0:00:00.000,0:00:08.032
Dobrý den, vítám vás u dalšího videa, které se zabývá metodickými přístupy k odhadu efektivní velikosti populace.

0:00:17.030,0:00:21.996
Efektivní velikost populace patří mezi nejvýznamnější parametry konzervační genetiky.

0:00:21.996,0:00:29.161
Efektivní velikost reálné populace X je definována jako velikost hypotetické ideální populace,

0:00:29.161,0:00:36.360
která vykazuje shodnou hodnotu genetického driftu, jako reálná studovaná populace.

0:00:38.026,0:00:48.458
Již zmíněnou ideální velikost populace, kterou definovali Ronald Fisher a Sevall Wright, je populace která je definována těmito parametry:

0:00:48.458,0:01:00.888
nepřekrývající se generace, diploidní jedinci, kteří se sexuálně rozmnožují, s poměrem pohlaví 1:1 a rozmnožující se náhodně.

0:01:00.888,0:01:12.953
V takto definované ideální populaci navíc nedochází k migraci, mutaci a selekci. Populace nabývá konstantní velikosti napříč generacemi.

0:01:14.352,0:01:27.183
V ideální nekonečně veliké populaci napříč časem nedochází k změně četnosti alel, k změně hodnoty koeficientu příbuzenské plemenitby, k náhodné ztrátě alel.

0:01:27.183,0:01:34.448
Alely dané ideální populace se vyskytují ve vazebné rovnováze.

0:01:34.448,0:01:43.913
Naopak u ideální populace s konečnou  velikostí již dochází k výskytu genetického driftu, který mění četnosti jednotlivých alel,

0:01:43.913,0:01:49.545
a dále ovlivňuje změnu hodnoty koeficientu příbuzenské plemenitby.

0:01:49.545,0:02:03.209
Dále genetický drift u konečné ideální populace způsobuje ztrátu či fixaci alel a výskyt vazebné nerovnováhy mezi alelami dané populace.

0:02:03.209,0:02:11.374
Jak již bylo řečeno...protože efektivní velikost populace je jeden z nejdůležitějších populačních parametrů,

0:02:11.374,0:02:17.173
existuje celá řada metodických postupů pro odhad tohoto parametru.

0:02:17.173,0:02:23.305
Na tomto snímku je uvedena část nejvýznamnějších přístupů a postupů.

0:02:23.305,0:02:35.270
Patří mezi ně: Efektivní velikost odhadnutá na základě proměnlivosti populace, kdy se hodnotí změny četnosti alel v populaci,

0:02:35.270,0:02:42.268
další přístup je založen na změně úrovně koeficientu příbuzenské plemenitby,

0:02:42.268,0:02:50.800
a v neposlední řadě je potřeba zmínit přístup vyžívající úroveň změny vazebné nerovnováhy v populaci.

0:02:50.800,0:02:58.232
Jednotlivé odhady efektivní velikosti populace jsou založeny na rozdílných metodických přístupech

0:02:58.232,0:03:07.063
a proto odhady efektivní velikosti populace nemusí na základě těchto rozdílných přístupů být vždy shodné.

0:03:07.063,0:03:15.962
Z pohledu využití genomických dat, je nejvyužívanějším přístupem odhad efektivní velikosti populace,

0:03:15.962,0:03:21.894
který je založen založen na určení úrovně vazebné nerovnováhy v populaci.

0:03:21.894,0:03:31.859
Tento přístup je však založen na rozdílné definici efektivní velikosti populace než ostatní zmíněné metody.

0:03:31.859,0:03:41.357
Kdy efektivní velikost reálné populace X s pozorovanou úrovní vazebné nerovnováhy pro daný genomický úsek

0:03:41.357,0:03:48.789
odpovídá velikosti hypotetické idealizované populace, která ve vazebné rovnováze

0:03:48.789,0:04:00.320
vykazuje shodnou míru vazebné nerovnovány pro stejný interval genomické vzdálenosti jako je pozorovaný v reálné pozorované konečné populaci.

0:04:00.320,0:04:08.751
Je potřeba si uvědomit, že definice efektivní velikosti populace na základě vazebné nerovnováhy

0:04:08.751,0:04:14.050
je odlišná od ostatních zmíněných definic odhadu efektivní velikosti populace.

0:04:15.683,0:04:25.781
Jak již bylo uvedeno, v ideální nekonečně velké populaci, která dosáhla rovnovážného stavu jsou všechny lokusy ve vazebné rovnováze.

0:04:25.781,0:04:36.612
Avšak v ideální populaci s konečným počtem jedinců, která dosáhne rovnovážného stavu, jsou lokusy ve vazebné nerovnováze,

0:04:36.612,0:04:44.677
a vazebná nerovnováha odpovídá funkci velikosti populace a genetické vzdálenosti mezi lokusy.

0:04:44.677,0:04:54.309
A právě na základě vzdáleností mezi lokusy je možné odhadovat nejen úroveň efektivní velikosti současné populace,

0:04:54.309,0:05:00.141
ale také efektivní velikosti populace v předchozích generacích.

0:05:00.141,0:05:06.973
Na tomto snímku jsou uvedeny nejčastější počítačové programy,

0:05:06.973,0:05:16.971
které jsou využívány pro odhad efektivní velikosti populace jak na základě rodokmenových, tak molekulárně genetických dat.

0:05:18.471,0:05:24.869
Skupinu programů využívají molekulárně genetická data je možné rozdělit do dvou skupin

0:05:24.869,0:05:32.335
a to na programy odhadující efektivní velikost populace na základě vazebné nerovnováhy,

0:05:32.335,0:05:37.700
kam patří například velmi populární program Ne ESTIMATOR,

0:05:37.700,0:05:43.799
který pracuje nejen s genomickými daty, ale i s daty mikrosatelitů,

0:05:43.799,0:05:50.364
a dále nově zveřejněné programy GONE a Current Ne.

0:05:50.364,0:06:01.496
Do této skupiny také patří program SNeP, který je však vhodný převážně pro odhad historické efektivní velikosti populace.

0:06:01.496,0:06:11.960
Další skupinu programů představují programy IBDNe a HapNe,

0:06:11.960,0:06:19.525
které vychází z přístupu založeném na odhadu koeficientu příbuzenské plemenitby.

0:06:19.525,0:06:26.224
Tyto dva programy jsou primárně navrženy pro analýzu humánních dat

0:06:26.224,0:06:34.122
a pro odhady efektivní velikosti populace u hospodářských zvířat proto nejsou moc vhodné.

0:06:34.122,0:06:48.286
Pro porovnání jednotlivých programů pro odhad efektivní velikosti populace jsme využili genomická data 215 jedinců starokladrubského koně.

0:06:48.286,0:06:59.284
Tato populace, která je řazena mezi genetické zdroje České republiky vykazuje velice přesné rodokmenové záznamy,

0:06:59.284,0:07:02.583
ale také přesně podchycený historický vývoj plemene,

0:07:02.583,0:07:12.015
čímž umožňuje ověření vhodnosti jednotlivých programů a přesnosti odhadu efektivní velikosti populace těmito programy.

0:07:12.015,0:07:27.345
Rodokmenové záznamy tohoto plemene sahají do roku 1773 a zahrnují 49 generací předků s ekvivalentem kompletních generací odpovídající hodnotě 16 generací.

0:07:27.345,0:07:42.342
Pro analýzu byly navíc očištěny molekulárně genetická data dle volnějších či přísnějších oprav korekce chyb a to kvalita kontroly dat 1 (Q1)

0:07:42.342,0:07:55.606
kdy do analýzy je zahrnuto přibližně 39 tisíc molekulárně genetických dat a kontrola kvality 2 (Q2), která zahrnuje přibližně 61 tisíc molekulárně genetických dat.

