تعداد نشریات | 44 |
تعداد شمارهها | 1,318 |
تعداد مقالات | 16,187 |
تعداد مشاهده مقاله | 52,793,446 |
تعداد دریافت فایل اصل مقاله | 15,474,408 |
برآورد بیزین فراسنجه های منحنی شیردهی در گاوهای شیری ایران | ||
پژوهش های علوم دامی (دانش کشاورزی) | ||
دوره 32، شماره 3، آذر 1401، صفحه 97-107 اصل مقاله (593.5 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/as.2021.46574.1620 | ||
نویسندگان | ||
کیوان رجبعلی زاده* 1؛ صادق علیجانی2؛ ابوالفضل قربانی3؛ طرلان فرهوش1 | ||
1گروه علوم دامی، واحد شبستر، دانشگاه آزاد اسلامی، شبستر، ایران | ||
2گروه علوم دامی دانشکده کشاورزی دانشگاه تبریز | ||
3گروه علوم دامی، واحد شبستر، دانشگاه آزاد اسلامی، شبستر،ایران | ||
چکیده | ||
زمینه مطالعاتی: نمایش نموداری ترشح شیر در یک دوره شیردهی بهعنوان منحنی شیردهی شناخته میشود. با ارزیابی منحنی شیردهی طراحی راهکارهای مناسب برای پرورش و مدیریّت گاوهای شیری راحتتر انجام میشود. برای توصیف تولید شیر در یک دورهی شیردهی در گاوهای شیری، مدلهای ریاضی مختلفی توسعهیافتهاند. برآورد پارامترهای این مدلها در مورد گاوهای شیری ایران، با استفاده از روش بیزین انجامنشده است. هدف: تحقیق حاضر، برآورد بیزین پارامترهای مدلهای ریاضی وود، میلک بات، گمپرتز، دایجکسترا، کوبی- لیدو، ون برتالانفی، برودی و لاجستیک برای منحنی شیردهی بود. تعداد 30618، 30685 و 30627 رکورد روز آزمون به ترتیب برای تولید شیر، درصد چربی و درصد پروتئین مورداستفاده قرار گرفت. این رکوردها مربوط بهروزهای ۵ تا ۳۰۵ روز دورهی اوّل شیردهی گاوهای هلشتاین ایران با 3685 گاو از 350 گلّه بود. روش کار: در ابتدا دادهها برای اثرات ثابت معنیدارHTD و سن زایش گوساله تصحیح شدند. پارامترهای منحنیهای شیردهی با استفاده از رکوردهای روز آزمون گاوها در رویه MCMC نرمافزار SAS و با به کار بردن یک مدل غیرخطی مختلط با روش بیزین برآورد گردیدند. برای در نظر گرفتن منحنی شیردهی انفرادی هرکدام از گاوها، اثر هر گاو بهعنوان اثر تصادفی در تمامی مدلهای غیرخطی مورداستفاده قرار گرفت. برای نمونهگیری از توزیع پسین پارامترها، از الگوریتم نمونهگیری زنجیرهی مارکوف مونتکارلو، با در نظر گرفتن دورهی قلق گیری، فاصلهی نمونهگیری و تعداد کل سیکل به ترتیب 150000،100 و 400000 سیکل برای هرکدام، به دست آمد. برای بررسی مقادیر نمونهگیری شده و محاسبه شاخص همگرایی، از اندازهی مؤثّر نمونه و آزمون تشخیص جوک استفاده گردید. مدلها، توسّط معیار انحراف اطّلاعات (DIC) باهم مقایسه شدند. نتایج: با بررسی آماره توابع و شاخصهای همگرایی، تابع برودی برای تولید شیر و تابع وود برای درصد چربی و درصد پروتئین مناسبترین مدل و برازش بهتری را نشان دادند. در نتایج بهدستآمده، پارامترهای برآورد شده از تابع برودی برای تولید شیر به ترتیب 219/37، 544/0 و 084/0 برای a،b و c بود. برای درصد چربی شیر و درصد پروتئین شیر پارامترهای برآورد شده از تابع وود به ترتیب 29/4 و 53/3 برای a، 08/0- و 04/0- برای b و 0008/0- و 0004/0- برای c بود. نتیجهگیری نهایی: نتایج تحقیق حاضر، نشان داد که توابع برودی و وود به ترتیب، بهعنوان بهترین مدل در پیشبینی تولید شیر و صفات تولیدی در گاوهای هلشتاین ایران در دورهی اوّل شیردهی میباشند. | ||
کلیدواژهها | ||
تشخیص همگرایی؛ گاوهای هلشتاین؛ منحنی شیردهی؛ برآورد بیزین؛ زنجیره مارکوف مونتکارلو | ||
مراجع | ||
Alijani S, Jasouri M, Pirany N and Kia HD, 2012. Estimation of variance components for some production traits of Iranian Holstein dairy cattle using Bayesian and AI-REML methods. Pakistan Veterinary Journal 32: 562-566.
Arianfar M, Rokouei M, Dashab GR and Faraji-Arough H, 2018. Comparison and evaluation of some mathematical functions in describing the lactation curve of Iranian dairy cattle. Animal Production20:351-363 (In Persian).
Bangar YC and Verma MR, 2017. Non-linear modeling to describe lactation curve in Gir crossbred cows. Journal of Animal Science and Technology59: 1-7.
Boujenane I , 2013. Comparision of different lactation curve models to describe lactation curve Holstein - Friesian dairy cows. Iranian Journal of Applied Animal Science 3: 817-822.
Donger V, Gandhi RS and Singh A, 2012. Comparison of different lactation curve models in Sahiwal cows. Turkish Journal of Veterinary Animal Science36: 723-726.
Elahi Torshizi ME, Aslamenejad AA, Nassiri MR and Farhangfar H, 2011. Comparison and evaluation of mathematical lactation curve functions of Iranian primiparous Holsteins. South African Journal of Animal Science41: 104 - 115.
Ferreira AGT,Henrique DS, Vieira RAM ,MaedaEM and ValottoAA, 2015. Fitting mathematical models to lactation curves from holstein cowsin the southwestern region of the state of Parana, Brazil. Annals of the Brazilian Academy of Sciences 87: 503-517.
Geweke J, 1992. Evaluating the accuracy of sampling-based approaches to the calculation of posterior moments. In: JM Bernardo, JO Berger, AP Dawid and AFM Smith(editors). Bayesian Statistics 4th ed. Clarendon Press, UK, Pp. 169-193.
Hansen AV, Strathe AB, Kebreab E, France J and Theil P, 2012. Predicting milk yield and composition in lactating sows: A Bayesian approach. Journal of Animal Science90: 2285-2298.
Iqbal F, Tariq MM, Eyduran E, Zil-e-Huma, Waheed A, Abbas F, Ali M, Rashid N, Rafeeg M and Mustafa Z, 2019. Fitting nonlinear growth models on weight in Mengali sheep through Bayesian inference. Pakistan Journal of Zoology 51: 459-466.
Jensen J, Wang CS, Sorensen DA and Gianola D, 1994. Bayesian inference on variance and covariance components for traits influenced by maternal and direct genetic effects, using the Gibbs sampler. Journal of Acta Agricaltura Escandinavica 44: 193-202
Jonathan FR, Thomas RF, Thomas MG, 2017. Application of a Bayesian ordinal animal model for the estimation of breeding values for the resistance to Monilinia fruticola (G.Winter) Honey in progenies of peach [Prunus persica (L.) Batsch]. Breeding Science 67:110-122
Junior JA, Gonçalves T, Souza Jd, Rodriguez MA, Costa C and Carvalheira JGV, 2018. Adjustment of lactation curves of Holstein cows from herds of Minas Gerais, Brazil. Journal of Agricultural Science 10:1-14.
Kong L, Lia J, Lia R, Zhaoc X, Mad Y, Sunb S, HuangaJ, Juc Z, Houa M and Zhonga J, 2018. Estimation of 305-day milk yield from test-day records of Chinese Holstein cattle. Journal of Applied Animal Research 46:791-797.
Lotfi S, Lotfi R, Vahidian Kamyad Aand Farhangfar H, 2014. Modeling the lactation curve of Holstein dairy cows using the Sine function and comparing it with Dijekstra and Wood’s functions in a herd of Holstein dairy cow. Iranian Journal of Animal Science 45:59-68.
Orman MN and Ertuğrul O, 1999. Investigation of three different lactation models in milk yields of holstein cows. Turkish Journal of Veterinary Animal Science 23: 605-614.
Piccardi M, Macchiavelli R, Funes AC, Bó GA and Balzarin M, 2017. Fitting milk production curves through nonlinear mixed models. Journal of Dairy Research 84:1-8.
Rekaya P, Carabaño MJ and Toro MA, 2000. Bayesian analysis of lactation curves of Holestein-Friesian cattle using a nonlinear model. Journal of Dairy Science 83: 2691‑2701.
SAS Institute 2018. SAS/STAT software for windows 9.3. Cary, NC: SAS institute inc.
Sherchland L, Mcnew RW, Kellogg DW and Johnson ZB, 1995. Selection of a mathematical model to generate lactation curves using daily milk yields of Holstein cows. Journal of Dairy Science78: 2507-2513.
Teixeira FRF, Nascimento M, Cecon PR, Cruz CD, Silva FF, Nascimento ACC, Azevedo CF, Marques DBD, da Silva MVGB, Carneiro APS and Paixão DM, 2021. Genomic prediction of lactation curves of Girolando cattle based on nonlinear mixed models. Genetics and Molecular Research 20: 1-16.
Van Tassell CP and Van Vleck LD, 1996. Multiple-trait Gibbs sampler for animal model: flexible program for Bayesian and likelihood based (co)component inference. Journal of Animal Science 74: 2597-2586.
Wang CS, Rutledge JJ and Gianola D, 1994. Bayesian analysis of mixed linear model via Gibbs sampling with an application to litter size in Iberian pigs. Journal of Genetic Selection and Evolution 26: 91-103.
Wilmink JBM, 1987. Adjustment of test-day milk, fat and protein yield for age, season and stage of lactation. Livestock Production Science16: 335-348.
Wood PDP, 1967. Algebraic model of lactation curve in cattle. Nature 216:164-165. | ||
آمار تعداد مشاهده مقاله: 958 تعداد دریافت فایل اصل مقاله: 287 |