Research on Animal Production

fa مطالعه برازش مدل‎ های تابعیت وزن زنده از صفات بیومتری با تحلیل مؤلفه‎ های اصلی در شترهای یک ‎کوهانه نژاد سمنانی A Study on the Fitting of a Linear Regression Model for the Live Weight of Biometric Traits using Principal Component Analysis in One-Hump Semnani Camels تخصصي Special پژوهشي Research <div style="text-align: justify;">چکیده مبسوط مقدمه و هدف: با توجه به وجود خشک&lrm;سالی‌های ممتد و متناوب در نواحی کویر مرکزی و حواشی آن، فقط شتر قابلیت زیست و تولید را دارد و سایر دام‌ها قادر به ادامه حیات دراکثر این مناطق با این شرایط نیستند. با توجه به روند کاهشی جمعیت شتر در کشور، انجام مطالعات گسترده جهت انتخاب حیوانات مناسب ضروری است و اجرای برنامه&lrm; های اصلاحی ضرورت خاصی را دارد. اولین مرحله در برنامه &lrm;های اصلاحی و انتخاب حیوانات، شناسایی صفات مهم اقتصادی و اندازه&lrm; گیری و یا برآورد دقیق این صفات با استفاده از روش&lrm; های صحیح و دقیق است. به &lrm;دلیل موقعیت و شرایط مکانی زندگی شتر، در اکثر موارد دسترسی به باسکول جهت وزن&lrm; کشی مقدور نیست و همچنین از آنجا که در بین پرورش دهندگان شتر، سن یک سالگی سن انتخاب برای ماندن در گله یا فروش است، اهمیت داشتن معادله&lrm; ای صحیح از تابعیت وزن از صفات بیومتری در این سن بیش از پیش آشکار می&lrm; شود. بنا بر این، ضرورت ارائه روش مناسب در این خصوص سبب گردیده است تا با استفاده از اندازه&lrm; های ظاهری بدن، جهت ارزیابی شتران زنده از نظر خصوصیات وزن استفاده شود. سازوکارهای درگیر در کنترل اغلب صفات بیولوژیک در موجودات زنده پیچیده&lrm; تر از آن هستند که به &lrm;وسیله آنالیز تک&lrm; متغیره تفسیر شوند. از آنجا که اغلب صفات به&lrm; طور بیولوژیک از طریق اثرات پلیوتروپیک ژن &lrm;ها و پیوستگی جایگاه&lrm; های ژنی با یکدیگر همبستگی دارند و این همبستگی سبب اریب &lrm;شدن برآوردها می&lrm; شود، در نتیجه روش&lrm; های چندمتغیره جهت آنالیز داده &lrm;ها با همبستگی بالا به&lrm; کار گرفته می &lrm;شوند. روش آنالیز مؤلفه&lrm; های اصلی یک روش ریاضی جهت تبدیل تعدادی از متغیرهای همبسته به تعداد کمتری از متغیرهای غیرهمبسته است که در صورت اندازه&lrm; گیری یک سری از صفات مرتبط با صفت مورد نظر، اندازه دقیق صفت مورد نظر که امکان اندازه &lrm;گیری ندارد را می&lrm; توان با استفاده از آنالیز مؤلفه&lrm; های اصلی پیش &lrm;بینی کرد. هدف اصلی پژوهش حاضر، مقایسه روش تحلیل مولفه &lrm;های اصلی (PCA) با روش رگرسیون خطی چندمتغیره و حداقل مربعات معمولی است و در نهایت معادله&lrm; ای مناسب، ساده، دقیق و کارآمد جهت برآورد وزن زنده از صفات بیومتری شترهای یک ساله ارائه می&lrm; گردد. مواد و روش&lrm; ها: در این پژوهش، به &lrm;صورت تصادفی 250 نفر از شترهای یک ساله از مناطق مختلف استان سمنان انتخاب گردیدند که پس از ثبت جنسیت و سن، صفات بیومتری و اوزان ثبت شدند. به &lrm;منظور تعیین میزان احتمال همبستگی میان دو دسته از فرمول ضریب تبیین (R2) و به&lrm; منظور تشخیص شدت چندخطی در تحلیل رگرسیون حداقل مربعات معمولی از فرمول ضریب تورم واریانس (VIF) استفاده شد. ویرایش داده &lrm;ها با نرم&lrm; افزار Excel و آنالیزهای تابعیت چندگانه و PCA با نرم &lrm;افزار SAS‌ انجام شدند. سپس، وجود هم &lrm;راستایی چندگانه در داده&lrm; ها با بررسی همبستگی بین متغیرهای مستقل بررسی شد. پس از برآورد مقادیر و بردارهای ویژه مربوطه، تعدادی از مقادیر ویژه که بیشترین تغییرات را توجیه می &lrm;کنند برای ایجاد معادله تابعیت جدید مورد استفاده قرار گرفتند. به&lrm; منظور انتخاب تعداد مقادیر ویژه از قانون کایسر-گاتمن استفاده شد. در مرحله آخر، ضرایب معادله تابعیت با داده&lrm; های استاندارد شده به &lrm;دست آمدند. یافته &lrm;ها: صفات وزن بدن، ارتفاع بدن، طول بدن، محیط شکم و محیط سینه به &lrm;ترتیب با مقادیر میانگین 170 کیلوگرم، 145، 116، 174 و 134 سانتی‌متر و با ضریب تبیین 0/92 اندازه‌گیری و برآورد شدند. وجود ضریب تبیین بالا می&lrm;تواند ناشی از تورم واریانس حاصل از هم&lrm; راستایی و یکی از ابتدایی&lrm; ترین نشانه&lrm; های وجود هم&lrm; راستایی چندگانه باشد که با بررسی بین اکثر متغیرها همبستگی بالایی مشخص گردید. مقادیر تورم واریانس برای متغیرهای مستقل ارتفاع بدن، طول بدن، محیط شکم و دور سینه به &lrm;ترتیب 45/66، 0/39، 0/92 و 2/05 برآورد شدند که صفت ارتفاع بدن دارای بیشترین واریانس نسبت به مقدار بحرانی پنج تا 10 بود که هم‌راستایی چندگانه رخ خواهد داد. طبق نتیجه آنالیز روش حداقل مربعات معمولی، صفات ارتفاع بدن، طول بدن، محیط شکم و محیط سینه به &lrm;ترتیب به میزان‌های 0/50، 0/49، 0/48 و 0/51 در برآورد وزن بدن اهمیت داشتند، که صفات محیط سینه و محیط شکم به &lrm;ترتیب بیشترین و کمترین اهمیت را داشتند. با توجه به نتایج آنالیز تابعیت مولفه‌های اصلی، صفات ارتفاع بدن، طول بدن، محیط شکم و محیط سینه به &lrm;ترتیب به مقادیر 0/95، 0/62، 0/76 و 0/78 در برآورد وزن بدن مورد اهمیت بودند که صفات ارتفاع بدن و طول بدن به &lrm;ترتیب بیشترین و کمترین اهمیت را داشتند. نتیجه‌گیری: نتایج حاصل از این مطالعه نشان می &lrm;دهند که مشکل هم&lrm; راستایی چندگانه موجود در اطلاعات مربوط به ارتباط بین وزن شتر نژاد سمنانی با چهار متغیر مستقل مربوط به این صفت با استفاده از روش تابعیت مولفه&lrm; های اصلی قابل حل است. در شرایط وجود هم &lrm;راستایی چندگانه در داده&lrm; ها، روش تابعیت مؤلفه &lrm;های اصلی برای برآورد معادله تابعیت نسبت به روش حداقل مربعات معمولی پیشنهاد می&lrm; شود. در این صورت، خطاهای استاندارد برآوردها نسبت به روش حداقل مربعات معمولی کمتر خواهد بود. در نهایت، نتایج به &lrm;دست &lrm;آمده پیشنهاد می&lrm; کنند که آنالیز مؤلفه&lrm; های اصلی را می &lrm;توان در حالت وجود هم &lrm;راستایی در آنالیزهای رگرسیون خطی چندمتغیره به&lrm; کار برد و برآوردهای دقیق &lrm;تری نسبت به روش &lrm;های حداقل مربعات معمولی داشت. همچنین، این روش را با کاهش مؤثر در تعداد صفات بیومتریک مورد نیاز می &lrm;توان برای استفاده در برنامه&lrm; های اصلاحی و انتخاب افراد برتر استفاده کرد.</div> <div style="text-align: justify;">Extended Abstract Background: Due to the continuous and intermittent droughts in the central desert and its outskirts, only camels are capable of survival and production, and other livestock are not able to continue living in most of these areas under these conditions. Given the declining trend of the camel population in Iran, extensive studies are necessary to select suitable animals, and the implementation of breeding programs is particularly necessary. The first step in breeding programs and animal selection is to identify important economic traits and to accurately measure or estimate these traits using correct and accurate methods. Due to the location and spatial conditions of camel life, it is not possible in most cases to access scales for weighing. Since the age of one year is the age of selection among camel breeders for remaining in the herd or sale, the importance of having a correct equation of the dependence of weight on biometric traits at this age becomes more apparent than ever. Therefore, the need to provide an appropriate method in this regard has led to the use of external body measurements to evaluate live camels in terms of weight characteristics. The mechanisms involved in the control of most biological traits in living organisms are highly complex for interpretation by univariate analysis. Because most traits are biologically correlated through the pleiotropic effects of genes and the linkage of gene loci, this correlation causes estimates to be biased; as a result, multivariate methods are used to analyze data with high correlation. The principal component analysis (PCA) method is a mathematical method for converting a number of correlated variables into a smaller number of uncorrelated variables. Using PCA makes it possible to predict the exact size of the desired trait that cannot be measured while measuring a series of traits related to the desired trait. The present study mainly aims to compare the PCA method with the multivariate linear regression and ordinary least squares methods, and ultimately to present a suitable, simple, accurate, and efficient equation for estimating live weight from biometric traits of one-year-old camels. Methods: In this study, 250 one-year-old camels were randomly selected from different regions of Semnan Province, and their biometric traits and weights were recorded after recording their gender and age. The probability of correlation between two groups was determined using the coefficient of determination (R2) formula. The variance inflation factor (VIF) formula was used to detect the intensity of multicollinearity in ordinary least squares regression analysis. Data were edited with Excel software. Multiple regression analysis and PCA were performed with SAS software. The presence of multiple alignment in the data was examined by examining the correlation between independent variables. After estimating the relevant eigenvalues and vectors, a number of eigenvalues were used to justify the most changes to create a new regression equation. The Kaiser-Guttman rule was used to select the number of eigenvalues. In the final stage, the coefficients of the regression equation were obtained with standardized data. Results: The body weight, body height, body length, abdominal circumference, and chest circumference were the traits measured and estimated with mean values of 170 kg, 145, 116, 174, and 134 cm, respectively, and with an R2of 0.92. The presence of a high R2could be due to variance inflation resulting from collocation and one of the earliest signs of the existence of multiple collocation, which was determined by examining the high correlation between most variables. The variance inflation values for body height, body length, abdominal circumference, and chest circumference as the independent variables were estimated at 45.66, 0.39, 0.92, and 2.05, respectively, with the body height trait having the highest variance compared to the critical value of 5 to 10, where multiple collocation would occur. According to the results of the ordinary least squares analysis, the body height, body length, abdominal circumference, and chest circumference were important traits at the levels of 0.50, 0.49, 0.48, and 0.51 in estimating body weight, respectively, with the chest circumference and abdominal circumference traits having the highest and lowest importance, respectively. According to the PCA results, the body height, body length, abdominal circumference, and chest circumference were important traits at the levels of 0.95, 0.62, 0.76, and 0.78 in estimating body weight, respectively, with the body height and body length traits having the highest and lowest importance, respectively. Conclusion: The results of this study show that the multiple correlation problem in the data related to the relationship between the weight of Semnani camels and four independent variables related to this trait can be solved using the PCA method. In the case of multiple correlation in the data, the PCA method is recommended for estimating the regression equation compared to the ordinary least squares method. In this case, the standard errors of the estimates will be lower than those the ordinary least squares method. Finally, the obtained results suggest that PCA can be used in the presence of alignment in multivariate linear regression analyses and has more accurate estimates than ordinary least squares methods. Moreover, it can be used with an effective reduction in the number of biometric traits required for use in breeding programs and the selection of superior individuals.  </div> تحلیل مؤلفه‎ های اصلی, حداقل مربعات معمولی, شتر, صفت و هم ‎راستایی چندگانه Camel, Co-Linearity, Ordinary least squares, Principal components analysis and Trait 1 8 http://rap.sanru.ac.ir/browse.php?a_code=A-10-185-2&slc_lang=fa&sid=1 Hossein MoradiShahrBabak حسین مرادی شهربابک hmoradis@ut.ac.ir 100319475328460025706 100319475328460025706 Yes College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Hadi Moghbeli هادی مقبلی hadi_moghbeli@yahoo.com 100319475328460025707 100319475328460025707 No College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Mohammad MoradiShahrbabak محمد مرادی شهربابک moradim@ut.ac.ir 100319475328460025708 100319475328460025708 No College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران Milad Gholami میلاد غلامی amfarahanikh@gmail.com 100319475328460025709 100319475328460025709 No College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران