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:  پرورش گوسفند از دیرباز نقش بی‌بدیلی در تأمین منابع ارزشمندی چون گوشت، پشم، شیر و پوست داشته است و همچنان یکی از پایه‌های اصلی صنعت دامپروری محسوب می‌شود. این حیوان، با سازگاری به شرایط اقلیمی مختلف، توانسته است به بخش جدایی‌ناپذیری از زندگی روستایی و عشایری تبدیل شود. در این میان، ژن‌های مؤثر بر صفات رشد و تولید گوسفندان، توجه ویژه‌ای را به خود جلب کرده‌اند. ژن لپتین، به‌عنوان یکی از عوامل کلیدی در این زمینه، نقشی اساسی در تنظیم متابولیسم و سیستم‌های فیزیولوژیکی ایفا می‌کند. لپتین، محصول ژن obese (ob) با وزن مولکولی ۱۶ کیلودالتون، توسط بافت چربی ترشح می‌شود. این هورمون با تأثیر بر مراکز اشتها در هیپوتالاموس، نه‌تنها مصرف غذا را تنظیم می‌کند، بلکه در حفظ تعادل انرژی، باروری و عملکرد ایمنی بدن نیز دخیل است. ساختار ژن لپتین شامل سه اگزون و دو اینترون است که دو اگزون آن به پروتئین ترجمه می‌شوند. تغییرات ژنتیکی یا واریانت‌های موجود در این ژن، می‌توانند منجر به تفاوت‌های قابل‌توجهی در صفات رشد و تولید شوند. مواد و روش‌ها: در این پژوهش، با هدف بررسی نقش ژن لپتین در رشد گوسفندان، ۱۶۹ رأس گوسفند نه‌ماهه نژاد لری-بختیاری (۶۳ رأس نر و ۱۰۶ رأس ماده) و ۱۳۰ رأس گوسفند زل (۳۰ رأس نر و ۱۰۰ رأس ماده) مورد مطالعه قرار گرفتند. نمونه‌گیری از طریق خونگیری انجام شد و صفات بیومتری آن‌ها با دقت اندازه‌گیری گردیدند. داده‌های مرتبط با صفات رشد، شامل وزن تولد، وزن از شیرگیری، وزن شش و نه ماهگی از ایستگاه‌های به‌نژادی جمع‌آوری و برای تحلیل دقیق، ثبت شدند. فرآیند استخراج DNA با استفاده از ۲۵۰ میکرولیتر خون و به‌کارگیری روش نمکی بهینه‌یافته صورت پذیرفت. ارزیابی کیفیت و کمیت DNA استخراج‌شده از طریق اسپکتروفتومتری و الکتروفورز ژل آگارز ۱٪ انجام شد تا صحت و دقت داده‌ها تضمین گردد. پس از واکنش زنجیره‌ای پلیمراز (PCR)، الگوهای ژنتیکی تعیین گردید و توالی‌یابی دقیق انجام شد. برای بررسی تأثیر ژنوتیپ‌ها بر صفات اندازه‌گیری‌شده، دو مدل حیوانی به کار گرفته شد. در گوسفندان نژاد لری-بختیاری، به&lrm;دلیل هم‌سن بودن دام‌ها، عامل سن از مدل حذف گردید. عوامل ثابت مورد بررسی شامل نحوه تولد (تک‌قلو یا چندقلو بودن)، ماه تولد، سن مادر و ژنوتیپ هر دام بودند. علاوه بر این، اثر هر دام به‌عنوان عاملی تصادفی و میزان هم‌خونی به‌عنوان متغیری مستقل در مدل آماری لحاظ شدند. وزن تولد، وزن از شیرگیری و سن دام در زمان وزن‌کشی سه‌ماهگی نیز به‌عنوان عوامل همبسته در نظر گرفته شدند تا مدل تحلیلی از دقت بالاتری برخوردار باشد. تحلیل آماری داده‌ها با نرم‌افزار SAS 9.12 انجام شد تا نرمال بودن توزیع داده‌ها بررسی شود و در صورت لزوم، اصلاحات لازم صورت پذیرند.  یافته‌ها:  نتایج بررسی‌های ژنتیکی انجام‌شده بر روی نمونه‌های گوسفندان نشان دادند که نمونه‌های DNA برای مراحل بعدی پژوهش مناسب بودند. پس از اجرای فرآیند PCR و استفاده از نشانگر SCCP، هفت الگوی باندی متفاوت شناسایی شدند که نشان‌دهنده تنوع ژنتیکی میان نمونه‌ها بود. تحلیل نتایج توالی‌یابی، پنج ژنوتیپ مختلف را مشخص کرد، که در نژادهای زل و لری‌بختیاری، در جایگاه‌های ۱۰۷ و ۳۱۶ ژن لپتین هیچ‌گونه چندشکلی وجود نداشت. اما در این نژادها، جهش‌های نوکلئوتیدی در موقعیت‌های ۲۷۱، ۳۸۷ و ۴۳۳ شناسایی شدند که منجر به تغییر در اسیدهای آمینه مرتبط گردید. این تغییرات می‌توانند ساختار سه‌بعدی پروتئین لپتین را تحت‌تأثیر قرار دهند و در نتیجه بر