بررسی ژنتیکی و فنوتیپی خصوصیات منحنی رشد و پیش بینی برخی صفات لاشه توسط شبکه عصبی مصنوعی در گوسفند بلوچی

جهت بررسی ژنتیکی و فنوتیپی منحنی رشد و نیز استفاده از شبکه عصبی مصنوعی در پیش بینی رشد و برخی صفات لاشه در گوسفند بلوچی، شش آزمایش انجام شد. در آزمایش اول، رشد گوسفندان بلوچی در شرایط سیستم پرورش متمرکز مورد بررسی قرار گرفت. مدلهای اثرات ثابت خطی و غیر خطی با یکدیگر مقایسه و بهترین مدل برای تشریح رابطه وزن بدن – سن تعیین شد. در بین تمام مدلها، مدل چند جمله ای درجه سه و در بین مدلهای غیر خطی، تابع ون برتالانفی و سپس تابع گومپرتز بهترین برازش را برای هر دو جنس داشتند. در آزمایش دوم، رشد گوسفندان بلوچی ایستگاه اصلاح نژاد عباس آباد مشهد مورد بررسی قرار گرفت. بهترین مدل اثرات ثابت خطی و غیر خطی برای تشریح رابطه وزن بدن - سن تعیین و سپس بهترین مدل اثرات ثابت غیر خطی با مدل اثر مختلط متناظر مقایسه شد. در بین تمام مدلها، مدل چند جمله ای درجه سه و در بین مدلهای غیر خطی، تابع برودی بهترین برازش را برای هر دو جنس داشتند. مدل اثر مختلط برودی بهتر از مدل اثرات ثابت برودی قادر به برازش داده های وزن بود. در آزمایش سوم، مدلهای رگرسیون خطی، رگرسیون غیر خطی و شبکه عصبی در پیش بینی وزن بدن با هم مقایسه شد. نتایج نشان داد که مدلهای غیر خطی کارایی بیشتری از مدلهای خطی در پیش بینی وزن آینده دام دارند. همچنین شبکه عصبی نیز کارایی نسبتا قابل قبولی در پیش بینی رشد در سنین بالاتر را نشان داد و به عنوان جایگزینی برای مدلهای رشد غیر خطی و خطی در مدل سازی رشد و پیش بینی وزن در سنین بالاتر می تواند بطور کارآمد مورد استفاده قرار گیرد. در آزمایش چهارم، کارایی شبکه عصبی در پیش بینی برخی صفات لاشه از روی رکوردهای وزن بدن بررسی شد. نتایج نشان داد که با دقت نسبتا مناسب می توان برخی صفات لاشه مانند وزن بدن خالی و وزن لاشه گرم را با استفاده از اندازه گیریهای وزن بدن در سنین مختلف برآورد نمود. در آزمایش پنجم، پارامترهای ژنتیکی صفات وزن بدن با استفاده از مدل رگرسیون تصادفی با درجات برازش یکسان برآورد شد. افزایش درجه برازش رگرسیون تصادفی از 3 تا 5 موجب افزایش دقت برآورد پارامترهای ژنتیکی شد. لذا مدل با درجه برازش 5 به عنوان مدل مناسبتر انتخاب شد. بررسی اولین ویژه تابع نشان می دهد که برای افزایش وزن بدن در سنین بالاتر بهتر است تا انجام انتخاب بر اساس وزنهای بعد از شیرگیری باشد. در آزمایش ششم، پارامترهای ژنتیکی صفات وزن بدن با استفاده از 8 مدل رگرسیون تصادفی با درجات برازش غیر یکسان برآورد و نتایج بهترین مدل با روش مدل دام تک متغیره مقایسه شد. مولفه های واریانس ژنتیکی مستقیم، ژنتیکی مادری و فنوتیپی برآورد شده توسط روش رگرسیون تصادفی در اکثر سنین بالاتر از مقادیر برآورد شده از طریق مدل تک متغیره بودند. واریانس باقیمانده حاصل از روش رگرسیون تصادفی در تمام سنین کمتر از مقادیر حاصل از روش تک متغیره بود که می تواند دلیلی بر دقت بیشتر برآوردهای حاصل از این روش باشد. الگوی کلی تغییرات وراثت پذیری مستقیم و مادری با افزایش سن در هر دو روش تقریبا یکسان و به ترتیب روند افزایشی و کاهشی نشان داد. به طور کلی وراثت پذیری مستقیم و مادری برآورد شده از روش رگرسیون تصادفی به ترتیب بالاتر و کمتر از مقادیر حاصل از روش مدل دام تک متغیره بود. به نظر می رسد با توجه به مزایای بیشتر روش رگرسیون تصادفی نسبت به روش تک متغیره بهتر است که از این روش جهت رتبه بندی و انتخاب حیوانات در ایستگاه اصلاح نژاد عباس آباد مشهد استفاده شود.