دوره 10، شماره 24 - ( تابستان 1398 )
جلد 10 شماره 24 صفحات 119-112 |
برگشت به فهرست نسخه ها
دانشگاه زابل
چکیده: (3069 مشاهده)
هدف از این تحقیق، پیشبینی مؤلفه های واریانس- کواریانس فراسنجههای منحنی تولید تخم و همبستگی ژنتیکی آنها با برخی صفات اقتصادی با استفاده از مناسب ترین تابع توصیفکننده منحنی تولید تخم در سویه وحشی بلدرچین بود. بدین منظور رکوردهای روزانه تولید تخم در طول بیست هفته اول برای برازش منحنی مورد استفاده قرار گرفت. پنج تابع لجستیک غیرخطی، گامای ناقص (وود)، جزءبه‌جزء، گامای تصحیحشده و لجستیک نلدر توسط برنامه کامپیوتری R برازش شده و تابع مناسب با استفاده از معیارهای برازش نکویی تعیین شد. بعد از انتخاب مناسب ترین تابع، پارامتر منحنی تولید تخم برای هر یک از بلدرچین ها محاسبه شده و همبستگی ژنتیکی آنها با سن و وزن بلوغ، تعداد تخم، مجموع و میانگین تخم تولیدی در طول 20 هفته اول برآورد شد. همبستگی ژنتیکی بین صفات با استفاده از مدل حیوانی دو صفتی و روش نمونه گیری گیبس توسط نرم افزار Gibbs3f90 محاسبه شد. براساس معیارهای برازش نکویی، تابع گامای تصحیحشده مناسب ترین تابع توصیفکننده تولید تخم در بلدرچین بود. برآورد وراثت پذیری برای نرخ کاهشی تولید نسبت به نرخ افزایشی تولید بالاتر بوده (231/0 در مقایسه با 148/0) و وراثت پذیری وزن بلوغ بالاتر از سن بلوغ بدست آمد. همچنین در بین صفات تولیدی مورد بررسی، وراثت پذیری تعداد تخم بالاتر از مجموع و میانگین وزن تخم برآورد شد. بالاترین و پایین ترین همبستگی ژنتیکی بهترتیب بین نرخ کاهشی و افزایشی تولید (764/0-) و نرخ افزایشی تولید با وزن بلوغ (031/0-) بدست آمد. نتایج پژوهش حاضر نشان داد که مجموع و میانگین وزن تخم و سن بلوغ می تواند جهت بهبود پارامترهای منحنی تخم در هدف انتخابی سویه وحشی مورد توجه قرارگیرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
ژنتیک و اصلاح نژاد دام
دریافت: 1397/10/29 | ویرایش نهایی: 1398/6/30 | پذیرش: 1398/2/29 | انتشار: 1398/6/27
دریافت: 1397/10/29 | ویرایش نهایی: 1398/6/30 | پذیرش: 1398/2/29 | انتشار: 1398/6/27
فهرست منابع
1. Ahmad, H.A. 2011. Egg production forecasting: determining efficient modeling approaches. The Journal of applied poultry research, 20(4): 463-473. [DOI:10.3382/japr.2010-00266]
2. Bindya, L., H. Murthy, M. Jayashankar and M. Govindaiah. 2010. Mathematical models for egg production in an Indian colored broiler dam line. International Journal of Poultry Science, 9: 916-919. [DOI:10.3923/ijps.2010.916.919]
3. Corrêa, R.J., L.P. Silva, A.C.C. Soares, G.C. Caetano, C.D.S. Leite, C.M. Bonafé, M.F. Sousa and R.A. Torres. 2017. Genetic parameters for egg production in meat quails through partial periods. Ciência Rural, 47(4): 1-7. [DOI:10.1590/0103-8478cr20160374]
4. Daikwo, S.I., N.I. Dim and N.I. Momoh. 2014. Genetic parameters of some egg production traits in Japanese quail in a tropical environment. Journal of Agriculture and Veterinary Science, 7(9): 9-42. [DOI:10.9790/2380-07933942]
5. El-Full, E.A. 2001. Genetic analysis of hatched egg weight, body weight at different ages and reproductive performance with their relationships in Japanese quail. Egyptian Poultry Science Journal, 21(2): 291-304.
6. Fairfull, R.W. and R.S. Gowe. 1990. Genetics of egg production in chickens. In: Crawford, R.D (eds.) Poultry Breeding and Genetics. Elsevier Science Publishers, Amsterdam, The Netherlands, 705-759 pp.
7. Geweke, J. 1992. Evaluating the accuracy of sampling based approaches to calculating posterior moments. In: Bernardo, J.O., J.M. Berger, A.P. Dawid and A.F.M. Smith (eds.). Bayesian statistics. Oxford University Press, Oxford, UK, 169-194 pp.
8. Gloor, A. 1997. Mathematical models for the estimation of egg production of moulted and non-moulted layer flocks. Archiv fur Geflugelkunde, 61: 186-190.
9. Gowe, R.S. and R.W. Fairfull. 1982. Heterosis in egg-type chickens. Proceedings of the 2nd World on Genetics Applied to Livestock Production, Madrid. Spain, 228-242 pp.
10. Karabag, K., S. Alkan and M.S. Balcioglu. 2010. The differences in some production and clutch traits in divergently selected Japanese Quails. The Journal of the Faculty of Veterinary Medicine, University of Kafkas, 16: 383-387.
11. Langhout, P. 2000. New additives for broiler chickens. World poultry, 16(3): 22-27.
12. McMillan, I., R.S. Gowe, J.S. Gavora and R.W. Fairfull. 1986. Prediction of annual production from part record egg production in chickens by three mathematical models. Poultry Science, 65: 817-822. [DOI:10.3382/ps.0650817]
13. McMillan, I., M. Fitz-Earle, L. Butler and D.S. Robson. 1970. Quantitative genetics of fertility I. lifetime egg production of Drosophila Melanogaster. Theoretical Genetics, 65: 349-353.
14. McNally, D.H. 1971. Mathematical model for poultry egg production. Biometrics, 27: 735-738. [DOI:10.2307/2528612]
15. Misztal, I., S. Tsuruta, T. Strabel, B. Auvray, T. Druet and D. Lee. 2002. BLUPF90 and related programs (BGF90). Proceedings of the 7th world congress on genetics applied to livestock production. Montpellier, France, 1-2 pp.
16. Naghous, M., S.M. Hosseini, H. Naeemipour Younesi, D. Hasanpour and D. Khodaparast. 2014. Study on statistical characteristics of some non-linear functions in fitting egg production curve. Journal of Livestock Research, 2(3): 71-77 (In Persian).
17. Narinc, D., E. Karaman, T. Aksoy and Z.F. Mehmet. 2013. Investigation of nonlinear models to describe long- term egg production in Japanese quail. The Journal of Poultry Science, 92: 1676-1682. [DOI:10.3382/ps.2012-02511]
18. Nelder, J.A. 1961. The fitting of a generalization of the logistic curve. Biometrics, 17: 89-110. [DOI:10.2307/2527498]
19. NRC. 1994. Nutrient requirements of poultry. 9th Edn, National Academy Press, Washington.
20. Onil, O.O., B.Y. Abubakar, N.I. DimQ, O.E. Asiribo and I.A. Adeyinka. 2007. Genetic and phenotypic relationships between mcnaIIy model parameters and egg production traits. International Journal of Poultry Science, 6(1): 8-12. [DOI:10.3923/ijps.2007.8.12]
21. Pinheiro, J., D. Bates, S. DebRoy, D. Sarkar, S. Heisterkamp and B. Van Willigen. 2016. R Core Team. nlme: linear and nonlinear mixed effects models. R package version, 3: 1-128.
22. Rahimzadeh, R., M. Rokouei, H. Faraji- Arough, A. Maghsoudi and B. Keshtegar. 2017. Short- term egg production curve fitting using nonlinear models in Japanese quail. Journal of Animal Production, 19(2): 299-310 (In Persian).
23. Reddish, J.M., K.E. Nestor and M.S. Lilburn. 2003. Effect of selection for growth on onset of sexual maturity in random bred and growth-selected lines of Japanese quail. Poultry Science, 82: 187-191. [DOI:10.1093/ps/82.2.187]
24. Sachdev, A.K. and S.D. Ahuja. 1986. Studies on the influence of body weight at sexual maturity on production traits in Japanese quail. Indian Journal of Poultry Science, 21: 66-68.
25. Safari Alighiralou, A., R. Vaez Torshizi and A. Pakdel. 2013. Mathematical functions to describe the egg production curves in a commercial broiler dam line. Iranian Journal of Animal Science, 43(4): 502-512 (In Persian).
26. Savegnago, R.P., B.N. Nunes, S.L. Caetano, A.S. Ferraudo, G.S. Schmidt, M.C. Ledur and D.P. Munari. 2011. Comparison of logistic and neural network models to fit to the egg production curve of White Leghorn hens. Poultry Science, 90: 705-711. [DOI:10.3382/ps.2010-00723]
27. Shahri, L., S. Alijani, H. Janmohhamadi and A. Hosseinkhani. 2015. A study on genetic and phenotypic trends for some performance characteristics in Azerbaijan's native chickens. Journal of Livestock Research, 4(4): 29-38 (In Persian).
28. Shiv, P. and D.P. Singh. 2009. Nonlinear Models for poultry egg production. Indian Journal of Animal Research, 43(2): 84-88.
29. Thomas, P.C. and S.D. Ahuja. 1988. Improvement of broiler quails of CARI through selective breeding. Poultry Guide, 25: 45-47.
30. Warriss, P. 2010. Meat science: an introductory text (Cabi). Wallingford, UK: Oxfordshire. [DOI:10.1079/9781845935931.0000]
31. Wolc, A.T., M. Wardowska and T. Szwacskowski. 2004. Predicting ability of the Mathematical models describing egg production curves. 22nd world's poultry congress. Istanbul, Turkey, 143 pp.
32. Wood, P.D.P. 1967. Algebratic model of the lactation curve in cattle. Nature, 216: 164-165. [DOI:10.1038/216164a0]
33. Yang, N., C. Wu and I. McMillan. 1989. New mathematical model of poultry egg production. Poultry Science, 68: 176-181. [DOI:10.3382/ps.0680476]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |