دوره 9، شماره 20 - ( تابستان 1397 )
جلد 9 شماره 20 صفحات 122-110 |
برگشت به فهرست نسخه ها
پژوهشکده دام های خاص، دانشگاه زابل
چکیده: (3161 مشاهده)
بخش قابل توجهی از عملکرد رشد در پرندگان نتیجه اثرات ترکیبی ژنها است که تغییرات آنها نیازمند طراحی یک سیستم مطلوب جفتگیری جهت استفاده از توانایی ترکیبی عام و خاص ژنها است. هدف از مطالعه حاضر بررسی الگوهای رشد ترکیبی چهار سویه مختلف بلدرچین ژاپنی در یک سیستم تلاقی دی آلل جزئی بود. برای این منظور، چهار سویه خالدار ایتالیایی (A)، تکسدو (B)، وحشی (C) و ای ام تگزاس (D) در یک طرح تلاقی دیآلل کراس جزئی جهت تولید ترکیبهای ژنی مختلف در طی چهار نسل استفاده شد. چهار تابع گمپرتز، ریچارد، لجستیک و ویبول برای رکوردهای وزنی ترکیبات مختلف برازش شدند مناسبترین تابع برای هر ترکیب توسط معیارهای نکویی برازش انتخاب گردید. سپس فراسنجه های تابع و الگوهای رشد حاصل از مناسبترین تابع بین ترکیبها مورد مقایسه قرار گرفت. نتایج معیارهای برازش نکویی نشان داد که تابع گمپرتز مناسبترین تابع برای ترکیبهای دوتایی AB، BA، CD و DC و ترکیبهای برگشتی ABCD-DCBA، DCBA-ABCD و تابع ویبول مناسب ترین تابع برای ترکیب های چهارتایی ABCD و DCBA جهت توصیف رشد بودند. سال و ماه جوجه درآوری بر تمامی الگوهای رشد اثر معنی دار داشتند. همچنین، اثر ترکیبهای مختلف ژنی بر وزن ابتدایی، وزن نهایی، سن و وزن در نقطه عطف و وزن یکروزگی معنیدار بود (05/0>p). اثر جنس پرنده بهجز در وزن نهایی ۴۵ روزگی در سایر فراسنجه‌های منحنی معنی دار نبود (۰۵/۰p>). ترکیب DC بالاترین وزن ابتدایی و نهایی، سن و وزن در نقطه عطف را نسبت به سایر ترکیبها داشت. ترکیب های چهارتایی به خصوص ترکیب DCBA بالاترین وزن نهایی، وزن 45 روزگی و نرخ رشد 45 روزگی، اما پایین ترین نرخ بلوغ را داشت. سن و وزن در نقطه عطف ترکیب DCBAدر بین سایر ترکیب ها در حد متوسط بود و عملکرد بهتری نسبت به سایر آمیخته ها داشت که می تواند به دلیل بیشترین مقدار هتروزیس در این ترکیب باشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژنتیک و اصلاح نژاد طیور
دریافت: 1396/8/9 | ویرایش نهایی: 1397/7/17 | پذیرش: 1397/2/5 | انتشار: 1397/7/11
دریافت: 1396/8/9 | ویرایش نهایی: 1397/7/17 | پذیرش: 1397/2/5 | انتشار: 1397/7/11
فهرست منابع
1. Aggrey, S.E. 2002. Comparison of three non-linear and spline regression models for describing chicken growth curves. Poultry Science, 81: 1782-1788. [DOI:10.1093/ps/81.12.1782]
2. Aggrey, S.E. 2003. Dynamic of relative growth rate in Japanese quail lines divergently selected for growth and their control. Growth Development and Aging, 67: 47-54.
