تعيين شمار ركورد روز آزمون موردنياز هر دام براي جايگزيني مدل رگرسيون تصادفي با مدل متداول دورۀ شيردهي

Determination of the number of test day records is required to replace lactation model with random regression model?

با توسعۀ مدل‌هاي آماري مختلط براي ارزيابي صفات تكرارشده در طول زمان، مدل رگرسيون تصادفي (RRM) جايگزين مدل دورۀ شيردهي (LM) شده است. كمترين شمار ركورد روز آزمون لازم در هر دورۀ شيردهي به ازاي هر حيوان براي جايگزيني LM با RRM يك چالش در ارزيابي ژنتيكي است. در اين بررسي از 381236 ركورد روز آزمون مربوط به 44117 گاو شيري از هشت گله با دورۀ شيردهي اول استفاده شد. بر پايۀ شمار ركورد روز آزمون هر دام، گاوها در پنج گروه حداقل دو ركورد روز آزمون (2≥)، حداقل چهار ركورد روز آزمون (4≥)، حداقل شش ركورد روز آزمون (6≥)، حداقل هشت ركورد روز آزمون (8≥) و حداقل ده ركورد روز آزمون (10≥) دسته­بندي شدند. همبستگي رتبه­اي بين ارزش­هاي اصلاحي RRM و LM با استفاده از همۀ ركوردها بدون توجه به شمار ركورد روز آزمون هر دام 0/44 برآورد شد و همچنين همبستگي بين دو مدل با استفاده از 2≥ ركورد روز آزمون 0/71 برآورد شد. هنگامي‌كه 10 درصد دام‌هاي برتر در دو مدل با هم مقايسه شدند، همبستگي بين RRM و LM به كمتر از 0/08 كاهش يافت. در RRM همبستگي بين EBV گاوهاي برتر با حداقل دو ركورد روز آزمون با حداقل ده ركورد روز آزمون برابر با 85/0بود. ميانگين درستي EBV­ها با استفاده از مدل رگرسيون تصادفي 0/65 و در مدل دورۀ شيردهي 0/61 به دست آمد. به‌طوركلي استفاده از RRMهنگامي بيش از دو ركورد روز آزمون به ازاي هر حيوان استفاده شود نسبت به LM ارجح است و لذا پيشنهاد مي­شود از RRM باحداقل دو ركورد روز آزمون به‌جاي LM استفاده شود.

With development of mixed models, lactation model (LM) was replaced with random regression model (RRM). However, the minimum number of required test day (TD) records per animal to replace LM with RRM is a challenge in genetic evaluations. In this study, 381,236 test day records of 44,117 first parity dairy cattle which collected by Animal Breeding Center of Iran were used from 2006 to 2016. Based on number of TD records per animal, cows were divided into five groups by restricting cows that presented at least 2, 4, 6, 8 or 10 test day records in the lactation. The rank correlation between predicted breeding values (EBV) for LM and RRM irrespective of number of TD records was relatively moderate (0.44) and the rank correlation between two models using at least 2 TD records was 0.71. When 10 top percent of cows were used for comparison of LM with RRM, the rank correlation decreased to 0.08. The correlation of EBV of cows with ≥2 TD records with cows with ≥10 records in RRM was 0.85. The mean of breeding values accuracy in RRM was 4% higher than LM. Overall, use of RRM has advantages over LM and it is suggested to use RRM with at least 2 TD records instead of LM for genetic evaluation of milk yield trait.