ارزﯾﺎﺑﯽ ژﻧﺘﯿﮑﯽ ﺻﻔﺎت ﺗﻮﻟﯿﺪﻣﺜﻠﯽ ﺑﺰ ﮐﺮﮐﯽ راﺋﯿﻨﯽ ﺑﺎ ﻣﺪل ﻫﺎي ﻣﻌﺎدﻻت ﺳﺎﺧﺘﺎري

Genetic evaluation of reproductive traits in Raeini Cashmere goat using structural equation modeling

در پژوهش كنوني از اطلاعات جمع آوري شده طي سال هاي 1372 تا 1389 در ايستگاه پرورش و اصلاح نژاد بز كركي راييني براي ارزيابي صفات توليدمثلي 1312 راس بز ماده نژاد كركي راييني و استنباط روابط علي بين آن ها استفاده شد. صفات توليدمثلي بررسي شده شامل تعداد بزغاله هاي متولد شده از هر بز مولد، تعداد بزغاله هاي شيرگيري شده از هر بز مولد، مجموع وزن تولد بزغاله ها از هر بز مولد و مجموع وزن شيرگيري بزغاله ها از هر بز مولد بودند. سه مدل ارزيابي ژنتيكي شامل مدل هاي چندصفتي استاندارد، چندصفتي يك طرفه براساس دانش پيشين و چندصفتي براساس الگوريتم جستجوي IC با استفاده از رويكرد بيزين بر داده ها برازش داده شدند. مقايسه مدل هاي مذكور با معيار انحراف اطلاعات (DIC)، ميانگين مربعات خطا (MSE) و همبستگي پيرسون بين مقادير مشاهده شده و پيش بيني شده نشان داد مدل چندصفتي براساس الگوريتم جستجوي IC نسبت به دو مدل ديگر DIC كمتر و براي كليه صفات MSE كمتر و بيشتري دارد كه بر مطلوبيت آن در ارزيابي ژنتيكي صفات مورد بررسي دلالت دارد. همچنين، تغيير رتبه حيوانات براساس ارزش اصلاحي آن ها تحت مدل هاي چندصفتي استاندارد و چندصفتي براساس الگوريتم IC نيز لزوم توجه به روابط علي ميان صفات براي دستيابي به رتبه بندي صحيح دام هاي مولد را نشان داد.

In the present study, data collected from 1993 to 2011 in Raeini Cashmere goat breeding station were used for genetic evaluation and inferring causal relationships among reproductive traits applying structural equation models. The studied lifetime reproductive traits were included the overall number of kids born (OLSB), the overall number of kids weaned (OLSW), the overall litter weight at birth (OLWB) and the overall litter weight at weaning (OLWW). Three models including standard (SMM), recursive based on prior knowledge (PRM) and recursive based on inductive causation algorithm (ICM) multivariate models were used for genetic evaluation of animals under the Bayesian approach. The comparisons of the investigated models via deviance information criterion (DIC), mean square error (MSE) and Pearson's correlations between observed and predicted records () revealed that ICM had lower DIC and MSE and higher () for all the studied lifetime reproductive traits; implying the more plausibility of ICM over SMM and PRM. Furthermore, re-raking of the animals under SMM and ICM confirmed the importance of considering the causal relationship among the traits for ensuring accurate ranking of animals according to their breeding values.