8954856055505db

تعیین شمار رکورد روز آزمون موردنیاز هر دام برای جایگزینی مدل رگرسیون تصادفی با مدل متداول دورۀ شیردهی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، گروه علوم دام و طیور، پردیس ابوریحان، دانشگاه تهران

2 استادیار، گروه علوم دامی، دانشکدۀ کشاورزی، دانشگاه کردستان

3 کارشناس ارشد، مرکز اصلاح نژاد و بهبود تولیدات دامی ایران

چکیده

با توسعۀ مدل‌های آماری مختلط برای ارزیابی صفات تکرارشده در طول زمان، مدل رگرسیون تصادفی (RRM) جایگزین مدل دورۀ شیردهی (LM) شده است. کمترین شمار رکورد روز آزمون لازم در هر دورۀ شیردهی به ازای هر حیوان برای جایگزینی LM با RRM یک چالش در ارزیابی ژنتیکی است. در این بررسی از 381236 رکورد روز آزمون مربوط به 44117 گاو شیری از هشت گله با دورۀ شیردهی اول استفاده شد. بر پایۀ شمار رکورد روز آزمون هر دام، گاوها در پنج گروه حداقل دو رکورد روز آزمون (2≥)، حداقل چهار رکورد روز آزمون (4≥)، حداقل شش رکورد روز آزمون (6≥)، حداقل هشت رکورد روز آزمون (8≥) و حداقل ده رکورد روز آزمون (10≥) دسته­بندی شدند. همبستگی رتبه­ای بین ارزش­های اصلاحی RRM و LM با استفاده از همۀ رکوردها بدون توجه به شمار رکورد روز آزمون هر دام 44/0 برآورد شد و همچنین همبستگی بین دو مدل با استفاده از 2≥ رکورد روز آزمون 71/0 برآورد شد. هنگامی‌که 10 درصد دام‌های برتر در دو مدل با هم مقایسه شدند، همبستگی بین RRM و LM به کمتر از 08/0 کاهش یافت. در RRM همبستگی بین EBV گاوهای برتر با حداقل دو رکورد روز آزمون با حداقل ده رکورد روز آزمون برابر با 85/0بود. میانگین درستی EBV­ها با استفاده از مدل رگرسیون تصادفی 65/0 و در مدل دورۀ شیردهی 61/0 به دست آمد. به‌طورکلی استفاده از RRMهنگامی بیش از دو رکورد روز آزمون به ازای هر حیوان استفاده شود نسبت به LM ارجح است و لذا پیشنهاد می­شود از RRM باحداقل دو رکورد روز آزمون به‌جای LM استفاده شود.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of the number of test day records is required to replace lactation model with random regression model?

نویسندگان [English]

  • Rostam Abdollahi Arpanahi 1
  • Mohammad Razkabir 2
  • Mohammadbagher Sayadnejad 3
  • Alireza Eghbal 3
1 Assistant Professor, Department of Animal and Poultry Science, Campus of Aburaihan, University of Tehran, Iran
2 Assistant Professor, Animal Science Department, Faculty of Agriculture, University of Kurdistan, Iran
3 Former M. Sc. Student, Iranian National Animal Breeding Center and Promotion of Animal Products, Iran
چکیده [English]

With development of mixed models, lactation model (LM) was replaced with random regression model (RRM). However, the minimum number of required test day (TD) records per animal to replace LM with RRM is a challenge in genetic evaluations. In this study, 381,236 test day records of 44,117 first parity dairy cattle which collected by Animal Breeding Center of Iran were used from 2006 to 2016. Based on number of TD records per animal, cows were divided into five groups by restricting cows that presented at least 2, 4, 6, 8 or 10 test day records in the lactation. The rank correlation between predicted breeding values (EBV) for LM and RRM irrespective of number of TD records was relatively moderate (0.44) and the rank correlation between two models using at least 2 TD records was 0.71. When 10 top percent of cows were used for comparison of LM with RRM, the rank correlation decreased to 0.08. The correlation of EBV of cows with ≥2 TD records with cows with ≥10 records in RRM was 0.85. The mean of breeding values accuracy in RRM was 4% higher than LM. Overall, use of RRM has advantages over LM and it is suggested to use RRM with at least 2 TD records instead of LM for genetic evaluation of milk yield trait. 