0:07:55.606,0:08:04.238
Pro porovnání byla navíc odhadnuta efektivní velikost populace na základě rodokmenových údajů.

0:08:04.238,0:08:11.536
Výsledky porovnání různých počítačových programů jsou uvedeny na tomto snímku.

0:08:11.536,0:08:22.068
Z výsledků vyplývá, že při použití většího počtu SNP vykazovala většina použitých programů velmi podobné hodnoty,

0:08:22.068,0:08:35.898
a to odhady kolem 50 jedinců. Výjimku tvořil pouze program SNeP, který při použití jak většího tak menšího počtu SNP,

0:08:35.898,0:08:43.064
vykazoval výrazně nižší odhady efektivní velikosti populace,

0:08:43.064,0:08:52.828
a to odhady 24 pro menší počet SNP a odhad 30 jedinců pro vyšší počet SNP.

0:08:52.828,0:09:02.593
Také počítačový program NeEstimator vykazoval nižší odhady při využití dat s nižší denzitou SNP,

0:09:02.593,0:09:06.026
a to odhad 22 jedinců.

0:09:06.026,0:09:20.223
V porovnání s vyšší denzitou SNP, kdy program NeEstimator odhadl shodnou hodnotu s ostatními programy, a to 46 jedinců.

0:09:20.223,0:09:29.054
Dále byl ověřen odhad historické efektivní velikosti populace  pomocí programů SNeP a GONE.

0:09:29.054,0:09:38.286
Při pohledu na výsledky je zřejmé, že odhady historické efektivní velikosti populace  programem GONE

0:09:38.286,0:09:48.051
velmi realisticky kopírují historický vývoj studovaného plemene a podchycují výskyt efektu genetického driftu,

0:09:48.051,0:09:55.882
který se všeobecně vyskytl u většiny populací koní v Evropě po první světové válce,

0:09:55.882,0:10:02.381
rozpadu Rakousko Habsburské monarchie a rozvoje mechanizace v zemědělství.

0:10:02.381,0:10:12.113
Program SNeP ve všech sledovaných generacích výrazně podhodnocuje odhady efektivní velikosti populace.

0:10:12.113,0:10:17.112
Na základě zjištěných závěrů této studie vyplývá,

0:10:17.112,0:10:29.043
že program GONE vykazuje nejvyšší vhodnost pro odhad efektivní velikosti populace hospodářských, zájmových a volně žijících zvířat.

0:10:32.009,0:10:39.041
Na následujících snímcích si ukážeme nastavení parametrů a jak spustit program GONE

0:10:39.041,0:10:43.706
pro odhad současné a historické efektivní velikosti populace.

0:10:43.706,0:10:50.872
Program je volně dostupný na následujících stránkách platformy github.

0:10:50.872,0:10:59.770
Metodický postup testování programu a ověřování přesnosti programu na simulovaných datech

0:10:59.770,0:11:03.802
jsou uvedeny v této vědecké publikaci.

0:11:03.802,0:11:09.035
Po stažení získáme následující soubory

0:11:09.035,0:11:16.400
Mezi těmito soubory jsou uvedeny ukázkové datové soubory označené názvem EXAMPLE,

0:11:16.400,0:11:23.665
ty jsou uloženy v klasickém formátu plink s koncovkou.map a .ped.

0:11:23.665,0:11:30.697
Dále se zde vyskytuje parametrický soubor s označením INPUT_PARAMETERS_FILE

0:11:30.697,0:11:38.662
a nejdůležitější soubor, který nám umožňuje spustit program script_GONE.sh.

0:11:38.662,0:11:46.194
Jak již bylo řečeno, program GONE podporuje vstupní data ve formátu plink,

0:11:46.194,0:11:50.693
to jest soubory s koncovkou .ped a .map.

0:11:50.693,0:12:06.123
Genomická data je možné kódovat dvojím způsobem vždy v bialelickém formátu a to jak kódy 1 a 2 či AGCT podle dusíkatých bází.

0:12:06.123,0:12:15.688
Program GONE má jediné omezení na data a to, že na chromozom je možné akceptoval 1 mil. SNP

0:12:15.688,0:12:21.154
a maximálně 10 mil. SNP na celý genom.

0:12:21.154,0:12:32.818
Z pohledu počtu jedinců jsou omezení taková, že počet jedinců by se měl pohybovat mezi 2 až 188 jedinci.

0:12:32.818,0:12:42.783
Avšak pro odhady s dobrou spolehlivostí je vhodné zahrnout minimálně 20 - 24 jedinců.

0:12:42.783,0:12:49.082
Žádná další omezení na datové soubory v programu GONE nejsou.

0:12:49.082,0:12:55.614
Na snímku je uveden parametrický soubor s defaultním nastavením.

0:12:55.614,0:13:02.579
Zvýrazněné jsou nejdůležitější parametry, které je vhodné před analýzou ověřit.

0:13:02.579,0:13:08.044
Prvním parametrem je určení, zda jsou data fázovaná či ne.

0:13:08.044,0:13:18.876
U analýz je doporučováno použití fázovaných vstupních dat, které poskytují přesnější odhady efektivní velikosti populace.

0:13:18.876,0:13:26.108
Avšak je vhodné zvážit přesnost fázování u souborů s malým počtem jedinců.

0:13:26.108,0:13:39.905
U souborů s malým počtem jedinců může docházet vlivem fázování k vyššímu výskytu „šumu“, který ovlivňuje konečné odhady efektivní velikosti populace.

0:13:39.905,0:13:52.536
Dalším parametrem je rekombinační poměr, pro přesnější odhady je vhodné uvádět skutečné rekombinační poměry dané populace.

0:13:52.536,0:14:07.466
Avšak z minulých analýz vyplývá, že toto defaultní nastavení poskytuje dostatečně přesné odhady efektivní velikosti populace pro sledované datové soubory.

0:14:07.466,0:14:13.765
Posledním parametrem je nastavení frekvence minoritní alely.

0:14:13.765,0:14:26.162
V ostatních populačních analýzách či jiných počítačových programech, je doporučováno  nastavení frekvence minoritní alely větší než 0,05.

0:14:26.162,0:14:39.093
Avšak v tomto programu při odstranění fixovaných alel, dochází k ztrátě informací o vazebné nerovnováze a odhady nejsou již tak přesné.

0:14:39.093,0:14:49.424
Proto je doporučováno využít toto defaultní nastavení, kdy jsou akceptovány všechny minoritní alely.

0:14:52.090,0:14:58.256
Program GONE je spouštěn z příkazového řádku

0:14:58.256,0:15:06.588
a program se spouští zadáním uvedeného příkladu, kdy poslední výraz „example“ představuje název datových souborů s genotypy,

0:15:06.588,0:15:14.753
zde pojmenováno jako example a uvádí se bez koncovky .ped či .map.

0:15:14.753,0:15:21.885
Pro odhady efektivní velikosti populace je vhodné využít následující postupy.

0:15:21.885,0:15:31.816
Program využívá maximální počet SNP na chromosom 100 000 s defaultním nastavením 50 000 SNP.

0:15:31.816,0:15:41.847
Při nižším počtu SNP zahrnutých do analýzy, jsou do odhadu efektivní populace zahrnuty všechny SNP.

0:15:41.847,0:15:51.179
V případě, že se v datových souborech vyskytuje více než 50 000 SNP, jsou SNP vybírány náhodně.

0:15:51.179,0:16:03.910
Toho je možné využít pro odhad konfidenčních intervalů efektivní velikosti populace, kdy se program pouští opakovaně s náhodným výběrem SNP.

0:16:03.910,0:16:17.174
Je potřeba si zdůraznit, aby analýzy byly spouštěny postupně, protože náhodný výběr SNP je založen na náhodném vygenerování počátečního „semínka“,

0:16:17.174,0:16:22.339
které se generuje funkcí časových hodin počítače.

0:16:22.339,0:16:30.938
Na tomto snímku je znázorněn odhad konfidenčního intervalu efektivní velikosti populace

0:16:30.938,0:16:36.170
při 100 náhodných výběrech SNP při 100 bězích programu.

0:16:36.170,0:16:49.800
Pro odhad efektivní velikosti populace je pak doporučováno brát jako medián z těchto 100 běhů – v tomto případě označeno modře.

0:16:49.800,0:16:57.732
Pro doplnění je na tomto snímku uvedena i střední hodnota jednotlivých odhadů, která je označena černě.

0:17:00.298,0:17:08.130
Dalším doporučením je úprava počtu generací, pro které je odhadována historická efektivní velikost populace.

0:17:08.130,0:17:16.529
Defaultním nastavením programu GONE je až na 2000 generací, avšak u středně denzitních čipů

0:17:16.529,0:17:27.893
čipy s počtem SNP kolem 50 000, je doporučováno z důvodu přesnosti odhadu uvažovat pouze maximálně 100 generací do minulosti.

0:17:27.893,0:17:39.391
Například u koní, kde je generační interval roven 10 letům, zmíněných 100 generací představuje interval 1000 let do minulosti.

0:17:39.391,0:17:52.555
Toto představuje velkou časovou vzdálenost, protože kulturní hospodářská plemena se začala utvářet přibližně před 200 lety.

0:17:52.555,0:18:05.276
Na tomto snímku je opět znázorněn odhad historické efektivní velikosti populace s předpovědí na již zmíněných100 generací do minulosti.

0:18:05.276,0:18:13.417
Z výsledků vyplývá, že konfidenční interval se s čím dál větší vzdáleností do minulosti zvětšuje.

0:18:13.417,0:18:27.115
Dále jsme se zaměřili na případovou studii - dhad současné a historické efektivní velikosti populace ovcí a koz v České a Slovenské repulbice.

0:18:27.115,0:18:37.879
Jak již bylo řečeno v této případové studii se budeme zabývat odhadem současné efektivní velikosti populace

0:18:37.879,0:18:48.879
a historické efektivní velikosti populace u vybraných plemen ovcí a koz chovaných na území České a Slovenské republiky.

0:18:48.879,0:18:59.041
Do analýzy současné a historické efektivní velikosti populace jsou z důvodu ověření vlivu promíšenosti plemen tzv. admixie

0:18:59.041,0:19:10.000
zahrnuty rozdílné typy plemen a to plemena autochtoní a také mezinárodní plemena a kříženci.

0:19:10.000,0:19:15.000
Ty jsou na snímku označeni šedivě a modře.

0:19:15.000,0:19:25.000
Na základě předchozí studie byly využity pro odhad efektivní velikosti populace tři počítačové programy

0:19:25.000,0:19:36.000
a to NeEstimator v.2, který patří v poslední dekádě mezi nejpoužívanější programy pro odhad efektivní velikosti populace.

0:19:36.000,0:19:52.000
Mezi jeho přední výhody patří schopnost odhadu efektivní velikosti populace jak na základě mikrosatelitních dat tak na základě genomických SNP údajů,

0:19:52.000,0:20:03.000
schopnost odhadu konfidenčních intervalů pro jednotlivé odhady a univerzálnost použití programu pro všechny typy počítačových systémů.

0:20:03.000,0:20:10.000
Mezi nevýhody tohoto softwaru však patří velká časová náročnost odhadu,

0:20:10.000,0:20:23.000
zvlášť u rozsáhlých datových souborů a skutečnost že u datových souborů s malým počtem jedinců, které byly náhodně vybrány z velké populace,

0:20:23.000,0:20:30.000
může docházet často k odhadu nekonečného počtu efektivní velikosti populace.

0:20:30.000,0:20:36.000
Dalšími použitými programy byl program GONE a CurrentNe.

0:20:36.000,0:20:50.000
Tyto programy pracují pouze s genomickými SNP daty a jsou navrženy pouze pro systémy iOS a Linux.

0:20:50.000,0:20:56.000
Program GONE navíc umožňuje odhad historické efektivní velikosti populace.

0:20:56.000,0:21:10.000
Program GONE pro odhad současné efektivní velikosti populace na rozdíl od programu NeEstimator není nijak výrazně ovlivněn předchozí promíšeností populace.

0:21:10.000,0:21:22.000
Vliv promíšenosti populace, tzv. admixie se však u tohoto programu projevuje u odhadu historické efektivní velikosti populace.

0:21:22.000,0:21:33.000
Program CurrentNe navíc umožňuje zohlednit výši příbuzenských vztahů v analyzovaných datových souborech.

0:21:33.000,0:21:51.000
Tato výhoda však u většiny populačních studií není moc uplatnitelná, protože se do analýzy většinou při těchto studií zahrnují náhodně vybraní jedinci s ohledem na jejich nejnižší míru příbuznosti.

0:21:57.00,0:22:03.000
Na následujících třech snímkách jsou reprezentovány jednotlivé odhady současné efektivní velikosti populace pomocí třech testovaných programů.

0:22:03.000,0:22:10.000
Výsledky jsou rozděleny podle datových souborů a větší datové soubory

0:22:10.000,0:22:13.000
jsou reprezentované povětšinou plemeny ovcí,

0:22:13.000,0:22:18.000
dále soubory s menším počtem jedinců, reprezentované plemeny koz,

0:22:18.000,0:22:26.000
a na závěr jsou uvedeny populace kříženců a syntetická plemna ovcí a plemeno texel,

0:22:26.000,0:22:37.000
jehož datový soubor obsahuje pouze 5 jedinců a je použito pro testování schopnosti programů pracovat s malými soubory.

0:22:37.000,0:22:49.000
Z této první tabulky vyplývá, že program NeEstimator poskytoval u větších  souborů sice nižší odhady efektivní velikosti populace

0:22:49.000,0:22:58.000
než ostatní programy, ale na základě odhadnutých konfidenčních intervalů jsou tyto rozdíly neprůkazné.

0:22:58.000,0:23:04.000
Zbylé dva programy vykazovaly ve většině případů odhady velmi podobné.

0:23:04.500,0:23:16.000
U méně početných souborů, které jsou zde reprezentovány plemeny koz, jsou již rozdíly mezi programy výraznější.

0:23:16.000,0:23:28.000
Dokonce byly získány i signifikantní rozdíly mezi odhady, kdy ani u konfidenčních intervalů nedocházelo k překryvu hodnot.

0:23:28.000,0:23:40.000
Z výsledků odhadu efektivní velikosti populace pro křížence a syntetické populace, kam patří Slovenská mléčná ovce,

0:23:40.000,0:23:51.000
je zřejmé, že odhady programu NeEstimator pro současnou populaci jsou ovlivněny výskytem přimíšenosti (admixie) genů.

0:23:51.000,0:24:02.000
Také u souboru s výrazně malým počtem jedinců, který je zde reprezentován plemenem texel, jsou odhady programem NeEstimator nepoužitelné,

0:24:02.000,0:24:08.000
protože byla odhadnuta jako nekonečně velká efektivní velikost populace.

0:24:08.000,0:24:13.000
U ostatních dvou programů jsou odhady akceptovatelné,

0:24:13.000,0:24:19.000
i když je potřeba přihlédnout k výrazně velkým konfidenčním intervalům,

0:24:19.000,0:24:30.000
zejména pro program CurrentNe, které vykazují malou spolehlivost odhadu efektivní velikosti populace pro toto plemeno.

0:24:30.000,0:24:42.000
Z pohledu odhadu historické velikosti populace a vlivu promíšenosti genů neboli admixie na tyto odhady,

0:24:42.000,0:24:53.000
byly populace opět rozděleny podle úrovně očekávané promíšenosti (admixie) na skupiny plemen s očekávaným malým promíšením,

0:24:53.000,0:24:57.000
výsledky těchto plemen jsou uvedeny na tomto snímku,

0:24:57.000,0:25:03.000
a na plemena u kterých se očekává velká míra promíšenosti,

0:25:03.000,0:25:08.000
výsledky těchto plemen jsou uvedeny na následujícím snímku.

0:25:08.000,0:25:14.000
Z tohoto snímku, to znamená pro plemena s malou mírou promíšenosti,

0:25:14.000,0:25:22.000
je zřejmý pokles velikosti efektivní velikosti populace během uvedených 40 generací.

0:25:22.000,0:25:28.000
Nejvýraznější pokles je prezentován před přibližně 6 generacemi.

0:25:28.000,0:25:36.000
Při uvažování hodnoty generačního intervalu u sledovaných plemen přibližně 4-5 let,

0:25:36.000,0:25:42.000
tak se dostáváme na přelom 90. let minulého století.

0:25:42.000,0:25:51.000
V tomto období představovalo velmi turbulentní období pro chov malých přežvýkavců ve sledované lokalitě,

0:25:51.000,0:25:56.000
které ovlivnilo výrazný pokles početních stavů těchto plemen.

0:25:56.000,0:26:11.000
Avšak u plemen, u kterých se očekávala vyšší míra promíšenosti, zde reprezentováno například užitkovými kříženci či syntetickým plemenem, byly odhadnuty velmi rozdílné výsledky.

0:26:11.000,0:26:22.000
Ze snímku vyplývá, že přítomnost promíšenosti v analyzovaných populacích je možné odhadnout z těchto výsledků.

0:26:22.000,0:26:32.000
Vysoký stupeň promíšenosti se u historických odhadů efektivní velikosti populace projevuje velmi odlišným průběhem.

0:26:32.000,0:26:40.000
Vysoká míra promíšenosti se projevuje prudkým až strmým nárůstem efektivní velikosti populace,

0:26:40.000,0:26:48.000
který je u klasické populace nereálný a je zřetelně vidět na tomto snímku.

0:26:48.000,0:26:57.000
U analyzovaných pleman koz byly odhadnuté podobné trendy efektivní velikosti populace jako u plemen ovcí.

0:26:57.000,0:27:03.000
Na snímku jsou patrné dva výrazné výskyty genetického driftu. 

0:27:03.000,0:27:12.000
První v rozmezí 8-9 generací a druhý v rozmezí 23-26 generací.

0:27:12.000,0:27:22.000
Tyto výskyt genetického driftu opět, podobně jako u plemen ovcí, odpovídají historickému vývoji daných plemen.

0:27:22.000,0:27:35.000
Závěrem z případové studie vyplynulo, že testované počítačové programy jsou použitelné pro odhad efektivní velikosti populace

0:27:35.000,0:27:37.000
na základě genomických dat.

0:27:37.000,0:27:45.000
Jednoltivé programy mají určité výhody a nevýhody, které byly reprezentované v této případové studii.

0:27:45.000,0:27:59.000
V prorovnání jednotlivých počítačových programů vychází opět program GONE jako nejvhodnější a nejuniverzálnější program pro předpověď efektivní velikosti populace.

0:27:59.000,0:28:18.000
V této prezentaci jsme se zaměřili na možnosti a postupy pro odhad efektivní velikosti populace jak současné, tak historické s využitím genomických dat.

0:28:18.000,0:28:22.000
Děkuji Vám za pozornost.