3. Al-Murrani, W.K. 1978. Maternal effects on embryonic and post-embryonic growth in Poulttry. British Poultry Science, 19: 277-281. [DOI:10.1080/00071667808416476]
4. Arango, J.A. and L.D. Van Vleck. 2002. Size of beef cows; early ideas new developments. Genetic and Molecular Research, 1: 51-63. [DOI:10.4238/2002.March.30.5]
5. Bahreini Behzadi M.R., A.A. Aslaminejad, A.R. Sharifi and H. Simianer. 2014. Comparison of mathematical models for describing the growth of Baluchi sheep. Journal of Agriculture Science and Technology, 14: 57-68.
6. Balcioğlu, M.S., K. Kızılkaya, H.İ. Yolcu and H.I. Kabarağ. 2005. Analysis of growth characteristics in short-term divergently selected Japanese quail. South African Journal of Animal Science, 35: 83-89.
7. Barbato, G.F. 1991. Genetic architecture of growth curve parameters in chickens. Theorical Applied Genetic, 83: 24-32. [DOI:10.1007/BF00229222]
8. Beiki, H., A. Pakdel, M. Moradi-shahrbabak and H. Mehrban. 2013. Evaluation of growth functions on Japanese quail lines. Journal of Poultry Science, 50: 20-27. [DOI:10.2141/jpsa.0110142]
9. Brody, S. 1945. Bioenergetic and Growth. Reinhold Publishing Co, New York, USA, 1023 pp.
10. Darmani-Kuhi, H., T. Porter, S. Lopez, E. Kebreab, A.B. Strathe, A. Dumas, J. Dijkstra and J. France. 2010. A review of mathematical functions for the analysis of growth in poultry. World's Poultry Science Journal, 66: 227-239. [DOI:10.1017/S0043933910000280]
11. Fair, J.M., E.S. Hansen and R.E. Ricklefs. 1999. Growth, developmental stability and immune response in juvenile Japanese quails. Proc. R. Soc London Ser B, 266: 1735-1742. [DOI:10.1098/rspb.1999.0840]
12. Firat, M.Z., E. Karaman, E.K. Başar and D. Narinc. 2016. Bayesian analysis for the comparison of nonlinear regression model parameters: an application to the growth of Japanese quail. Brazilian Journal of Poultry Science, 23: 19-26. [DOI:10.1590/1806-9061-2015-0066]
13. Gompertz, B. 1825. On the nature of the function expressive of the law of human mortality, and on a new mode of determining the value of life contingencies. Philosophical transactions of the Royal Society of London, 115: 513-583. [DOI:10.1098/rstl.1825.0026]
14. Hashemirad, M., N. Farzin and A. Seraj. 2018. Genetic parameters of body weight and carcass characteristics in two strains of Japanese quail. Research on Animal Production, 8(17): 166-174 (In Persian). [DOI:10.29252/rap.8.17.166]
15. Knizetova, H., J. Hyanek, B. Knize and J. Roubicek. 1991. Analysis of growth curves of fowl. I. Chickens. British Poultry Science, 32(5): 1027-1038. [DOI:10.1080/00071669108417427]
16. Loibel, S., M.G. Andrade, J.B. do Val and A.R.D. Freitas. 2010. Richards's growth model and viability indicators for populations subject to interventions. Anais da Academia Brasileira de Ciências, 82: 1107-1126. [DOI:10.1590/S0001-37652010000400028]
17. Minvielle, F., D. Gourichon, S. Ito, M. Inoue-Murayama and S. Rivie. 2007. Effects of the dominant lethal yellow mutation on reproduction, growth, feed consumption, body temperature, and body composition of the Japanese quail. Poultry Science, 86: 1646-1650. [DOI:10.1093/ps/86.8.1646]
18. Nahashon, S.N., S.E. Aggrey, N.A. Adefope, A. Amenyenu and D. Wright. 2006. Growth characteristics of pearl gray guinea fowl as predicted by the Richards, Gompertz and logistic models. Poultry Science, 85(2): 359-363. [DOI:10.1093/ps/85.2.359]
19. Narinc, D., E. Karaman, M.Z. Firat and T. Aksoy. 2010. Comparison of non-linear growth models to describe the growth in Japanese quail. Journal of Animal and Veterinary Advances, 9(14): 1961-1966. [DOI:10.3923/javaa.2010.1961.1966]
20. Piao, J., S. Okamoto, S. Kobayashi, Y. Wada and Y. Maeda. 2002. Study of heterosis effects on productive traits of Japanese Quails: Heterosis effects on the crosses between large line and random bred population. Jpn Poultry Science, 39: J139-J146.
