Research on Animal Production

fa مقایسه برخی مدل های آماری غیرخطی در توصیف منحنی رشد مرغ های بومی مازندران Comparison of some Non-Linear Statistical Models to Describe the Growth Curve of Mazandaran Native Chickens ژنتیک و اصلاح نژاد دام ژنتیک و اصلاح نژاد دام پژوهشي Research <div style="text-align: justify;">    منحنی های رشد یکی از راه های توصیف رشد در یک دوره زمانی خاص هستند و بنابراین استفاده از توابع غیرخطی رشد به منظور اندازه گیری و پیش بینی وزن در زمان های مختلف عمر حیوان و محاسبه سودآوری تولید مفید خواهد بود. منحنی رشد در واقع ارتباط بین سن و وزن را به تعدادی محدود پارامترهای قابل تفسیر خلاصه می نمایند. هدف از این پژوهش تعیین بهترین مدل غیرخطی توصیف کننده منحنی رشد در مرغ بومی مازندران بود. برای رسیدن به این هدف، از دادهای وزن بدن در سنین مختلف مرغ بومی (هچ، 8 هفتگی، 12 هفتگی و وزن بلوغ جنسی) مربوط به 21 نسل اول که در مرکز اصلاح نژاد مرغ بومی مازندران جمع آوری شده اند استفاده شد. مدل های غیرخطی گومپرتز، لجستیک، برودی، ورهالست، ریچاردزو ون برتالانفی برای توصیف منحنی رشد مورد آزمون قرار گرفتند. برازش مدل های غیرخطی با استفاده از رویه ی حداقل مربعات غیرخطی (NLIN)  نرم افزار SAS انجام شد. به منظور تعیین بهترین مدل از ضریب تبیین اصلاح شده(R2adj) ، جذر میانگین مربعات خطا (RMSE)، معیار اطلاعات آکائیک (AIC) و معیار اطلاعات بیزی (BIC) استفاده شد. مدل گومپرتز با کمترین مقدار برای آماره های MSE، RMSE، AIC و BIC به عنوان بهترین مدل توصیف کننده منحنی رشد و مدل ریچاردز به عنوان نامناسب ترین مدل توصیف کننده رشد در مرغ بومی مازندران بود. همبستگی بین پارامترهای به دست آمده با استفاده از بهترین مدل غیرخطی (گومپرتز) نشان داد که همبستگی بین پارامتر a و b مثبت (72 درصد) و همبستگی بین a و k منفی (86 درصد( و همبستگی بین پارامترهای b و k منفی (95 درصد) برآورد شد. مقدار ضریب تبیین و ضریب تبیین استاندارد شده برای توابع مختلف مورد بررسی بین 0/92 تا 0/93 متغییر بود. به طور کلی نتایج نشان داد که مدل گوپرتز بهترین تابع توصیف کننده منحنی رشد در مرغ بومی مازندران است که می تواند برای پیش بینی وزن آینده پرنده ها و مدیریت گله مورد استفاده قرار گیرد. </div> <div style="text-align: justify;">     Growth curves are an approach to describe the growth over a specific period of time, so it would be useful to use nonlinear growth functions to measure and predict weight at different times of an animal's life and calculate production profitability. Growth curves actually summarize the relationship between age and weight into a limited number of interpretable parameters. The aim of this study was to determine the best nonlinear model describing the growth curve in Mazandaran native chickens. To achieve this goal, body weight data on different ages of native chickens (hatch, 8 weeks, 12 weeks and sexual maturity) for the first 21 generations collected at the Mazandaran Indigenous Breeding Center were used. Nonlinear models of Gompertz, logistics; Brody, Verhulst, Richards and VonBertalanffy were tested to describe the growth curve. Fitting of nonlinear models was performed using nonlinear least squares (NLIN) procedure of SAS software. To determine the most appropriate growth function and comparison between models, the coefficient of explanation (R2), corrected coefficient of explanation, Bayesian information criterion (BIC), Akaike information criterion (AIC) and root mean square error (RMSE) were used. Gompertz model with the lowest values for MSE, RMSE, AIC and BIC statistics was detected as the best model describing growth curve and Richards’s model as the most inappropriate model describing growth in Mazandaran native chicken. Correlation between parameters obtained using the best nonlinear model (Gompertz) showed that the correlation between parameter and b was positive (72%) and the correlation between and k was negative (86%). Also correlation between parameters b and k was negative (95%). The value of coefficient of explanation and adjusted coefficient of explanation for different functions varied between 0.92 to 0.93. In general, the results showed that the Gompertz model was the best function describing the growth curve in Mazandaran native chickens that could be used in herd management to predict the future weight of birds.</div> مرغ بومی, مدل های غیرخطی, منحنی رشد, وزن بدن Growth, Native chicken, Nonlinear model, Prediction 132 138 http://rap.sanru.ac.ir/browse.php?a_code=A-10-452-3&slc_lang=fa&sid=1 Masih Barapour مسیح برارپور masih.brp8786@gmail.com 100319475328460016499 100319475328460016499 No M.Sc. student, Department of Animal Science, Sari Agricultural Sciences and Natural Resources University, Sari, Iran دانشجوی کارشناسی ارشد، گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری Mohsen Gholizadeh محسن قلی زاده m.gholizadeh@sanru.ac.ir 100319475328460016500 100319475328460016500 Yes Associate Professor, Department of Animal Science, Sari Agricultural Sciences and Natural Resources University, Sari, Iran, گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری Hasan Hafezian حسن حافظیان hassanhafezian@yahoo.com 100319475328460016501 100319475328460016501 No Associate Professor, Department of Animal Science, Sari Agricultural Sciences and Natural Resources University, Sari, Iran, گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری Ayob Farhadi ایوب فرهادی 100319475328460016502 100319475328460016502 No Department of Animal Science, Sari Agricultural Sciences and Natural Resources University, Sari, Iran گروه علوم دامی، دانشگاه علوم کشاورزی و منابع طبیعی ساری