کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8501542 | 1553841 | 2018 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Symposium review: Building a better cow-The Australian experience and future perspectives1
ترجمه فارسی عنوان
بررسی سمپوزیوم: ایجاد یک گاو بهتر - تجربه استرالیا و دیدگاه های آینده 1
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
هدف پرورش، صفات جدید بازده خوراک، تحمل گرما،
ترجمه چکیده
انتخاب ژنومی منجر به ایجاد فرصت هایی برای توسعه ارزش های پرورش تازه ای شده است که به فنوتیپ ها در جمعیت های اختصاص داده شده گاوهای ژنوتیپ وابسته است. در استرالیا، آن را به 2 ویژگی های جدید اعمال شده است: بازده خوراک، که در سال 2015 به عنوان ارزش های پرورش خوراک ذخیره شده، و ارزش های پرورش ژنتیکی تحمل گرما آزاد شده، برای اولین بار در سال 2017 منتشر شد. خوراک ذخیره شده است در حال حاضر در نژاد ملی هدف، که بر سودآوری تمرکز دارد و طراحی شده است که با ترجیحات کشاورزان مطابقت داشته باشد. تمرکز آینده ما بر روی ویژگی های مرتبط با سلامت حیوانات، به طور مستقیم یا در ترکیب با صفات پیش بینی کننده، مانند داده های طیفی میانی مادون قرمز و در آینده، گرفتن خودکار داده ها است. اگر چه برای بسیاری از صفات ارزیابی شده است که میزان اطمینان ژنوم بین 60 تا 75 درصد رایج است، اما بسیاری از ویژگی های جدید اطلاعات ژنومی تنها صفات کمتر از 50 درصد را دارند. جمع آوری داده های فنوتیپ بین المللی و سرمایه گذاری در نگهداری جمعیت مرجع یکی از گزینه هایی است که قابلیت اطمینان این صفات را افزایش می دهد. یکی دیگر از روش های پیش بینی پیشرفته ژنوم است. به عنوان مثال، پیشرفت در استفاده از داده های توالی، علاوه بر مطالعات بیان ژن، می تواند منجر به بهبود پایداری ارزش های پرورش ژنتیکی در بین نژادها و نسل ها شود و به طور بالقوه سبب افزایش اعتماد به نفس شود. پایداری نسبی ژنومی از صفات جدید می تواند پایایی کلی شاخص را کاهش دهد. با این وجود، اگر این صفات به اهداف کلی پرورش (مثلا سود) کمک کنند، ارزشش را دارد. ابزار انتخاب گاو و روند شخصی سازی ژنتیکی در حال حاضر در دسترس است، اما افزایش دسترسی به داده های مزرعه اقتصادی و خودکار گرفتن ممکن است استفاده حتی بهتر از داده ها برای بهبود مدیریت مزرعه و تصمیم گیری انتخاب را ببینید.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علوم کشاورزی و بیولوژیک
علوم دامی و جانورشناسی
چکیده انگلیسی
Genomic selection has led to opportunities for developing new breeding values that rely on phenotypes in dedicated reference populations of genotyped cows. In Australia, it has been applied to 2 novel traits: feed efficiency, which was released in 2015 as feed saved breeding values, and heat tolerance genomic breeding values, released for the first time in 2017. Feed saved is already included in the national breeding objective, which is focused on profitability and designed to be in line with farmer preferences. Our future focus is on traits associated with animal health, either directly or in combination with predictor traits, such as mid-infrared spectral data and, into the future, automated data capture. Although it is common for many evaluated traits to have genomic reliabilities ranging between 60 and 75%, many new, genomic information-only traits are likely to have reliabilities of less than 50%. Pooling of phenotype data internationally and investing in maintenance of reference populations is one option to increase the reliability of these traits; the other is to apply improved genomic prediction methods. For example, advances in the use of sequence data, in addition to gene expression studies, can lead to improved persistence of genomic breeding values across breeds and generations and potentially lead to greater reliabilities. Lower genomic reliabilities of novel traits could reduce the overall index reliability. However, provided these traits contribute to the overall breeding objective (e.g., profit), they are worth including. Bull selection tools and personalized genetic trends are already available, but increased access to economic and automatic capture farm data may see even better use of data to improve farm management and selection decisions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Dairy Science - Volume 101, Issue 4, April 2018, Pages 3702-3713
Journal: Journal of Dairy Science - Volume 101, Issue 4, April 2018, Pages 3702-3713
نویسندگان
J.E. Pryce, T.T.T. Nguyen, M. Axford, G. Nieuwhof, M. Shaffer,