برآورد پارامترهای ژنتیکی نسبت های کلیبر و صفات رشد در گوسفند کردی
Publish place: Iranian Journal of Animal Science Research، Vol: 8، Issue: 2
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 213
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-8-2_013
Index date: 15 March 2022
برآورد پارامترهای ژنتیکی نسبت های کلیبر و صفات رشد در گوسفند کردی abstract
در این مطالعه از رکوردهای مربوط به صفات رشد گوسفندان نژاد کردی که طی سال های ۱۳۷۵ تا ۱۳۹۲ در ایستگاه پرورش و اصلاح نژاد گوسفند کردی واقع در شهرستان شیروان استان خراسان شمالی جمع آوری شده بود، برای تجزیه و تحلیل ژنتیکی صفات رشد استفاده گردید. صفات مورد بررسی شامل افزایش وزن روزانه و نسبت کلیبر در ۴ دوره زمانی (تولد تا از شیرگیری، از شیرگیری تا ۶ ماهگی، ۶ تا ۹ ماهگی و ۹ تا ۱۲ ماهگی) بود. مولفه های (کو) واریانس و پارامترهای ژنتیکی صفات مورد مطالعه با استفاده از روش حداکثر درست نمایی محدود شده و تحت ۶ مدل حیوانی مختلف با استفاده از نرم افزار WOMBAT برآوردید گردید. پس از برازش مدل های حیوانی مورد استفاده، مناسب ترین مدل برای هر صفت بر اساس شاخص اطلاعات آکایک انتخاب شد. بر اساس نتایج، وراثت پذیری مستقیم صفات افزایش وزن روزانه و نسبت کلیبر بر اساس بهترین مدل به ترتیب در دامنه ۱۱/۰ تا ۱۳/۰ و ۱۱/۰ تا ۲۳/۰ برآورد گردید. وراثت پذیری مادری و نسبت واریانس فنوتیپی ناشی از محیط دائمی مادری برای صفات قبل از شیرگیری به ترتیب ۱۱/۰ و ۰۴/۰(افزایش وزن روزانه) و ۰۶/۰ و ۱۲/۰ (نسبت کلیبر) به دست آمد. همبستگی ژنتیکی بین صفات افزایش وزن روزانه در دوره های مختلف در محدوده ۱۸/۰ تا ۵۷/۰ برآورد گردید. همبستگی های ژنتیکی بین صفات افزایش وزن روزانه و نسبت کلیبر در حد متوسط تا بسیار قوی برآورد شد. به نظر می رسد انتخاب برای نسبت کلیبر، ضمن افزایش سرعت رشد بره ها، باعث افزایش راندمان مصرف خوراک می شود.
برآورد پارامترهای ژنتیکی نسبت های کلیبر و صفات رشد در گوسفند کردی Keywords:
برآورد پارامترهای ژنتیکی نسبت های کلیبر و صفات رشد در گوسفند کردی authors
داوود علی ساقی
مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی
علیرضا شهدادی
دانشگاه فردوسی مشهد
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 :