به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

nonlinear-functions

در نشریات گروه علوم دام
تکرار جستجوی کلیدواژه nonlinear-functions در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه nonlinear-functions در مقالات مجلات علمی
  • زینب قربانی، محمدرضا شیخلو*، امیر کریمی

    سابقه و هدف:

     وزن بدن در سنین مختلف و سرعت رشد، از صفات اقتصادی مهم گوسفند به شمار رفته و به عنوان معیار انتخاب در برنامه های اصلاح نژاد مورد استفاده قرار می گیرد. رشد را می توان به صورت افزایش تعداد سلول های بدنی یا افزایش وزن و حجم بدن در دوره خاصی از طول عمر دام تعریف نمود. منحنی رشد حیوانات را می توان با استفاده از مدل های ریاضی مختلف توصیف نمود. مولفه های منحنی رشد در گونه های مختلف دام توراث پذیر هستند. بنابراین می توان ظرفیت ژنتیکی حیوانات را برای مولفه های منحنی رشد پیش بینی نمود. بدین ترتیب امکان تغییر شکل منحنی رشد در جمعیت، ازطریق انتخاب دامها بر اساس مولفه های منحنی رشد در برنامه های اصلاح نژادی وجود دارد. بهترین تابع توصیف کننده منحنی رشد بسته به نژاد و جمعیت تحت بررسی می تواند متفاوت باشد. هدف از مطالعه حاضر بررسی توانایی مدلهای غیر خطی مختلف در برازش منحنی رشد گوسفند نژاد مغانی و برآورد پارامترهای ژنتیکی خصوصیات منحنی رشد در این نژاد بود.

    مواد و روش ها

    در این پژوهش، از رکوردهای وزن بدن گوسفندان نژاد مغانی که طی سال های 1368 تا 1396 در ایستگاه اصلاح نژاد جعفرآباد مغان جمع آوری شده بود جهت بررسی منحنی رشد و برآورد پارامترهای ژنتیکی خصوصیات منحنی رشد استفاده شد. از چهار مدل غیرخطی شامل مدل های برودی، لجستیک، گومپرتز و ون برتالانفی برای توصیف منحنی رشد گوسفند نژاد مغانی استفاده شد. مدل ها با استفاده از رویه NLIN نرم افزار SAS 9. روی رکوردهای وزن بدن دام ها در سنین مختلف برازش داده شد. مدل های مورد استفاده دارای سه مولفه شامل A (وزن بلوغ)، B (وزن اولیه دام) و K (نرخ بلوغ) بودند. از شاخص های نیکویی برازش شامل ضریب تبیین، میانگین مربعات خطا و شاخص اطلاعات آکاییک جهت انتخاب بهترین مدل استفاده شد. پس از برازش مدل های غیرخطی و انتخاب بهترین مدل، مولفه های منحنی رشد تک تک دامها با استفاده از بهترین مدل غیرخطی برآورد شد. سپس عوامل غیر ژنتیکی موثر بر مولفه های منحنی رشد با استفاده از رویه GLM مورد بررسی قرار گرفت. شش مدل دام تک متغیره که به لحاظ اثرات محیطی دایمی مادری، اثر ژنتیکی مادری و همچنین کوواریانس بین اثر ژنتیکی مستقیم و مادری با هم متفاوت بودند، برای تجزیه و تحلیل صفات مورد استفاده قرار گرفتند. همچنین سه آنالیز دومتغیره بین مولفه های منحنی رشد جهت برآورد همبستگی ژنتیکی بین مولفه ها انجام شد.

