تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,487,411 |
تعداد دریافت فایل اصل مقاله | 15,214,228 |
مقایسه روش انتخاب ژنومی و کلاسیک در اصلاح نژاد طیور بومی ایران | ||
پژوهش های علوم دامی (دانش کشاورزی) | ||
مقاله 15، دوره 27، شماره 3، آذر 1396، صفحه 201-212 اصل مقاله (1006.37 K) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
سارا ابراهیم پورطاهر1؛ صادق علیجانی* 1؛ سید عباس رافت1؛ احمد رضا شریفی2 | ||
1گروه علوم دامی دانشگاه تبریز | ||
2گروه علوم دامی دانشگاه گوتینگن آلمان | ||
چکیده | ||
زمینه مطالعاتی: در کشورهای در حال توسعه مخصوصا" ایران سرمایههای بومی نقش مهمی در اقتصاد روستایی ایفا میکنند. نژادهای بومی در مقایسه با سویههای تجاری میتوانند سطوح بالاتری از عملکرد را در شرایط نامساعد محیطی حفظ کنند. هدف: این مطالعه به منظورمقایسه راهکارهای انتخاب ژنومی و انتخاب کلاسیک در طیور بومی ایران با استفاده از نرمافزار ZPLAN+ انجام شد. روش کار: یک سناریوی مرجع و یک سناریوی ژنومی با تعداد 3460 پرنده در هر دو سناریو شبیهسازی شد. سناریوی مرجع بر پایه اطلاعات فنوتیپی و سناریوی ژنومی بر پایه ترکیبی از اطلاعات فنوتیپی و ژنومی با دو جمعیت مرجع 500 و 1000 حیوان برای هر دو جنسشبیهسازی شد. اطلاعات ژنومی مربوط به 4000 مرغ و تعداد متغیر خروس (800 تا 4000) بود. صفات مورد مطالعه شامل تعداد تخممرغ، وزن بدن در هشت هفتگی، متوسط وزن تخممرغ و سن بلوغ جنسی بود. برای شبیهسازی این صفات از پارامترهای انحرافمعیار فنوتیپی، وراثتپذیری، همبستگیهای ژنتیکی و فنوتیپی و ضرایب اقتصادی استفاده شد. نتایج: فاصله بیننسلی در هر دو سناریو برابر 5/14 ماه بود. با افزودن اطلاعات ژنومی به سناریوی مرجع دقت برآوردها از 62/0 برای خروسها و 64/0 برای مرغها به 77/0 برای هر دو جنس در سناریوی ژنومی افزایش یافت. رشد ژنتیکی صفات با افزایش تعداد خروسهای تعیین ژنوتیپ شده و همچنین با افزایش تعداد پرنده در جمعیت مرجع افزایش یافت. مقادیر رشد ژنتیکی صفت تعداد تخممرغ، وزن بدن در هشت هفتگی، متوسط وزن تخممرغ و سن بلوغ جنسی به ترتیب از 22/0، 57/2، 09/0 و 23/0- در سناریوی مرجع به 30/0، 60/3، 11/0 و 27/0- درسناریوی ژنومی با جمعیت مرجع 1000 حیوان افزایش یافت. سود حاصل از برنامه اصلاحی تنها در سناریوی ژنومی با جمعیت مرجع 1000 پرنده نسبت به سناریوی مرجع بالاتر بود. نتیجهگیری نهایی: استفاده از اطلاعات ژنومی باعث افزایش رشد ژنتیکی در تمام صفات شد. در این تحقیق هزینهها کاهش نیافتند اما اطلاعات ژنومی دقت انتخاب برنامه اصلاح نژادی را افزایش داد. | ||
کلیدواژهها | ||
انتخاب ژنومی؛ شبیهسازی؛ طیور بومی؛ ZPLAN+ | ||
مراجع | ||
Aghazadeh Bokat M, 2013, Genetic evaluation of egg number trait for Azerbaijan native’s chickens in different time period by random regression, Master thesis, Faculty of Agriculture and University of Tabriz.
Daetwyler HD, Villanueva B and Wooliams JA, 2008. Accuracy of predicting the genetic risk of diseases using genome-wide approach. Plos One 3: 1-8.
Daetwyler HD, Pong-Wong R, Villanueva B and Wooliams JA, 2010. The impact of genetic architecture on genome wide evaluation methods. Genetics 185: 1021–1031.
Dassonneville R, BrØndum RF, Druet T, Fritz S, Guillaume F, Guldbrandtsen B, Lund MS, Ducrocq V and Su G, 2011. Effect of imputing markers from a low-density chip on the reliability of genomic breeding values in Holstein populations. Journal of Dairy Science 94: 3679–3686.
Dekkers JCM, 2007. Prediction of response to marker-assisted and genomic selection using the selection index theory. Journal Animal Breeding Genetic 124: 331–341.
Dekkers JCM, Stricker C, Fernando RL, Garrick DJ, Lamont SJ, O´Sullivan NP, Fulton JE, Arango J, Settar P, Kranis A, McKay J, Watson KA, Koerhuis A and Preisinger R, 2010. Implementation of genomic selection in egg layer chickens. Journal of Animal Science 87: 6.
Erbe M, Reinhardt F and Simianer H, 2011. Empirical determination of the number of independent chromosome segments based on cross-validated data. Pp.115. In proceedings of the 62nd annual meeting of the European federation of Animal Science Stavanger.
Goddard M, 2009. Genomic selection: prediction of accuracy and maximization of long term response. Genetica 136: 245–257.
Habier D, Fernando RL and Dekkers JCM, 2009. Genomic selection using low-density marker panels. Genetics 182: 343–353.
Haberland A, Ytournel F, Simianer H, 2011. Integration of genomic information into the selection index. In Proceeding of the conference of the Gesellschaft für Züchtungskunde e.V. (DGfZ) and the Gesellschaft für Tierzuchtwissenschaften (GfT) .Freising-Weihenstephan, Germany.
Hazel LN and Lush JL, 1942. The efficiency of three methods of selection. Journal of Hered 33: 393-399.
Hazel LN, 1943. The genetic basis for constructing selection indexes. Genetics 28: 476-490.
Khadem A, Hafezian H and Rahimi-Mianji GH, 2010. Association of single nucleotide polymorphisms in IGFI, IGF-II and IGFBP-II with production traits in breeder hens of Mazandaran native fowls breeding station. African Journal of Biotechnology 9(6): 805-810.
Kianimanesh H R, Nejati A and Rahimi G, 2001. Estimation of economic indices for production traits of Iranian native fowls. Pp. 283-288. In Proc. 1st Sem. Genetic Breeding. App.
König S, Simianer H and Willam A, 2009. Economic evaluation of genomic breeding programs. Journal of Dairy Science 92: 382–391.
Meuwissen T, Hayes B and Goddard M, 2016. Genomic selection: A paradigm shift in animal breeding. Animal Frontiers 6: 6-14.
Schaeffer LR, 2006. Strategy for applying genome-wide selection in dairy cattle. Journal of Animal Breeding Genetic 123: 218–223.
Semsarian S, Eskandari Nasab MP, Zarehdaran S and Dehghani AA, 2013. Prediction of the weight and number of eggs in Mazandaran native fowl using artificial neural network. International journal of Advanced Biological and Biomedical Research 1: 532-537.
Sitzenstock F, Ytournel F, Sharifi AR, Cavero D, Täubert H, Preisinger R and Simianer H, 2013. Efficiency of genomic selection in an established commercial layer breeding program. Genetic Selection Evolution 45:29.
Täubert H, Reinhardt F and Seminar H, 2010. ZPLAN+ A new software to evaluate and optimize bird breeding programs. Leipzig: In Proceedings of the 9th World Congress on Genetics Applied to Livestock Production.
Wolc A, Arango J, Settar P, Fulton JE, O'Sullivan NP, Preisinger R, Habier D, Fernando RL, Garrick DJ, Lamont SJ and Dekkers JCM, 2013. Genomic selection in layer chickens outperforms pedigree-based selection. Journal of Animal Science 91: 23.
Wolc A, 2015. Genomic selection in layer and broiler breeding. LOHMANN Information 49 (1): 4-11.
Wolc A, Kranis A, Arango J, Settar P, Fulton JE, O’Sullivan NP, Avendano A, Watson KA, Hickey JM, de los Campos G, Fernando RL, Garrick DJ and Dekkers JCM, 2016. Implementation of genomic selection in the poultry industry. Animal Frontiers 6: 23-31.
Yousefi zonuz A, 2012, Maternal genetic and environmental effects on genetic evaluation of some economic traits in Iranian pedigreed native chickens using Bayesian and REML methods, Master thesis, Faculty of Agriculture and University of Tabriz.
Zerehdaran S and Emamgholibaghli H, 2010. Effect of using genetic markers in breeding programs of native fowl. Journal of Animal Science Researches 22(1): 1-9. | ||
آمار تعداد مشاهده مقاله: 1,412 تعداد دریافت فایل اصل مقاله: 940 |