استراتژی های انتخاب برای افزایش نرخ رشد در بلدرچین های ژاپنی

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 281

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RAP-6-12_020

تاریخ نمایه سازی: 17 مهر 1400

چکیده مقاله:

در این تحقیق، به منظور بررسی برنامه اصلاح نژادی مناسب برای بلدرچین­­های ژاپنی، برنامه­های مختلف شبیه­سازی شد. تابع هدف اصلاح نژدای شامل صفات وزن بدن و وزن تخم بود.  جهت بررسی استفاده از نشانگرهای ژنتیکی مرتبط صفت وزن لاشه از پنج برنامه اصلاح نژادی مختلف استفاده شد. پیش­بینی میزان پیشرفت ژنتیکی و نرخ هم­خونی به وسیله شبیه­سازی قطعی برنامه انتخاب تک مرحله­ای با نسل­های مجزا انجام شد. در برنامه اول تنها از فنوتیپ صفات وزن بدن و وزن تخم استفاده شد. در برنامه دوم، صفت وزن لاشه و در برنامه سوم نیز صفات غیرمستقیم لاشه از جمله وزن سینه و وزن پشت در شاخص انتخاب گنجانده شد. پاسخ ژنتیکی در هر دو حالت برای وزن بدن کاهش یافت. در برنامه­های انتخاب به کمک نشانگر، اطلاعات QTL که ۵، ۱۰، ۲۰ و ۵۰ درصد از واریانس ژنتیکی صفت وزن لاشه را توصیف می­کنند در تابع شاخص انتخاب در نظر گرفته ­شدند. در برنامه اول سهم QTL فرضی، در واریانس ژنتیکی وزن لاشه پنج درصد بود، پیشرفت ژنتیکی برای صفت وزن لاشه به میزان ۱/۳ درصد نسبت به حالت پایه افزایش نشان داد که این روند افزایشی برای حالات دیگر سهم واریانس QTL فرضی نیز مشهود بود، به گونه­ای که در حالت چهارم که ۵۰ درصد از واریانس ژنتیکی صفت وزن لاشه به وسیله QTL فرضی بیان شده بود این افزایش به ۴۲ درصد رسید. پاسخ ژنتیکی برای صفت وزن لاشه به مقدار قابل قبولی با توجه به مقادیر متفاوت واریانس ناشی از QTL افزایش یافت. بنابراین، استفاده از اطلاعات QTL منجر به افزایش دقت برآورد ارزش­های اصلاحی شده و می­توان کاندیداهای برتر از نظر ژنتیکی را با درجه اعتماد بالاتری گزینش نمود.

نویسندگان

جواد احمدپناه

University of Guilan

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 :
  • Ahmadpanah, J. ۲۰۱۰. Estimation of genetic parameters for growth and ...
  • Bulmer, M.G. ۱۹۷۱. The effect of selection on genetic variability. ...
  • Dekkers, J.C.M. and F. Hospital. ۲۰۰۲. The use of molecular ...
  • Dekkers, J.C.M. ۱۹۹۲. Asymptotic response to selection on best linear ...
  • Esmailizadeh, A.K., A. Baghizadeh and M. Ahmadizadeh. ۱۰۱۲. Genetic mapping ...
  • Falconer, D.S. and T.F.C. Mackay. ۱۹۹۶. Introduction to quantitative genetics. ...
  • Francesch, A., J. Estany, L. Alfonso and M. Iglesias. ۱۹۹۷. ...
  • Hoque, M.D.A., K. Suzuki and T. Oikawa. ۲۰۰۷. Estimation of ...
  • Kayang, B., A. Vignal, M. Inoue-Murayama, M. Miwa, J. Monvoisin, ...
  • Khaldari, M., A. Pakdel, H. Mehrabani Yeganeh, A. Nejati Javaremi ...
  • Lande, R. and F. Thampson. ۱۹۹۰. Efficiency of marker assisted ...
  • Meuwissen, T.H.E. ۱۹۹۱. Reduction of selection differentials in finite populations ...
  • Minvielle, F. ۲۰۰۴. The future of Japanese quail for research ...
  • Morris, A.J. and G.E. Pollott. ۱۹۹۷. Comparison of selection based ...
  • Pakdel, A., P. Bijma, B.J. Ducro and H. Bovenhuis. ۲۰۰۵. ...
  • Roussot, O., K. Fève, F. Plisson-Petit, F. Pitel, J.M. Faure, ...
  • Rutten, M.J.M., P. Bijma, J.A. Woolliams and A.M. Van Arendonk. ...
  • Sales, J. and W.G. Hill. ۱۹۷۶. Effect of sampling errors ...
  • Schrooten, C., H. Bovenhuis, A.M. van Arendonk and P. Bijma. ...
  • Spelman, R.J. and H. Bovenhuis. ۱۹۹۸. Moving from QTL experimental ...
  • Spelman, R.J. and D.J. Garrick. ۱۹۹۷. Utilisation of marker assisted ...
  • Spelman, R.J., D.J. Garrick and A.M. van Arendonk. ۱۹۹۹. Utilisation ...
  • Wray, N.R. and T. Thompson. ۱۹۹۰. Prediction of rates of ...
  • Zerehdaran, S. and H. Emamgholi-bagli. ۲۰۱۱. Effect of using genetic ...
  • Zerehdaran, S., J. Vereijken, A.M. Van Arendonk, H. Bovenhuis and ...
  • نمایش کامل مراجع