    یافته ها

    طبق نتایج این تحقیق، مدل لجستیک با کمترین میانگین مربعات خطا و معیار اطلاعات آکاییک و بیشترین ضریب تبیین بهترین مدل جهت توصیف منحنی رشد گوسفندان مغانی بود. مقادیر مولفه های وزن بلوغ (A)، وزن اولیه دام (B) و نرخ بلوغ (K) توسط مدل لجستیک به ترتیب 32/40، 58/7 و 027/0 برآورد گردید. اثرات ثابت جنس بره، تیپ تولد، سال و ماه زایش و همچنین سن مادر در هنگام زایش تاثیر معنی داری بر مولفه های منحنی رشد داشتند. از بین شش مدل خطی برازش شده، مدلهای شماره شش، دو و چهار به ترتیب به عنوان بهترین مدل جهت تجزیه و تحلیل مولفه های وزن بلوغ (A)، وزن اولیه دام (B) و نرخ بلوغ (K) انتخاب شدند. وراثت پذیری مستقیم مولفه های وزن بلوغ (A)، وزن اولیه دام (B) و نرخ بلوغ (K) به ترتیب 17/0، 08/0 و 19/0 برآورد گردید. مقادیر همبستگی ژنتیکی برآورد شده حاصل از تجزیه و تحلیل دو متغیره بین مولفه های A-B، A-K و B-K به ترتیب 06/0، 03/0 و 0003/0- بود.

    نتیجه گیری

    در میان چهار مدل غیرخطی مورداستفاده، مدل لجستیک بهترین برازش و انطباق را برای رشد گوسفند مغانی داشت. طبق نتایج این تحقیق مولفه های منحنی رشد این نژاد وراثت پذیری قابل قبولی داشتند، بطوریکه می توان از این صفات در برنامه های اصلاح نژاد جهت تغییر منحنی رشد دامها و بهبود الگوی رشد آنها استفاده نمود.

    کلید واژگان: توابع غیرخطی، وراثت پذیری، منحنی رشد، گوسفند مغانی
    Zeynab Ghorbani, Mohammadreza Sheikhlou *, Amir Karimi
    Background and objectives

    The traits of economic importance such as body weight at different ages and growth rate in sheep are used as selection criteria in breeding programs. Growth can be defined either as an increase in the number of body cells or an increase in body weight and volume over a period of a lifetime. Animal growth curves can be described using various mathematical models. Growth curve components are heritable in different species. Therefore, the genetic potential of animals can be predicted for growth curve components. The best function describing the growth curve can vary depending on the breed and population under study. The aim of the present study was to investigate the ability of different nonlinear models to fit the growth curve of Moghani sheep and to estimate the genetic parameters of the growth curve characteristics in this breed.

    Materials and methods

    In the current study, the data related to the body weights of Moghani sheep collected at the Moghani sheep breeding station in Jafarabad, Moghan, during the years 1989 – 2016 were used to investigate the growth curve and estimating the genetic parameters of the growth curve characteristics in this breed. Four nonlinear models including Brody, Logistic, Gompertz and von Bertalanffy were used to describe the growth curve of Moghani sheep. All models were fitted on the body weight records of animals at different ages using the NLIN procedure of SAS 9.0 software. The models used have three components including A (maturity weight), B (initial weight of animal) and K (maturity rate). Goodness-of-fit indices including coefficient of determination (R2), Root-Mean-Square Error (RMSE) and Akaike information criterion (AIC) were used to select the best model. After fitting the nonlinear models and selecting the best model, the components of the growth curve of individual animals were estimated using the best nonlinear model. Then, non-genetic factors affecting the growth curve components were investigated using the GLM procedure of SAS. Six univariate animal models that differed in terms of maternal permanent environmental effects and maternal genetic effect as well as covariance between direct and maternal genetic effects were used to analyze the traits. Also, three bivariate analyzes between growth curve components were performed to estimate the genetic correlation between traits.

    Results

    According to our results, the logistic model with the lowest MSE and AIC and the highest R2 was the best model to describe the growth curve of Moghani sheep. The estimated values for the maturity weight (A), initial weight of animal (B) and maturity rate (K) by the logistic model were 40.328, 7.582 and 0.0270, respectively. The fixed effects of lamb sex, birth type, year and month of calving as well as dam age at calving had a significant effect on the components of the growth curve. Between the six fitted linear models, models number six, two and four were selected as the best models to analyze the components of maturity weight (A), initial weight of animal (B) and maturity rate (K), respectively. Direct heritability for maturity weight (A), initial weight of animal (B) and maturity rate (K) were estimated to 0.17, 0.08 and 0.19, respectively. Estimates of genetic correlation obtained from bivariate analysis between A-B, A-K and B-K were 0•06, 0•03 and −0•0003, respectively.

