برآورد پارامترهای ژنتیکی صفات وزن بدن با استفاده از مدل رگرسیون تصادفی در گوسفند نژاد قزل
نام نخستين پديدآور
/بشیر قهری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده کشاورزی
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۰ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
در رشتهی علوم دامی گرایش ژنتیک و اصلاح دام
زمان اعطا مدرک
۱۳۹۲/۰۶/۱۸
کسي که مدرک را اعطا کرده
دانشگاه تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
هدف از این مطالعه، برآورد پارامترهای ژنتیکی صفات وزن بدن گوسفند قزل، توسط مدل رگرسیون تصادفی میصباشد .دادهصهای استفاده شده در این تحقیق شامل ۳۹۲۸۸ رکورد وزن بدن بوده که از ۱۳۳۷۸ حیوان، بین سالصهای ۱۳۷۳ تا ۱۳۹۱ از مرکز اصلاحصنژاد گوسفند قزل واقع در شهرستان میاندوآب، جمعصآوری گردیده است .برای آنالیز دادهصها از ۴ مدل رگرسیون تصادفی مختلف استفاده شد .تفاوت این مدلصها در اثرات تصادفی بوده و از نظر اثرات ثابت یکسان بودند .اثرات ثابت شامل :اثر تیپ تولد)تک قلو و دو قلو(، سال تولد (۱۳۷۳تا ۱۳۹۱) و اثر گله به عنوان رگرسیون ثابت بود .این اثرات ابتدا توسط دستور GLM در نرم افزارSAS ، آزمون معنیداری شده و همه آنها در سطح احتمال p<۰.۰۱ معنیصدار شدند .اثرات تصادفی شامل :اثر ژنتیک مستقیم حیوان)مدل۱) ، ژنتیک مستقیم و محیط دائمی حیوان)مدل۲) ، ژنتیک مستقیم حیوان، ژنتیک مستقیم مادری و محیط دائمی حیوان)مدل۳) ، ژنتیک مستقیم حیوان، محیط دائمی حیوان و محیط دائمی مادری)مدل ۴) بود .هر یک از این مدلصها توسط چند جملهصایصهای لژاندر با درجات مختلف (۱ تا ۵) برآزش گردیده، سپس توسط معیارهای -۲Logl، AIC و RV با یکدیگر مقایسه شدند .مدلی که کمترین مقدار را برای معیارهای ذکر شده داشت به عنوان دقیقصترین مدل انتخاب گردید .همچنین تفاوت مدلصها، با استفاده از آزمون نسبت درستنمائی (LRT)مورد مقایسه قرار گرفت و مدلی که تفاوت معنیصداری با سایر مدلصها داشت به عنوان مدل مطلوب انتخاب شد .در این خصوص مدل۴ ، با درجات برآزش، ۵ برای رگرسیون ثابت، ۳ برای ژنتیک مستقیم حیوان، ۵ برای محیط دائمی حیوان و ۲ برای محیط دائمی مادری، مطلوبترین مدل انتخاب شد .مقدار وراثتصپذیری مستقیم برای سنین۱ ،۹۰ ،۱۸۰ ، ۲۷۰ و ۳۶۰ به ترتیب۳۰۹/۰ ،۲۲۹/۰ ،۳۹۶/۰ ، ۳۸۳/۰ و ۵۵۴/۰ برآورد گردید .مقدار این وراثتصپذیری برای سن۹۰ روزگی کمترین مقدار و برای ۳۶۰ روزگی بیشترین مقدار بود .حداکثر مقدار تکرارپذیری برای روز ۹۰(۹۶۳/۰) و حداقل آن برای وزن تولد (۳۹۶/۰)بود .میزان همبستگی ژنتیکی بین روزهای ۹۰ و ۱۸۰ حداکثر بوده (۹۵۵/۰)و بین روزهای ۱ و ۱۸۰ حداقل (۰۷۱۵/۰)میصباشد .همچنین مقدار این همبستگی بین سنین نزدیک به هم بالا بوده و با افزایش فاصله مقدار آن کاهش می-یابد .میزان واریانسصهای ژنتیکی، محیط دائمی مستقیم، محیط دائمی مادری و فنوتیپی برای سن تولد، حداقل بوده و با افزایش سن مقدار آنها افزایش یافته و در سن ۳۶۰ روزگی به حداکثر میصرسد
متن يادداشت
10), and the additional restarts were performed until no further improvement in log likelihood occurred. The best model was selected using the likelihood ratio test, contrasting the differences between 2 models with X2 distribution at = 0.01, and the degree of freedom equal to difference between number of parameters in two models. When differences between log likelihoods were not significant, the model with the fewest order of fit was chosen as the best model.Model 4 with 5th order of fit for fixed regression, 3th order of fit for direct additive genetic, 5th order of fit for direct permanent environment, 2th order of fit for maternal permanent environment and with 25 parameters were considered as the most appropriate model. Direct heritability for birth weight, 90, 180, 270 and 360 days of age were: 0.309, 0.229, 0.396, 0.383 and 0.554, respectively. These results showed that direct heritability reduced after birth and reached to the lowest amount in 90 days of age, but after that increased as the age increased. The direct additive genetic correlations between 90d and 180d were highest (0.955) and between 1d and 180d were lowest (0.0715). These results showed that additive genetic correlations between adjacent age groups were more closely than between remote age groups-day records collected from 13378 animals at Ghezel sheep Breeding Station in Miandoab, west Azarbaijan province, from 1994 to 2012. The choice of fixed effects to be considered was made after testing whether the effects were statistically significant with GLM procedure of SAS (2004). The statistical model included the type of birth (single, twin) and the year of birth (19942012). All of the fixed effects were significant (P < 0.01) and included in the model. Weight as a function of age in days at weighting was included as a fixed regression of orthogonal polynomial. This fixed regression describes the average growth curve of all animals with records whithin per herd. Random effects included in the model were; direct additive genetic effect(model 1), direct additive genetic effect and direct permanent environment effect(model 2), direct additive genetic effect, direct permanent environment effect and maternal additive genetic effect(model 3), direct additive genetic effect, direct permanent environment effect and maternal permanent environment effect(model 4).The (co)variance components and genetic parameters of lambs body weight were estimated using the restricted maximum likelihood method by REMLF90 software (I. Misztal).The average information REML algorithm was used to maximize the likelihood (convergence criterion was 10-The aim of this study was to estimate genetic parameters for body weight traits in Ghezel sheep using random regression models. The Data were 39288 test
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )