CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

کاربرد تجزیه ی مولفه های اصلی در ارزیابی ژنتیکی گاوهای شیری ایران

عنوان مقاله: کاربرد تجزیه ی مولفه های اصلی در ارزیابی ژنتیکی گاوهای شیری ایران
شناسه ملی مقاله: JR_ANIMAL-28-1_014
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:

اعظم اسمعیلی نوجه ده - گروه علوم دامی دانشگاه تبریز
صادق علیجانی - گروه علوم دامی دانشگاه تبریز
کریم حسن پور - گروه علوم دامی دانشگاه تبریز
آرش جوانمرد - گروه علوم دامی دانشگاه تبریز

خلاصه مقاله:
زمینه مطالعاتی: مدل رگرسیون تصادفی یکی از دقیق­ترین مدل­ها برای پیش­بینی ارزش اصلاحی، با استفاده از رکوردهای روزآزمون می­باشد. با این حال به کار بردن این مدل از نظر محاسباتی دشوار و زمان­بر است. هدف: تعیین اهمیت نسبی ارزش­های اصلاحی در روزهای مختلف شیردهی و برآورد مولفه های اصلی ژنتیکی برای ارزش­های اصلاحی صفات تولید شیر گاوهای هلشتاین ایران اهداف اصلی تحقیق حاضر می­باشند. روش کار: از رکوردهای روزآزمون تولید شیر، درصد چربی و درصد پروتئین دوره شیردهی اول گاوهای شیری هلشتاین (متولد سال­های ۱۳۶۷ تا ۱۳۹۴) که توسط مرکز اصلاح نژاد کشور جمع آوری شده بود، استفاده شد. برای صفات تولید شیر، درصد چربی و درصد پروتئین به­ترتیب از رکوردهای ۷۳۸۳۹، ۶۵۱۶۵ و ۴۶۸۸۱ راس گاو، از ۲۳۰ گله که در شجره خود دارای ۱۷۶۳۹۰ راس گاو بود، استفاده شد. پارامترهای ژنتیکی این صفات با استفاده از مدل رگرسیون تصادفی و توسط GIBSS۳F۹۰ برآورد شد. سپس ماتریس همبستگی بین ارزش­های اصلاحی به دست آمده در روزهای مختلف شیردهی محاسبه گردید. در ادامه، مولفه­های اصلی ژنتیکی از ارزش­های اصلاحی توسط رویه PRINCOMP نرم­افزار SAS به­دست آمد. نتایج: ماتریس همبستگی ژنتیکی بین ارزش­های اصلاحی پیش بینی شده در روزهای مختلف نشان می­دهد که ارزش­های اصلاحی در اواسط دوره شیردهی برای تمامی صفات همبستگی بالایی دارند. با استفاده از تجزیه­ی مولفه­های اصلی برای ارزش­های اصلاحی مشاهده شد که دو مولفه­ی اصلی اول درصد بالایی از واریانس ژنتیکی کل را تبیین می­کنند. برای صفت تولید شیر اولین مولفه­ی اصلی ۴۸/۹۹ درصد و برای صفات درصد چربی و درصد پروتئین به ترتیب ۱۹/۹۸ درصد و ۱۰۰ درصد از واریانس کل ژنتیکی توسط دو مولفه اصلی اول تبیین شد. نتیجه­گیری نهایی: در جهت کاهش هزینه­های رکوردبرداری و با در نظر گرفتن همبستگی بالای بین ارزش­های اصلاحی به­نظر می­رسد، پیش­بینی ارزش­های اصلاحی برای کل روزهای آزمون ضرورتی ندارد. بنابراین می­توان روی رکوردبرداری در روزهایی که با مولفه­های اصلی ارتباط بالایی نشان می­دهند، تمرکز نمود.

کلمات کلیدی:
رگرسیون تصادفی, ژنتیک, مولفه اصلی, همبستگی ژنتیکی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1212733/