پیش بینی ژنومی اثرات افزایشی و غالبیت بر برخی صفات اقتصادی گوسفند مغانی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 234
فایل این مقاله در 7 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_RAP-13-38_020
تاریخ نمایه سازی: 2 بهمن 1401
چکیده مقاله:
چکیده مبسوط
مقدمه و هدف: اثرات ژنتیکی غالبیت ممکن است سهم مهمی در کل تنوع ژنتیکی صفات کمی و پیچیده داشته باشند. با این حال، تحقیقات نشانگرهای گسترده ژنوم برای مطالعه پیش بینی ژنومی و مکانیسم های ژنتیکی صفات پیچیده عموما اثرات ژنتیکی غالبیت را نادیده می گیرند. افزایش در دسترس بودن مجموعه داده های ژنومی و مزایای بالقوه اثرات ژنتیکی غیرافزایشی، اخیرا ترکیب نمودن این اثرات در مدل های پیش بینی ژنومی بسیار مورد توجه قرار گرفته است.
مواد و روش ها: ژنومی با ۳ کروموزوم با اندازه هر کدام ۱۰۰ سانتی مورگان، دارای ه ۲۰۰ و ۱۰۰۰ QTL و نشانگر دو آللی روی هر کروموزوم شبیه سازی شدند. سپس اطلاعات مربوط به رکوردهای شجره، خویشاوندی، سال تولد، وزن از شیرگیری، جنس نتاج، درصد دوقلوزایی، وزن لاشه، کیفیت لاشه، سن اولین زایش، تراکم پشم و سایر صفات اقتصادی گوسفند مغانی که از طریق مرکز اصلاح نژاد جعفرآباد مغان (طی سالهای ۱۳۸۲ تا ۱۳۹۳) در دسترس قرار گرفت، ماتریس فنوتیپی مدل را تشکیل دادند. اثرات ژنتیکی افزایشی و غالبیت و صحت پیش بینی ژنومی ۷ صفت شامل صفات رشد، کیفیت لاشه، پشم و باروری از طریق دو مدل خطی اتخاذ شد: (۱) یک مدل اثر افزایشی (MAG) و (۲) یک مدل شامل اثرات ژنتیکی افزایشی و غالبیت (MADG)، علاوه بر این، از روش اعتبارسنجی متقابل ۵ لایه برای ارزیابی قابلیت پیش بینی ژنومی در دو مدل مختلف توسط نرم افزار R بسته HIBLUP استفاده شد.
یافته ها: نتایج تخمین مولفه های واریانس برای هر صفت نشان داد که وزن لاشه گرم (۰/۶۱۷) و درصد برهزایی به ازاء هر میش (۰/۵۷۸)، بخش بزرگی از تنوع فنوتیپی توسط اثرات ژنتیکی غالبیت توضیح داده می شود. نتایج اعتبار سنجی متقاطع نشان داد که مدل MADG، شامل اثرات ژنتیکی افزایشی و غالبیت، نسبت به مدل MAG که تنها دارای اثرات ژنتیکی افزایشی است مزیت دارد. یعنی مدلی که اثرات ژنتیکی غالبیت را شامل می شود، صحت پیش بینی ژنومی را بهبود میبخشد.
نتیجه گیری: عملکرد بهتر (صحت پیش بینی) مدل MADG برای برخی صفات در مقایسه با مدل MAG نشان می دهد که اثرات غلبه بایستی در مدل های ارزیابی ژنتیکی حیوانات گنجانده شود تا صحت پیش بینی فنوتیپ های آینده بهبود یابد. همچنین کاربرد مدل MADG میتواند ابزار مفیدی برای تصمیم حذف حیوانات در مزارع باشد و استفاده از کل ژنتیک بالقوه نتاج در برنامه های جفت گیری ممکن است عملکرد نتاج را بهبود بخشد.
کلیدواژه ها:
نویسندگان
رضا سیدشریفی
University of Mohaghegh Ardabili, Faculty of Agriculture and Natural Resources, Department of Animal Science, Ardabil, Iran
فاطمه اعلاء نوشهر
Department of Animal Science, Faculty of Agriculture and Natural Resources, University of Tabriz, Tabriz, Iran
جمال سیف دواتی
University of Mohaghegh Ardabili, Faculty of Agriculture and Natural Resources, Department of Animal Science, Ardabil, Iran
نعمت هدایت ایوریق
University of Mohaghegh Ardabili, Faculty of Agriculture and Natural Resources, Department of Animal Science, Ardabil, Iran
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 :