برآورد پارامترهای ژنتیکی افزایش وزن روزانه و نسبت کلیبر در گوسفندان استان گیلان
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 148
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASR-7-1_012
تاریخ نمایه سازی: 25 اسفند 1400
چکیده مقاله:
هدف از این پژوهش برآورد پارامترهای ژنتیکی صفات میانگین افزایش وزن روزانه از تولد تا سه ماهگی (ADGa)، از تولد تا شش ماهگی (ADGb) و از سه ماهگی تا شش ماهگی (ADGc) و هم چنین نسبت های کلیبر منطبق با افزایش وزن های روزانه فوق الذکر (KRa، KRb و KRc ) گوسفندان استان گیلان بود. داده ها و اطلاعات شجره در طی سال های ۱۳۷۳ تا ۱۳۹۰ به وسیله سازمان جهاد کشاورزی استان گیلان جمع آوری شده بود. آزمون معنی داری اثرات ثابت موثر بر صفات مورد مطالعه با استفاده از رویهGLM نرم افزار SAS انجام گرفت. اثر ترکیبی گله- سال- فصل، جنس بره و سن مادر هنگام زایش بر تمامی صفات مورد مطالعه معنی دار بودند. پارامترهای ژنتیکی بر اساس ۶ مدل حیوانی مختلف و با استفاده از روش حداکثر درستنمایی محدود شده نرم افزارWombat برآورد شدند. مناسب ترین مدل بر اساس معیار اطلاعات آکایک تعیین شد. بر اساس بهترین مدل، وراثت پذیری مستقیم برای ADGa، ADGb و ADGc و هم چنین نسبت های کلیبر منطبق با افزایش وزن های روزانه فوق الذکر به ترتیب برابر ۷۹/۰، ۱۸/۰، ۰۶/۰، ۲۵/۰، ۵۳/۰ و ۰۷/۰ بود. همبستگی ژنتیکی مستقیم بین صفات KRb و KRc کم ترین (۴۸/۰-) و بین صفات ADGc و KRaبیش ترین (۹۴/۰) مقدار را داشت. همبستگی فنوتیپی در دامنه ۳۷/۰- تا ۹۰/۰ قرار داشت و همبستگی محیطی نیز از ۵۵/۰- تا ۹۰/۰ متغیر بود. برآورد پارامتر های ژنتیکی صفات رشد در این مطالعه نشان می دهند که در گوسفندان استان گیلان تنوع ژنتیکی کافی و در حد سایر نژادهای گوسفند در ایران وجود دارد و هم چنین پیشرفت ژنتیکی برای این صفات به وسیله انتخاب امکان پذیر است.
کلیدواژه ها:
نویسندگان
بهاره اعتقادی
گروه علوم دامی، دانشکده علوم کشاورزی، دانشگاه گیلان
نوید قوی حسین زاده
گروه علوم دامی، دانشکده علوم کشاورزی، دانشگاه گیلان
عبدالاحد شادپرور
گروه علوم دامی، دانشکده علوم کشاورزی، دانشگاه گیلان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :