تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,102,138 |
تعداد دریافت فایل اصل مقاله | 97,208,668 |
تعیین شاخص انتخاب اقتصادی برای صفات رشد در سیستم پرورش نیمه متمرکز بز مرخز شاخصهای انتخاب اقتصادی در سیستم پرورش سنتی بز مرخز | ||
علوم دامی ایران | ||
دوره 55، شماره 2، تیر 1403، صفحه 349-366 اصل مقاله (1.99 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijas.2023.362055.653954 | ||
نویسندگان | ||
فرهاد حسین زاده شیرذیلی1؛ ساحره جوزی شکالگورابی* 2؛ مهدی امین افشار3؛ محمد رزم کبیر4 | ||
1گروه علوم دامی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. | ||
2گروه علوم دامی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران | ||
3گروه علوم دامی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران | ||
4گروه علوم دامی، دانشکده کشاورزی، دانشگاه کردستان، سنندج، ایران. | ||
چکیده | ||
هدف این پژوهش مطالعهی شاخصهاى انتخاب اقتصادى براى افزایش اوزان بدن در بز مرخز میباشد. صفات وزن بدن در سنین مختلف (تولد، شیرگیری، 6 ماهگی و 9 ماهگی) در چندین شاخص انتخاب دو صفتی و سه صفتی قرار گرفتند. پارامترهای ژنتیکی با نرمافزار MTGSAM و روش آماری بیزی برآورد شدند. آنالیزهای مربوط به شاخص انتخاب با نرمافزار SelAction انجام گرفت. نتایج مقایسات شاخصهای سه صفتی نشان داد بیشترین رشد اقتصادی کل در شاخص انتخاب معادل 86/4 دلار بود (شاخص 9I). علاوهبراین پاسخ اقتصادى کل در شاخص انتخاب دو صفتی (شاخص 4I ) با 94/3 دلار بیش از 5 شاخص دوصفتی دیگر بدست آمد. بیشترین پیشرفت ژنتیکی مستقیم حاصل از شاخصهای سه صفتی در وزن 9 ماهگی حدود 63/0 کیلوگرم پیشبینی شد (شاخصهای 8I و 9I). بیشترین پیشرفت ژنتیکی مستقیم حاصل از شاخصهای دو صفتی نیز در وزن 9 ماهگی برابر با 66/0 کیلوگرم پیشبینی شد (شاخص 3I). با مطالعهی اثر بولمر (کاهش واریانس و وراثتپذیری بر اثر انتخاب) در پیش بینیهای این مطالعه، مشخص شد که مقدار واریانس فنوتیپی، وراثتپذیری و همبستگی صفات بعد از انتخاب کاهش یافته و میزان این کاهش تحت تاثیر مقدار واریانس فنوتیپی/ ژنتیکی، وراثتپذیری اولیه در جمعیت، شدت انتخاب در هر صفت، انتخاب مستقیم یا غیرمستقیم و تعداد صفت در شاخص انتخاب قرار دارد. درنتیجه برای حداکثرسازی سود اقتصادی کل، دو شاخص انتخاب 9I و4I در شرایط جمعیت بز مرخز حاضر پیشنهاد میگردد. اما برای حفظ واریانس فنوتیپی و ژنتیکی صفات لازم است به استراتژیهایی مانند شدت انتخاب، ضرایب اقتصادی صفات، انتخاب غیرمستقیم و افزایش تعداد صفت در شاخص انتخاب توجه بیشتری داشت. | ||
کلیدواژهها | ||
بز مرخز؛ شاخص انتخاب؛ سود اقتصادی؛ اثر بولمر | ||
مراجع | ||
Al-Khaza’leh, J, Reiber, C, Al-Baqain, R & Valle, ZA. (2015). A comparative economic analysis of goat production systems in Jordan with an emphasis on water use Livestock Research for Rural Development, 27(5). http://www.lrrd.org/lrrd27/5/khaz27081.html. Allier, A, Lehermeier, C, Charcosset, A, Moreau, L & Teyssèdre, S. (2019). Improving Short- and Long-Term Genetic Gain by Accounting for Within-Family Variance in Optimal Cross-Selection. Frontiers in Genetics, 10(X), 1006. https://doi.org/10.3389/fgene.2019.01006. Asroush, F, Mirhoseini, SZ, Badbarin, N, Seidavi, A, Tufarelli, V, Laudadio, V, Dario, C & Selvaggi, M. (2018). Genetic characterization of Markhoz goat breed using microsatellite markers. Archive of Animal Breeding, 61(4), 469-73. https://doi.org/10.5194/aab-61-469-2018. Bett, RC, Kosgey, IS, Bebe, BO & Kahi, AK. (2007). Breeding goals for the Kenya dual purpose goat. II. Estimation of economic values for production and functional traits. Trop Anim Health Prod, 39(7), 467-75. http;//doi.org/10.1007/s11250-007-9013-5. Biscarini, F, Nicolazzi, EL, Stella, A, Boettcher, PJ & Gandini, G. (2015). Challenges and opportunities in genetic improvement of local livestock breeds. Frontiers in Genetics, 6 http;//doi.org/10.3389/fgene.2015.00033. Burns, JG, Eory, V, Butler, A, Simm, G & Wall, E. (2022). Review: Preference elicitation methods for appropriate breeding objectives. Animal, 16(6), 100535. https://doi.org/10.1016/j.animal.2022.100535. Cavanaugh J.E. & Neath A.A. (2019) The Akaike information criterion: Background, derivation, properties, application, interpretation, and refinements. WIREs Computational Statistics 11, e1460. https://doi.org/10.1002/wics.1460 Conington, J, Bishop, SC, Grundy, B, Waterhouse, A & Simm, G. (2001). Multi-trait selection indexes for sustainable UK hill sheep production. Animal Science, 73(3), 413-23. https://doi.org/10.1017/S1357729800058380. Dostál, Z & Pospíšil, L. (2018). Conjugate gradients for symmetric positive semidefinite least-squares problems. International Journal of Computer Mathematics, 95(11), 2229-39. https://doi.org/10.1080/00207160.2017.1371701. Du, M, Bernstein, R, Hoppe, A & Bienefeld, K. (2021). Short-term effects of controlled mating and selection on the genetic variance of honeybee populations. Heredity, 126(5), 733-47. https://doi.org/10.1038/s41437-021-00411-2. Dubeuf, JP & Boyazoglu, J. (2009). An international panorama of goat selection and breeds. Livestock Science, 120(3), 225-31. https://doi.org/10.1016/j.livsci.2008.07.005 Falconer, D & Mackay, TF (1996) Introduction to quantitative genetics. . Harlow, UK: Longmans. Gunia, M, Mandonnet, N, Arquet, R, Alexandre, G, Gourdine, JL, Naves, M, Angeon, V & Phocas, F. (2013). Economic values of body weight, reproduction and parasite resistance traits for a Creole goat breeding goal. Animal, 7(1), 22-33. https://doi.org/10.1017/s1751731112001413. Hazel, LN, Dickerson, GE & Freeman, AE. (1994). The Selection Index—Then, Now, and for the Future. Journal of Dairy Science, 77(10), 3236-51. https://doi.org/10.3168/jds.S0022-0302(94)77265-9. Hill, WG & Mackay, TFC. (2004). D. S. Falconer and Introduction to Quantitative Genetics. Genetics, 167(4), 1529-36. https://doi.org/10.1093/genetics/167.4.1529. Hubert de Rochambeau., Florence Fournet-Hanocq. & Khang, JVT. (2000). Measuring and managing genetic variability in small populations. Annual Zoo Technology, 49(2), 77-93 https://doi.org/10.1051/animres:2000109 Kargar Borzi, N, Ayatollahi Mehrgardi, A, Asadi Fozi, M & Vatankhah, M. (2017). Determining the appropriate selection index for Rayeni Cashmere goat under pasture-based production system. Animal Production Science, 58(9). http://dx.doi.org/10.1071/AN16570. Kargar Borzi, N, Mehrgardi, A & Abassi, MA. (2017). Breeding Objectives and Desired-Gain Selection Index for Rayeni Cashmere Goat in Pasture System. Iranian Journal of Applied Animal Science, 7(4), 631-6 Kargar Borzi, N & Mokhtari, MS. (2020). The Comparison of Four Economical Selection Indices for Improving the Performance of Kermani Sheep under Rural Production System. Iranian Journal of Applied Animal Science, 10(4), 631-7 Kheirabadi, K & Rashidi, A. (2016). Genetic description of growth traits in Markhoz goat using random regression models. Small Ruminant Research, 144(X), 305-12. https://doi.org/10.1016/j.smallrumres.2016.10.003. LE CORRE, V & KREMER, A. (2012). The genetic differentiation at quantitative trait loci under local adaptation. Molecular Ecology, 21(7), 1548-66. https://doi.org/10.1111/j.1365-294X.2012.05479.x. Lobo, R, Facó, O, Lobo, A & Villela, L. (2010). Brazilian goat breeding programs. Small Ruminant Research 89(149-54. 10.1016/j.smallrumres.2009.12.038. https://doi.org/10.1016/j.smallrumres.2009.12.038 Lopes, F, Borjas, A, Corrêa da Silva, M, Facó, O, Lôbo, R, Fioravanti, MC & McManus, C. (2012). Breeding goals and selection criteria for intensive and semi-intensive dairy goat system in Brazil. Small Ruminant Research, 106(2-3), 110–7. https://doi.org/10.1016/j.smallrumres.2012.03.011. Lopes, F, Corrêa da Silva, M, Miyagi, Es, Facó, O & McManus, C. (2013). Comparison of selection indexes for dairy goats in the tropics. Acta Scientiarum. Animal Sciences, 35(321-8. 10.4025/actascianimsci.v35i3.16049. Manaf Hosseini, A., 2004. Sheep breeding, Kimia gostar. Macedo, FL, Christensen, OF & Legarra, A. (2021). Selection and drift reduce genetic variation for milk yield in Manech Tête Rousse dairy sheep. JDS Communications, 2(1), 31-4. https://doi.org/10.3168/jdsc.2020-0010. 27.Meyer K. (1992) Variance components due to direct and maternal effects for growth traits of Australian beef cattle. Livestock Production Science 31, 179-204. https://doi.org/10.1016/0301-6226(92)90017-X Madsen, P & Jensen, J. (2008). A user’s guide to DMU. A package for analysing multivariate mixed models version, 6(X), 1-33 Madsen, P, Milkevych, V, Gao, H, Christensen, OF & Jensen, J (2014) DMU - A Package for Analyzing Multivariate Mixed Models in Quantitative Genetics and Genomics. Mrode, R (2014) Linear Models For The Prediction Of Animal Breeding Values. Mueller, JP, Getachew, T, Rekik, M, Rischkowsky, B, Abate, Z, Wondim, B & Haile, A. (2021). Converting multi-trait breeding objectives into operative selection indexes to ensure genetic gains in low-input sheep and goat breeding programmes. Animal, 15(5), 100198. https://doi.org/10.1016/j.animal.2021.100198. Nazari-Ghadikolaei, A, Mehrabani-Yeganeh, H, Miarei-Aashtiani, SR, Staiger, EA, Rashidi, A & Huson, HJ. (2018). Genome-Wide Association Studies Identify Candidate Genes for Coat Color and Mohair Traits in the Iranian Markhoz Goat. Frontiers in Genetics, 9(105), 1-15. https://doi.org/10.3389/fgene.2018.00105. Rashidi, A, Bishop, SC & Matika, O. (2011). Genetic parameter estimates for pre-weaning performance and reproduction traits in Markhoz goats. Small Ruminant Research, 100(2), 100-6. https://doi.org/10.1016/j.smallrumres.2011.05.013. Rashidi, A, Moradi Shahr Babak, M, Mirai Ashtiani, SR & Zandi, MB (1398) Estimation of the economic coefficients of important production traits in Markhz goat using the bio-economic model method. In: The Third Iranian Congress of Animal Sciences. (In Persian), Iran. Rutten, MJM, Bijma, P, Woolliams, JA & van Arendonk, JAM. (2002). SelAction: Software to Predict Selection Response and Rate of Inbreeding in Livestock Breeding Programs. Journal of Heredity, 93(6), 456-8. https://doi.org/10.1093/jhered/93.6.456. Sajjad, T (2012) Quantitative Genetic Application in the Selection Process for Livestock Production. In: Livestock Production (ed. by J. Khalid), p. Ch. 1. IntechOpen, Rijeka. Sadeghi-Sefidmazgi, A., Shahrbabak, M.M., Javaremi, A.N., Ashtiyani, S.R.M. and Eymer, P.R., 2012. Estimation of economic values and financial losses associated with dystocia for Holstein dairy cattle of Iran. Iranian Journal of Animal Science (IJAS), 42(4), pp.345-353. https://doi.org/10.1017/S1751731110001655 Sepulveda, B.J., Muir, S.K., Bolormaa, S., Knight, M.I., Behrendt, R., MacLeod, I.M., Pryce, J.E. and Daetwyler, H.D., 2022. Eating Time as a Genetic Indicator of Methane Emissions and Feed Efficiency in Australian Maternal Composite Sheep. Frontiers in Genetics, 13, p.883520. https://doi.org/10.3389/fgene.2022.883520 Scholtens, M, Lopez-Villalobos, N, Lehnert, K, Snell, R, Garrick, D & Blair, HT. (2020). Advantage of including Genomic Information to Predict Breeding Values for Lactation Yields of Milk, Fat, and Protein or Somatic Cell Score in a New Zealand Dairy Goat Herd. Animals 11(1). https://doi.org/10.3390/ani11010024. Sölkner, J, Grausgruber, H, Okeyo, AM, Ruckenbauer, P & Wurzinger, M. (2008). Breeding objectives and the relative importance of traits in plant and animal breeding: a comparative review. Euphytica, 161(1), 273-82. https://doi.org/10.1007/s10681-007-9507-2. Thompson, R & Meyer, K. (1986). A review of theoretical aspects in the estimation of breeding values for multi-trait selection. Livestock Production Science, 15(4), 299-313. https://doi.org/10.1016/0301-6226(86)90071-0. Tseveenjav, B, Garrick, DJ, Batjargal, E & Yondon, Z. (2020). Economic selection index to improve fiber quality in Mongolian Cashmere goats. Livestock Science, 232(103898. https://doi.org/10.1016/j.livsci.2019.103898. Van Grevenhof, EM, Van Arendonk, JA & Bijma, P. (2012). Response to genomic selection: the Bulmer effect and the potential of genomic selection when the number of phenotypic records is limiting. Genetic Selection Evolution, 44(1), 26. https://doi.org/10.1186/1297-9686-44-26. Vatankhah, M, Talebi, M & Bagheri, M. (2010). A Comparison of Breeding Objectives of Native Black Goat in Different Rearing Systems: 2. A Determination of the Economic Values. Iranian Journal of animal Science, 41(3), 193-201 Villanueva, B., Wray, N. R., & Thompson, R. (1993). Prediction of asymptotic rates of response from selection on multiple traits using univariate and multivariate best linear unbiased predictors. Animal Science, 57(1), 1-13. https://doi.org/10.1017/S0003356100006541 Ziadi, C, Muñoz-Mejías, E, Sánchez, M, López, MD, González-Casquet, O & Molina, A. (2021). Selection Criteria for Improving Fertility in Spanish Goat Breeds: Estimation of Genetic Parameters and Designing Selection Indices for Optimal Genetic Responses. Animals 11(2). https://doi.org/10.3390/ani11020409. | ||
آمار تعداد مشاهده مقاله: 203 تعداد دریافت فایل اصل مقاله: 236 |