دوره 8، شماره 17 - ( پاییز 1396 )                   جلد 8 شماره 17 صفحات 130-139 | برگشت به فهرست نسخه ها


XML English Abstract Print


دانشجوی دکتری
چکیده:   (390 مشاهده)
     در این مطالعه از رکوردهای 305 روز مقدار پروتئین مربوط به سه شکم زایش اول گاوهای هلشتاین ایران به منظور بررسی تأثیر ناهمگنی اجزای واریانس بر پارامترهای ژنتیکی، ارزش اصلاحی برآورد شده و تغییر رتبه گاوهای نر و ماده ممتاز استفاده شد. داده­ها طی سال های 1362-1392 توسط مرکز اصلاح نژاد دام و بهبود تولیدات دامی کشور جمع آوری شده بودند  و برای
دوره­های شیردهی اول، دوم و سوم به ترتیب 141670، 115395 و 82529 رکورد وجود داشت. داده­ها بر اساس سطوح مختلف تولید گله-سال به سه دسته بالا، متوسط و پایین گروه­بندی شدند. ناهمگنی واریانس­ها با آزمون بارتلت بررسی شد و نتایج آن در هر سه دوره شیردهی معنی­دار (01/0
P<) بود که نشان­دهنده ناهمگن بودن واریانس­ها بین سطوح تولیدی است. به منظور برطرف نمودن احتمالی و یا کاهش ناهمگنی واریانس­ها از روش­های تبدیل جذری و باکس کاکس و همچنین روش پیش­تصحیح ویشر استفاده شد. پارامترهای ژنتیکی، وراثت­پذیری­ها و اجزای واریانس با استفاده از مدل حیوانی و  نرم­افزار VCE برآورد شدند. برآوردهای وراثت­پذیری در روش پیش­تصحیحی ویشر نسبت به سایر روش­ها بالاتر بود که ممکن است به دلیل تخمین صحیح­تر اثرات ژنتیکی افزایشی در نتیجه در نظر گرفتن ناهمگنی واریانس­ها باشد. همبستگی­های اسپیرمن و همچنین نسبت حیوانات انتخاب شده قبل و بعد از تبدیل داده­ها بر اساس ارزش­های اصلاحی برآورد شدند. برآوردهای همبستگی وقتی که تمامی حیوانات نر و ماده ممتاز در نظر گرفته شدند بالا بودند. ناهمگنی واریانس تأثیر قابل ملاحظه­ای بر تغییر رتبه و انتخاب 5%گاوهای نر و 1% ماده­های ممتاز داشت. روش­های تبدیل باکس-کاکس، جذری و پیش­تصحیح ویشر باعث شدند به ترتیب 4%، 19% و 10% گاوهای نر و 10، 21 و 7% ماده های برتر در مقایسه با سناریوی واریانس همگن از لیست انتخاب خارج شوند. نتایج مطالعه حاضر نشان داد که واریانس­ها بین سطوح مختلف تولید گله-سال همگن نبوده و ممکن است روی رتبه­بندی و انتخاب گاوهای ممتاز تأثیر گذارد.
متن کامل [PDF 836 kb]   (111 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي

فهرست منابع
1. Boldman, K.G. and A.E. Freeman. 1990. Adjustment for heterogeneity of variances by herd production in dairy cow and sire evaluation. Journal of Dairy Science, 73: 503-512. [DOI:10.3168/jds.S0022-0302(90)78698-5]
2. Brebes, B., V. Ducrocq, J.L. Foulley, M. Protais, A. Tavernier, M. Tixier-Boichard and C. Beaumont. 1993. Box-Cox transformation of egg-production traits of laying hens to improve genetic parameter estimation and breeding evaluation. Livestock Production Science, 33: 313-326. [DOI:10.1016/0301-6226(93)90010-F]
3. Dahlin, A., U.N. Khan, A.H. Zafar, M. Saleem, M.A. Chaudhry and J. Philipsson. 1998. Genetic and environmental causes of variation in milk production traits of Sahiwal cattle in Pakistan. Journal of Animal Science, 66(2): 307-318. [DOI:10.1017/S1357729800009437]
4. De Veer, J.C. and L.D. Van Veleck. 1987. Genetic parameters for first lactation milk yields at three levels of production. Journal of Dairy Science, 70: 1434-1441. [DOI:10.3168/jds.S0022-0302(87)80166-2]
5. Gengler, N., G.R. Wiggans and A. Gillon. 2004. Estimated heterogeneity of phenotypic variance of test-day yield with a structural variance model. Journal of Dairy Science, 87: 1908-1916. [DOI:10.3168/jds.S0022-0302(04)73349-4]
6. Groeneveld, E., M. Kovac and N. Mielenz. 2008. VCE User's Guide and Reference Manual. Version 6.0. Institute of Farm Animal Genetics, Neustadt, Germany, 1-125.
7. Hill,W. G. 1984. On selection among groups with heterogeneous variance. Animal Production, 39: 473-477. [DOI:10.1017/S0003356100032220]
8. Huquet, B., H.L. Leclerc and V. Ducrocq. 2012. Modelling and estimation of genotype by environment interactions for production traits in French dairy cattle. Genetic Selection Evolution, 44(35): 1-14. [DOI:10.1186/1297-9686-44-35]
9. Ibanez, M.A., M.J. Carabano, J.L. Foulley and R. Alenda. 1996. Heterogeneity of herd-period phenotypic variances in the Spanish Holstein-Friesian cattle: sources of heterogeneity and genetic evaluation. Livestock Production Science, 45: 137-147. [DOI:10.1016/0301-6226(96)00012-7]
10. Ibanez, M.A., M.J. Carabano and R. Alenda. 1999. Identification of sources of heterogeneous residual and genetic variances in milk yield data from the Spanish Holstein-Friesian population and impact on genetic evaluation. Livestock Production Science, 59: 33-49. [DOI:10.1016/S0301-6226(99)00006-8]
11. Kizilkaya, K. and R.J. Tempelman. 2005. A general approach to mixed effects modeling of residual variances in generalized linear mixed models Genetic Selection Evolution, 37(1): 31-56.
12. Kominakis, A., E. Rogdakis and K. Koutsotolis. 1998. Genetic parameters for milk yield and litter size in Boutsiko dairy sheep. Canadian Journal of Animal Science, 78: 525-532. [DOI:10.4141/A98-049]
13. Lidauer, M., R. Emmerling and E.A. Mantysaari. 2008. Multiplicative random regression model for heterogeneous variance adjustment in genetic evaluation for milk yield in Simmental. Animal Breeding and Genetics, 125(3): 147-159. [DOI:10.1111/j.1439-0388.2008.00728.x]
14. Lino-Lourenço, D.A., C.A. Lopes de Oliveira, E.N. Martins, M.C. Paula Leite, F.C.M. Maiaand and A.I. Santos. 2012. Heterogeneous genetic (co)variances in simulated closed herds under selection. Maringá, 34(1): 83-90. [DOI:10.4025/actascianimsci.v34i1.10934]
15. Markus, S., E.A. Mantysaari, I. Stranden, J.A. Eriksson and M.H. Lidauer. 2014. Comparison of multiplicative heterogeneous variance adjustment models for genetic evaluations. Journal of Animal Breeding and Genetics, 22: 61‐65. [DOI:10.1111/jbg.12082]
16. Matzuk, M., M. Lamb and J. Dolores. 2002. Genetic dissection of mammalian fertility pathways.Nature publishing Group, Basingstoke, ROYAUME-UNI.
17. Meuwissen, T.H.E., G. De Jong and B. Engel. 1996. Joint estimation of breeding values and heterogeneous variances of large data files. Journal of Dairy Science, 79: 310-316. [DOI:10.3168/jds.S0022-0302(96)76365-8]
18. Microsoft Visual FoxPro 9.0. Copyright© 1988-2004, Microsoft Corporation.
19. Mulder, H.A., P. Bijma and W.G. Hill. 2007. Prediction of breeding values and selection response with genetic heterogeneity of environmental variance. Genetics, 175: 1895-1910. [DOI:10.1534/genetics.106.063743]
20. Nakaoka, H., A. Narita, T. Ibi, Y. Sasae, T. Miyake, T. Yamada and Y. Sasaki. 2007. Effectiveness of adjusting for heterogeneity of variance in genetic evaluation of Japanese Black cattle. Journal of Animal Science, 85: 2429-2436. [DOI:10.2527/jas.2007-0063]
21. Neves, H.H.R., R. Carvalheiro and S.A. Queiroz. 2012. Genetic variability of residual variance of weight traits in Nellore beef cattle. Livestock Science, 142(1-3): 164-169. [DOI:10.1016/j.livsci.2011.07.010]
22. Nikolaou, M., A.P. Kominakis, E. Rogdakis and S. Zampitis. 2004. Effect of mean and variance heterogeneity on genetic evaluations of Lesbos dairy sheep. Livestock Production Science, 88: 107-115. [DOI:10.1016/j.livprodsci.2003.09.025]
23. Rekaya, R., M.J. Caraba-o and M.A. Toro. 2000. Assessment of heterogeneity of residual variances using changepoint techniques. Genetic Selection Evolution, 32(4): 383-394. [DOI:10.1186/1297-9686-32-4-383]
24. Robert-Granie, C., B. Bonaıti, D. Boichard and A. Barbat. 1999. Accounting for variance heterogeneity in French dairy cattle genetic evaluation. Livestock Production Science, 60: 343-357. [DOI:10.1016/S0301-6226(99)00105-0]
25. Sargolzaei, M., H. Iwaisaki and J.J. Colleau. 2006. CFC: A tool for monitoring genetic diversity. Proc. 8th World Congr. Genet. Appl. Livest. Prod., CD-ROM Communication 27-28. Belo Horizonte, Brazil, Aug. 13-18.
26. SAS, 2009. Release 9.1. SAS Institute Inc., Cary, North Carolia, USA.
27. Strabel, T. and T. Szwaczkowski. 1997. Additive genetic and permanent environmental variance components for test day milk traits in Black-White cattle. Livestock Production Science, 48: 91-98. [DOI:10.1016/S0301-6226(97)00005-5]
28. Strabel, T., T. Jankowski and J. Jamrozik. 2006. Adjustments for heterogeneous herd-year variances in a random regression model for genetic evaluations of polish Black-and-White cattle. Journal of Applied Genetics, 47: 125-130. [DOI:10.1007/BF03194611]
29. Szydowski, M. and T. Szwaczkowski. 1993. The effect of grouping herds according to production level on the heritability of milk traits in cattle. Animal Science Pap Rep, 11: 295-300. Urioste, J.I., D. Gianola, R. Rekaya, W.F. Fikse and K.A. Weigel. 2001. Evaluation of extent and amount of heterogeneous variance for milk yield in Uruguayan Holsteins. Journal of Animal Science, 72: 259-268.
30. Van der Werf, J.H.J., T.H.E. Meuwissen and G. De Jong. 1994. Effect of correction for heterogeneity of variances on bias and accuracy of breeding value estimation for Dutch dairy cattle. Journal of Dairy Science, 77: 3174-3184. [DOI:10.3168/jds.S0022-0302(94)77260-X]
31. Varkoohi, S., H. Merabani-Yeganeh, S.R. Miraei-Ashtiyani and N. Ghavi-Hossein-zadeh. 2007. Heterogeneity of variance for milk traits at climatical regions in Holstein dairy cattle in Iran and the best methods for data transformation. Journal of Pakistan biological science, 10(9): 1556-1558. [DOI:10.3923/pjbs.2007.1556.1558]
32. Visscher, P.M., R. Thompson and W.G. Hill. 1991. Estimation of genetic and environmental variances for fat yield in individual herds and an investigation into heterogeneity of variance between herds. Livestock Production Science, 28: 273-290. [DOI:10.1016/0301-6226(91)90010-N]
33. Wiggans, G.R. and P.M. Van Raden. 1991. Method and effect of adjustment for heterogeneous variance. Journal of Dairy Science, 4: 4350- 4357. [DOI:10.3168/jds.S0022-0302(91)78631-1]