
تعداد نشریات | 13 |
تعداد شمارهها | 626 |
تعداد مقالات | 6,517 |
تعداد مشاهده مقاله | 8,746,422 |
تعداد دریافت فایل اصل مقاله | 8,317,274 |
پارامترهای ژنتیکی واریانس باقیمانده برخی صفات وزن بدن در بره های سنگسری | ||
نشریه پژوهش در نشخوار کنندگان | ||
دوره 11، شماره 4، دی 1402، صفحه 93-108 اصل مقاله (1.1 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/ejrr.2023.21398.1898 | ||
نویسنده | ||
جمشید احسانی نیا* | ||
استادیار، گروه کشاورزی، مجتمع آموزش عالی میناب، دانشگاه هرمزگان، بندرعباس، ایران | ||
چکیده | ||
سابقه و هدف: بیشتر برنامه های انتخاب و اصلاح نژاد در گوسفند بر بهبود صفات وزن و رشد تمرکز دارند. یکنواختی وزن بدن یکی از صفات مهم اقتصادی در صنعت پرورش گوسفند است. وزن تولد صفتی است که حد بهینه آن مناسب بوده و وزن تولد بسیار بالا و یا بسیار کم نامطلوب است زیرا ممکن است باعث مشکلاتی مانند سختزایی، مردهزایی و کاهش قدرت رشد برهها شود. شرط لازم برای بهبود این صفت از طریق اصلاح نژاد وجود تنوع ژنتیکی برای واریانس باقیمانده است. مطالعات اخیر نشان دادهاند که واریانس باقیمانده تحت کنترل اثرات ژنتیکی افزایشی است. از تنوع ژنتیکی واریانس باقیمانده میتوان برای افزایش یکنواختی صفات وزن بدن بهعنوان یک مزیت اقتصادی از طریق انتخاب بهره برد. تحقیق حاضر به منظور برآورد اجزای واریانس و پارامترهای ژنتیکی برای واریانس باقیمانده صفات وزن تولد و وزن شیرگیری در گوسفند نژاد سنگسری انجام شد. همچنین همبستگی ژنتیکی بین این صفات و واریانس باقیمانده آنها محاسبه شد. مواد و روشها: برای انجام این تحقیق از رکوردهای فنوتیپی 5986 رأس بره که طی سالهای 1365 تا 1395 در ایستگاه اصلاحنژاد گوسفند سنگسری جمعآوری شده بودند، استفاده شد. صفات مورد بررسی شامل وزن تولد و وزن شیرگیری و واریانس باقیمانده آنها بود. به منظور شناسایی اثر عوامل ثابت مؤثر بر صفات مورد بررسی و منظور کردن آنها در مدل، آنالیز حداقل مربعات با استفاده از رویه GLM نرمافزار SAS انجام شد. برآورد اجزای واریانس و پارامترهای ژنتیکی با استفاده از الگوریتم میانگین اطلاعات حداکثر درستنمایی محدود شده در نرمافزار DMU و با بهکارگیری روش مدلهای خطی تعمیم یافته دومرحلهای انجام شد. ابتدا یک مدل حیوان برازش شد تا واریانس باقیمانده صفات وزن تولد و وزن شیرگیری برآورد شود و سپس تأثیر اثرات ژنتیکی افزایشی بر روی واریانس باقیمانده صفات مورد مطالعه با استفاده از یک مدل دوصفته بررسی شد. یافتهها: انحرافمعیار ژنتیکی افزایشی برای واریانس باقیمانده وزن تولد و وزن شیرگیری بهترتیب 74/7 و 90/17 بود، به طوری که کاهش ارزش اصلاحی واریانس باقیمانده به میزان یک انحرافمعیار بهترتیب باعث 74/7 و 90/17 درصد افزایش در میزان یکنواختی صفات مذکور شد. برآوردهای وراثتپذیری برای بخش میانگین و واریانس باقیمانده وزن تولد و وزن شیرگیری به ترتیب 09/0 ± 26/0 و 003/0 ± 059/0 و 06/0 ± 23/0 و 001/0 ± 037/0 بودند. ضریب تنوع ژنتیکی برای واریانس باقیمانده وزن تولد و وزن شیرگیری بهترتیب 56/0 و 48/0 برآورد شد. همبستگی ژنتیکی از 16/0- برای وزن تولد و واریانس باقیمانده تا 11/0 برای وزن شیرگیری و واریانس باقیمانده تغییر کرد. نتیجهگیری: نتایج پژوهش حاضر اطلاعات مهمی در خصوص تنوع ژنتیکی افزایشی برای واریانس باقیمانده وزن تولد و وزن شیرگیری در گلههای گوسفند سنگسری ارائه میدهد که میتواند برای بهبود یکنواختی از طریق انتخاب برای واریانس باقیمانده کمتر استفاده شود. با توجه به همبستگی ژنتیکی مطلوب بین وزن تولد و واریانس باقیمانده ، انتخاب برای افزایش بهینه وزن تولد باعث کاهش ارزش اصلاحی واریانس باقیمانده و بهبود یکنواختی گله شد. برای وزن شیرگیری همبستگی ژنتیکی از نوع نامطلوب بود و انتخاب برای بهبود وزن شیرگیری غیر یکنواختی در گله را افزایش داد. | ||
