26 марта 2016г.
Аннотация.
В данной работе разработана математическая модель идентификации сельскохозяйственного животного (особи) к определенной породе (виду, популяции, группе, стаду) с помощью микросателлитных маркеров. В разработанной модели реализован точный математический метод путем синтеза детерминированных и стохастических подходов. Оценена адекватность и применимость модели в реальной практике для доказательства происхождения животных.
1. Введение.
Проблема доказательства происхождения животных и их принадлежность к определенным породам и/или группам чрезвычайно актуальна для нужд селекции. Решение этой проблемы сопряжено с серьезными трудностями, осложняющими возможность автоматизации этого процесса:
во-первых, низкой популяционной частотой микросателлитных маркеров, что объективно ограничивает объем выборки наблюдений, доступных для анализа;
во-вторых, гетерогенностью микросателлитных локусов, связанной с тем, что в пределах каждого гена может возникнуть большое (но конечное) множество аллельных вариантов, имеющих различные фенотипические проявления;
в-третьих, фактором генокопирования, то есть сходством фенотипа животных с разными генотипами;
в-четвертых, фактором фенокопирования, т.е. сходством фенотипа у «простых» животных с селекционными изменениями, обусловленными факторами внешней среды.
в-пятых, фактором эпигенетики, то есть явлением, когда мутации в нуклеотидных последовательностях могут отсутствовать, но наблюдается существенное расхождение в фенотипе животных одной породы (вида, популяции, стада) за счет экспрессии генов.
Этот далеко не полный перечень факторов, которые чрезвычайно затрудняет автоматизацию диагностики идентификации животных в определенной породе (группе)[1]. Выходом из положения в такой ситуации является разработка информационно-аналитических программ, обеспечивающих автоматизацию процедуры первичного поиска идентификации или ограниченного генотипического ряда из общего массива возможных генотипических признаков определенной структурной группы.
На сегодняшний день существует четыре способа автоматизации первичной идентификации сельскохозяйственного животного к определенной породе (виду, популяции, группе, стаду): 1) детерминированный подход; 2) подход с использованием нечетких множеств; 3) стохастический подход; 4) подход с использованием нейронных сетей. Каждый из этих подходов обладает своими достоинствами и недостатками [1],[2]. В нашей модели реализован синтез детерминированного и стохастических подходов. Вкратце остановимся на основных положениях модели.
3.
Заключение.
Таким образом,
разработанная математическая модель (аппарат) позволяет
создать эффективную информационно-аналитическую систему
для тестирования животных
по происхождению (принадлежности) к определенным породам
и группам на основе их генотипа по полиморфизмам микросателлитных локусов.
Работа выполнена при поддержке гранта МОН РК № 2517/ГФ4
Список литературы
1.
Евдокименков В.Н.,
Красильщиков М.Н., Краснопольская К.Д. Применение методов и алгоритмов стохастического оценивания в условиях
неопределенности для дифференциальной диагностики наследственных болезней обмена
веществ// Известия РАН. Теория и системы управления.-1998. -№1
2.
Евдокименков В.Н.,
Красильщиков М.Н. Алгоритм
стохастического оценивания в приложении к автоматизации диагностики наследственных заболеваний// Известия РАН. Автоматика и телемеханика.- 1998. -№11
3.
Нурбаев С.Д., Гинтер Е.К. Математический аппарат
информационно-поисковой и диагностической системы наследственных болезней.// Сб. тр. 14 международной конференции «Математические методы в технике и технологиях», Смоленск, 2001, с.19-23
