پديد آورندگان :
قباخلو، فاطمه دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه علوم دامي , زره داران، سعيد دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه علوم دامي , جباري نوقابي، مهدي دانشگاه فردوسي مشهد - دانشكده علوم رياضي - گروه رياضي و آمار , شريعتي، محمدمهدي دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه علوم دامي
كليدواژه :
متاآناليز , وراثت‌پذيري , همبستگي ژنتيكي و فنوتيپي , گاو هلشتاين
چكيده فارسي :
سابقه و هدف: روش متاآناليز براي تجميع نتايج مطالعات انجام شده در زمينه برآورد پارامترهاي ژنتيكي صفات توليدي و توليدمثلي در گاو شيري با استفاده از داده‌هاي مقالات موجود و رسيدن به نتايجي با صحت بالاتر مورد استفاده قرار گرفت. بدين منظور يك مطالعه متاآناليزي، از داده‌هاي مربوط به 96 مقاله منتشر شده در زمينه برآورد پارامترهاي ژنتيكي صفات توليدي و توليدمثلي گاو هلشتاين، در ايران استفاده شد. صفات مورد بررسي در گاو هلشتاين شامل توليد شير، توليد چربي شير، توليد پروتئين شير، درصد چربي شير، درصد پروتئين شير، سن اولين زايش، فاصله گوساله‌زايي، روزهاي خشك، روزهاي باز، طول دوره آبستني و طول دوره شيردهي بودند.
مواد و روش‌ها: ابتدا، مقادير وراثت‌پذيري و همبستگي‌هاي ژنتيكي و فنوتيپي از مقالات مرتبط استخراج شد. پس از آماده‌سازي داده‌ها، -مدل متاآناليز با اثرات تصادفي با استفاده از بسته Metacor نرم افزار R نسخه 3،3،1 و نرم افزار CMA نسخه 3 براي برآورد ميانگين وزني وراثت‌پذيري و همبستگي‌هاي ژنتيكي و فنوتيپي، خطاي استاندارد و حدود اطمينان 95 درصدي صفات توليدي و توليدمثلي مورد استفاده قرار گرفت. بررسي مطالعات موجود، نشانگر وجود ناهمگني زياد براي اكثر صفات مورد بررسي بود. بنابراين، براي برآورد ميانگين وزني اثرات، امكان استفاده از مدل اثر ثابت وجود نداشت. داده‌ها توسط نرم‌افزار CMA مجددا مورد تجزيه و تحليل قرار گرفتند و نتايج حاصل از مدل اثرات تصادفي به عنوان نتايج نهايي متاآناليز گزارش شد.
نتايج: ميانگين وزني وراثت‌پذيري براي صفات توليدي در محدوده 19/0 تا 27/0 بود. بيشترين ميزان وراثت‌پذيري مربوط به صفت درصد پروتئين شير (27/0) و كمترين ميزان وراثت‌پذيري مربوط به صفت توليد چربي شير (19/0) بود. ميانگين وزني وراثت‌پذيري براي صفات توليدمثلي در محدوده 03/0 تا 14/0 بود. در اين بين ميزان وراثت‌پذيري طول دوره آبستني (14/0) از ساير صفات بيشتر و وراثت‌پذيري روزهاي باز (03/0) از ساير صفات توليدمثلي كمتر بود. ميانگين وزني همبستگي ژنتيكي براي صفات توليدي و توليدمثلي در محدوده 56/0- تا 88/0 و ميانگين وزني همبستگي فنوتيپي صفات در محدوده 42/0- تا 83/0 بود. بررسي نتايج حاصل از متاآناليز در اين پژوهش و مقايسه آن با نتايج مطالعات انفرادي نشان داد كه تجميع نتايج مطالعات و نجزيه مجدد آنها با روش متاآناليز از طريق كاهش خطاي استاندارد سبب افزايش صحت در نتايج حاصله مي‌شود. به طور مثال دامنه تغييرات وراثت‌پذيري در مقالات مورد استفاده در مورد صفت توليد شير بين 047/0 تا 41/0 ، چربي شير بين 05/0 تا 56/0 و پروتئين شير بين 0 تا 7/0 بود، در حالي كه پس از تجميع نتايج توسط روش متاآناليز، محدوده 95% براي وراثت‌پذيري اين صفات به ترتيب به 23/0 تا 25/0، 17/0 تا 21/0 و 19/0 تا 29/0 كاهش يافت. از طرفي مقايسه خطاي استاندارد متاآناليز در مورد هر صفت با خطاي استاندارد مطالعات نشان داد كه تجميع نتايج و افزايش حجم نمونه باعث كاهش شديد خطاي استاندارد برآورد وراثت‌پذيري در صفات مورد بررسي بخصوص صفات توليدي شد.
نتيجه‌گيري: بنابراين استفاده از روش‌هايي نظير متآناليز با تجميع كليه اطلاعات موجود منجر به بهبود برآوردها و افزايش كارائي برنامه‌هاي اصلاح نژادي و بهبود پيشرفت ژنتيكي صفات اقتصادي بخصوص در جمعيت‌هاي فاقد ركورد و يا با ركوردهاي نامناسب خواهد شد.
چكيده لاتين :
Background and objectives: Meta-analysis method was used for gathering studies done on genetic parameters estimation in Holstein cows to increase the accuracy of estimations. For this purpose, data from 96 articles on genetic parameter estimation of productive and reproductive traits on Iranian Holstein dairy cows were used. Productive traits were milk production, amount of milk fat, amount of milk protein, milk fat percentage and milk protein percentage and reproductive traits were age at first calving, calving interval, dry days, open days, pregnancy period and lactation period.
Materials and methods: First, heritability estimates, genetic and phenotypic correlations were obtained from articles. After data preparation, the meta-analytical model with random effects using Metacor package, R 3.3.1 software and CMA ver.3 software were used for estimating weighted average of heritability and genetic and phenotypic correlations, standard errors and 95% confidence interval for productive and reproductive traits. Investigating available studies showed high heteroginty among studies. Therfore, using fixed model meta-analysis was not possible for estimating weighted average of effects. Data were reanalysid using CMA software and results of random model meta-analysis were reported as final results.
Results: The weighted average of heritability for productive traits in dairy cows were between 0.19 and 0.27. Milk protien percentage had the highest (0.27) and milk fat had the lowest (0.19) heritability estimates amonge productive traits. The weighted average of heritability for reproductive traits was in the range of 0.03 to 0.14. Pregnancy period (0.14) had the highest and open days had the lowest (0.03) heritability estimates amonge reproductive traits. The weighted average of genetic correlations of productive and reproductive traits was in the range of -0.56 to 0.88 and the mean weight of the phenotypic correlations of traits was in the range of -0.42 to 0.83. Comparing the results of meta-analysis in present study with the results of individual studies showed that aggregating studies and analyzing by meta-analysis improves the accuracy of the results through reducing standard errors. For example, in studied articles the range of heritability estimates for milk production were between 0.047-0.41, for milk fat were between 0.05-0.56 and for milk protein were between 0-0.7. However, after using meta-analysis method, these ranges were reduced to 0.23-0.25 for milk production, 0.17-0.21 for milk fat and 0.19-0.29 for milk protein. In addition, because of aggregating studies and increasing the amount of data, standard error of estimates in meta-analysis were considerably reduced compared to standard error of estimates in individual studies, especially for productive traits.
Conclusion: Using methods like Meta-analysis will increase the performance of breeding programs and will improve genetic progress of economic traits of animals by gathering all available information, especially for populations with no or not accurate data.
