برآورد و امکان‌سنجی انتخاب فراسنجه‌های ژنتیکی برای افزایش یکنواختی وزن بدن در بلدرچین ژاپنی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، دانشکدۀ کشاورزی، دانشگاه پیام‌نور

2 استادیار، دانشکده کشاورزی، دانشگاه لرستان

چکیده

هدف از این پژوهش، برآورد و امکان‌سنجی انتخاب فراسنجه‌های ژنتیکی برای بخش واریانس باقی‌مانده 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. فراسنجه‌­های ژنتیکی با استفاده از مدل آماریDouble Hierarchical Generalized Linear Model  در نرم‌افزار ASREML 4.0 برآورد شد. واریانس ژنتیک افزایشی برآوردشده برای بخش میانگین و بخش واریانس باقی‌مانده به ترتیب 55/189 و 18/0 و از نظر آماری معنی‌دار بودند (01/0P<). انحراف معیار افزایشی بخش واریانس باقی‌مانده برابر 42/0 بود، یعنی کاهش در میانگین ارزش­های اصلاحی بخش واریانس باقی‌مانده به میزان یک انحراف معیار ژنتیک افزایشی سبب 42 درصد افزایش در میزان یکنواختی وزن بدن در 28 روزگی می‌شود. وراثت‌پذیری برآوردشده برای بخش میانگین (51/0) بیشتر از وراثت‌پذیری برآوردشده برای بخش واریانس باقی‌مانده (02/0) بود. به‌رغم کم بودن وراثت‌پذیری بخش واریانس باقی‌مانده، این میزان از نظر آماری نسبت به صفر تفاوت معنی‌داری داشت (01/0P<). همبستگی رتبه­ای اسپیرمن کمتری (094/0) بین ارزشهای اصلاحی برآوردشده برای بخش میانگین و بخش واریانس باقی‌مانده به دست آمد. همبستگی ژنتیکی نامطلوب و کم (09/0) بین ارزشهای اصلاحی بخش میانگین با ارزش­های اصلاحی بخش واریانس باقی‌مانده، برآورد شد. نتایج این بررسی نشان داد، بخش واریانس باقی‌ماندۀ 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.

کلیدواژه‌ها


عنوان مقاله [English]

The study of possibility of genetic selection in order to increase the uniformity of body weight in Japanese quail

نویسندگان [English]

  • Heydar Ghiasi 1
  • Majid Khaldari 2
1 Assistant Professor, Faculty of Agricultural Science, Payame Noor University, Tehran, Iran
2 Assistant Professor, Faculty of Agricultural and natural resources, Lorestan University, Khorram-Abad, Iran
چکیده [English]

The aim of this research was to estimate genetic parameters for mean and residual of body weight in Japanese quail. A total of 2629 quail body weight records at 28 days old were used in this research. Double hierarchical generalized linear model (DHGLM) was used to estimate (co) variance components using ASREML 4.0 software. Additive genetic variance for mean and residual were 189.59 and 0.18, respectively and were statistically significant (p<0.01). The genetic standard deviation for residual of body weight was 0.42. Therefore decreasing estimated breeding value of residual by 1 genetic standard deviation can increase the uniformity of body weight at 28 days old by 42%. Heritability for mean (0.51) was larger than the heritability for the residual (0.02). Although heritability for residual was low but it was significant (p<0.01). The Spearman rank correlation between estimated breeding values in mean and dispersion was low (0.094). Low and unfavorable genetic correlation (0.09) was obtained between mean and residual. The results obtained in this research show the residual of body weight records at 28 days old is under control of additive genetic variance and uniformity can be achieved by means of genetic selection.

کلیدواژه‌ها [English]

  • Body weight
  • Japanese quail
  • residual variance
  • uniformity of body weight
  1. Bodin, L., Garcia, M., Saleil, G., Bolet, G. & Garreau, H. (2010). Results of 10 generations of canalising selectionfor rabbit birth weight. In: 9th World Congress on genetics applied to livestock production (p. 1-4), Leipzig, Germany.
  2. Felleki, M., Lee, D., Lee, Y., Gilmour, A. R. & Rönnegård, L. (2012). Estimation of breeding values for mean and dispersion, their variance and correlation using double hierarchical generalized linear models. Genetics research, 94, 307-317.
  3. Garreau, H., Bolet, G., Larzul, C., Robert-Granie, C., Saleil, G., SanCristobal, M. & Bodin, L. (2008). Results of four generations of a canalising selection for rabbit birth weight. Livestock Science, 119, 55-62.
  4. Ghiasi, H. & Felleki, M. (2016). Joint estimation of (co) variance components and breeding values for mean and dispersion of days from calving to first service in Holstein cow. Animal Production Science, 57, 760-766.
  5. Gilmour, A. R., Gogel, B. J., Cullis, B. R., Welham, S. J. & Thompson, R. (2014). ASReml User Guide Release 4.VSN International Ltd, Hemel Hempstead, HP1 1ES, UK. Available from: http://cdn.vsni.co.uk/downloads/asreml/release4/UserGuideFunctional.pdf.
  6. Gutiérrez, J. P., Nieto, B., Piqueras, P., Ibáñez, N. & Salgado, C. (2006). Genetic parameters for canalisation analysis of litter size and litter weight traits at birth in mice. Genetics Selection Evolution, 38, 445.
  7. Hohenboken, W. D. (1985). The manipulation of variation in quantitative traits: a review of possible genetic strategies. Journal of Animal Science, 60, 101-110.
  8. Morante, R., Goyache, F., Burgos, A., Cervantes, I., Pérez-Cabal, M. A. & Gutiérrez, J. P. (2009). Genetic improvement for alpaca fibre production in the Peruvian Altiplano: the Pacomarca experience. Animal Genetic Resources, 45, 37-43.
  9. Mulder, H. A., Hill, W. G., Vereijken, A. & Veerkamp, R. F. (2009). Estimation of genetic variation in residual variance in female and male broiler chickens. Animal, 3, 1673-1680.
  10. Mulder, H. A., Bijma, P. & Hill, W. G. (2008). Selection for uniformity in livestock by exploiting genetic heterogeneity of residual variance. Genetics Selection Evolution, 40, 37-60.
  11. Mulder, H. A., Bijma, P. & Hill, W. G. (2007). Prediction of breeding values and selection responses with genetic heterogeneity of environmental variance. Genetics, 175, 1895-1910.
  12. Neves, H. H. R., Carvalheiro, R., Roso, V. M. & Queiroz, S. A. (2011). Genetic variability of residual variance of production traits in Nellore beef cattle. Livestock Science, 142, 164-169.
  13. Rönnegård, L., Felleki, M., Fikse, W. F., Mulder, H. A. & Strandberg, E. (2013). Variance component and breeding value estimation for genetic heterogeneity of residual variance in Swedish Holstein dairy cattle. Journal of dairy science, 96, 2627-2636.
  14. Rönnegård, L., Felleki, M., Fikse, F., Mulder, H. A. & Strandberg, E. (2010). Genetic heterogeneity of residual variance-estimation of variance components using double hierarchical generalized linear models. Genetics Selection Evolution, 42, 8-17.
  15. Sørensen, P., de los Campos, G., Morgante, F., Mackay, T. F. & Sorensen, D. (2015). Genetic control of environmental variation of two quantitative traits of Drosophila melanogaster revealed by whole-genome sequencing. Genetics, 201, 487-497.