برآورد پارامترهای ژنتیکی صفت بازده خوراک با استفاده از مدل رگرسیون تصادفی در گاوهای شیری
Publish place: Research on Animal Production، Vol: 15، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 28
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_RAP-15-4_007
Index date: 18 March 2025
برآورد پارامترهای ژنتیکی صفت بازده خوراک با استفاده از مدل رگرسیون تصادفی در گاوهای شیری abstract
چکیده مبسوط
مقدمه و هدف: با افزایش هزینههای خوراک و آشکارتر شدن اثرات زیست محیطی، افزایش جمعیت جهانی و تمرکز بیشتر بر پایداری، روش های بهبود بازده تبدیل خوراک گاوهای شیری به شیر، اهمیت فزایندهای یافته است. گاو کارآمد گاوی است که بههمان میزان که شیر و مواد جامد شیر تولید میکند، غذای کمتری مصرف کرده و سالم و بارور میماند. بنابراین، امکان کاهش هزینهها بدون کاهش تولید فراهم میشود. از طریق پیشرفتهای فناوری، اندازهگیری دقیق صفات مربوط به بازده خوراک، مانند مصرف ماده خشک، وزن بدن، مصرف خوراک باقیمانده و ترکیبات شیر بهراحتی در دسترس قرار گرفته است. لذا این پژوهش با هدف برآورد پارامترهای ژنتیکی صفت بازده خوراک و استراتژی های انتخاب بالقوه برای گنجاندن این صفت اقتصادی در برنامههای اصلاح نژادی، انجام گرفت.
مواد و روشها: در مطالعه حاضر از ۳۵۴۷۸ رکورد مصرف ماده خشک (DMI)، ۳۶۳۵۳ رکورد شیر اصلاح شده با انرژی (ECM)، ۲۷۸۹۶ رکورد وزن متابولیک بدن (MBW) و ۲۴۵۰۸ رکورد مصرف خوراک باقیمانده (RFI) از ۵۱۲۳ گاو هلشتاین اولین دوره شیردهی طی سالهای ۲۰۰۸ تا ۲۰۱۸ مرکز اصلاح نژاد کشور استفاده شد. علاوه بر این، گاوهایی با اولین زایش بیش از ۴۰ ماه از تجزیه و تحلیل حذف شدند. فایل شجره شامل اطلاعات تا ۱۰ نسل برای گاوهای فنوتیپ شده بود که در نتیجه فایل شجرهای با ۹۴۷۱ حیوان ایجاد شد که از این تعداد ۹۷۸ و ۳۵۷۷ حیوان بهترتیب پدر و مادر بودند. دادههای فنوتیپی ثبت شده از ۵ تا ۳۰۵ DIM برای ایجاد گروههای دوهفتهای شیردهی (Bi-WL) از تقسیم DMIبه ۱۴ (در مجموع ۲۱ کلاس Bi-WL) استفاده شد. دادههای اصلی در قالب رکوردهای روزانه (DMI و MBW)، هفتگی (ECM و MBW) و ماهانه (MBW) جمعآوری شدند. بنابراین، حیوانات باید حداقل دو رکورد برای DMI، ECM و MBW در Bi-WL معین داشته باشند. وراثتپذیری، مولفههای واریانس و همبستگیهای ژنتیکی بین هفتههای شیردهی در طول دوره شیردهی با استفاده از مدل رگرسیون تصادفی محاسبه شد. به منظور برآورد کوواریانس بین صفات از مدل حیوانی رگرسیون تصادفی دو صفتی استفاده شد. واریانسهای باقیمانده همگن برای تجزیه و تحلیل دو صفتی در نظر گرفته شد، تا همگرایی نتایج را ممکن کند. هر دو مدل تک و دو صفتی با استفاده از الگوریتم AIREML توسط WOMBAT تجزیه و تحلیل شدند. همچنین ارزشهای اصلاحی برای ضرایب رگرسیون تصادفی با استفاده از روش BLUP توسط BLUPF۹۰ اجرا شد.
یافتهها: برآوردهای وراثتپذیری از ۰/۱۷ تا ۰/۴۱ برای مصرف ماده خشک، ۰/۲۸ تا ۰/۴۵ برای شیر تصحیح شده با انرژی، ۰/۴۸ تا ۰/۷۸ برای وزن متابولیک بدن و ۰/۱ تا ۰/۲ برای مصرف خوراک باقیمانده متغیر بود. برآوردهای وراثتپذیری برای RFI متوسط بود، از ۰/۲ در اولین کلاس Bi-WL تا ۰/۱۳ در آخرین کلاس Bi-WL با حداقل وراثتپذیری در کلاسهای ۱۴ و ۱۵ Bi-WL (۰/۱). تغییرات بین مراحل مختلف شیردهی برای RFI نیز مشاهده شد. همبستگیهای ژنتیکی برای RFI از ۰/۲۶ تا ۰/۹۹ متغیر بود. کمترین همبستگی بین اواسط شیردهی (کلاس ۵ تا ۱۱Bi-WL ؛ تقریبا ۷۰ تا ۱۵۴ DIM) و اواخر شیردهی (کلاس ۱۲ تا ۲۱Bi-WL ؛ تقریبا ۱۶۸ تا ۳۰۵ DIM) مشاهده شد. همبستگی های ژنتیکی درون صفتی بین هفته های شیردهی که نزدیک بههم بودند، برای تمام صفات مورد مطالعه قویتر بود. همبستگی ژنتیکی بین RFI و MBW از ۰/۶۴ در اوایل شیردهی تا ۰/۴۵- در اواخر شیردهی متغیر بود. آنالیز نسبت گاوهای نر مشترک برای ۱۰ درصد بالا در طول شیردهی نشان داد که گاوهای نری که بالاترین رتبه را برای RFI در اواسط شیردهی دارند، احتمالا در بین گاوهای نر برتر در سایر مقاطع شیردهی باقی بمانند. همچنین دوره بعد از اوج شیردهی یعنی روزهای ۱۴۰ تا ۲۲۶ شیردهی(کلاس ۱۰ تا ۱۹ Bi-WL) میتواند چارچوب خوبی برای انتخاب صفات بازده خوراک باشد.
نتیجهگیری: برای ارزیابی تاثیرات DMI، ECM و MBW هنگام انتخاب برای RFI، میانگین EBV برای همه صفات، بر اساس ۱۰ درصد گاوهای نر برتر برای RFI استفاده شد. مقادیرEBV ها از ۱۰ درصد گاوهای نر برتر برای RFI دارای ۲/۷۹ انحراف استاندارد کمتر از میانگین جمعیت بود، که نشان میدهد در صورت انتخاب این حیوانات، کاهش RFI (افزایش کارایی) در جمعیت انتظار میرود. انتخاب بر اساس RFI بهنفع حیوانات با مقادیر RFI پایینتر است. مقادیر منفی RFI نشان میدهد که حیوان بر اساس تولید و سایر عوامل تعدیل، خوراک کمتری از حد انتظار مصرف میکند. همبستگیهای ژنتیکی برآورد شده بین صفات در طول زمان نشان میدهد که مکانیسمهای متابولیکی بالقوه متفاوتی بین مراحل شیردهی فعال هستند. با توجه به تغییرات این همبستگیها در طول دوره شیردهی، مهم است که مراحل مختلف شیردهی را بهطور جداگانه در نظر بگیریم و در یک برنامه انتخابی همه صفات را بهطور همزمان وارد مدل نمائیم. درک رابطه بین DMI، MBW، ECM، RFI و صفاتی مانند تعادل انرژی و امتیاز وضعیت بدن برای یک رویکرد یکپارچه و موفق، جهت اصلاح نژاد صفت FE مهم است. همچنین حیوانات با پتانسیل ژنتیکی بالا برای تولید، تمایل به مصرف غذای بیشتری برای برآوردن نیازهای تولیدی بالای خود دارند. هدف از توجه به ناکارآمدی استفاده از خوراک، یک روش بالقوه برای بهبود کارایی مزرعه و در عین حال کاهش هزینه های تولیدکننده است.
برآورد پارامترهای ژنتیکی صفت بازده خوراک با استفاده از مدل رگرسیون تصادفی در گاوهای شیری Keywords:
Dairy Cows , Dry Matter Intake , Energy Corrected Milk , Feed Efficiency , Metabolic Body Weight , Residual Feed Intake , بازده خوراک , شیر اصلاح شده با انرژی , گاو شیری , مصرف ماده خشک , مصرف خوراک باقیمانده , وزن متابولیک بدن
برآورد پارامترهای ژنتیکی صفت بازده خوراک با استفاده از مدل رگرسیون تصادفی در گاوهای شیری authors
فاطمه علاء نوشهر
Department of Animal Sciences, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabi, Iran
رضا سید شریفی
Department of Animal Sciences, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabi, Iran
جمال سیف دواتی
Department of Animal Sciences, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran
نعمت هدایت ایوریق
Department of Animal Sciences, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran
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 :
