ارتباط بین شاخص دما-رطوبت نسبی و رکوردهای روزآزمون تولید شیر و درصد چربی شیر گاوهای هلشتاین اقلیم مدیترانه‌ای ایران

نوع مقاله: ژنتیک

نویسندگان

1 موسسه تحقیقات علوم دامی کشور، سازمان تحقیقات،آموزش و ترویج کشاورزی، کرج، ایران

2 گروه علوم دامی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

3 مرکز اصلاح نژاد و بهبود تولیدات دامی کشور، کرج، ایران

چکیده

هدف از این تحقیق مطالعه­ اثر شاخص دما-رطوبت (THI) به ­عنوان یک توصیف­ گر محیطی برای استرس گرمایی بر تولید شیر و درصد چربی گاوهای هلشتاین در اقلیم مدیترانه ­ای ایران بود. اطلاعات تولیدی شکم اول جمع‌آوری شده طی سال‌های 1380 تا 1395 مربوط به 42751 و 38829 رأس گاو شیری با 348868 و 302851 رکورد به ­ترتیب برای تولید شیر و درصد چربی شیر مورد استفاده قرار گرفت. میانگین روزانه­ THI برای سه روز قبل از رکوردگیری که از اطلاعات نزدیک ­ترین ایستگاه­ های هواشناسی به گله­ ها محاسبه شده بود به ­عنوان یک اثر محیطی درنظر گرفته شد. مؤلفه ­های (کو) واریانس با استفاده از روش بیزی از طریق مدل رگرسیون تصادفی برای ترکیبات مختلف THI و روز شیردهی (DIM) برآورد شد. در تابعی از روز­های شیردهی با رسیدن به اواخر دوره­ شیردهی، وراثت ­پذیری افزایش و در تابعی از شاخص دما-رطوبت (اوایل دوره­ شیردهی) با افزایش THI، وراثت ­پذیریکاهش می ­یابد. همبستگی­ های ژنتیکی برای مقادیرTHI و DIM با افزایش فاصله بین مقادیر، کاهش داشت که نشان می ­دهد رکوردها در THIهای مختلف مانند DIMهای مختلف از ژن­ های متفاوتی اثر می‌گیرند و هم­ چنین همبستگی های ژنتیکی برآورد شده برای درصد چربی پایین ­تر از مقادیر مربوط به تولید شیر بود. از برآوردهای حاصل از این تحقیق نتیجه‌گیری می ­شود که وارد کردن اثر ژنتیک افزایشی در مدل ارزیابی مقاومت به گرما در گله ­های گاوهای شیری اقلیم مدیترانه ­ای ایران لازم است و پتانسیل ژنتیکی حیوان می­ تواند نقش مهمی در کنترل میزان کاهش تولید شیر گله در شرایط آب و هوایی استرس ­زا ایفا کند.

کلیدواژه‌ها


  1. رشیدی، ا. و میرزامحمدی،ا.،  1393. برآورد اثر متقابل ژنوتیپ و محیط برای صفات تولیدی در گاوهای هلشتاین ایران. نشریه علوم دامی (پژوهش و سازندگی). شماره 27، صفحات 25 تا 32. 
  2. مقدس ­زاده ­اهرابی، س.، 1381. بررسی پتانسیل ژنتیکی یک گله گاو هلشتاین با استفاده از رکوردهای روز آزمون و مدل رگرسیون تصادفی. پایان ­نامه کارشناسی­ ارشد ژنتیک و اصلاح نژاد دام. دانشکده کشاورزی. دانشگاه زنجان.
  3. Abdullahpour, R.; MoradiShahrbabak, M.; Nejati Javaremi, A.; Vaez Torshizi, R. and Mrode, R., 2013. Genetic analysis of milk yield, fat and protein content in Holstein dairy cows in Iran: legendre polynomials random regression model applied. Arch. Tierz. Vol. 56, pp: 497-508.
  4. Aguilar, I.; Misztal, I. and Tsuruta, S., 2010. Short communication. Genetic trends of milk yield under heat stress for US Holsteins. J. Dairy Sci. Vol. 93, pp: 1754-1758. 
  5. Bohlouli, M.; Shodja, J.; Alijani, S. and Eghbal, A., 2013. The relationship between temperature humidity index and test-day milk yield of Iranian Holstein dairy cattle using random regression model. Livest. Sci. Vol. 157, pp: 414-420.
  6. Bohlouli, M.; Shodja, J.; Alijani, S.and Pirany, N., 2014. Interaction between genotype and geographical region for milk production traits of Iranian Holstein dairy cattle. Livest. Sci. Vol. 169, pp: 1-9. 
  7. Bohmanova, J.; Misztal, I. and Cole, J.B., 2007. Temperature-humidity indices as indicators of milk production losses due to heat stress. J. Dairy Sci. Vol. 90, pp: 1947-1956.
  8. Bohmanova, J.; Misztal, I.; Tsuruta, S.; Norman, H.D. and Lawlor, T.J., 2008. Short communication: genotype by environment interaction due to heat stress. J. Dairy Sci. Vol. 91, pp: 840-846.
  9. Brügemann, K.; Gernand, E.; König, U. and König, S., 2012. Defining and evaluating heat stress thresholds in different dairy cow production systems. Arch. Tierz. Vol. 1, pp: 13-24. 
  10. Brügemann, K.; Gernand, E.; König von Borstel, U. and König, S., 2011. Genetic analyses of protein yield in dairy cows applying random regression models with time dependent and temperature×humidity-dependent covariates. J. Dairy Sci. Vol. 94, pp: 4129-4139. 
  11. Correa-Calderon, A.; Armstrong, D.; Ray, D.; DeNise, S.; Enns, M. and Howison, C., 2004. Thermoregulatory responses of Holstein and Brown Swiss heat-stressed dairy cows to two different cooling systems. Int. J. Biometeorol. Vol. 48, pp: 142-148.
  12. Hammami, H.; Rekik, B.; Soyeurt, H.; Bastin, C. and Gengler, N., 2008. Genotype × environment interaction for milk yield in Holsteins using Luxembourg and Tunisian populations. J. Dairy Sci. Vol. 91, pp: 3661-3671.
  13. Igono, M.O. and Johnson, H.D., 1990. Physiological stress index of lactating dairy cows based on diurnal pattern of rectal temperature. J. Interdiscip. Cycle Res. Vol. 21, pp: 303-320.
  14. Jakobsen, J.H.P.; Madsen, J.; Jensen, J.; Pedersen, L.G. and Sorensen, D.A., 2002. Genetic Parameters for Milk Production and Persistency for Danish Holsteins Estimated in Random Regression Models using REML. J. Dairy Sci. Vol. 85, pp: 1607-1616.
  15. Krikpatric, M.; Lofsvold, D. and Bulmer, M., 1990. Analysis of the inheritance, selection and evaluation of growth trajectories. Journal Genetics. Vol. 124, pp: 979-993.
  16. National Research Council (NRC). 1971. A guide to environmental research on animals. Natl. Acad. Sci., Washington, DC. Regional Operations Manual Letter C-31-76, Kansas City, MO, USA.
  17. Pragna, P.; Archana, P.R.; Aleena, J.; Sejian, V.; Krishnan, G.; Bagath, M.; Manimaran, A.; Beena, V.; Kurien, E.K.; Varma, G. and Bhatta, R., 2017. Heat Stress and Dairy Cow: Impact on Both Milk Yield and Composition. International J. Dairy Sci. Vol. 12, pp: 1-11. 
  18. Ravagnolo, O.; Misztal, I. and Hoogenboom, G., 2000. Genetic Component of Heat Stress in Dairy Cattle, Development of Heat Index Function. J Dairy Sci. Vol. 83, pp: 2120-2125.
  19. Robertson, A., 1959. The sampling variance of the genetic correlation coefficient. Biometrics. Vol. 15, pp: 469-485.
  20. Rojas-Downing, M.M.; Nejadhashemi, A.P.; Harrigan, T. and Woznicki, S.A., 2017. Climate change and livestock: Impacts, adaptation, and mitigation. Climate Risk Management. Vol. 16, pp: 145-163.
  21. Savar Sofla, S.; TaheriDezfuli, B. and Mirzaei, F., 2011. Interaction between genotype and climates for Holstein milk production traits in Iran. African Journal of Biotechnology. Vol. 10, pp: 11582-11587.