مقایسه مدل های تکرارپذیری، چندصفتی و تابعیت تصادفی در برآورد اجزای واریانس برای صفت فاصله زایش تا اولین تلقیح در گاوهای هلشتاین ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه پیام نور قزوین

2 استادیار دانشگاه تهران، پردیس ابوریحان، تخصص: ژنتیک و اصلاح نژاد دام/ ژنتیک کمی/ انتخاب ژنومیک

3 دانشگاه پیام نور

چکیده

به منظور برآورد پارامترهای ژنتیکی صفت فاصله زایش تا اولین تلقیح با استفاده از سه مدل تکرارپذیر، چند صفتی و تابعیت تصادفی از تعداد 159482 رکورد فاصله زایش تا اولین تلقیح که طی سال­های 1360 تا 1392 از 33 گله گاو هلشتاین ایران توسط مرکز اصلاح نژاد کشور جمع­آوری شده بود، استفاده شد. مدل چندصفتی نسبت به مدل تکرارپذیر و تابعیت تصادفی دارای معیار اطلاعات بیزین کمتر و فاکتور بیز آن نسبت به دو مدل دیگر تفاوت معنی­داری داشت (05/0  P <). وراثت­پذیری برآورد شده برای فاصله زایش تا اولین تلقیح در مدل تابعیت تصادفی از نوبت زایش اول تا ششم روندی نزولی داشت، به طوری که مقدار وراثت­پذیری در نوبت زایش اول بیشترین مقدار (01/±09/0) و در نوبت زایش ششم کمترین مقدار (01/0±03/0) بود. وراثت­پذیری برآورد شده برای این صفت در آنالیز چند صفتی اگر چه از نوبت زایش اول (08/0) تا نوبت زایش پنجم (04/0) روند نزولی داشت ولی بیشترین مقدار وراثت­پذیری (10/0) در نوبت زایش ششم برآورد گردید. وراثت­پذیری برآورد شده برای این صفت در مدل تکرارپذیری نیز 05/0 بود. همبستگی­های ژنتیکی بین نوبت­های زایش­ نزدیک به هم بیشتر بود و با زیادشدن فاصله بین نوبت­های زایش همبستگی­های ژنتیکی کاهش یافت. به طورکلی، مدل چند صفتی نسبت به سایر مدل­ها در برآورد اجزای واریانس برای صفت فاصله زایش تا اولین تلقیح برتری دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of repeatability, multiple-trait and random regression models for estimation of genetic parameters of days from calving to first service in Iranian Holstein cattle

نویسنده [English]

  • Rostam AbdolahiArpanahi 2
2 Assistant Professor, University of Tehran, Aborayhan Campus
چکیده [English]

In order to estimate the genetic parameters for days from calving to first service (DFS) in Iranian Holstein cattle by using repeatability, multiple-trait (MT) and random regression (RR) models, 159,482 records of parities 1 to 6 collected during 1981 to 2013 and distributed over 33 large Holstein herds were used. Bayesian information criterion of MT model was lower than other models and Bayesian factor of MT model was significant compared to other models (P< 0.05). Estimates of heritability of DFS with RR model decreased from parity 1 (0.09±0.01) to parity 6 (0.03±0.01). Estimated heritability by MT model decreased from parity 1 (0.08) to parity 5 (0.04) and increased in parity 6 (0.10). The obtained heritability using repeatability model was 0.055±0.01. Genetic correlations between DFS in different parities were reduced continuously with increasing distance between parities in RR and MT models. Overall, the result of this study indicate that multiple trait model performs better than other models in estimation of genetic parameter for DFS.

کلیدواژه‌ها [English]

  • fertility
  • Genetic evaluation
  • genetic parameters
  • Holstein cattle
Fatehi J and Schaeffer LR (2003) Data management for the fertility project. Report to the technical      Committee of the Canadian Genetic Evaluation. From http://cgil.uoguelph.ca/dcbgc/Agenda0303/FatehiReport.pdf.
Ghiasi H, Pakdel A, Nejati-Javaremi A, Mehrabani-Yeganeh H, Honarvar M, Gonzalez-Recio O,      Carabano MJ and Alenda R (2011) Genetic variance components for female fertility in Iranian Holstein cows. Livestock science. 139: 277–280.
González-Recio O and Alenda R (2005) Genetic parameters for female fertility traits and a fertility index in Spanish dairy cattle. Journal of Dairy Science. 88: 3282–3289.
Gutierrez GA (2010) Estimates of genetic parameters for female fertility traits from a dairy selection experiment for fat plus protein by using random regression and linear-threshold animal models. Iowa State University, USA, Ph.D. Dissertation
Jamrozik J, Fatehi J, Kistemaker GJ and Schaeffer LR (2005) Estimates of genetic parameters for Canadian Holstein female reproduction traits. Journal of Dairy Science. 88(6): 2199-2208.
Jorjani H (2007) There and back again: a tale of choosing female fertility traits. Interbull Bull. 37: 148–151.
Kass RE and Raftery AE (1995) Bayes factors. Journal of the American Statistical Association. 90(430): 773-795.
Menendez-Buxadera A, Carabaño MJ, Gonzalez-Recio O, Cue RI, Ugarte E and Alenda R (2013) Reaction norm of fertility traits adjusted for protein and fat production level across lactations in Holstein cattle. Journal of Dairy Science. 96: 4653-4665.
Meyer K (2004) Scope for a random regression model in genetic evaluation of beef cattle for growth. Livestock Production Science. 86(1): 69-83.
Nishida A, Aziz MA, NishidaS and Suzuki K (2006) Modelling number of services per conception of Japanese Black cattle by random regression. Journal of Animal Breeding and Genetic.123, 56-63.
Nobre PRC, Misztal I, Tsuruta S, Bertrand JK, Silva LOC and Lopes PS (2003) Analyses of growth curves of Nellore cattle by multiple-trait and random regression models. Journal of Animal Science. 81(4): 918-926.
Schaeffer LR (2004) Application of random regression models in animal breeding. Livestock      Production Science. 86(1): 35-45.