برآورد و امکان سنجی انتخاب فراسنجه های ژنتیکی برای افزایش یکنواختی وزن بدن در بلدرچین ژاپنی
محل انتشار: فصلنامه علوم دامی ایران، دوره: 48، شماره: 3
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 332
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_IJAS-48-3_007
تاریخ نمایه سازی: 6 خرداد 1399
چکیده مقاله:
هدف از این پژوهش، برآورد و امکان سنجی انتخاب فراسنجه های ژنتیکی برای بخش واریانس باقی مانده و بخش میانگین صفت وزن بدن در بلدرچین ژاپنی بود. در این بررسی شمار 2629 رکورد وزن بدن بلدرچین در سن 28 روزگی استفاده شد. فراسنجه های ژنتیکی با استفاده از مدل آماریDouble Hierarchical Generalized Linear Model در نرم افزار ASREML 4.0 برآورد شد. واریانس ژنتیک افزایشی برآوردشده برای بخش میانگین و بخش واریانس باقی مانده به ترتیب 55/189 و 18/0 و از نظر آماری معنی دار بودند (01/0P<). انحراف معیار افزایشی بخش واریانس باقی مانده برابر 42/0 بود، یعنی کاهش در میانگین ارزشهای اصلاحی بخش واریانس باقی مانده به میزان یک انحراف معیار ژنتیک افزایشی سبب 42 درصد افزایش در میزان یکنواختی وزن بدن در 28 روزگی می شود. وراثت پذیری برآوردشده برای بخش میانگین (51/0) بیشتر از وراثت پذیری برآوردشده برای بخش واریانس باقی مانده (02/0) بود. به رغم کم بودن وراثت پذیری بخش واریانس باقی مانده، این میزان از نظر آماری نسبت به صفر تفاوت معنی داری داشت (01/0P<). همبستگی رتبهای اسپیرمن کمتری (094/0) بین ارزشهای اصلاحی برآوردشده برای بخش میانگین و بخش واریانس باقی مانده به دست آمد. همبستگی ژنتیکی نامطلوب و کم (09/0) بین ارزشهای اصلاحی بخش میانگین با ارزشهای اصلاحی بخش واریانس باقی مانده، برآورد شد. نتایج این بررسی نشان داد، بخش واریانس باقی مانده صفت وزن بدن بلدرچین در 28 روزگی، تحت کنترل اثر ژنتیک افزایشی بوده که میتوان با انتخاب ژنتیکی میزان یکنواختی گله برای این صفت را افزایش داد.
کلیدواژه ها:
نویسندگان
حیدر قیاسی
استادیار، دانشکده کشاورزی، دانشگاه پیام نور
مجید خالداری
استادیار، دانشکده کشاورزی، دانشگاه لرستان
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 :