برآورد پارامترهای ژنتیکی صفات رشد در بز کرکی راینی با استفاده از روش های آماری حداکثر درستنمایی محدود شده و بیزی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 بخش علوم دامی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 دانشیار بخش مهندسی علوم دامی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران.

3 گروه علوم دامی، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران

چکیده

هدف: هدف از پژوهش کنونی مقایسه نتایج حاصل از آنالیز ژنتیکی صفات رشد در بز کرکی راینی با استفاده از روش حداکثر درستنمایی محدود شده و همچنین روش بیزی می‌‌‌‌‌باشد که برای برآورد پارامتر های ژنتیکی صفات اقتصادی در دام ها بطور وسیع بکار برده می‌شوند.
مواد و روش‌ها: در پژوهش کنونی از رکوردهای انفرادی و اطلاعات شجره‌ای صفات رشد بز کرکی راینی استفاده شد که طی سال­های ١٣٧٠ تا ١٣٨٥ در ایستگاه پرورش و اصلاح نژاد بز کرکی راینی واقع در شهرستان بافت، استان کرمان، جمع آوری شده بودند. صفات مورد مطالعه در این تحقیق شامل وزن بدن در زمان تولد، سه، شش و نه ماهگی بودند. مدل حیوانی تک صفتی برای برآورد مؤلفه­های واریانس و پارامترهای ژنتیکی این صفات با استفاده از دو روش­ حداکثر درستنمایی محدود شده و بیزی مبتنی بر نمونه­گیری گیبس استفاده‌شد.
نتایج: اثرات ثابت شامل سن، جنس، نوع تولد، سال و ماه تولد و سن مادر و اثرات تصادفی شامل اثرت ژنتیکی افزایشی و اثرات ژنتیکی مادری برای تمامی صفات معنی­دار بودند. وراثت­پذیری مستقیم صفات رشد از تولد تا نه ماهگی با استفاده از روش حداکثر درستنمایی محدود شده به ترتیب برابر04/0 ± 18/0، 05/0 ± 14/0، 07/0 ± 08/0 و 08/0 ± 10/0 و با استفاده از روش بیزی به ترتیب برابر 04/0 ± 17/0، 05/0 ± 08/0، 06/0 ± 09/0 و 08/0 ± 19/0 برآورد گردید. همچنین وراثت­پذیری مادری صفات رشد از تولد تا نه ماهگی با استفاده از روش حداکثردرستنمایی محدود شده به ترتیب برابر 04/0 ± 18/0، 06/0 ± 08/0، 07/0 ± 09/0 و 08/0 ± 09/0 و با استفاده از روش بیزی به ترتیب برابر 04/0 ± 17/0، 05/0 ± 06/0، 07/0 ± 06/0 و 08/0 ± 13/0  برآورد گردید.
نتیجه‌گیری: نتایج حاصل از پژوهش کنونی نشان داد که کارایی دو روش حداکثر درستنمایی محدود شده و بیزی مبتنی بر نمونه‌گیری گیبس برای آنالیز ژنتیکی متأثر از حجم داده‌های مورد استفاده است. در صفاتی مثل وزن تولد که رکورد به اندازه کافی و با ساختار مناسب وجود داشته باشد، هر دو روش کارایی خوب و مشابهی دارند و می‌توان از هرکدام از این دو روش استفاده نمود. در غیر این‌‍صورت بازدهی هر دو روش کاهش می‌یابد. بنابراین لازم است طراحی و اجرای برنامه‌های اصلاح نژاد دام به‌گونه‌ای باشد که برای صفات مورد بررسی، تعداد کافی رکورد با ساختار مناسب شجره جمع آوری گردد.

کلیدواژه‌ها

عنوان مقاله [English]

Estimates of Genetic Parameters of Growth Traits in Rayeni Cashmere Goat Using Restricted Maximum Likelihood and Bayesian

نویسندگان [English]

  • Masoume Mahmoudi 1
  • Masood Asadi Fozi 2
  • Mahmoud Honarvar 3
  • Mahdiye Montazeri 1
1 Department of Animal Science, Faculty of Agriculture, Shahdid Bahonar University of Kerman, Kerman, Iran
2 Department of Animal Science, Faculty of Agriculture, Shahdid Bahonar University of Kerman, Kerman, Iran.
3 Department of Animal Science, Islamic Azad University, City of Ghods Unit, Tehran, Iran
چکیده [English]

Objective
The restricted maximum likelihood method and the Bayesian method are widely used to estimate the genetic parameters of economic traits in livestock. This research aims to compare the results of genetic analysis of growth traits in Rayeni cashmere goats using these two methods. This breed is mainly bred in Kerman Province, Iran.
Materials and methods
In this research, individual records and pedigree information of the growth traits of Rayeni cashmere goats that were collected from 1370 to 1385 in the breeding station of Rayeni cashmere goats located in Baft City, Kerman province, were used. The traits studied in this research included body weight at birth, three, six, and nine months. Univariate animal model for estimating the variance components and genetic parameters of these traits using two methods, including restricted maximum likelihood and Bayesian-based Gibbs sampling, was used.
Results
Fixed effects, including age, sex, age of dam, type of birth, the effect of year and month of birth, and random effects including additive genetic effect and maternal genetic effects, were significant for all traits. The direct heritability of growth traits from birth to nine was estimated using the restricted maximum likelihood method as 0.18, 0.14, 0.08, and 0.10, and using the Bayesian method as 0.17, 0.08, 0.09, and 0.19, respectively. Maternal heritability of growth traits was also estimated from birth to nine months using the restricted maximum likelihood method as 0.18, 0.08, 0.09, and 0.09, respectively, and using the Bayesian method as 0.17, 0.06, 0.06, and 0.13, respectively.
Conclusions
The results of this research showed that the efficiency of the two methods of restricted maximum likelihood and Bayesian-based Gibbs sampling for genetic analysis is affected by the amount of data used. In situations such as birth weight, when there is a sufficient record with a suitable structure, both methods have good and similar performance, and each of these two methods can be used; otherwise, the efficiency of both methods will decrease. Therefore, it is necessary to design and implement animal breeding programs where a sufficient number of records with a suitable pedigree structure are collected for the investigated traits.

کلیدواژه‌ها [English]

  • Rayeni cashmere goat
  • genetic parameters
  • restricted maximum likelihood method
  • Bayesian method
  • growth traits

مراجع

جسوری مهدی، علیخانی صادق، پیرانی نصر الله (1390) مقایسه دو روش آماری بیزی و حداکثردرستنمایی محدودشده در برآورد پارامتر­های ژنتیکی در رکورد­های سه شکم اول صفات مهم اقتصادی در گاو­های هلشتاین ایران با استفاده از مدل حیوانی. اولین کنگره علوم و فناوری­های نوین کشاورزی، دانشگاه زنجان 21-18.
جوادی روح انگیز، علیخانی صادق، شجاع جلیل (1390) استفاده از روش آماری بیزی برای برآورد پارامتر­های ژنتیکی گوسفند نژاد مغانی. اولین کنگره ملی علوم و فناوری­های نوین کشاورزی، دانشگاه زنجان 19-15.
حسنی محمد نبی، ا­سدی فوزی مسعود، ا­سمعیلی زاده علی و همکاران (1389) تجزیه ژنتیکی صفات رشد در بز کرکی راینی با استفاده از مدل حیوانی چند متغیره. مجله علوم دامی ایران (41) 4، 329-323.
حیدری فاطمه، ا­سدی فوزی مسعود، ا­سمعیلی زاده علی (1390) بررسی اثر انتخاب ظاهری بر روند ژنتیکی وزن الیاف در بز کرکی راینی. پایان­نامه کارشناسی ارشد علوم دامی. دانشکده کشاورزی، دانشگاه شهید باهنرکرمان. 73 صفحه.
دیمی غیاث آبادی پروانه، علیجانی صادق، شجاع غیاث جلیل و همکاران (1391) ﻣﻘﺎﻳﺴﻪ دو روش آﻣﺎری ﺣﺪاﻛﺜﺮ درﺳﺘﻨﻤﺎﻳﻲ ﻣﺤﺪود ﺷﺪه (REML) وآﻧﺎﻟﻴﺰ ﺑﻴﺰی در ﺑﺮآورد پاراراﻣﺘﺮﻫﺎی ژﻧﺘﻴﻜﻲ ﺑﺮﺧﻲ از ﺻﻔﺎت ﻣﻬﻢ اﻗﺘﺼﺎدی ﻣﺮغ های ﺑﻮﻣﻲ اﺳﺘﺎن ﻓﺎرس. پژوﻫﺸﻬﺎی ﺗﻮﻟﻴﺪات داﻣﻲ، (5)3، 1-13.
را­شدی ده صحرائی آذر، فیاضی جمال، وطن خواه محمود و همکاران (1392) برآورد اجزای کوواریانس و فرانسجه­های ژنتیکی صفات رشد در بره­های لری بختیاری با استفاده از روش نمونه­گیری گیبس. نشریه پژوهش در نشخوارکنند­گان (1)2، 13-9.
عبداللهی آرپناهی رستم، مرادی شهربابک محمد، زندی محمد باقر و همکاران (1390) مقایسه شش نرم­افزار آماری مورد استفاده در اصلاح نژاد دام. مجله علوم دامی ایران (43) 3، 400-393.
Abdollahi, R., Moradi Shahre Babak, M., Zandi, M. B., & Razm Kabir, M. (2012). A comparison of six animal breeding software packages. Iranian Journal of Animal Science, 43(3), 393–400. https://doi.org/10.22059/ijas.2012.29346
Al-Shorepy, S. A., Al-Hadrami, G. A., & Abdelwahab, K. (2002). Genetic and phenotypic parameters for early growth traits in Emirati goat. Small Ruminant Research, 45(3), 217–223. https://doi.org/10.1016/S0921-4488(02)00110-4
Asadi Fozi, M. (2016). Lifetime genetic analysis of milk yield in Iranian Holstein cows using repeatability and pre-structured multivariate models. Journal of Livestock Science and Technologies, 4(1), 39-44. https://doi.org/10.22103/jlst.2016.1380
Asadi Fozi, M. (2017). Evaluation of repeatability and pre-structured repeatability models for genetic analyses of repeated records of fat and protein milk contents in Iranian Holstein cows. Animal Production Science, 59(2), 261–267. https://doi.org/10.22059/jbioc.2019.276448.261
Asadi Fozi, M., Van der Werf, J. H. J., & Swan, A. A. (2005). The importance of accounting for maternal genetic effects for wool and body weight traits in Australian fine-wool Merino breeding. Australian Journal of Agricultural Research, 56(8), 789–796. https://doi.org/10.1071/AR05006
Asadi Fozi, M., Van der Werf, J. H. J., & Swan, A. A. (2012). Modelling genetic (co)variance structure across ages of mean fibre diameter in sheep using multivariate and random regression analysis. Animal Production Science, 52(11), 1019–1026. https://doi.org/10.1071/AN12139
Askari, N., Mohammadabadi, M. R., & Baghizadeh, A. (2011). ISSR markers for assessing DNA polymorphism and genetic characterization of cattle, goat and sheep populations. Iranian Journal of Biotechnology, 9(3), 222–229. https://www.ijbiotech.com/article_7158.html
Banskalieva, V., Sahlu, T., & Goetsch, A. L. (2000). Fatty acid composition of goat muscles and fat depots: A review. Small Ruminant Research, 37(3), 255–268. https://doi.org/10.1016/S0921-4488(00)00128-0
Barazandeh, A., Mohammadabadi, M. R., Ghaderi-Zefrehei, M., & Nezamabadi-pour, H. (2016). Genome-wide analysis of CpG islands in some livestock genomes and their relationship with genomic features. Czech Journal of Animal Science, 61(11), 487–495. https://doi.org/10.17221/78/2015-CJAS
Barp, A., Xavier Briol, F., Kennedy, A. D., & Girolami, M. (2018). Geometry and dynamics for Markov chain Monte Carlo. Annual Review of Statistics and Its Application, 5, 451–471. https://doi.org/10.48550/arXiv.1705.02891
Boujenane, I. A., & Hazzab, E. (2008). Genetic parameters for direct and maternal effects on body weight of Draa goats. Small Ruminant Research, 80(1–3), 16–21. https://doi.org/10.1016/j.smallrumres.2008.07.026
Corva, P. M., Macedo, G. V. F., Soria, L. A., Mazzucco, J., Motter, M., Villarreal, E. L., Schor, A., Mezzadra, C. A., Melucci, L. M., & Miquel, M. C. (2009). Effect of leptin gene polymorphisms on growth, slaughter and meat quality traits of grazing Brangus steers. Genetics and Molecular Research, 8(1), 105–116. https://doi.org/10.4238/vol8-1gmr556
Deimi Ghias Abadi, P., Alijani, S., Jalil Shodja Ghias, J., & Pirani, N. (2013). Comparison of two restricted maximum likelihood (REML) and Bayesian statistical methods for estimating genetic parameters of some economically important traits in Fars native chickens. Research on Animal Production, 3(5), 1-13. http://rap.sanru.ac.ir/article-1-80-en.html
Gerstmeyer, S. (1992). Impact of the data structure on the reliability of the estimated genetic parameters in an animal model with maternal effects. Journal of Animal Breeding and Genetics, 109(1–6), 321–326. https://doi.org/10.1111/j.1439-0388.1992.tb00412.x
Gianola, D., & Foulley, J. L. (1983). Sire evaluation for ordered categorical data with a threshold model. Genetics Selection Evolution, 15(2), 201–224. https://doi.org/10.1186/1297-9686-15-2-201
Gilmour, A. R., Gogel, B. J., Cullis, B. R., & Thompson, R. (2009). ASReml user guide release 3.0. NSW Department of Industry and Investment. https://www.hpc.iastate.edu/sites/default/files/uploads/ASREML/UserGuide.pdf
Hasani, M. N., Asadi Fozi, M., Esmailizadeh, A., & Mohammadabadi, M. R. (2010). Genetic analysis of growth traits in Rayeni cashmere goats using multivariate animal model. Iranian Journal of Animal Science, 41(4), 323–329. https://ijas.ut.ac.ir/article_22335.html?lang=en
Lee, C., & Wang, C. D. (2012). Bayesian inference on variance components using Gibbs sampling with various priors. Laboratory of Statistical Genetics, Institute of Environment & Life Science, Hallym University, Chuncheon, Korea. https://koreascience.kr/article/JAKO200123443163667.page
Ligda, C. H., & Gabrilidish, G. (2000). Estimation of genetic parameters for production traits of Chios sheep using a multi-trait animal model. Livestock Production Science, 66(3), 217–221. https://doi.org/10.1016/S0301-6226(00)00184-6
Mandal, A., Baneh, H., Koloi, S., & Bhakat, C. (2020). Estimation of variance components and genetic parameters for lactation persistency indices in crossbred cattle using Bayesian and REML methods. Meta Gene, 26, Article 100780. https://doi.org/10.1016/j.mgene.2020.100780
Maniatis, N., & Pollott, G. E. (2003). The impact of data structure on genetic (co)variance components of early growth in sheep, estimated using an animal model with maternal effects. Journal of Animal Science, 81(1), 101–108. https://doi.org/10.2527/2003.811101x
Misztal, I. (2008). BLUPF90—A flexible mixed model program in Fortran 90. University of Georgia, Department of Animal and Dairy Science. https://nce.ads.uga.edu/wiki/lib/exe/fetch.php?media=blupf90.pdf
Mohammadabadi, M. R., & Tohidinejad, F. (2017). Characteristics determination of Rheb gene and protein in Raini Cashmere goat. Iranian Journal of Applied Animal Science, 7(2), 289–295. https://journals.iau.ir/article_531213.html?lang=en
Mohammadinejad, F., Mohammadabadi, M. R., Roudbari, Z., & Sadkowski, T. (2022). Identification of key genes and biological pathways associated with skeletal muscle maturation and hypertrophy in Bos taurus, Ovis aries, and Sus scrofa. Animals, 12(24), Article 3471. https://doi.org/10.3390/ani12243471
Mohammadinejad, F., Mohammadabadi, M. R., & Roudbari, Z. (2024). Network visualization of genes involved in skeletal muscle myogenesis in livestock animals. BMC Genomics, 25(1), 294–307. https://doi.org/10.1186/s12864-024-10196-3
Noori, A. N., Behzadi, M. R. B., & Mohammadabadi, M. R. (2017). Expression pattern of Rheb gene in Jabal Barez Red goat. The Indian Journal of Animal Sciences, 87(11), 1375–1378. https://doi.org/10.56093/ijans.v87i11.75890
Portolano, B., Todaro, J. H. B., & Van Kaam, C. M. (2002). Estimation of the genetic and phenotypic variance of several growth traits of the Sicilian Girgentana goat. Small Ruminant Research, 45(3), 247–253. https://doi.org/10.1016/S0921-4488(02)00161-X
Rashedi Dehsahraee, A., Faiazi, J., Vatankhah, M., & Beygi Nasiri, M. (2013). Estimates of (co)variance and genetic parameters of growth traits in Lori-Bakhtiari lambs using Gibbs sampling method. Journal of Research in Ruminants, 2(1), 9–13. https://ejrr.gau.ac.ir/article_1197.html?lang=en
Supakorn, C., & Pralomkarn, W. (2009). Estimation of genetic parameters on preweaning growth traits in goats for meat raised at a commercial farm in southern Thailand. Thai Journal of Agricultural Science, 42(1), 21–25. https://www.thaiscience.info/journals/Article/TJAS/10469541.pdf
Thompson, R., & Meyer, K. (1986). A review of theoretical aspects in the estimation of breeding values for multi-trait selection. Livestock Production Science, 15(4), 299–313. https://doi.org/10.1016/0301-6226(86)90071-0
Van Tassell, C. P., & Van Vleck, L. D. (1996). Multiple-trait Gibbs sampler for animal models: Flexible programs for Bayesian and likelihood-based (co)variance component inference. Journal of Animal Science, 74(11), 2586–2597. https://doi.org/10.2527/1996.74112586x
Waldman, P., & Ericsson, T. (2006). Comparison of REML and Gibbs sampling estimates of multi-trait genetic parameters in Scots pine. Theoretical and Applied Genetics, 112(8), 1441–1451. https://doi.org/10.1007/s00122-006-0246-x
مجله بیوتکنولوژی کشاورزی
دوره 17، شماره 4
آبان 1404
صفحه 187-204

فایل ها

هم رسانی

ارجاع به این مقاله

آمار