کلیدواژهها | ||
گوسفند سنگسری؛ وزن بدن؛ تنوع ژنتیکی؛ واریانس باقیمانده؛ یکنواختی | ||
مراجع | ||
Agha, S., Mekkawy, W., Ibanez‐Escriche, N., Lind, C.E., Kumar, J., Mandal, A. & Doeschl‐Wilson, A. (2018). Breeding for robustness: Investigating the genotype‐by‐environment interaction and micro‐ environmental sensitivity of Genetically Improved Farmed Tilapia (Oreochromis niloticus). Animal Genetics, 49(5), 421-427. Argente, M.J., Calle, E.W., Garcia, M.L. & Blasco, A. (2017). Correlated response in litter size components in rabbits selected for litter size variability. Journal of Animal Breeding and Genetics, 134(6), 505-511. Bangar, Y.C., Magotra, A. & Yadav A.S. (2020). Estimates of covariance components and genetic parameters for growth, average daily gain and Kleiber ratio in Harnali sheep. Tropical Animal Health Production, 52(5), 2291-2296. Cottle, D.J., Gilmour, A.R., Pabiou, T., Amer, P.R. & Fahey, A.G. (2016). Genetic selection for increased mean and reduced variance of twinning rate in Belclare ewes. Journal of Animal Breeding and Genetics, 133(2), 126-137. Elgersma, G. G., de Jong, G., van der Linde, R. & Mulder, H. A. (2018). Fluctuations in milk yield are heritable and can be used as a resilience indicator to breed healthy cows. Journal of Dairy Science, 101(2), 1240-1250. Felleki, M., Lee, D., Lee, Y., Gilmour, A.R. & Rönnegård, L. (2012). Estimation of breeding values for mean and dispersion, their variance and correlation using double hierarchical generalized linear models. Genetics Research, 94(06), 307-317. Foxpro, Version 2.6. (1993). Holding, Inc., All right reserved, Patent Pendling. García‑Ballesteros, S., Villanueva, B., Fernández, J., Gutiérrez, J.B. & Cervantes., I. (2021). Genetic parameters for uniformity of harvest weight in Pacific white shrimp (Litopenaeus vannamei). Genetics Selection Evolution, 53, 26. Garreau, H., Bolet, G., Larzul, C., Robert-Granie, C., Saleil, G., SanCristobal, M. & Bodin, L. 2008. Results of four generations of a canalising selection for rabbit birth weight. Livestock Science, 119 (1-3), 55-62 Hill, W.G. & Mulder, H.A. (2010). Genetic analysis of environmental variation. Genetics Research, 92 (5-6), 381-395. Ibanez‐Escriche, N., Varona, L., Sorensen, D. & Noguera, J.L. (2008). A study of heterogeneity of environmental variance for slaughter weight in pigs. Animal, 2(1), 19-26. Iung, L.H.S., Carvalheiro, R., Neves, H.H.R. & Mulder, H.A. (2019). Genetics and genomics of uniformity and resilience in livestock and aquaculture species: A review. Journal of Animal Breeding and Genetics, 137(3), 263-280. Iung, L.H.S., Mulder, H.A., Neves, H.H.R. & Carvalheiro, R. (2018). Genomic regions underlying uniformity of yearling weight in Nellore cattle evaluated under different response variables. BMC Genomics, 19, 619. Iung, L.H.S., Neves, H.H.R., Mulder, H.A. & Carvalheiro, R. (2017). Genetic control of residual variance of yearling weight in Nellore beef cattle. Journal of Animal Science, 95(4):1425-1433. Janhunen, M., Kause, A., Vehviläinen, H. & Järvisalo, O. (2012). Genetics of microenvironmental sensitivity of body weight in rainbow trout (Oncorhynchus mykiss) selected for improved growth. PLoS ONE, 7(6): 1-8. Kasiriyan, M.M., Hafezian, S.H. & Hassani, N. (2011). Genetic polymorphism BMP15 and GDF9 genes in Sangsari sheep of Iran. International Journal of Genetic Molecular Biology, 3(1): 31-34. Kause, A., Janhunen, M., Vehvilainen, H., Koskinen, H. & Nousiainen, A. (2014). Improving uniformity of growth by mating and selection strategies in rainbow trout. In: Proceedings of 10th World Congress on Genetics Applied to Livestock Production. Latifi, M. and Mohammadi A. (2019). Estimation of genetic parameters of autosomal and sex-linked pre-weaning traits in Makuie sheep using multivariate analysis. Genetika, 51(2): 365-375. Madsen, M., Van der Werf, J., Börner, V., Mulder, H. & Clark, S. (2021). Estimation of macro-and micro-genetic environmental sensitivity in unbalanced datasets. Animal, 15(12): 100411. Marjanovic, J., Mulder, H.A., Khaw, H.L. & Bijma, P. (2016). Genetic parameters for uniformity of harvest weight and body size traits in the GIFT strain of Nile tilapia. Genetics Selection Evolution, 48(1), 41. Mulder, H.A., Bijma, P. & Hill, W.G. (2008). Selection for uniformity in livestock by exploiting genetic heterogeneity of residual variance. Genetics Selection Evolution, 40, 37-59. Mulder, H.A., Bijma, P. & Hill, W.G. (2007). Prediction of breeding values and selection responses with genetic heterogeneity of environmental variance. Genetics, 175(4), 1895-1910. Mulder, H.A., Gienapp, P. and Visser, M.E. (2016a). Genetic variation in variability: Phenotypic variability of fledging weight and its evolution in a songbird population. Evolution, 70(9): 2004-2016. Mulder, H.A., Hill, W.G., Vereijken, A. & Veerkamp, R.F. (2009). Estimation of genetic variation in residual variance in female and male broilers. Animal, 3: 1673-1680. Mulder, H.A., Rönnegård, L., Fikse, W.F., Veerkamp, R.F. & Strandberg, E. (2013). Estimation of genetic variance for macro‐ and micro‐environmental sensitivity using double hierarchical generalized linear models. Genetics Selection Evolution, 45 (1), 23. Mulder, H.A., Visscher, J. & Fablet, J. (2016). Estimating the purebred‐crossbred genetic correlation for uniformity of eggshell color in laying hens. Genetics Selection Evolution, 48(1): 39. Neves, H.H.R., Carvalheiro, R. & Queiroz, S.A. (2012). Genetic and environmental heterogeneity of residual variance of weight traits in Nellore beef cattle. Genetics Selection Evolution, 44(1): 19. Neves, H.H.R., Carvalheiro, R., Roso, V.M. & Queiroz, S.A. (2011). Genetic variability of residual variance of production traits in Nellore beef cattle. Livestock Science, 142 (1-3), 164-169. Rafo, M.A., Cuyabano, B.C.D., Rincent, R., Sarup, P., Moreau, L., Mary-Huard., T. & Jensen, J. (2023). Genomic prediction for grain yield and micro-environmental sensitivity in winter wheat. Frontiers in Plant Science, 13: 1-15. Rönnegård, L., Felleki, M., Fikse, F., Mulder, H.A. & Strandberg, E. (2010). Genetic heterogeneity of residual variance ‐ estimation of variance components using double hierarchical generalized linear models. Genetics Selection Evolution, 42(1): 8. Rönnegård, L., Felleki, M., Fikse, W.F., Mulder, H.A. & Strandberg, E. (2013). Variance component and breeding value estimation for genetic heterogeneity of residual variance in Swedish Holstein dairy cattle. Journal of Dairy Science, 96 (4): 2627-2636. Sae‐Lim, P., Gjerde, B., Nielsen, H.M., Mulder, H. & Kause, A. (2016). A review of genotype‐by‐environment interaction and micro‐environmental sensitivity in aquaculture species. Reviews in Aquaculture, 8 (4): 369-393. Sae‐Lim, P., Jakobsen, J.H. & Mulder, H.A. (2018). Uniformity in birth weight is heritable in Norwegian White Sheep. Proceedings of the World Congress on Genetics Applied to Livestock Production. Sae‐Lim, P., Kause, A., Janhunen, M., Vehviläinen, H., Koskinen, H., Gjerde, B. & Mulder, H.A. (2015). Genetic (co) variance of rainbow trout (Oncorhynchus mykiss) body weight and its uniformity across production environments. Genetics Selection Evolution, 47 (1): 46. Sae‐Lim, P., Kause, A., Lillehammer, M. & Mulder, H.A. (2017). Estimation of breeding values for uniformity of growth in Atlantic salmon (Salmo salar) using pedigree relationships or single‐step genomic evaluation. Genetics Selection Evolution, 49(1): 33. Sargolzaei, M., Iwaisaki, H. & Colleau, J.J. (2006). CFC: a tool for monitoring genetic diversity. In Proceedings of the 8th World Congress on Genetics Applied to Livestock Production, Belo Horizonte, Minas Gerais, Brazil, 13-18 August, 27-28: Instituto Prociência. SAS. (2008). SAS User’s Guide Version. 9.2., SAS Institute, Inc, Cary, NC. Sell-Kubiak, E., Bijma, P., Knol, E.F. & Mulder, H.A. (2015). Comparison of methods to study uniformity of traits: Application to birth weight in pigs. Journal of Animal Science, 93(3): 900-911. Sonesson, A.K., Ødegård, J. & Rönnegård, L. (2013). Genetic heterogeneity of within‐family variance of body weight in Atlantic salmon (Salmo salar). Genetics Selection Evolution, 45(1): 41. Vandenplas, J., Bastin, C., Gengler, N. & Mulder, H.A. (2013). Genetic variance in micro‐environmental sensitivity for milk and milk quality in Walloon Holstein cattle. Journal of Dairy Science, 96(9): 5977-5990. Wolc, A., White, I.M.S., Avendano, S. & Hill, W.G. (2009). Genetic variability in residual variation of body weight and conformation scores in broiler chickens. Poultry Science, 88: 1156-1161. Yoshida, G.M., Yáñez, J.M., de Oliveira, C.A.L., Ribeiro, R.P., Lhorente, J.P., Queiroz, S.A. & Carvalheiro, R. (2018). Mate selection allows changing the genetic variability of the progeny while optimizing genetic response and controlling inbreeding. Aquaculture, 495: 409-414. Zonuz, A., Alijani, S. & Rafat, S.A. (2019). Genetic heterogeneity of residual variance of hatch weight in Mazandaran native chicken. British Poultry Science, 60:366-372. | ||
آمار تعداد مشاهده مقاله: 226 تعداد دریافت فایل اصل مقاله: 195 |