل را تحت تاثیر قرار میدهد. مدل SVMبا میانگین دقت (0.83) نسبت به MLP (0.73) و RF(0.75) عملکرد بهتری نشان داد و اختلاف عملکرد بین مدل ها مشاهده شد. این یافته‌ها کاربرد مدل‌های هوش مصنوعی یادگیری ماشین به‌ویژه ماشین بردار پشتیبان (SVM)را در طبقه‌بندی مؤثر تیره‌های اسب عرب با داده‌های ژنومی تایید می‌کند که میتواند به بهبود برنامه‌های اصلاح نژاد کمک شایانی نماید.

کلیدواژه‌ها

اسب عرب ایرانی

یادگیری ماشین

جنگل تصادفی

ماشین بردار پشتیبان

پرسپترون چندلایه