عملکرد آن مؤثر باشند. در نژاد زل، تنها جهش نوکلئوتیدی در موقعیت ۳۸۷ مشاهده شد که بیانگر تنوع ژنتیکی کمتر در این نژاد نسبت به لری‌بختیاری است. تحلیل آماری نیز نشان داد که جنسیت، ماه تولد و ژن لپتین تأثیرات معنی‌داری بر صفات مختلف داشتند. به‌طور مشخص، جنسیت بر صفاتی همچون طول بدن، قد، طول دم (P < 0.05)، دور سینه و دور گردن (P < 0.01)، دور شکم، دور ران، دور دم، طول میان، طول چپ و راست دنبه، عرض میانی و پایین دنبه و طول شکاف دنبه (P < 0.05) تأثیرگذار بود. دام‌های نر در بسیاری از این صفات، مقادیر بالاتری را نسبت به دام‌های ماده نشان دادند که می‌تواند به دلایل فیزیولوژیکی و هورمونی باشد. ماه تولد نیز بر وزن تولد و افزایش وزن روزانه (P < 0.01) تأثیر داشت. بره‌های متولد شده در ماه‌های مختلف، به‌دلیل تفاوت در شرایط محیطی مانند دما، رطوبت و دسترسی به منابع غذایی، رشد متفاوتی را نشان دادند. به‌عنوان مثال، بره‌های متولد شده در فصل‌هایی با شرایط آب‌وهوایی مناسب‌تر، افزایش وزن بهتری داشتند. ژن لپتین تأثیر معنی‌داری بر افزایش وزن روزانه، نسبت کلیبر، طول بدن، قد، دور شکم، دور گردن و دور سینه (P < 0.05) نشان داد. این نتایج بیانگر نقش مهم این ژن در فرآیندهای مربوط به رشد و متابولیسم انرژی در گوسفندان هستند. دام‌هایی با ژنوتیپ‌های خاص لپتین، عملکرد بهتری در صفات رشد داشتند که می‌تواند به‌عنوان معیاری در برنامه‌های اصلاح نژادی مورد استفاده قرار گیرد. نتیجه‌گیری: یافته‌های این پژوهش نشان می&lrm;دهند که جهش‌های ژنتیکی در ژن لپتین می‌توانند بر ساختار و عملکرد پروتئین تأثیر بگذارند و در نتیجه، صفات رشد و تولید را در گوسفندان تحت‌تأثیر قرار دهند. در نژاد لری‌بختیاری، بیشترین تنوع ژنتیکی مشاهده شد. در این نژاد، ژنوتیپ یک کمترین و ژنوتیپ سوم بیشترین مقادیر را در صفات مورد مطالعه داشتند، که نشان‌دهنده‌ی تأثیر مثبت برخی ژنوتیپ‌ها بر صفات رشد است. در نژاد زل نیز ژنوتیپ‌های یک، دو و سه شناسایی شدند و بین آن‌ها در صفاتی مانند افزایش وزن روزانه، شاخص کلیبر، طول دم، طول بدن، قد، دور سینه، دور شکم و دور گردن ارتباط معنی‌داری وجود داشت. این نتایج تأکید می‌کنند که حتی در نژادهایی با تنوع ژنتیکی کمتر، شناسایی ژنوتیپ‌های برتر می‌تواند به بهبود صفات اقتصادی مهم کمک کند. به‌طور کلی، این پژوهش نشان می‌دهد که شناسایی و تحلیل دقیق جهش‌های ژنتیکی در ژن لپتین می‌تواند ابزار قدرتمندی برای بهبود برنامه‌های اصلاح نژادی و افزایش بهره‌وری در صنعت دامپروری باشد. استفاده از مارکرهای ژنتیکی مرتبط با صفات رشد، امکان انتخاب هدفمند دام‌های برتر را فراهم می‌کند و می‌تواند به افزایش تولید گوشت با کیفیت، بهبود کارایی تغذیه و ارتقاء صفات تولیدی منجر شود. پیشنهاد می‌شود که تحقیقات بیشتری در زمینه‌ی تأثیر جهش‌های ژنتیکی ژن لپتین بر سایر صفات اقتصادی گوسفندان انجام شوند تا بتوان از اطلاعات به‌دست‌آمده در برنامه‌های به‌نژادی و مدیریت پرورش بهره‌برداری کامل‌تری داشت. </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 100319475328460026006 100319475328460026006 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 100319475328460026007 100319475328460026007 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 100319475328460026008 100319475328460026008 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 100319475328460026009 100319475328460026009 No College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران