برآورد فراسنجه های ژنتیکی مولفه های منحنی رشد حاصل از مقایسه مدلهای غیرخطی در گوسفند مغانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته کارشناسی‌ارشد ، گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی اهر، دانشگاه تبریز

2 استادیار ، گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی اهر، دانشگاه تبریز

چکیده

سابقه و هدف: وزن بدن در سنین مختلف و سرعت رشد، از صفات اقتصادی مهم گوسفند به شمار رفته و به عنوان معیار انتخاب در برنامه‌های اصلاح نژاد مورد استفاده قرار می‌گیرد. رشد را می‌توان به ‌صورت افزایش تعداد سلول‌های بدنی یا افزایش وزن و حجم بدن در دوره خاصی از طول عمر دام تعریف نمود. منحنی رشد حیوانات را می‌توان با استفاده از مدل‌های ریاضی مختلف توصیف نمود. مولفه‌های منحنی رشد در گونه‌های مختلف دام توراث پذیر هستند. بنابراین می‌توان ظرفیت ‌ژنتیکی حیوانات را برای مولفه‌های منحنی رشد پیش‌بینی نمود. بدین ترتیب امکان تغییر شکل منحنی رشد در جمعیت، ازطریق انتخاب دامها بر اساس مولفه‌های منحنی رشد در برنامه‌های اصلاح نژادی وجود دارد. بهترین تابع توصیف کننده منحنی رشد بسته به نژاد و جمعیت تحت بررسی می‌تواند متفاوت باشد. هدف از مطالعه حاضر بررسی توانایی مدلهای غیر خطی مختلف در برازش منحنی رشد گوسفند نژاد مغانی و برآورد پارامترهای ژنتیکی خصوصیات منحنی رشد در این نژاد بود.
مواد و روش‌ها: در این پژوهش، از رکوردهای وزن بدن گوسفندان نژاد مغانی که طی سال‌های 1368 تا 1396 در ایستگاه اصلاح نژاد جعفرآباد مغان جمع‌آوری‌شده بود جهت بررسی منحنی رشد و برآورد پارامترهای ژنتیکی خصوصیات منحنی رشد استفاده شد. از چهار مدل غیرخطی شامل مدل‌های برودی، لجستیک، گومپرتز و ون برتالانفی برای توصیف منحنی رشد گوسفند نژاد مغانی استفاده شد. مدل‌ها با استفاده از رویه NLIN نرم‌افزار SAS 9. روی رکوردهای وزن بدن دام‌ها در سنین مختلف برازش داده شد. مدل‌های مورد استفاده دارای سه مولفه‌ شامل A (وزن بلوغ )، B (وزن اولیه دام) و K (نرخ بلوغ) بودند. از شاخص‌های نیکوئی برازش شامل ضریب تبیین، میانگین مربعات خطا و شاخص اطلاعات آکائیک جهت انتخاب بهترین مدل استفاده شد. پس از برازش مدل‌های غیرخطی و انتخاب بهترین مدل، مولفه‌های منحنی رشد تک تک دامها با استفاده از بهترین مدل غیرخطی برآورد شد. سپس عوامل غیر ژنتیکی مؤثر بر مولفه‌های منحنی رشد با استفاده از رویه GLM مورد بررسی قرار گرفت. شش مدل دام تک متغیره که به لحاظ اثرات محیطی دائمی مادری، اثر ژنتیکی مادری و همچنین کوواریانس بین اثر ژنتیکی مستقیم و مادری با هم متفاوت بودند، برای تجزیه ‌و تحلیل صفات مورد استفاده قرار گرفتند. همچنین سه آنالیز دومتغیره بین مولفه‌های منحنی رشد جهت برآورد همبستگی ژنتیکی بین مولفه‌ها انجام شد.
یافته‌ها: طبق نتایج این تحقیق، مدل لجستیک با کمترین میانگین مربعات خطا و معیار اطلاعات آکائیک و بیشترین ضریب تبیین بهترین مدل جهت توصیف منحنی رشد گوسفندان مغانی بود. مقادیر مولفه‌های وزن بلوغ (A)، وزن اولیه دام (B) و نرخ بلوغ (K) توسط مدل لجستیک به ترتیب 32/40، 58/7 و 027/0 برآورد گردید. اثرات ثابت جنس بره، تیپ تولد، سال و ماه زایش و همچنین سن مادر در هنگام زایش تاثیر معنی‌داری بر مولفه‌های منحنی رشد داشتند. از بین شش مدل خطی برازش شده، مدلهای شماره شش، دو و چهار به ترتیب به عنوان بهترین مدل جهت تجزیه و تحلیل مولفه‌های وزن بلوغ (A)، وزن اولیه دام (B) و نرخ بلوغ (K) انتخاب شدند. وراثت پذیری مستقیم مولفه‌های وزن بلوغ (A)، وزن اولیه دام ( B) و نرخ بلوغ (K) به ترتیب 17/0، 08/0 و 19/0 برآورد گردید. مقادیر همبستگی ژنتیکی برآورد شده حاصل از تجزیه و تحلیل دو متغیره بین مولفه‌های A-B، A-K و B-K به ترتیب 06/0، 03/0 و 0003/0- بود.
نتیجه‌گیری: در میان چهار مدل غیرخطی مورداستفاده، مدل لجستیک بهترین برازش و انطباق را برای رشد گوسفند مغانی داشت. طبق نتایج این تحقیق مولفه‌های منحنی رشد این نژاد وراثت پذیری قابل قبولی داشتند، بطوریکه می‌توان از این صفات در برنامه‌های اصلاح نژاد جهت تغییر منحنی رشد دامها و بهبود الگوی رشد آنها استفاده نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of genetic parameters of growth curve components obtained from comparison of nonlinear models in Moghani sheep

نویسندگان [English]

  • Zeynab Ghorbani 1
  • Mohammadreza Sheikhlou 2
  • Amir Karimi 2
1 MSc Graduate, Department of Animal Science, Ahar Faculty of Agriculture & Natural Resources, University of Tabriz
2 Department of Animal Science - Ahar Faculty of agriculture and natural resources - University of Tabriz
چکیده [English]

Background and objectives: The traits of economic importance such as body weight at different ages and growth rate in sheep are used as selection criteria in breeding programs. Growth can be defined either as an increase in the number of body cells or an increase in body weight and volume over a period of a lifetime. Animal growth curves can be described using various mathematical models. Growth curve components are heritable in different species. Therefore, the genetic potential of animals can be predicted for growth curve components. The best function describing the growth curve can vary depending on the breed and population under study. The aim of the present study was to investigate the ability of different nonlinear models to fit the growth curve of Moghani sheep and to estimate the genetic parameters of the growth curve characteristics in this breed.
Materials and methods: In the current study, the data related to the body weights of Moghani sheep collected at the Moghani sheep breeding station in Jafarabad, Moghan, during the years 1989 – 2016 were used to investigate the growth curve and estimating the genetic parameters of the growth curve characteristics in this breed. Four nonlinear models including Brody, Logistic, Gompertz and von Bertalanffy were used to describe the growth curve of Moghani sheep. All models were fitted on the body weight records of animals at different ages using the NLIN procedure of SAS 9.0 software. The models used have three components including A (maturity weight), B (initial weight of animal) and K (maturity rate). Goodness-of-fit indices including coefficient of determination (R2), Root-Mean-Square Error (RMSE) and Akaike information criterion (AIC) were used to select the best model. After fitting the nonlinear models and selecting the best model, the components of the growth curve of individual animals were estimated using the best nonlinear model. Then, non-genetic factors affecting the growth curve components were investigated using the GLM procedure of SAS. Six univariate animal models that differed in terms of maternal permanent environmental effects and maternal genetic effect as well as covariance between direct and maternal genetic effects were used to analyze the traits. Also, three bivariate analyzes between growth curve components were performed to estimate the genetic correlation between traits.
Results: According to our results, the logistic model with the lowest MSE and AIC and the highest R2 was the best model to describe the growth curve of Moghani sheep. The estimated values for the maturity weight (A), initial weight of animal (B) and maturity rate (K) by the logistic model were 40.328, 7.582 and 0.0270, respectively. The fixed effects of lamb sex, birth type, year and month of calving as well as dam age at calving had a significant effect on the components of the growth curve. Between the six fitted linear models, models number six, two and four were selected as the best models to analyze the components of maturity weight (A), initial weight of animal (B) and maturity rate (K), respectively. Direct heritability for maturity weight (A), initial weight of animal (B) and maturity rate (K) were estimated to 0.17, 0.08 and 0.19, respectively. Estimates of genetic correlation obtained from bivariate analysis between A-B, A-K and B-K were 0•06, 0•03 and −0•0003, respectively.
Conclusion: Among the four nonlinear models used, the logistic model had the best fit for the growth of Moghani sheep. According to the results of our study, the growth curve components of this breed had an acceptable heritability, so that these traits could be used in breeding programs to alter the growth curve and improve the growth pattern of animals in this breed.

