برآورد پارامترهاي ژنتيكي صفت توليد شير گاوهاي هلشتاين ايران با استفاده از مدل هاي رگرسيون تصادفي و تكرارپذير

Estimation of genetic parameters for milk yield of Iranian Holstein dairy cows using random regression and repeatability models

در پژوهش حاضر به منظور برآورد پارامترهاي ژنتيكي صفت توليد شير گاوهاي هلشتاين ايران با استفاده از مدل حيواني تكرارپذير براي ركوردهاي تصحيح شده 305 روز و مدل روزآزمون رگرسيون تصادفي از ركوردهاي دوره اول زايش جمع آوري شده توسط مركز اصلاح نژاد و بهبود توليدات دامي كشور طي سال هاي 1380 تا 1389 استفاده شد. براي تعيين عوامل ثابت برازش يافته در مدل از رويه GLM استفاده شد. تجزيه و تحليل داده ها با استفاده از الگوريتم AIREML انجام شد. در مدل رگرسيون تصادفي از نظر درجه برازش چندجمله اي هاي لژاندر درجه برازش 5 و 6 به ترتيب براي تجزيه اثر تصادفي ژنتيكي افزايشي و اثر محيطي دايمي به عنوان مناسب ترين درجه برازش انتخاب شدند. وراثت پذيري و تكرارپذيري توليد شير براي داده هاي تصحيح شده براي 305 روز به ترتيب 209/0و 392/0 و با مدل تابعيت تصادفي به ترتيب 106/0 تا 278/0 و 688/0 تا 810/0 برآورد شد. ميانگين وراثت پذيري توليد شير در مدل تابعيت تصادفي روزآزمون به ويژه در ماه هاي چهارم تا اواخر دوره شيردهي بيشتر از وراثت پذيري در مدل تكرارپذيري بود.

In the present study, the records collected by Animal Breeding Center of Iran between 2001 and 2010 were used to estimate the genetic parameters of Iranian Holstein milk yield trait with test day and 305 day corrected records. GLM procedure was used for fitting the fixed effects in the statistical models of analysis. Analysis was performed using AIREML algorithm. In random regression model the Legendre polynomial functions of orders (5, 6) were chosen to fit the additive genetic and permanent environmental effects. Heritability and repeatability estimates were 0.209 and 0.392 with repeatable animal model and 0.106 to 0.278 and 0.688 to 0.810 with random regression test day model, respectively. Average heritability of milk yield in random regression model was higher than one in repeatability animal model especially late in the fourth month of lactation, therefore the selection in this period and random regression model can be more accurate.