کلیدواژه‌ها [English]

  • Holstein
  • lactation model
  • Milk production
  • random regression
  • rank correlation
  1. De Melo, C. M. R., Packer, I. U., Costa, C. N. & Machado, P. F. (2007). Genetic parameters for test day milk yields of first lactation Holstein cows by random regression models. Animal, 1(3), 325-334.
  2. Farhangfar, H., & Rezaee, H. (2007). Comparison of Holstein’s Genetic Evaluation for Milk Production Using 305-Day and Test-Day Models. JWSS-Isfahan University of Technology11(40), 375-384. (in Farsi)
  3. Gantner, V., Jovanovac, S., Klopčič, M., Cassandro, M., Raguž, N. & Kuterovac, K. (2009). Methods for estimation of daily and lactation milk yields from alternative milk recording scheme in Holstein and Simmental cattle breeds. Italian Journal of Animal Science8(4), 519-530.
  4. Interbull. (2007). Interbull routine genetic evaluation for dairy production traits, August 2007. http://www-interbull.slu.se/eval/ aug07.html Accessed Nov. 30, 2007.
  5. Kennedy, B. W., Sola, G. & Moxley, J. E. (1978). Correction factors for first, second and last test day milk yields. Canadian Journal of Animal Science58(3), 419-426.
  6. Liu, Z., Reinhardt, F., Bünger, A., Jaitner, J.,& Reents, R. (2003). Genetic evaluation of somatic cell scores using a random regression test day model for a very large dairy cattle population. Interbull bulletin, (31), 88.
  7. Meyer, K. (2007). WOMBAT-A tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML). Journal of Zhejiang University-Science B, 8(11), 815-821.
  8. Misztal, I., Tsuruta, S., Lourenco, D., Aguilar, I., Legarra, A. & Vitezica, Z. (2014). Manual for BLUPF90 family of programs. Athens: University of Georgia.
  9. Mrode, R. A. (2014). Linear models for the prediction of animal breeding values. Cabi. ISBN: 0851990002.
  10. Padilha, A. H., Cobuci, J. A., Costa, C. N. & Neto, J. B. (2016a). Random regression models are suitable to substitute the traditional 305-day lactation model in genetic evaluations of Holstein cattle in Brazil. Asian-Australasian journal of animal sciences29(6), 759.
  11. Padilha, A. H., Cobuci, J. A., Daltro, D. D. S. & Braccini Neto, J. (2016b). Reliability of breeding values between random regression and 305-day lactation models. Pesquisa Agropecuária Brasileira51(11), 1848-1856.
  12. Padilha, A. H., Costa, C. N., Neto, J. B., dos Santos Daltro, D. & Cobuci, J. A. (2017). Selecting random regression models under different minimum number of test day records. Livestock Science199, 69-73.
  13. Razmkabir, M., Moradi Shahrbabak, M., Pakdel, A. & Nejati Javaremi, A. (2011). Estimation of Genetic Parameters for Test Day Records of Milk Yield in Holstein Dairy cattle of Iran. Iranian Journal of animal Science, 42(2), 171-178. (in Farsi)
  14. Schaeffer, L. R., & Dekkers, J. C. M. (1994). Random regressions in animal models for test-day production in dairy cattle. Proceedings of Fifth World Congress of Genetics Applied to Livestock Production, vol. XVIII. Guelph, Ont., Canada, pp. 443-446.
  15. Shadparvar, A. A. & Yazdanshenas, M. S. (2005). Genetic parameters of milk yield and milk fat percentage test day records of Iranian Holstein cows. Asian-Australasian Journal of Animal Sciences, 18(9), 1231-1236.