    Conclusion

    Among the four nonlinear models used, the logistic model had the best fit for the growth of Moghani sheep. According to the results of our study, the growth curve components of this breed had an acceptable heritability, so that these traits could be used in breeding programs to alter the growth curve and improve the growth pattern of animals in this breed.

    Keywords: Nonlinear functions, Heritability, Growth Curve, Moghani sheep
  • جمال فیاضی، عباس مسعودی، رستم عبداللهی آرپناهی، آذر راشدی ده صحرایی*
    زمینه مطالعاتی
    مدل های رشد، توابع ریاضی هستند که برای توصیف الگوی رشد به کار می روند.
    هدف
    هدف از انجام این پژوهش، برآورد فراسنجه های ژنتیکی پارامترهای رشد حاصل از بهترین مدل غیرخطی و عوامل محیطی مختلف موثر بر این پارامترها در گوسفندان مغانی بود.
    روش کار
    در این پژوهش، به منظور برآورد اجزاء (کو) واریانس پارامترهای الگوی رشد، از تعداد 7278 رکورد وزن تولد، 5881 رکورد وزن شیرگیری، 5013 رکورد وزن شش ماهگی، 2819 رکورد وزن نه ماهگی و 2883 رکورد وزن یک سالگی گوسفندان مغانی که طی سال های 1374 تا 1389 در ایستگاه پرورش و اصلاح نژاد این گوسفند واقع در جعفرآباد مغان جمع آوری شده بود، استفاده شد. در این مطالعه پارامترهای الگوی رشد (وزن بلوغ، نرخ رشد و نرخ بلوغ) با استفاده از چهار مدل رگرسیون غیرخطی گومپرتز، لجستیک، برودی و ون برتالانفی با رویه NLIN نرم افزار SAS محاسبه شد. جهت برآورد اجزای واریانس-کواریانس پارامترهای الگوی رشد از روش آماری بیزی مبتنی بر تکنیک نمونه گیری گیبس و نرم افزار MTGSAM استفاده شد.
    نتایج
    مدل ون برتالانفی به علت داشتن بیشترین ضریب تبیین و کمترین مقدار آکائیکی به عنوان مدل برتر در مقایسه با سایر مدل ها، انتخاب شد. عوامل محیطی سال تولد (01/0P<) ، جنسیت بره (01/0P<) و سن مادر هنگام زایش (05/0P<) بر وزن بلوغ و نرخ رشد از لحاظ آماری معنی دار بودند. اثرات ثابت سال تولد و جنسیت بره بر نرخ بلوغ اثر معنی دار داشتند (01/0P<). از بین شش مدل خطی برازش شده در روش بیزی، بر اساس کمترین مقدار واریانس باقیمانده برای وزن بلوغ مدل 4، برای نرخ رشد مدل 6 و برای نرخ بلوغ مدل 5 انتخاب گردید. وراثت پذیری مستقیم برآورد شده بر اساس مدل مناسب انتخاب شده، برای صفات مذکور به ترتیب برابر 003/0±29/0، 004/0±35/0 و 005/0±21/0 بود. همبستگی بین پارامترهای الگوی رشد مثبت و نزدیک به صفر برآورد شد.
    نتیجه گیری کلی
    طبق نتایج به دست آمده، اثر عوامل محیطی بر پارامترهای الگوی رشد مهم و تاثیرگذار هستند و باید در تجزیه و تحلیل این پارامترها مورد بررسی قرار گیرند.
    کلید واژگان: الگوی رشد، توابع غیرخطی، روش بیزی، گوسفند مغانی
    J Fayyazi, A Masoodi, R Abdolahi, A Rashedi*
    Introduction
    Develop mentalists are often interested in understanding change processes; so, growth models are the most common analytical tools for examining such processes. Nonlinear growth curves are especially valuable to develop mentalists, because the defining characteristics of growth processes such as estimating initial levels, rates of changes during growth spurts, and asymptotic levels. A variety of growth models are described beginning with the linear growth model and moving to nonlinear models of varying complexity. A detailed discussion of nonlinear models is provided, highlighting the added insights into complex developmental processes associated with their use. Non-linear models can be an option to establish the mathematical behaviour of body development throughout the life of the Iranian sheep breed (Bahreini-Behzadi et al. 2010). These models require lower computational and faster convergence than other methods. Moreover, in genetic evaluation programs with large data sets, non-linear models are more advantageous. Non-linear models were analysed to describe both the biological and commercial growth curves of the Moghani sheep, one of the most important Iranian breeds. Growth models are mathematical functions which are applied for describing the growth pattern. Understanding, estimating, and capturing the defining characteristics of growth processes are key components of developmental research. The aim of this study was to estimate (co)variance components for growth curve parameters and investigate environmental effects on these parameters in Moghani sheep.
