تخمین چندصفتی فراسنجه های ژنتیکی وزن بدن و مصرف خوراک در جمعیت جوجه های گوشتی تجاری

چکیده مبسوط مقدمه و هدف: به‎دلیل انتخاب ژنتیکی برای سرعت رشد و بازده خوراک جوجه های گوشتی در پنج دهه اخیر بهبود ژنتیکی فوق العاده ای ثبت شده ‎است. با این‎حال، افزایش جمعیت جهانی انسان، افزایش تقاضا برای پروتئین حیوانی مقرون به‎صرفه، افزایش هزینه خوراک و ادامه مسائل زیست محیطی جهانی، هم‎چنان صنعت جوجه های گوشتی در مسیر رو به ‎رشد سریع و کارآمدی بیشتر است. به‎منظور بهبود بیشتر نرخ رشد و بازده خوراک جوجه‎های گوشتی، درک زمینه ژنتیکی سرعت رشد (وزن بدن) و بازده خوراک در جوجه‎های گوشتی امری ضروری است. لذا این مطالعه با اهداف برآورد همزمان فراسنجه‎های ژنتیکی وزن بدن (BW)، مصرف خوراک (FI)، افزایش وزن بدن  (Gain)در جوجه های گوشتی و محاسبه خوراک باقیمانده(RFI)  و برآورد فراسنجه‎های ژنتیکی آن انجام پذیرفت. مواد و روش‎ها: داده های ۴۵ نسل برای سرعت رشد در جوجه‎های گوشتی تجاری سویه راس شرکت آرتا جوجه سبلان استان اردبیل برای تجزیه و تحلیل جهت تخمین فراسنجه‎های ژنتیکی برای وزن بدن (BW)  در نرها و ماده ها در سه سن مختلف مورد استفاده قرار گرفتند. داده‎های وزن بدن در سه سن مختلف (روز t، روز t-۴ و روز t-۷) از هر دو جنس اندازه‎گیری شدند. اولین BW در روز t برای ۲۵ نسل ثبت شد، با این‎حال، با ادامه انتخاب، پرندگان شروع به رشد سریع تر می­ کنند و زودتر به وزن بدن مورد نظر می رسند، بنابراین، سن وزن گیری تغییر داده شد و BW در t-۴ و t-۷ ثبت شد. وزن بدن در نر و ماده و همچنین وزن بدن در دو سن به‎عنوان صفات جداگانه در هر یک از سه صفت در نظر گرفته شد. این امر منجربه ایجاد یک مدل ۱۲ صفتی برای BW، FI  و Gain در دو جنس و سه گروه سنی شد. صفت RFI  فنوتیپی (RFIP) از توزیع شرطی FI داده ­شده روی BW و Gain با استفاده از ضرایب رگرسیون فنوتیپی جزئی برآورد شد. به‎طور مشابه،RFI  ژنتیکی (RFIG) از توزیع شرطی FI داده شده روی BW و Gain با استفاده از ضرایب رگرسیون ژنتیکی جزئی برآورد شد. فراسنجه‎های ژنتیکی وزن بدن و کارایی خوراک با استفاده از تجزیه و تحلیل REML چند صفتی برآورد شدند. از این رو، جنسیت براساس اثر متقابل ژنوتیپ و همچنین سن براساس اثر متقابل ژنوتیپ برای  تمامی صفات BW، FI ، Gain  و RFI مورد بررسی قرارگرفت. همچنین، همبستگی های بین صفات تولیدی و صفات بازده خوراک برآورد شدند. یافته‎ها: در نرها، تخمین های وراثت پذیری BW به‎ترتیب ۰/۳۸، ۰/۳۴ و ۰/۲۹ در روزهای t-۷، t-۴ و t سن بودند، در حالی‎‎که در ماده‎ها، برآوردهای وراثت پذیری BW در روزهای  t-۷، t-۴ و t به‎ترتیب ۰/۴۱، ۰/۳۸ و ۰/۳۸ بودند. همبستگی ژنتیکی BW بین نرها و ماده‎ها در روزهای t-۷، t-۴ و t به‎ترتیب ۹۵/۰، ۸۹/۰ و ۸۹/۰ و همبستگی ژنتیکی BW بین سنین تفاوت معنی داری داشت. میانگین وراثت ‎پذیری FI و Gain متوسط بود و برآوردها در نر و ماده در سنین یکسان برای همه صفات به ‎طور معنی ‎ داری متفاوت بودند. علاوه ‎بر این، همبستگی ژنتیکی بین نر و ماده در همان سن به ‎طور معنی داری متفاوت از هم بود که نشان دهنده اثر متقابل ژنتیکی بر جنس برای صفات BW و FI  بود. میانگین تخمین ‎های وراثت ‎پذیریRFIP  به ‎طور قابل ‎توجهی بالاتر از RFIG در هر دو جنس و سه گروه سنی مختلف بود. علاوه‎بر این، همبستگی ژنتیکی بین RFIP و RFIG در سن t روز تفاوت معنی داری داشت، اما در سن t-۷ روزگی تفاوت معنی داری مشاهده نشد. برآوردهای وراثت پذیری صفات تولیدی و بازده خوراک در حد متوسط به ‎دست آمدند و بنابراین می‎توان با انتخاب ژنتیکی آن ها را اصلاح نمود. نتیجه‎گیری: نتایج تحلیل REML چندمتغیره در این مطالعه نشان می دهند که ارزیابی ژنتیکی برای صفات تولیدی BW و Gain و صفات بازده خوراک FI، RFIP و RFIG باید تفاوت های جنسیتی و سنی را در نظر بگیرد تا صحت انتخاب و افزایش ژنتیکی ارتقاء یابد. همبستگی های ژنتیکی بین RFI فنوتیپی و ژنتیکی در سنین پایین تر به هم نزدیک و به‎طور قابل توجهی باهم در سنین بالاتر متفاوت بودند، که نشان می دهد انتخاب با استفاده از هریک از آن‎ها در آن سن خاص جوان تر منجربه پاسخ ژنتیکی یکسان می شود.این نتایج برای توسعه مستمر استراتژی ها برای بهبود کارایی خوراک در پرورش و تولید جوجه های گوشتی مهم هستند. به ‎طور کلی، مدل‎ها و روش‎های آماری به‎کار گرفته شده و نتایج گزارش شده در این مطالعه را می‎توان با تغییرات اندکی به سایر گونه‎های طیور تعمیم داد، زیرا مرغ مدل اصلی برای همه گونه‎های پرندگان است.

Keywords:

Broiler chickens , Body weight , Feed intake , Genetic correlation , Heritability , Residual feed intake , جوجه گوشتی , مصرف خوراک , مصرف خوراک باقی‎مانده , وراثت ‎پذیری , وزن بدن , همبستگی ژنتیکی