Computer aided selection in breeding programs using genetic algorithm in MATLAB program

Abstract

In plant and animal breeding, the best individuals are selected for the next breeding cycle based on the selection index computed from observed phenotypic values of several traits. However, in calculating the selection index, large amounts of data must be analyzed which is still performed by a calculator. This can cause imperfections in the breeding procedures. In this paper an automatic method for simulating a population under natural selection is proposed based on the selection operator of the genetic algorithms. The fitness function of the algorithm is a linear combination of the individual traits imported by the user. The algorithm generates both general and detailed scores of each trait for each labeled individual. The individuals are sorted with respect to their general scores and it is possible to extract individuals whose general scores are greater than a threshold defined by the user. The outlier individuals can also be eliminated. Moreover, for improved illustration and comparison, the individuals are displayed in a graph based on their index values. The proposed algorithm was applied to two distinct dataset and shown that results of the two methods coincide. The proposed method is automatic, fast, and free of human mistakes. Therefore, it is expected to improve the breeding procedures, especially when the numbers of individuals and traits are huge.Additional key words: artificial selection, cucumber, selection index, simulation, sugarbeet. ResumenSelección con ayuda de ordenador en programas de mejora genética utilizando el algoritmo del programa MATLAB Tanto en mejora vegetal como animal, se seleccionan los mejores individuos para el próximo ciclo de reproducción basándose en el índice de selección de varios caracteres calculado a partir de valores fenotípicos observados. Sin embargo, al calcular el índice de selección, se deben analizar gran cantidad de datos, lo que aún se realiza con una calculadora. Esto puede causar imperfecciones en los procedimientos de mejora. En este trabajo se propone un mé-todo automático para la simulación de una población sometida a selección natural basado en el operador de selección de los algoritmos genéticos. La función de aptitud del algoritmo es una combinación lineal de los caracteres individuales importados por el usuario. El algoritmo genera tanto puntuaciones generales como detalladas de cada carácter para cada individuo etiquetado. Los individuos son ordenados de acuerdo a su puntuación general y es posible extraer aquellos cuyos resultados generales son mayores que un umbral definido por el usuario. Los individuos anómalos también pueden ser eliminados. Para una mayor ilustración y comparación, se muestran los individuos en un gráfico según sus valores. Se aplicó el algoritmo propuesto a dos conjuntos de datos distintos y los resultados de los dos métodos coincidieron. El método propuesto es automático, rápido y libre de errores humanos. Por lo tanto, se espera que mejore los procedimientos de cultivo, sobre todo cuando el número de individuos es gran...

Nano‐biosensor based on reduced graphene oxide and gold nanoparticles, for detection of phenylketonuria‐associated DNA mutation

“…Among several PAH mutations, some seem more important, such as IV510NT546 which has been explained for PKU was identified as a G to A transition at position 546 in intron 10 of the PAH gene is representing the presence of this disease in most of the countries including Bulgaria, Italy, Turkey and especially Iran suspected that this mutation may be one of the more frequent defects in the PAH gene causing classic PKU in southern Europe [4,5,8,9]. There are several techniques used for its detection and screening, such as RT-PCR, PCR-RFLP, restriction enzymes, and sequencing [10][11][12][13].…”