    Material and methods
    Data on body weight were collected by Jafarabad sheep-breeding station during 1995 to 2011. The number of records used to estimate (co) variance components of growth curve parameters for birth weight, weaning weight, 6-month weight, 9-month weight, and yearling weight were 7278, 5881, 5013, 2819 and 2883, respectively. Environmental factor such as, age of dam at birth, sex of lambs, type of birth, birth year, and birth season were studied on parameters of growth pattern. The procedure of SAS software was used for studying of fix effects. Based on body weight at different ages and using different initial values, each of the growth curve parameters was estimated using SAS software version 9.1 and NLIN procedure. Growth curve parameters (mature weight, growth rate, and mature rate) were estimated using 4 nonlinear regression models (brody, gompertz, logestic, and bertalanfy). After fitting different models and obtaining growth parameters, the best fit function was selected based on the amount of correction coefficient and corrected Akaeic index and the parameters of the growth pattern were calculated based on the selected function for each animal. The function has the lowest value of the Akaeic index and the highest amount of explanation coefficient, selected as the best function. Estimation of (co)variance components of growth curve parameters was conducted using Bayesian approach implemented in MTGSAM software. The number of Gibbs sampling rounds used was 200,000 rounds. Ten percent of these numbers (20,000 rounds) was burn-in. The convergence criterion for stopping repetitions in this analysis was also considered as 10 decimals (10-10). Sampling intervals of 400 and Gouss Seidel 10000 repetitions were considered. In order to find the best model incorporating the constant and random effects affecting each of the parameters of the growth pattern, the following models, with and without regard to maternal effects including maternal additive genetic effects and permanent maternal environmental effects in the model (Meyer’s models) were tested.
    Results and discussion
    The Von Bertalonfy model presented the highest R2 and the lowest AIC compared with the other models and selected as the superior model. Environmental factors such as birth year, sex, and age of mother had significant effects on the mature weight (A) and growth rate (B). Fix effects of birth year and sex had significant effect on the mature rate (K), (P<0.01). Among the six linear models, according to minimum residual variance for mature weight model 4, for growth rate model 6, and for rate of maturity model 5 were selected. Using the most appropriate models in Bayesian approach, the direct heritability for curve parameters was 0.29±0.003, 0.35±0.004 and 0.21±0.004, respectively. The genetic correlation between all the growth curve parameters was positive and small and its value between A and B was 0.007, between both parameters A and k 0.001 and between B and k 0.009. The results obtained in this study contradicted the results of some researchers in this regard (Mollaei et al.2013). The difference in the estimates of different researches depends on the type of model used for analysis, the breed of sheep, and the structure of available information to estimate the parameters, the differences in the management of different herds and the application of different breeding programs (Bathaei and Leroy, 1998).
    Conclusion
    According to the results, the effect of environmental factors on the parameters of the growth pattern is important and should be investigated in the analysis of these parameters.
    Keywords: Bayesian approach, Growth pattern, Moghani sheep, Nonlinear-functions
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال