دوره 16، شماره 3 - ( پاییز 1404 )
جلد 16 شماره 3 صفحات 12-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Irani B, Gholizadeh M, Hafezian H. (2025). Studying Autosomal and Sex-linked additive Genetic Effects on Egg Weight in Different Ages of Mazandaran Native Chickens. Res Anim Prod. 16(3), 1-12. doi:10.61882/rap.2025.1484
URL: http://rap.sanru.ac.ir/article-1-1484-fa.html
URL: http://rap.sanru.ac.ir/article-1-1484-fa.html
ایرانی بهمن، قلی زاده محسن، حافظیان حسن.(1404). مطالعه اثرات ژنتیکی افزایش اتوزومی و وابسته به جنس روی وزن تخم در سنین مختلف مرغ بومی مازندران پژوهشهاي توليدات دامي 16 (3) :12-1 10.61882/rap.2025.1484
بهمن ایرانی1، محسن قلی زاده*1 
، حسن حافظیان1
، حسن حافظیان1
1- گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
چکیده: (1097 مشاهده)
چکیده مبسوط
مقدمه و هدف: نژادهای مرغ بومی در طول زمان و بهتدریج تحت تأثیر انتخابهای مصنوعی و طبیعی توسعه یافتهاند که منجر به تنوع فنوتیپی گستردهای بین آنها شده است. مرغ بومی مازندران یکی از نژادهای پراهمیت مرغ بومی است که در شمال ایران و عمدتاً در استان مازندران پرورش مییابد. تخممرغ منبعی غنی از پروتئین با کیفیت بالا، چربی و ویتامینهای طبیعی است. برآورد دقیق و نااریب پارامترهای ژنتیکی برای تصمیمگیری در انتخاب در برنامه اصلاح نژادی که منجر به پیشرفت ژنتیکی مثبت در تولید تخم مرغ میشود بسیار ضروری است. روشهای ارزیابی ژنتیکی با استفاده از بهترین پیشبینی نااریب خطی (BLUP) معمولاً تحت وراثت اتوزومی انجام میشوند. با این حال، گزارشهایی وجود دارند که برخی از صفات با اهمیت اقتصادی تحت وراثت کروموزومی جنسی هستند که باید در ارزیابی ژنتیکی در نظر گرفته شود. گزارش شده است که نادیده گرفتن مؤلفههای ژنتیکی وابسته به جنس میتواند منجر به کاهش دقت ارزیابی ژنتیکی شود. در مطالعه حاضر، با استفاده از داده های فنوتیپی و شجرهای مرغ بومی مازندران، مولفه های واریانس و پارامترهای ژنتیکی با در نظر گرفتن اثرات ژنتیکی غیر افزایشی در مدلهای مختلف ژنتیکی بررسی شدند که میتواند مبنایی برای اصلاح نژاد مرغ بومی مازندران باشد.
مواد و روشها: دادههای فنوتیپ و شجرهای مورد استفاده در این مطالعه در مرکز اصلاح نژاد مرغ بومی مازندران واقع در استان مازندران جمعآوری شدند. شجره با استفاده از نرمافزار CFC بررسی و خطاهای احتمالی شناسایی و تصحیح شدند. صفات مورد مطالعه شامل EW1: میانگین وزن تخمهای تولیدی در روز اول تخمگذاری، EW28: میانگین وزن تخم مرغهای تولیدی در 28 هفتگی، EW32: میانگین وزن تخم مرغهای تولیدی در سن 32 هفتگی، و AEW: میانگین وزن تخم مرغهای تولیدی تا هفته 32 تخمگذاری بودند. از رویه مدل خطی تعمیم یافته برای تعیین اثر ثابت معنیدار که باید در مدلهای حیوانی نهایی گنجانده شوند، استفاده شد. بر این اساس، اثرات نسل جوجه کشی و هچ بهعنوان اثرات ثابت معنیدار (p < 0.05) در مدل ارزیابی نهایی وارد شدند. سهم اثرات ژنتیکی افزایشی اتوزومی و وابسته به جنس در معماری ژنتیکی هر صفت با استفاده از نرمافزار WOMBAT ارزیابی شد. ماتریس رابطه ژنتیکی افزایشی وابسته به جنس (S) و معکوس آن (S-1) با استفاده از بسته نرم افزاری nadiv در محیط R ساخته شد. سپس، معکوس ماتریس (S-1) بهصورت دستی به نرمافزار WOMBAT با استفاده از افزونه GIN وارد شد. دوازده مدل حیوانی تک متغیره برای شناسایی اثرات ژنتیکی افزایشی اتوزومی، افزایشی مرتبط با جنس و اثرات مادری (اثرات ژنتیکی و محیطی دائمی مادری) برای ارزیابی اهمیت مشارکت هر اثر تصادفی مورد تجزیه و تحلیل قرار گرفتند. مدلی که دارای کمترین مقدار شاخص AIC بود بهعنوان بهترین مدل شناسایی شد.
یافتهها: بر اساس مقادیر AIC، بهترین مدل ژنتیکی برای میانگین وزن تخممرغ در روز اول تخمگذاری مدل 11 دربرگیرنده هر دو اثر مادری (ژنتیکی و محیطی دائمی) بود. همچنین، مدل 7 مناسبترین مدل برای میانگین وزن تخممرغ در هفته 28، هفته 32 و تا هفته 32 بود که علاوه بر اثرات ژنتیکی افزایشی مستقیم، اثرات ژنتیکی مادری و کوواریانس بین اثرات ژنتیکی مستقیم و مادری را نیز در برمیگیرد. نتایج نشان دادند که واریانس فنوتیپی وزن تخممرغ در مرغ بومی مازندران تحت تأثیر اثرات ژنتیکی افزایشی وابسته به جنس قرار نداشت. با افزایش سن، اثر ژنتیکی افزایشی، افزایش و اثرات مادری کاهش مییابند. اثرات مادری تنها بخش کوچکی از واریانس فنوتیپی را تشکیل دادند، اما نادیده گرفتن این اثرات منجر به تخمین بیش از حد پارامترهای ژنتیکی میشود که اهداف اصلاح نژاد را مختل میکند. برآوردهای وراثتپذیری اتوزومی برای صفات مورد مطالعه برای EW1، EW28، EW32 و AEW برابر با 0/36، 0/48، 0/46 و 0/45 بودند. اضافهشدن متغیرهای تصادفی به مدلها نشان داده است که برآوردهایهای وراثتپذیری مستقیم زمانی که اثر ژنتیکی مادری نادیده گرفته میشود افزایش مییابد، و حذف اثر ژنتیکی مادری میتواند اثر ژنتیکی مستقیم افزایشی را افزایش دهد. در تمامی صفات مورد بررسی، با استفاده از مدلهای بهینه، وراثتپذیری اثرات ژنتیکی مستقیم (h2) بیشتر از نسبتهای وراثتپذیری مادری (m2) و سهم واریانس محیطی دائمی از واریانس فنوتیپی (c2) بود. علاوه بر این، m2 و c2 بهطور کلی بسیار کوچک بودند و با افزایش سن نیز کاهش یافتند. نتایج، همبستگی ژنتیکی منفی را بین اثرات مستقیم و مادری در مرغ نشان دادند که ممکن است ناشی از مدل مورد استفاده یا ساختار داده باشد.
نتیجهگیری: در مجموع، نتایج مطالعه حاضر نشان می دهند که واریانس ژنتیکی صفت وزن تخم مرغ در مرغ بومی مازندران تحت تأثیر اثرات ژنتیکی غیراتوزومی قرار ندارد. اثرات مادری بهطور معنیداری در واریانس ژنتیکی صفات مورد مطالعه مشارکت داشتند. همچنین، همبستگی منفی بین اثرات ژنتیکی مستقیم و مادری نشان دهنده تضاد عملکرد بین این اثرات بود. بنابراین، در نظر گرفتن اثرات مادری بههمراه کوواریانس بین اثرات ژنتیکی افزایشی مستقیم و مادری در ارزیابی ژنتیکی و برنامههای اصلاح نژادی مرغ بومی مازندران توصیه میشود.
