دوره 16، شماره 2 - ( تابستان 1404 )
جلد 16 شماره 2 صفحات 125-115 |
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:
Seyedsharifi R, Ala Noshahr F, Seifdavati J, Hedayat-Evrigh N, Zeidan Mohammad Salem A. (2025). Multi-Trait Estimation of Genetic Parameters for Body Weight and Feed Intake in a Commercial Broiler Chicken Population. Res Anim Prod. 16(2), 115-125. doi:10.61882/rap.2024.1486
URL: http://rap.sanru.ac.ir/article-1-1486-fa.html
URL: http://rap.sanru.ac.ir/article-1-1486-fa.html
سیدشریفی رضا، علانوشهر فاطمه، سیف دواتی جمال، هدایت ایوریق نعمت، زیدان محمد سالم عبدالفتاح.(1404). تخمین چندصفتی فراسنجه‌های ژنتیکی وزن بدن و مصرف خوراک در جمعیت جوجه‌های گوشتی تجاری پژوهشهاي توليدات دامي 16 (2) :125-115 10.61882/rap.2024.1486
1- گروه علوم دامی، دانشکده کشاورزی، دانشگاه محقق اردبیلی، اردبیل، ایران
2- گروه تغذیه دام، دانشکده دامپزشـکی، دانشـگاه مسـتقل ایالـت مکزیکو تولوکا، اودو دو مکزیکو، مکزیک
2- گروه تغذیه دام، دانشکده دامپزشـکی، دانشـگاه مسـتقل ایالـت مکزیکو تولوکا، اودو دو مکزیکو، مکزیک
چکیده: (3374 مشاهده)
چکیده مبسوط
مقدمه و هدف: بهدلیل انتخاب ژنتیکی برای سرعت رشد و بازده خوراک جوجه‌های گوشتی در پنج دهه اخیر بهبود ژنتیکی فوق‌العاده‌ای 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 جوجه‌های 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 جوجه‌های گوشتی و محاسبه خوراک باقیمانده(RFI) و برآورد فراسنجه‌های ژنتیکی آن انجام پذیرفت.
مواد و روشها: داده‌های 45 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 ماده‌ها در سه سن مختلف مورد استفاده قرار گرفتند. داده‌های وزن بدن در سه سن مختلف (روز t، روز t-4 و روز t-7) از هر دو جنس اندازهگیری شدند. اولین BW در روز t برای 25 نسل ثبت شد، با اینحال، با ادامه انتخاب، پرندگان شروع به رشد سریع‌تر می‌کنند و زودتر به وزن بدن مورد نظر می‌رسند، بنابراین، سن وزن‌گیری تغییر داده شد و BW در t-4 و t-7 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 12 صفتی برای BW، FI و Gain در دو جنس و سه گروه سنی شد. صفت RFI فنوتیپی (RFIP) از توزیع شرطی FI داده‌شده 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، همبستگی‌های بین صفات تولیدی و صفات بازده خوراک برآورد شدند.
یافتهها: در نرها، تخمین‌های وراثت‌پذیری BW بهترتیب 0/38، 0/34 و 0/29 در روزهای t-7، t-4 و t سن بودند، در حالیکه در ماده‌ها، برآوردهای وراثت‌پذیری BW در روزهای t-7، t-4 و t بهترتیب 0/41، 0/38 و 0/38 بودند. همبستگی ژنتیکی BW بین نرها و ماده‌ها در روزهای t-7، t-4 و t بهترتیب 95/0، 89/0 و 89/0 و همبستگی ژنتیکی BW بین سنین تفاوت معنی‌داری داشت. میانگین وراثت‌پذیری FI و Gain متوسط بود و برآوردها در نر و ماده در سنین یکسان برای همه صفات بهطور معنی‌داری متفاوت بودند. علاوهبر این، همبستگی ژنتیکی بین نر و ماده در همان سن بهطور معنی‌داری متفاوت از هم بود که نشان‌دهنده اثر متقابل ژنتیکی بر جنس برای صفات BW و FI بود. میانگین تخمین‌های وراثت‌پذیریRFIP بهطور 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 معنی‌داری داشت، اما در سن t-7 روزگی تفاوت معنی‌داری مشاهده نشد. برآوردهای وراثت‌پذیری صفات تولیدی و بازده خوراک در حد متوسط بهدست آمدند و بنابراین میتوان با انتخاب ژنتیکی آن‌ها را اصلاح نمود.
نتیجهگیری: نتایج تحلیل REML چندمتغیره در این مطالعه نشان می‌دهند که ارزیابی ژنتیکی برای صفات تولیدی BW و Gain و صفات بازده خوراک FI، RFIP و RFIG باید تفاوت‌های جنسیتی و سنی را در نظر بگیرد تا صحت انتخاب و افزایش ژنتیکی ارتقاء یابد. همبستگی‌های ژنتیکی بین RFI فنوتیپی و ژنتیکی در سنین پایین‌تر به هم نزدیک و بهطور قابل‌توجهی باهم در سنین بالاتر متفاوت بودند، که نشان می‌دهد انتخاب با استفاده از هریک از آن‌ها در آن سن خاص جوان‌تر منجربه پاسخ ژنتیکی یکسان می‌شود.این نتایج برای توسعه مستمر استراتژی‌ها برای بهبود کارایی خوراک در پرورش و تولید جوجه‌های گوشتی مهم هستند. بهطور 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.
مقدمه و هدف: بهدلیل انتخاب ژنتیکی برای سرعت رشد و بازده خوراک جوجه‌های گوشتی در پنج دهه اخیر بهبود ژنتیکی فوق‌العاده‌ای 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 جوجه‌های 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 جوجه‌های گوشتی و محاسبه خوراک باقیمانده(RFI) و برآورد فراسنجه‌های ژنتیکی آن انجام پذیرفت.
مواد و روشها: داده‌های 45 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 ماده‌ها در سه سن مختلف مورد استفاده قرار گرفتند. داده‌های وزن بدن در سه سن مختلف (روز t، روز t-4 و روز t-7) از هر دو جنس اندازهگیری شدند. اولین BW در روز t برای 25 نسل ثبت شد، با اینحال، با ادامه انتخاب، پرندگان شروع به رشد سریع‌تر می‌کنند و زودتر به وزن بدن مورد نظر می‌رسند، بنابراین، سن وزن‌گیری تغییر داده شد و BW در t-4 و t-7 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 12 صفتی برای BW، FI و Gain در دو جنس و سه گروه سنی شد. صفت RFI فنوتیپی (RFIP) از توزیع شرطی FI داده‌شده 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، همبستگی‌های بین صفات تولیدی و صفات بازده خوراک برآورد شدند.
یافتهها: در نرها، تخمین‌های وراثت‌پذیری BW بهترتیب 0/38، 0/34 و 0/29 در روزهای t-7، t-4 و t سن بودند، در حالیکه در ماده‌ها، برآوردهای وراثت‌پذیری BW در روزهای t-7، t-4 و t بهترتیب 0/41، 0/38 و 0/38 بودند. همبستگی ژنتیکی BW بین نرها و ماده‌ها در روزهای t-7، t-4 و t بهترتیب 95/0، 89/0 و 89/0 و همبستگی ژنتیکی BW بین سنین تفاوت معنی‌داری داشت. میانگین وراثت‌پذیری FI و Gain متوسط بود و برآوردها در نر و ماده در سنین یکسان برای همه صفات بهطور معنی‌داری متفاوت بودند. علاوهبر این، همبستگی ژنتیکی بین نر و ماده در همان سن بهطور معنی‌داری متفاوت از هم بود که نشان‌دهنده اثر متقابل ژنتیکی بر جنس برای صفات BW و FI بود. میانگین تخمین‌های وراثت‌پذیریRFIP بهطور 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 معنی‌داری داشت، اما در سن t-7 روزگی تفاوت معنی‌داری مشاهده نشد. برآوردهای وراثت‌پذیری صفات تولیدی و بازده خوراک در حد متوسط بهدست آمدند و بنابراین میتوان با انتخاب ژنتیکی آن‌ها را اصلاح نمود.
نتیجهگیری: نتایج تحلیل REML چندمتغیره در این مطالعه نشان می‌دهند که ارزیابی ژنتیکی برای صفات تولیدی BW و Gain و صفات بازده خوراک FI، RFIP و RFIG باید تفاوت‌های جنسیتی و سنی را در نظر بگیرد تا صحت انتخاب و افزایش ژنتیکی ارتقاء یابد. همبستگی‌های ژنتیکی بین RFI فنوتیپی و ژنتیکی در سنین پایین‌تر به هم نزدیک و بهطور قابل‌توجهی باهم در سنین بالاتر متفاوت بودند، که نشان می‌دهد انتخاب با استفاده از هریک از آن‌ها در آن سن خاص جوان‌تر منجربه پاسخ ژنتیکی یکسان می‌شود.این نتایج برای توسعه مستمر استراتژی‌ها برای بهبود کارایی خوراک در پرورش و تولید جوجه‌های گوشتی مهم هستند. بهطور 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.
واژه‌های کلیدی: جوجه گوشتی، مصرف خوراک، مصرف خوراک باقیمانده، وراثت‌پذیری، وزن بدن، همبستگی ژنتیکی
فهرست منابع
1. Adeyinka, I. A., Oni, O. O., Nwagu, B. I., & Adeyinka, F. D. (2006). Genetic parameter estimates of body weights of naked neck broiler chickens. International Journal of Poultry Science, 5(6), 589-592. [DOI:10.3923/ijps.2006.589.592]
2. Aggrey, S. E., Karnuah, A. B., Sebastian, B., & Anthony, N. B. (2010). Genetic properties of feed efficiency parameters in meat-type chickens. Genetic Selection Evaluation, 42, 25. [DOI:10.1186/1297-9686-42-25]
3. Arthur, J. A., & Albers, G. A. (2003). Industrial perspective on problems and issues associated with poultry breeding. Poultry Genetics, Breeding and Biotechnology, 1, 12. [DOI:10.1079/9780851996608.0001]
4. Aslam, M. L., Bastiaansen, J. W., Crooijmans, R. P., Ducro, B. J., Vereijken, A., & Groenen, M. A. (2011). Genetic variances, heritabilities and maternal effects on body weight, breast meat yield, meat quality traits and the shape of the growth curve in turkey birds. BMC Genetics, 12(1), 1-9. [DOI:10.1186/1471-2156-12-14]
5. Begli, H., Vaez Torshizi, R., Masoudi, A. A., & Ehsani, A. (2016). Longitudinal analysis of body weight, feed intake and residual feed intake in F2 chickens. Livestock Science, 184, 28-34. [DOI:10.1016/j.livsci.2015.11.018]
6. Case, L. A., Wood, B. J., & Miller, S. P. (2012). The genetic parameters of feed efficiency and its component traits in the turkey (Meleagris gallopavo). Genetic Selection Evaluation, 44, 2. [DOI:10.1186/1297-9686-44-2]
7. Chapuis, H., Delabrosse, Y., Ducroc, V., & Tixer-Boichard, M. (1996). Multivariate restricted maximum likelihood estimation of genetic parameters for production traits in three selected turkey strains. Genetic Selection Evaluation, 28, 299-317. [DOI:10.1186/1297-9686-28-3-299]
8. Deimi Ghias Abadi1, P., Alijani, S., Shodja Ghias, J., & Pirani, N. (2012). Comparison of Tow Restricted Maximum Likelihood (REML) and Bayesian Statistical Methods for Estimating Genetic Parameter of Some Economically Important Traits in Fars Native Chickens. Research on Animal Production, 5, 1-13. [In Persian]
9. Desa, U. (2015). World population projected to reach 9.7 billion by 2050| UN DESA| United Nations Department of Economic and Social Affairs. Retrieved from UN Department of Economic and Social Affairs website.
10. Grosso, J. L. B. M., Balieiro, J. C. D. C., Eler, J. P., Ferraz, J. B. S., Mattos, E. C., & Michelan Filho, T. (2010). Comparison of different models to estimate genetic parameters for carcass traits in a commercial broiler line. Genetics and Molecular Research, 9(2), 908-918. [DOI:10.4238/vol9-2gmr773]
11. Karami, M., Fayazi, J., Hasanpur, K., Javanmard, A., & Varnaseri, H. (2020). Estimation of Genetic Parameters for Growth Traits in Two Routine and Ascites Inducing Conditions for Ascites Syndrome in a Commercial Broiler Line. Research on Animal Production, 11(27), 101-115. [In Persian] [DOI:10.29252/rap.11.27.101]
12. Kennedy, B. W., van der Werf, J. H., Meuwissen, T. H. (1993). Genetic and statistical properties of residual feed intake. Journal of Animal Science, 71, 3239-3250. [DOI:10.2527/1993.71123239x]
13. MacLeod, M., Gerber, P., Mottet, A., Tempio, G., Falcucci, A., Opio, C., & Steinfeld, H. (2013). Greenhouse gas emissions from pig and chicken supply chains-A global life cycle assessment. Food and Agriculture Organization of the United Nations.
14. Madsen, P. & Jensen, J. (2013). A User's guide to DMU, A Package for analyzing multivariate Mixed Models. 6, Rel 5.2.
15. Mckay, J. C. (2009). The genetics of modern commercial poultry. In Biology of breeding poultry (pp. 3-9). Wallingford UK: CABI. [DOI:10.1079/9781845933753.0003]
16. Mebratie, W., Shirali, M., Madsen, P., Sapp, R. L., Hawken, R., & Jensen, J. (2017). The effect of selection and sex on genetic parameters of body weight at different ages in a commercial broiler chicken population. Livestock Science, 204, 78-87. [DOI:10.1016/j.livsci.2017.08.013]
17. Mignon-Grasteau, S., Beaumont, C., Poivey, J. P., & De Rochambeau, H. (1998). Estimation of the genetic parameters of sexual dimorphism of body weight in'label'chickens and Muscovy ducks. Genetics Selection Evolution, 30(5), 481-491. [DOI:10.1186/1297-9686-30-5-481]
18. Nestor, K. E., Anderson, J. W., Patterson, R. A., & Velleman, S. G. (2008). Genetics of growth and reproduction in the turkey. 17. Changes in genetic parameters over forty generations of selection for increased sixteen-week body weight. Poultry Science, 87(10), 1971-1979. [DOI:10.3382/ps.2008-00137]
19. Schaeffer, L. R. (2011). Animal Breeding Methods course notes, Random regression models, 1-9. http://www.aps.uoguelph.ca/~lrs/ (Accessed 05.08.2015).
20. Shirali, M., Varley, P. F., Jensen, J. (2018). Bayesian estimation of direct and correlated response to genetic selection on linear or ratio expressions of feed efficiency in pigs. Genetics Selection Evolution, 50, 1-12. [DOI:10.1186/s12711-018-0403-0]
21. Singh, S. S., Verma, S. K., & Khan, A. G. (1990). Studies on genetic variability in juvenile body weights and sexual-dimorphism in layer type chicken. Indian Veterinary Medical Journal, 14(3), 184-188.
22. Towne, B., Siervogel, R. M., & Blangero, J. (1997). Effects of genotype‐by‐sex interaction on quantitative trait linkage analysis. Genetic Epidemiology, 14(6), 1053-1058.
https://doi.org/10.1002/(SICI)1098-2272(1997)14:6<1053::AID-GEPI82>3.0.CO;2-G [DOI:10.1002/(SICI)1098-2272(1997)14:63.0.CO;2-G]
23. Willems, O. W., Miller, S. P., & Wood, B. J. (2013). Aspects of selection for feed efficiency in meat producing poultry. World's Poultry Science Journal, 69, 77-88. [DOI:10.1017/S004393391300007X]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