کلیدواژه‌ها [English]

  • Nonlinear functions
  • Heritability
  • Growth curve
  • Moghani sheep

مراجع

  1. Abegaz, S., Wyk, J. and Olivier, J.J. 2010. Estimation of genetic and phenotypic parameters of growth curve and their relationship with early growth and productivity in Horro sheep. Archiv Tierzucht. 53: 85–94.
  2. Aytekin, R.G. and Zulkadir, U. 2013. The determination of growth curve models in Malaya sheep from weaning to two years of age. Agriculture Science. 19: 71- 78.
  3. Bahreini Behzadi, M.R. 2015. Comparison of different growth models and artificial neural network to fit the growth curve of Lori-Bakhtiari sheep. Ruminant Research. 3: 125-148.  (In Persian ) 
  4. Bahreini Behzadi, MR., Aslaminejad, A.A., Sharifi, A.R. and Simianer, H. 2014. Comparison of Mathematical Models for Describing the growth of Baluchi sheep. Agriculture Science. 14: 57–68.
  5. Bathaei, S.S. and Leroy, PL. 1998. Genetic and phenotypic aspects of the growth curve characteristics in Mehraban Iranian fat-tailed sheep. Small Ruminant Research. 29: 261–269.
  6. Brown, J.E., Fitzhugh. H.A. and Cartwright, T.C. 1976. A comparison of non linear models for describing weight-age relationships in cattle. Journal of Animal Science. 42: 810–818.
  7. Daskiran, I., Koncagul., S. and Bingol, M. 2010. Growth characteristics of indigenous norduz female and male lambs. Agriculture Science. 16: 62–69.
  8. Fitzhugh, H.A. 1976. Analysis of growth curves and strategies for altering their shape. Journal of Animal Science. 42: 1036–1051.
  9. Gbangboche, A.B., Glele-Kakai, R., Salifou, S., Albuquerque, L.G. and Leroy, P.L. 2008. Comparison of non-linear growth models to describe the growth curve in West African Dwarf sheep. Animal. 2: 1003–1012.
  10. Ghavi Hossein-Zadeh, N. 2015. Bayesian estimates of genetic relationships between growth curve parameters in Shall sheep via gibbs sampling. Iranian Journal of Applied Animal Science 7: 897–904.
  11. Ghavi Hosseinzadeh, N. 2015. Estimation of genetic relationships between growth curve parameters in Guilan sheep. Journal of Animal Science and Technology. 6: 1–6.
  12. Ghavi Hossein-Zadeh, N. 2017. Modelling growth curve in Moghani sheep: comparison of non-linear mixed growth models and estimation of genetic relationship between growth curve parameters. Agriculture Science. 7: 1150-1159.
  13. Ghotbaldini, H.R. 2014. Application of artificial intelligence for estimating breeding value of growth traits in Kermani sheep. M.Sc. Thesis, Shahid Bahonar University of Kerman. Kerman. Iran. (In Persian).
  14. Goliomytis, M., Orfanos, S., Panopoulou, E. and Rogdakis, E. 2006. Growth curves for body weight and carcass components, and carcass composition of the Karagouniko sheep, from birth to 720 d of age. Small Ruminant Research. 6: 222–229.
  15. Hojjati, F. and Ghavi Hosseinzadeh, N. 2018. Genetic and phenotypic relationships between growth curve parameters in Mehraban sheep. Journal of Animal Production. 18: 687-696.(In Persian).
  16. Hosseinpour Mashhadi, M., Elahi Torshizi, M. and Ehtesham Gharaee, Sh. 2017. Description of growth curve in male and female lambs of baluchi breed by application of nonlinear growth models. Research on Animal Production. 15: 155-160. (In Persian).
  17. Keskin, I., Dag, B., Sariyel, V. and Gokmen, M. 2009. Estimation of growth curve parameters in Konya Merino sheep. South African Journal Of Animal Science 39: 163-168.
  18. Kheirabadi, Kh. 2017. Performance comparisons of some nonlinear functions in describing the growth curve of Zandi sheep breed. Iranian Journal Of Animal Science. 47: 609-619. (In Persian).
  19. Kusek, G. 2001. Growth pattern of hybrid pigs as influenced by MHS- Genotype and feeding regime. P.h.D.Thesis, George- August- university, Goettingen, Germany.
  20. Lambe, N.R., Navajas, E.A., Simm, G. and Bünger, L. 2006. A genetic investigation of various growth models to describe growth of lambs of two contrasting breeds. Journal of Animal Science. 84: 2642–2654.
  21. Lupi, T.M., Nogales, S., Leon, J.M., Barba, C. and Delgado, J.V. 2015. Characterization of commercial and biological growth curves in the Segureña sheep breed. Animal. 9: 1341–1348.
  22. Malhado, C.H.M., Carneiro, P.L.S., Affonso, P.R.A.M., Souza Jr, A.A.O. and Sarmento, J.L.R. 2009. Growth curves in Dorper sheep crossed with the local Brazilian breeds, Morada Nova, Rabo Largo , and Santa Inês. Small Ruminant Research. 84: 16–21.
  23. Meyer, K. 2007. WOMBAT: a tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML). Journal of Zhejiang University-SCIENCE B. 8: 815–21.
  24. Mohammadi, Y., Mokhtari, S., Saghi, D.A. and Shahdadi, A.R. 2019. Modeling the growth curve in Kordi sheep: The comparison of non-linear models and estimation of genetic parameters for the growth curve traits. Small Ruminant Research. 177: 117-123.
  25. Mokhtari, , Brazandeh, A., Moghbeli Dabene, M., Roudbari, Z. and Kargar Borzi, N. 2019. Inferring causal relationships among growth traits in Kermani sheep applying structural equation modeling. Livestock Science and Technology. 7: 29-35.
  26. Molaei, M., Aslaminejad, A., Shariati, M.M. and Saghi, D. 2013. Comparition of growth curve for Kordi and Baluchi sheep using NLIN function. M.Sc. Thesis, Ferdowsi University of Mashhad. Mashhad. Iran. (In Persian).
  27. Naesholm, A. and Danell, O. 1996. Genetic relationships of lamb weight, maternal ability, and mature ewe weight in Swedish finewool sheep. Journal of Animal Science. 74: 329–339.
  28. Oliveira, D.F., Cruz J.F., Carneiro, P.L.S., Malhado, M.H., Rondina, D., Ferraz Rde, CN. and Teixeira Neto, MR. 2009. Ponderal development and growth traits of Anglonubian goats raised under semi-intensive system. Revista Brasileira de Saúde e Produção Animal. 10: 256–265.
  29. Özdemir, H.D.G. 2009. Determination of growth curves in young Angora goats. Tarim Bilim Dergisi. 15: 358–62.
  30. Rashedi Dehsahraei, A., Fayazi, J., Masoudi, A. and Abdollahi Arpanahi, R. 2018. Genetic analysis of growth curve parameters obtained by nonlinear functions in Moghani sheep using Bayesian approach. Journal of Animal Science Researches. 28:113-126. (In Persian).
  31. Rashidi, A., Mokhtari, M.S. and Gutiérrez, J.P. 2015. Pedigree analysis and inbreeding effects on early growth traits and greasy fleece weight in Markhoz goat. Small Ruminant Research. 124: 1–8.
  32. Roush, W.B., Iii, W.A.D. and Branton, SL. 2006. Comparison of Gompertz and neural network models of broiler growth. Poultry Science 85: 794–797.
  33. Saghi, D.A., Shiri, A., Mobaraki, A., Ashkanifar, R., Hindabadi, M. and Bozorgmehr, M. 2015. Investigation of environmental and genetic factors affecting the growth curve of Kurdish sheep in North Khorasan. 31P Karadj, Iran. (In Persian).
  34. Teket, N., Sireli, HD., Elicin, M. and Elicin, A. 2005. Comparison of growth curve models on Awassi lambs. Indian Veterinary Journal. 82: 179–182.
  35. Topal M., Ozdemir, M., Aksakal, V., Yildiz, N. and Dogru, U. 2004. Determination of the best nonlinear function in order to estimate growth in Morkaraman and Awassi lambs. Small Ruminant Research. 55: 229–232.
نشریه پژوهش‌ در نشخوار کنندگان
دوره 9، شماره 1
خرداد 1400
صفحه 99-114

فایل ها

هم رسانی

ارجاع به این مقاله

آمار