21. Piao, J., S. Okamoto, S. Kobayashi, Y. Wada and Y. Maeda. 2004. Purebred and crossbred performances from a Japanese quail line with very small body size. Animal Research, 53: 145-153. [DOI:10.1051/animres:2004007]
22. Pinheiro, J., D. Bates, S. DebRoy and D. Sarkar. 2014. R Core Team nlme: linear and nonlinear mixed effects models. R package version 3.1-117. Available at h ttp://CRAN. R-project. org/package= nlme.
23. Raji, A.O., S.T. Mbap and J. Aliyu. 2014. Comparison of different models to describe growth of the Japanese quail (Coturnix Japonica). Trakia Journal of Sciences, 2: 182-188.
24. Rezvannejad, E., A. Boustan and S. Lotfi. 2017. Comparison of reproductive performance of two pure lines of Japanese quail and their reciprocal crosses. Research on Animal Production, 8(15): 144-148 (In Persian). [DOI:10.29252/rap.8.15.144]
25. Richards, F. 1959. A flexible growth function for empirical use. Journal of Experimental Botany, 10: 280-300. [DOI:10.1093/jxb/10.2.290]
26. Ricklefs R.E. 1985. Modification of growth and development of muscles in poultry. Poultry Science, 64: 1563-1576. [DOI:10.3382/ps.0641563]
27. Robertson, T.B. 1908. On the normal rate of growth of an individual, and its biochemical significance. Archiv für Entwicklungsmechanik der Organismen, 25: 581-614. [DOI:10.1007/BF02163864]
28. Sekaninova, A., L. Kupcikova and M. Lichovnikova. 2016. The effect of divergent selection for shape of growth curve in Japanese quail on egg quality. MendelNet, 23: 269-272.
29. Sezer, M. and S. Tarhan. 2005. Function parameters of growth curves of three meat-type lines of Japanese quail. Czech Journal of Animal Science, 50: 22-30. [DOI:10.17221/3991-CJAS]
30. Taheri Dezfuli, B., M. Babaei, A. Kardooni. 2018. Fitting milk curve and its compounds for Khuzestani buffaloes using five different functions. Research on Animal Production, 9(19): 113-123 (In Persian).
31. Tarhyel, R., B.K. Tanimomo and S.A. Hena. 2012. Organ weight: As influenced by color, sex and weight group in Japanese quail. Scientific Journal of Animal Science, 1: 46-49.
32. Tariq, M.M., M.A. Bajwa, A. Waheed, E. Eyduran, F. Abbas, F.A. Bokhari and A. Akbar. 2011. Growth curve in Mengali sheep breed of Balochistan. Journal of Animal and Plant Science, 21: 5-7.
33. Verhulst, P.F. 1838. Notice Sur La Loi que la population suit dans son accroissement Correspondence Mathematique et Physique, 10: 113-121.
34. Vuori, K., I. Stranden, M.L. Sevon-Aimonen and E.A. Mantysaari. 2006. Estimation of non-linear growth models by linearization: a simulation study using a Gompertz function. Genetics Selection and Evolution, 38: 343-358. [DOI:10.1051/gse:2006008]
35. Waheed, A., M. Sajjad Khan, S. Ali and M. Sarwar. 2011. Estimation of growth curve parameters in Beetal goats. Archiv Tierzucht, 54: 287-296. [DOI:10.5194/aab-54-287-2011]
36. Weibull, W. 1951. A statistical distribution function of wide applicability. Journal of Applied Mechanics, 12: 293-297.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |