بررسی اثر همخونی بر افزایش وزن روزانه و نسبت کلیبر در گوسفند نژاد مهربان
Publish place: Iranian Journal of Animal Science Research، Vol: 9، Issue: 1
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 294
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JASR-9-1_010
Index date: 15 March 2022
بررسی اثر همخونی بر افزایش وزن روزانه و نسبت کلیبر در گوسفند نژاد مهربان abstract
هدف از این پژوهش ارزیابی اثر همخونی بر افزایش وزن روزانه و نسبت کلیبر در گوسفند مهربان بود. اطلاعات داده ای (مشتمل بر ۶۵۵۰ رکورد) و شجره حیوانات مورد استفاده طی سال های ۱۳۷۴ تا ۱۳۹۰ به وسیله سازمان جهاد کشاورزی استان همدان جمع آوری شده بود. صفات مورد مطالعه شامل میانگین افزایش وزن روزانه از تولد تا شیرگیری (ADGa)، از شیرگیری تا شش ماهگی (ADGb)، از شیر گیری تا نه ماهگی (ADGc) و از شیر گیری تا یک سالگی (ADGd) و به طور متناظر نسبت های کلیبر مربوطه (KRa، KRb، KRcو KRd) بود. حیوانات با توجه به ضرایب همخونی به دست آمده از شجره به سه گروه دسته بندی شدند: گروه اول شامل حیوانات غیر همخون و گروه دوم و سوم شامل حیوانات همخون بودند. برای ویرایش داده ها از نرم افزار Foxpro، برای برآورد اثر همخونی بر صفات از نرم افزار SAS استفاده شد و افت همخونی به صورت رگرسیون خطی با استفاده از رویه Reg نرم افزارSAS محاسبه شد. روند معنی دار ضرایب رگرسیون ADGa، KRa، ADGb، KRb، ADGd و KRd از همخونی همه بره ها به ازای افزایش ۱% همخونی مشاهده شد. ضریب رگرسیون تمام صفات بجز KRc بر همخونی بره های تک قلو و صفات ADGa و KRa بر همخونی بره های دو قلو معنی دار بود. با توجه به جنس بره، ضریب رگرسیون تمام صفات بجز ADGc و ADGd بر همخونی بره های نر و ADGc و KRd بر همخونی بره های ماده معنی دار بود. نتایج این پژوهش نشان می دهد که همخونی بر میانگین افزایش وزن روزانه و نسبت کلیبر در گوسفند نژاد مهربان موثر بوده است و معنی دار و مثبت برآورد شد.
بررسی اثر همخونی بر افزایش وزن روزانه و نسبت کلیبر در گوسفند نژاد مهربان Keywords:
بررسی اثر همخونی بر افزایش وزن روزانه و نسبت کلیبر در گوسفند نژاد مهربان authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :