بررسي روند ژنتيكي و فنوتيپي صفات رشد در بره هاي مغاني

Study of Genetic and Phenotype Trends of Some of Growth Traits in Moghani Sheep

چكيده در اين پژوهش از تعداد 17620 ركورد مربوط به صفات رشد بره هاي مغاني ايستگاه پرورش و اصلاح نژاد گوسفند مغاني واقع در جعفرآباد در طي سالهاي 1374 تا 1385 براي برآورد روند ژنتيكي و فنوتيپي صفات رشد در بره هاي مغاني استفاده شد. با استفاده از روش حداكثر درستنمايي محدود شده بي نياز از مشتق (DFREML) و مدل حيواني يك صفتي و چند صفتي، بهترين پيش بيني خطي بدون اريب (BLUP) از ارزش هاي اصلاحي صفات بدست آمد. روندها به صورت تابعيت ميانگين مقادير فنوتيپي و ژنتيكي بر اساس سال تولد محاسبه شد. روند فنوتيپي وزن تولد، وزن سه ماهگي، وزن شش ماهگي، وزن نه ماهگي و وزن يك سالگي به ترتيب 0371/0، 0513/0، 0206/0-، 3839/0- و 0143/0- كيلوگرم در سال برآورد گرديد. روندهاي ژنتيكي وزن تولد، وزن سه ماهگي، وزن شش ماهگي، وزن نه ماهگي و وزن يكسالگي با استفاده از تجزيه و تحليل يك صفتي به ترتيب 0055/0، 0053/0، 0052/0، 0061/0 و 0849/0 كيلوگرم و طي تجزيه و تحليل چند صفتي به ترتيب 0107/0، 0968/0، 1311/0، 1613/0 و 1328/0 كيلوگرم در سال برآورد گرديد. براي تمامي صفات روند ژنتيكي معني دار ولي روند فنوتيپي براي اغلب صفات معني دار نبود ( 05/0P < ). ميانگين ارزش اصلاحي حاصل از مدل جند صفتي نسبت به يك صفتي بسيار بالاتر بود.

In this research 17620 records of growth traits of Moghani sheep breed collected during 1994 to 2005 in sheep breeding station of Jafar-Abad, were used to estimate the genetic and phenotypic trends. The Best Linier Unbiased Prediction (BLUP) from breeding value was estimated by Derivative Free Restricted Maximum Likelihood (DFREML) with univariate and multivariate animal model. The trends were estimated by regression of mean of estimated breeding and phenotypic values on birth year. Phenotypic trends were positive and significant (P<0.05) for birth and 3 months weights and are negative for 6 months, 9 months and yearling weights. Genetic trends were positive and significant for all traits in both models for lamb weights at birth, 3 months, 6 months, 9 months and yearling of age being 0.0055, 0.0053, 0.0052, 0.0061 and 0.0849 kg per year in univariate analysis (P<0.01) and 0.0107, 0.0968, 0.1311, 0.1613 and 0.1328 kg per year in multivariate analysis (PO.Ol), respectively. Multivariate model offered better results in comparison with univariate models.