تجزیه و تحلیل ژنتیکی مواد جامد بدون چربی شیر با دو مدل تابعیت ثابت و تصادفی در گوسفند کردی شیروان

پژوهشهای علوم دامی ایران

مقاله 9، دوره 8، شماره 1 - شماره پیاپی 25، فروردین 1395، صفحه 162-173   

نوع مقاله: علمی پژوهشی- ژنتیک و اصلاح دام و طیور

شناسه دیجیتال (DOI): 10.22067/ijasr.v8i1.41859

نویسندگان

فاطمه کاظمی برزل آباد^{* 1}؛ سعید حسنی¹؛ فیروز صمدی¹؛ مجتبی آهنی آذری²؛ داوود علی ساقی³

¹دانشگاه علوم کشاورزی و منابع طبیعی گرگان

²گروه ژنتیک و اصلاح نژاد دام و طیور، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

³مرکز تحقیقات کشاورزی و منابع طبیعی خراسان رضوی

چکیده

مواد جامد بدون چربی شیر اهمیت اقتصادی زیادی در صنعت پنیرسازی دارد. در تحقیق حاضر درصد مواد جامد بدون چربی شیر میش های کردی شیروان با مدل های تابعیت ثابت و تصادفی و نرم افزار Wombatمورد تجزیه و تحلیل ژنتیکی قرار گرفتند. داده های مورد استفاده در این پژوهش 1094 رکورد روزآزمون درصد مواد جامد بدون چربی شیر مربوط به 250 رأس میش گله ایستگاه پرورش و اصلاح نژاد گوسفند کردی شیروان بود که از اردیبهشت تا مرداد ماه سال 1391 جمع آوری شد. در هر دو مدل، اثرات ثابت تعداد بره ها در هر زایش، شکم زایش، ماه رکوردگیری، متغیر کمکی روزهای شیردهی و همچنین اثرات تصادفی ژنتیکی افزایشی و محیط دائمی گنجانده شدند. در مدل تابعیت تصادفی چند جمله ای های متعامد لژاندر با درجه برازش 2 برای اثرات محیط دائمی و ژنتیکی افزایشی برازش داده شدند. میانگین درصد مواد جامد بدون چربی شیر میش های کردی این گله 83/11 بود. میانگین وراثت پذیری این صفت با مدل تابعیت ثابت 06/0 برآورد گردید. در مدل تابعیت تصادفی وراثت پذیری بدست آمده در نیمه دوم شیردهی بالاتر از نیمه اول شیردهی بود. پایین ترین و بالاترین مقادیر وراثت پذیری به ترتیب مربوط به روزهای 14 (068/0) و 112 شیردهی (193/0) بودند. همبستگی های ژنتیکی افزایشی و محیط دائمی برای صفت درصد مواد جامد بدون چربی شیر در روزهای شیردهی مجاور بیش از روزهای دور از هم بود. به طور کلی نتایج این تحقیق نشان داد که میش های نژاد کردی شیروان پتانسیل بالایی برای تولید مواد جامد بدون چربی شیر دارند.

کلیدواژه‌ها

پارامترهای ژنتیکی؛ درصد مواد جامد بدون چربی شیر؛ گوسفند؛ مدل‏ روزآزمون

مراجع

1- Baker, A., K. N. Dosky., and J. E. Alkass. 2009. Milk yield and composition of karadi ewes with the special reference to the method of evacuation. The 2nd Conference on Biological Sciences. Kurdistan, 12: 210-215.

2- Byeong, w. k., L. Deukhwan., T. J. Jin., and G. L. Jung. 2009. Estimation of genetic parameters for milk production traits using a random regression test-day model in Holstein cow in Korea. Journal of Animal Science, 22: 923-930.

3- Castillo-Juarez. H., P. O. Oltenacu., R. W. Blake., C.E. Culloch., and E. G. Cienfuegos-Rivas. 2000. Effect of herd environment on the genetic and phenotypic relationships among milk yield, conception rate and somatic cell score in Holstein cattle. Journal of Dairy Science, 83: 807-814.

4- Chongkasikit, N., T. Vearasilp., and U. Meulen. 2002. Heritability estimates of protein %, fat %, lactose %, non fat solids and total solids of dairy cattle in northern Thailand. Conference on International Agricultural Research for Development, Witzenhausen. October 9-11.

5- Eilami, B. 2008. Lactation performance and lamb growth of Torky Ghashghaii sheep. Journal of Pajohesh and Sazandegi, 76: 80–89. ( In Persian)

6- Gengler, N., G. R. Wiggans., and A. Gillon. 2004. Estimated heterogeneity of phenotypic variance of test-day yield with a structural variance model. Journal of Dairy Science, 87:1908–1916.

7- Grosu, H., E. Ghita., and R. Raducu. 2007. The prediction of breeding value in a dairy sheep population using the test day animal models. 3rd Joint Meeting of the Network of Universities and Research Institutions of Animal Science of the South Eastern European Countries. 6 pp.

8- Hadi tavatori, M. H., M. Mohammadian., G. H. Nikonam., M. Moustashari., and M. Monem. 2008. Lactation and milk characteristics of Qazvin Shal sheep. Journal of Pajohesh and Sazandegi, 77: 34–41. (In Persian with English abstract)

9- Hajihossinlo, A., S. Sadeghi., S. A. Rafat., M. Bohluli., and M. R Bahrani Behzadi. 2012. Estimated of milking characteristic, milk composition and their determinants effects in Ghezel pure breed ewes and Ghezel×Arkhamerino, Moghani×Arkharmerino crossbreds. Proceedings of the 5th Congress on Animal Science, pp. 543-548., Iran, Esfahan. (In Persian)

10- Horstick, A., H. Hamann., and O. Distl. 2001. Genetic analysis of milk performance and linear type traits in East Friesian and Black and Brown milk sheep. Dissertation. Tierarztlich Hochschule, Hannover, 73: 345-352 (Abstract).

11- Horstick, A., H. Hamann., and O. Distl. 2002. Estimation of genetic parameters for daily milk performance of East Friesian milk sheep by random regression models. Pages 263-266 in Proc. 7th World Congress on Genetics Applied to Livestock Production, Montpellier, France.

12- Jamrozik, J., and L. R. Schaeffer. 1997. Estimation of genetic parameters for test day model with random regression for production of first lactation Holsteins. Journal of Dairy Science, 80: 762-770.

13- Kawahara, T., Y. Gotoh., and S. Yamaguchi. 2006. Variance component estimates with dominance models for milk production in Holsteins of Japan using method R. Asian-Aust. Journal of Animal Science, 19: 769-774.

14- Khanzadeh, H., N. Ghavi Hosen Zadeh., and M. Naserani. 2013. Estimation of genetic parameters and trends for milk fat and protein percentages in Iranian Holsteins using random regression test day model. Archiv Tierzucht,. 56: 1-21.

15- Kheirabadi, K., S. Alijani., L. Zavadilova., S. A. Rafat., and G. Moghaddam. 2013. Estimation of genetic parameters for daily milk yields of primiparous Iranian Holstein cows. Archiv Tierzucht, 56: 1-12.

16- Komprej, A., G. Gorjanc., D. Kompan., and M. Kovac. 2009. Covariance components by a repeatability model in Slovenian dairy sheep using test-day records. Czech. Journal of Animal Science, 54: 426-434.

17- Komprej, A., D. Kompan., and M. Kovac. 2011. Genetic and environmental dispersion parameter estimation by test interval method in dairy sheep. Journal of Acta agriculture Slovenica, 98: 5-13.

18- Komprej, A., S. Malovrh., G. Gorjanc., D. Kompan., and M. Kovac. 2013. Genetic and environmental parameter estimation for milk traits in Slovenian dairy sheep using random regression model. Czech Journal of Animal Science, 57: 231–239.

19- Mayeres, P., J. Stoll., J. Bormann., R. Reents., and N. Gengler. 2004. Prediction of daily milk, fat, and protein production by a random regression test-day model. t. Journal of Dairy Science, 87:1925-1933.

20- Meyer, K. 2006. WOMBAT- A program for mixed model analyses by restricted maximum likelihood. User notes, Animal Genetics and Breeding Unit, Armidale, 55 pp.

21- Mrod. R. A. 2005. Linear models for the prediction of animal Breeding values. 2nd ed. Escatland University Press, Adenborg. 444 pp.

22- Nezamidoust, M., A. Kominakis., and A. Safari. 2013. Use of Wood’s model to analyze the effects of milking methods on lactation curve in sheep. Small Ruminant Research, 113: 195-204.

23- Pavic, V., N. Antunac., B. Mioc., A. Ivankovic., and J Havranek. 2002. Influence of stage of lactation on the chemical composition and physical properties of sheep milk. Czech Journal of Animal Science, 47: 80-84.

24- Pesinova, P., A. Vejcik., and M. Miroslav. 2012. Milk quality of the original Valachian in a submontane region. Journal of Agrobiology, 48: 147-155.

25- Rahman Ahmed, M. N. A. 2010. Evaluation of performance and estimation of genetic parameters for milk yield and some reproductive traits in sheep breeds and crosses in the west bank. Ph.D Thesis. Faculty of Graduate Studies at An-Najah National University, Nablus, Palestine.

26- Roman, R. M., C. J. Wilcox., and F. G. Martin. 2000. Estimates of repeatability and heritability of productive and reproductive traits in a herd of Jersey cattle. Genetics and Molecular Biology, 23: 113-119.

27- SAS Institute. 2001. SAS user Guide: statistics. SAS Institute Inc., Carry, NC.

28- Schaeffer, L. R., and J. C. M. Dekkers. 1994. Random regressions in animal models for test- day production in Dairy cattle. Proc. 5th World Congress on Genetics Applied to Livestock Production, Guelph, Onatario, Canada, 18:442–446.

29- Schaeffer, L. R. 2004. Application of random regression models in animal breeding. Livestock Production Science, 86: 35-45.

30- Serrano, M., E. Ugarte., J. J. Jurado., M. D. Perez-Guzman., and A. Legarra. 2001. Test day models and genetic parameters in Latxa and Manchega dairy ewes. Small Ruminant Research, 67: 253-264.

31- Seyeddokht, A. A. Aslaminejad., and M. Tahmorespur. 2012. Genetic analysis of milk yield using random repression test day model in Tehran province Holstein dairy cow. Iranian Journal of Animal Science Research, 2: 168-174. (In Persian)

32- Shamahirgran, y., A. Aslaminejad., H, Farhangfar., and M. Tahmorespur. 2011. Comparison of Fixed Regression and Random Regression Test-Day Models for genetic evaluation of milk yield trait in Holstein cows Razavi Khorasan province. Iranian Journal of Animal Science Research, 3: 67-73. (In Persian)

33- Teimouri y, A. 2006. Milk production and Processing. 1nd ed. Avay-masih Press. 668 pp. (In Persian)

34- Van der Werf, J. H. J., M. E. Goddard, and K. Meyer. 1998. The use of covariance functions and random regressions for genetic evaluation of milk production based on test day records. Journal of Dairy Science, 81: 3300-3308.

35- Zare-Shahneh, A., S. Rashti., and A.R. Salehi. 2005. Determination of lactation performance, milk composition and lamb growth in shall and zandi ewes. Journal of Agriculture Science Natural Research, 12: 100–108. (In Persian)