مقدمه و هدف: نژادهای مرغ بومی در طول زمان و بهتدریج تحت تأثیر انتخابهای مصنوعی و طبیعی توسعه یافتهاند که منجر به تنوع فنوتیپی گستردهای بین آنها شده است. مرغ بومی مازندران یکی از نژادهای پراهمیت مرغ بومی است که در شمال ایران و عمدتاً در استان مازندران پرورش مییابد. تخممرغ منبعی غنی از پروتئین با کیفیت بالا، چربی و ویتامینهای طبیعی است. برآورد دقیق و نااریب پارامترهای ژنتیکی برای تصمیمگیری در انتخاب در برنامه اصلاح نژادی که منجر به پیشرفت ژنتیکی مثبت در تولید تخم مرغ میشود بسیار ضروری است. روشهای ارزیابی ژنتیکی با استفاده از بهترین پیشبینی نااریب خطی (BLUP) معمولاً تحت وراثت اتوزومی انجام میشوند. با این حال، گزارشهایی وجود دارند که برخی از صفات با اهمیت اقتصادی تحت وراثت کروموزومی جنسی هستند که باید در ارزیابی ژنتیکی در نظر گرفته شود. گزارش شده است که نادیده گرفتن مؤلفههای ژنتیکی وابسته به جنس میتواند منجر به کاهش دقت ارزیابی ژنتیکی شود. در مطالعه حاضر، با استفاده از داده های فنوتیپی و شجرهای مرغ بومی مازندران، مولفه های واریانس و پارامترهای ژنتیکی با در نظر گرفتن اثرات ژنتیکی غیر افزایشی در مدلهای مختلف ژنتیکی بررسی شدند که میتواند مبنایی برای اصلاح نژاد مرغ بومی مازندران باشد.
مواد و روشها: دادههای فنوتیپ و شجرهای مورد استفاده در این مطالعه در مرکز اصلاح نژاد مرغ بومی مازندران واقع در استان مازندران جمعآوری شدند. شجره با استفاده از نرمافزار CFC بررسی و خطاهای احتمالی شناسایی و تصحیح شدند. صفات مورد مطالعه شامل EW1: میانگین وزن تخمهای تولیدی در روز اول تخمگذاری، EW28: میانگین وزن تخم مرغهای تولیدی در 28 هفتگی، EW32: میانگین وزن تخم مرغهای تولیدی در سن 32 هفتگی، و AEW: میانگین وزن تخم مرغهای تولیدی تا هفته 32 تخمگذاری بودند. از رویه مدل خطی تعمیم یافته برای تعیین اثر ثابت معنیدار که باید در مدلهای حیوانی نهایی گنجانده شوند، استفاده شد. بر این اساس، اثرات نسل جوجه کشی و هچ بهعنوان اثرات ثابت معنیدار (p < 0.05) در مدل ارزیابی نهایی وارد شدند. سهم اثرات ژنتیکی افزایشی اتوزومی و وابسته به جنس در معماری ژنتیکی هر صفت با استفاده از نرمافزار WOMBAT ارزیابی شد. ماتریس رابطه ژنتیکی افزایشی وابسته به جنس (S) و معکوس آن (S-1) با استفاده از بسته نرم افزاری nadiv در محیط R ساخته شد. سپس، معکوس ماتریس (S-1) بهصورت دستی به نرمافزار WOMBAT با استفاده از افزونه GIN وارد شد. دوازده مدل حیوانی تک متغیره برای شناسایی اثرات ژنتیکی افزایشی اتوزومی، افزایشی مرتبط با جنس و اثرات مادری (اثرات ژنتیکی و محیطی دائمی مادری) برای ارزیابی اهمیت مشارکت هر اثر تصادفی مورد تجزیه و تحلیل قرار گرفتند. مدلی که دارای کمترین مقدار شاخص AIC بود بهعنوان بهترین مدل شناسایی شد.
یافتهها: بر اساس مقادیر AIC، بهترین مدل ژنتیکی برای میانگین وزن تخممرغ در روز اول تخمگذاری مدل 11 دربرگیرنده هر دو اثر مادری (ژنتیکی و محیطی دائمی) بود. همچنین، مدل 7 مناسبترین مدل برای میانگین وزن تخممرغ در هفته 28، هفته 32 و تا هفته 32 بود که علاوه بر اثرات ژنتیکی افزایشی مستقیم، اثرات ژنتیکی مادری و کوواریانس بین اثرات ژنتیکی مستقیم و مادری را نیز در برمیگیرد. نتایج نشان دادند که واریانس فنوتیپی وزن تخممرغ در مرغ بومی مازندران تحت تأثیر اثرات ژنتیکی افزایشی وابسته به جنس قرار نداشت. با افزایش سن، اثر ژنتیکی افزایشی، افزایش و اثرات مادری کاهش مییابند. اثرات مادری تنها بخش کوچکی از واریانس فنوتیپی را تشکیل دادند، اما نادیده گرفتن این اثرات منجر به تخمین بیش از حد پارامترهای ژنتیکی میشود که اهداف اصلاح نژاد را مختل میکند. برآوردهای وراثتپذیری اتوزومی برای صفات مورد مطالعه برای EW1، EW28، EW32 و AEW برابر با 0/36، 0/48، 0/46 و 0/45 بودند. اضافهشدن متغیرهای تصادفی به مدلها نشان داده است که برآوردهایهای وراثتپذیری مستقیم زمانی که اثر ژنتیکی مادری نادیده گرفته میشود افزایش مییابد، و حذف اثر ژنتیکی مادری میتواند اثر ژنتیکی مستقیم افزایشی را افزایش دهد. در تمامی صفات مورد بررسی، با استفاده از مدلهای بهینه، وراثتپذیری اثرات ژنتیکی مستقیم (h2) بیشتر از نسبتهای وراثتپذیری مادری (m2) و سهم واریانس محیطی دائمی از واریانس فنوتیپی (c2) بود. علاوه بر این، m2 و c2 بهطور کلی بسیار کوچک بودند و با افزایش سن نیز کاهش یافتند. نتایج، همبستگی ژنتیکی منفی را بین اثرات مستقیم و مادری در مرغ نشان دادند که ممکن است ناشی از مدل مورد استفاده یا ساختار داده باشد.
نتیجهگیری: در مجموع، نتایج مطالعه حاضر نشان می دهند که واریانس ژنتیکی صفت وزن تخم مرغ در مرغ بومی مازندران تحت تأثیر اثرات ژنتیکی غیراتوزومی قرار ندارد. اثرات مادری بهطور معنیداری در واریانس ژنتیکی صفات مورد مطالعه مشارکت داشتند. همچنین، همبستگی منفی بین اثرات ژنتیکی مستقیم و مادری نشان دهنده تضاد عملکرد بین این اثرات بود. بنابراین، در نظر گرفتن اثرات مادری بههمراه کوواریانس بین اثرات ژنتیکی افزایشی مستقیم و مادری در ارزیابی ژنتیکی و برنامههای اصلاح نژادی مرغ بومی مازندران توصیه میشود.
فهرست منابع
1. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. [DOI:10.1109/TAC.1974.1100705]
2. Alves, K., Schenkel, F. S., Brito, L. F., & Robinson, A. (2018). Estimation of direct and maternal genetic parameters for individual birth weight, weaning weight, and probe weight in Yorkshire and Landrace pigs. Journal of Animal Science, 96(7), 2567-2578. [DOI:10.1093/jas/sky172]
3. Alwell, J.-J. S., Abdur-Rahman, A., & Chukwujindu, N. S. (2018). Heritability estimates of egg weight and egg shell weight in Ikenne, Nigeria. International Journal of Scientific World, 6(1), 38-42. [DOI:10.14419/ijsw.v6i1.8677]
4. Barapour, M., Gholizadeh, M., Hafezian, H., & Farhadi, A. (2021). Comparison of some Non-Linear Statistical Models to Describe the Growth Curve of Mazandaran Native Chickens. Research on Animal Production, 12(33), 132-138.
https://doi.org/10.52547/rap.12.33.132 [DOI:10.52547/rap.12.33.132 [In Persian]]
5. Bignardi, A. B., da Silva Netto, M., Pereira, R. J., Boligon, A. A., Ferraz, J. B. S., Eler, J. P., & Santana, M. L. (2024a). Maternal phenotypic records shape the genetic parameter estimates in Nelore beef cattle. Livestock Science, 105425. [DOI:10.1016/j.livsci.2024.105425]
6. Bignardi, A. B., da Silva Netto, M., Pereira, R. J., Boligon, A. A., Ferraz, J. B. S., Eler, J. P., & Santana, M. L. (2024b). Maternal phenotypic records shape the genetic parameter estimates in Nelore beef cattle. Livestock Science, 105425. [DOI:10.1016/j.livsci.2024.105425]
7. Clément, V., Bibé, B., Verrier, É., Elsen, J.-M., Manfredi, E., Bouix, J., & Hanocq, É. (2001). Simulation analysis to test the influence of model adequacy and data structure on the estimation of genetic parameters for traits with direct and maternal effects. Genetics Selection Evolution, 33(4), 369. [DOI:10.1186/1297-9686-33-4-369]
8. Dickerson, G. (2017). Composition of hog carcasses as influenced by heritable differences in rate and economy of gain.
9. Ding, J., Ying, F., Li, Q., Zhang, G., Zhang, J., Liu, R., Zheng, M., Wen, J., & Zhao, G. (2022). A significant quantitative trait locus on chromosome Z and its impact on egg production traits in seven maternal lines of meat-type chicken. Journal of Animal Science and Biotechnology, 13(1), 96. [DOI:10.1186/s40104-022-00744-w]
10. Du, Y., Liu, L., He, Y., Dou, T., Jia, J., & Ge, C. (2020). Endocrine and genetic factors affecting egg laying performance in chickens: A review. British Poultry Science, 61(5), 538-549. [DOI:10.1080/00071668.2020.1758299]
11. Engström, G., Liljedahl, L. E., Wilhelmson, M. & Johansson, K. (1992). The pattern of genetic and environmental variation in relation to ageing in laying hens. Genetics Selection Evolution, 24(3), 265-275. [DOI:10.1186/1297-9686-24-3-265]
12. Falconer, D. S. (1965). Maternal effects and selection response, 3, 763-774.
13. Fathi, M., Abou-Emera, O., Al-Homidan, I., Galal, A., & Rayan, G. (2022). Effect of genotype and egg weight on hatchability properties and embryonic mortality pattern of native chicken populations. Poultry Science, 101(11), 102129. [DOI:10.1016/j.psj.2022.102129]
14. Fernando, R. L., & Grossman, M. (1990). Genetic evaluation with autosomal and X-chromosomal inheritance. Theoretical and Applied Genetics, 80, 75-80. [DOI:10.1007/BF00224018]
15. França, M. M., & Mendonca, B. B. (2022). Genetics of ovarian insufficiency and defects of folliculogenesis. Best Practice & Research Clinical Endocrinology & Metabolism, 36(1), 101594.
https://doi.org/10.1016/j.beem.2021.101594 [DOI:https://doi.org/10.1016/j.beem.2021.101594]
16. Gerstmayr, S. (1992). Impact of the data structure on the reliability of the estimated genetic parameters in an animal model with maternal effects. Journal of Animal Breeding and Genetics, 109(1‐6), 321-336. [DOI:10.1111/j.1439-0388.1992.tb00412.x]
17. Ghafouri-Kesbi, F., & Abbasi, M. A. (2019). Autosomal and X-linked additive genetic effects on body weight, body measurements and efficiency-related traits in sheep. Small Ruminant Research, 180, 21-26. [DOI:10.1016/j.smallrumres.2019.09.017]
18. Ghorbani, S., Kamali, M. A., Abbasi, M. A., & Ghafori-Kesbi, F. (2012). Estimation of Maternal Effects on Some Economic Traits of North Iranian Native Fowls Using Different Models. Journal of Agricultural Science and Technology, 14(1), 95-101.
19. Goto, T., & Tsudzuki, M. (2017). Genetic mapping of quantitative trait loci for egg production and egg quality traits in chickens: A review. The Journal of Poultry Science, 54(1), 1-12. [DOI:10.2141/jpsa.0160121]
20. Hartmann, C., Johansson, K., Strandberg, E., & Rydhmer, L. (2003). Genetic correlations between the maternal genetic effect on chick weight and the direct genetic effects on egg composition traits in a White Leghorn line. Poultry Science, 82(1), 1-8. [DOI:10.1093/ps/82.1.1]
21. Heydarpour, M., Schaeffer, L. R., & Yazdi, M. H. (2008). Influence of population structure on estimates of direct and maternal parameters. Journal of Animal Breeding and Genetics, 125(2), 89-99. [DOI:10.1111/j.1439-0388.2007.00703.x]
22. Jasouri, M., Zamani, P., & Alijani, S. (2017a). Dominance genetic and maternal effects for genetic evaluation of egg production traits in dual-purpose chickens. British Poultry Science, 58(5), 498-505. [DOI:10.1080/00071668.2017.1336748]
23. Jasouri, M., Zamani, P., & Alijani, S. (2017b). Dominance genetic and maternal effects for genetic evaluation of egg production traits in dual-purpose chickens. British Poultry Science, 58(5), 498-505. [DOI:10.1080/00071668.2017.1336748]
24. Kamali, M. A., Ghorbani, S. H., Moradi Sharbabak, M., & Zamiri, M. J. (2007a). Heritabilities and genetic correlations of economic traits in Iranian native fowl and estimated genetic trend and inbreeding coefficients. British Poultry Science, 48(4), 443-448. [DOI:10.1080/00071660701505013]
25. Kamali, M. A., Ghorbani, S. H., Moradi Sharbabak, M., & Zamiri, M. J. (2007b). Heritabilities and genetic correlations of economic traits in Iranian native fowl and estimated genetic trend and inbreeding coefficients. British Poultry Science, 48(4), 443-448. [DOI:10.1080/00071660701505013]
26. Kaur, S., Ratwan, P., Kumar, M., & Singh, A. (2024). Overview of performance and genetic parameters of economic traits in Indian native chicken breeds. World's Poultry Science Journal, 80(2), 547-563. [DOI:10.1080/00439339.2024.2309528]
27. Kaviani, F., Gholizadeh, M., & Hafezian, H. (2023). Autosomal and Z‐linked genetic evaluation for body weight in Mazandaran native chicken using different models for dosage compensation on the Z chromosome. Journal of Animal Breeding and Genetics, 140(2), 198-206. [DOI:10.1111/jbg.12753]
28. Knol, E. F., Ducro, B. J., Van Arendonk, J. A. M. & Van der Lende, T. (2002). Direct, maternal and nurse sow genetic effects on farrowing-, pre-weaning-and total piglet survival. Livestock Production Science, 73(2-3), 153-164. [DOI:10.1016/S0301-6226(01)00248-2]
29. Le Bihan-Duval, E., Mignon-Grasteau, S., Millet, N., & Beaumont, C. (1998). Genetic analysis of a selection experiment on increased body weight and breast muscle weight as well as on limited abdominal fat weight. British Poultry Science, 39(3), 346-353. [DOI:10.1080/00071669888881]
30. Lee, C., & Pollak, E. J. (1997). Relationship between sire× year interactions and direct-maternal genetic correlation for weaning weight of Simmental cattle. Journal of Animal Science, 75(1), 68-75. [DOI:10.2527/1997.75168x]
31. Ma, X., Ying, F., Li, Z., Bai, L., Wang, M., Zhu, D., Liu, D., Wen, J., Zhao, G., & Liu, R. (2024). New insights into the genetic loci related to egg weight and age at first egg traits in broiler breeder. Poultry Science, 103(5), 103613. [DOI:10.1016/j.psj.2024.103613]
32. Mallinckrodt, C. H., Golden, B. L., & Bourdon, R. M. (1995). The effect of selective reporting on estimates of weaning weight parameters in beef cattle. Journal of Animal Science, 73(5), 1264-1270. [DOI:10.2527/1995.7351264x]
33. Maniatis, N., & Pollott, G. E. (2003). The impact of data structure on genetic (co) variance components of early growth in sheep, estimated using an animal model with maternal effects. Journal of Animal Science, 81(1), 101-108. [DOI:10.2527/2003.811101x]
34. Meuwissen, T. H. E., & Luo, Z. (1992). Computing inbreeding coefficients in large populations. Genetics Selection Evolution, 24(4), 305. [DOI:10.1186/1297-9686-24-4-305]
35. Meyer, K. (1992). Variance components due to direct and maternal effects for growth traits of Australian beef cattle. Livestock Production Science, 31(3-4), 179-204. [DOI:10.1016/0301-6226(92)90017-X]
36. Meyer, K. (2007). WOMBAT: a tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML). Journal of Zhejiang University Science B, 8(11), 815-821. [DOI:10.1631/jzus.2007.B0815]
37. Misztal, I., & Besbes, B. (2000). Estimates of parental-dominance and full-sib permanent environment variances in laying hens. Animal Science, 71(3), 421-426. [DOI:10.1017/S1357729800055326]
38. Niknafs, S., Nejati-Javaremi, A., Mehrabani-Yeganeh, H., & Fatemi, S. A. (2012). Estimation of genetic parameters for body weight and egg production traits in Mazandaran native chicken. Tropical Animal Health and Production, 44, 1437-1443. [DOI:10.1007/s11250-012-0084-6]
39. Norris, D., & Ngambi, J. W. (2006). Genetic parameter estimates for body weight in local Venda chickens. Tropical Animal Health and Production, 38(7), 605-609. [DOI:10.1007/s11250-006-4420-6]
40. Nourbakhsh, S. A., Hashemi, A., Ansari Pirsaraei, Z., & Moradi, N. (2016). Allelic Variation in the Promoter Region of Prolactin Gene in different Population of Native Fowls. Research on Animal Production, 7(13), 193-198.
https://doi.org/10.18869/acadpub.rap.7.13.198 [DOI:10.18869/acadpub.rap.7.13.198 [In Persian]]
41. Nurgiartiningsih, V. M. A., Mielenz, N., Preisinger, R., Schmutz, M., & Schueler, L. (2004). Estimation of genetic parameters based on individual and group mean records in laying hens. British Poultry Science, 45(5), 604-610. [DOI:10.1080/00071660400006560]
42. Rachman, M. P., Bamidele, O., Dessie, T., Smith, J., Hanotte, O., & Gheyas, A. A. (2024). Genomic analysis of Nigerian indigenous chickens reveals their genetic diversity and adaptation to heat-stress. Scientific Reports, 14(1), 2209. [DOI:10.1038/s41598-024-52569-4]
43. Rahmanian, A., Hafezian, H., Rahimi, G. H., Farhadi, A., & Baneh, H. (2015). Inbreeding depression for economically important traits of Mazandaran native fowls. British Poultry Science, 56(1), 22-29. [DOI:10.1080/00071668.2014.989490]
44. Rajkumar, U., Prince, L. L., Rajaravindra, K. S., Haunshi, S., Niranjan, M., & Chatterjee, R. N. (2021). Analysis of (co) variance components and estimation of breeding value of growth and production traits in Dahlem Red chicken using pedigree relationship in an animal model. PLOS ONE, 16(3), e0247779. [DOI:10.1371/journal.pone.0247779]
45. Rajkumar, U., Rajaravindra, K. S., Niranjan, M., Reddy, B. L. N., Bhattacharya, T. K., Chatterjee, R. N., & Sharma, R. P. (2010). Evaluation of Naked neck broiler genotypes under tropical environment. Indian Journal of Animal Sciences, 80(5), 463-466.
46. Rath, P. K., Mishra, P. K., Mallick, B. K., & Behura, N. C. (2015). Evaluation of different egg quality traits and interpretation of their mode of inheritance in White Leghorns. Veterinary World, 8(4), 449. [DOI:10.14202/vetworld.2015.449-452]
47. Sabri, H. M., Wilson, H. R., Wilcox, C. J., & Harms, R. H. (1991). Comparison of energy utilization efficiency among six lines of White Leghorns. Poultry Science, 70(2), 229-233. [DOI:10.3382/ps.0700229]
48. Sargolzaei, M., Iwaisaki, H., & Colleau, J. J. (2006). CFC: A tool for monitoring genetic diversity. Proceedings of the 8th World Congress on Genetics Applied to Livestock Production, 13-18.
49. Savegnago, R. P., Buzanskas, M. E., Nunes, B. do N., Ramos, S. B., Ledur, M. C., Nones, K., & Munari, D. P. (2011). Heritabilities and genetic correlations for reproductive traits in an F2 reciprocal cross chicken population. Genetics and Molecular Research, 1337-1344. [DOI:10.4238/vol10-3gmr1053]
50. Singh, M. K., Kumar, S., Sharma, R. K., Singh, S. K., Singh, B., & Singh, D. V. (2018). Heritability estimates of adult body weight and egg production traits in indigenous Uttara chickens. International Journal of Genetics, ISSN, 975-2862. [DOI:10.9735/0975-2862.10.2.357-359]
51. Ullengala, R., Prince, L. L. L., Paswan, C., Haunshi, S., & Chatterjee, R. (2021). Variance component analysis of growth and production traits in Vanaraja male line chickens using animal model. Animal Bioscience, 34(4), 471-481. [DOI:10.5713/ajas.19.0826]
52. Willham, R. L. (1972). The role of maternal effects in animal breeding: III. Biometrical aspects of maternal effects in animals. Journal of Animal Science, 35(6), 1288-1293. [DOI:10.2527/jas1972.3561288x]
53. Wolak, M. E. (2012). nadiv: an R package to create relatedness matrices for estimating non-additive genetic variances in animal models. Methods in Ecology and Evolution, 3, 792-796 [DOI:10.1111/j.2041-210X.2012.00213.x]
54. Wolc, A., Bednarczyk, M., Lisowsk, M., & Szwaczkowsk, T. (2010). Genetic relationships among time of egg formation, clutch traits and traditional selection traits in laying hens. Journal of Animal and Feed Sciences, 19(3), 452-459 [DOI:10.22358/jafs/66309/2010]
55. Yang, H., Li, Y., Yuan, J., Ni, A., Ma, H., Wang, Y., Zong, Y., Zhao, J., Jin, S., Sun, Y., & Chen, J. (2023). Research Note: Genetic parameters for egg production and clutch-related traits in indigenous Beijing-You chickens. Poultry Science, 102(9), 102904.
https://doi.org/10.1016/j.psj.2023.102904 [DOI:https://doi.org/10.1016/j.psj.2023.102904]
56. Yousefi Zonuz, A., Alijani, S., Mohammadi, H., Rafat, A., & Daghigh Kia, H. (2013). Estimation of genetic parameters for productive and reproductive traits in Esfahan native chickens. Journal of Livestock Science and Technologies, 1(2), 34-38.
57. Zhi, Y., Wang, D., Zhang, K., Wang, Y., Geng, W., Chen, B., Li, H., Li, Z., Tian, Y., & Kang, X. (2023). Genome-wide genetic structure of henan indigenous chicken breeds. Animals, 13(4), 753. [DOI:10.3390/ani13040753]
58. Zonuz, A. Y., & Kia, H. D. (2013). Estimation of maternal effects on the north-Iranian native chicken traits using Bayesian and REML methods. Slovak Journal of Animal Science, 46(2), 52-60.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
