بلدرچین علاوه بر تولید گوشت و تخم به دلیل اندازه کوچک بدن و فاصله نسلی کوتاه به عنوان حیوان آزمایشگاهی کاربرد های فراوانی دارد. شناسایی ژن های کنترل کننده صفات مهم اقتصادی در حیوانات و گیاهان یکی از موضوعات اصلی در تحقیقات ژنومیکس کشاورزی است. تاکنون، پژوهش های ژنومی اندکی برای یافتن جایگاه های موثر بر صفات کمی (qtl) مرتبط با رشد در بلدرچین ژاپنی صورت گرفته است. هدف از این تحقیق، پویش کروموزوم شماره سه بلدرچین ژاپنی به منظور تشخیص qtl موثر بر صفات رشد بلدرچین، با استفاده از یک طرح f2 بود. داده-های فنوتیپی، که شامل اندازه گیری های وزن تولد تا پنج هفتگی، وزن قبل از کشتار، میانگین افزایش وزن روزانه و نسبت کلیبر محاسبه شده برای محدوده های سنی مختلف بود روی جمعیت نسل دوم جمع آوری شد. کل جمعیت (472 پرنده) برای 3 نشانگر ریز ماهواره ای تعیین ژنوتیپ شدند. آنالیز qtl به روش مکان یابی درون فاصله ای مبتنی بر رگرسیون و یک مدل تک qtl انجام گردید. qtl های معنی داری برای صفات وزن تولد، وزن یک، دو، سه و چهار هفتگی، میانگین افزایش وزن روزانه تولد تا 1 هفتگی، 1 تا 2 هفتگی و 3 تا4 هفتگی، نسبت کلیبر محاسبه شده برای 3 تا 4 هفتگی شناسایی شد.

ژن pit1 از جمله ژن های کاندیدا برای بهبود خصوصیات شیر تولیدی در دام های شیرده می باشد. لذا، هدف این پژوهش مطالعه چند شکلی ژنpit1 و ارتباط آن با ترکیبات شیر در گاو هلشتاین استان خراسان رضوی است. برای این منظور 100 نمونه خون از رگ زیر دم گاوهای هلشتاین استان خراسان رضوی گرفته شد و در لوله های حاوی edta ریخته شد. استخراج dna به وسیله کیت استاندارد انجام شد. یک جفت پرایمر برای تکثیر ژن pit1 استفاده و محصولات pcr به وسیله ژل آگارز جدا و مشخص شدند. سپس محصولات pcr در معرض آنزیم hinfi قرار گرفت تا تشخیص آلل ها امکان پذیر گردد. فراوانی های آللی به وسیله نرم افزار popgene برآورد شدند و فراوانی آللی a و b برای ژن pit1 به ترتیب 25/0 و 75/0 به دست آمد. نتیجه آزمون کای اسکور نشان داد که در جمعیت تعادل هاردی- واینبرگ برقرار است. تعداد آلل های واقعی، آلل موثر، متوسط هتروزیگوسیتی، شاخص نئی و شاخص شانون به ترتیب 2، 60/1، 37/0، 37/0 و 56/0 به دست آمد و نشان دهنده این هستند که گاوهای هلشتاین برای ژن pit1 تنوع بالایی دارند. برای محاسبه ارتباط بین ترکیبات شیر و ژنوتیپ های مشاهده شده از نرم افزار sas و رویه آماری glm استفاده شد و نتایج نشان داد که اثر ژنوتیپ بر درصد چربی و درصد پروتئین معنی دار است (05/0>p). ) ژنوتیپ ab بیشترین اثر را بر روی ترکیبات شیر دارد.

در این تحقیق به منظور بررسی اهمیت اثر متقابل ژنوتیپ و محیط بر آنالیز ژنتیکی میزان پروتئین شیر، از رکوردهای 305 روز صفت پروتئین شیر مربوط به یک دوره شیردهی 25894 رأس گاو هلشتاین از 121 پدر و 21924 مادر استفاده شد . این داده ها طی سالهای 1387-1378 توسط مرکزاصلاح نژاد دام کشور از 38 گله جمع آوری شده بود . آنالیز ژنتیکی با استفاده از مدل دام یک متغیره به کمک نرم افزار asreml محاسبه شدند . در این مدل اثرات ثابت شامل اثرات گله – سال- فصل زایش، سال تولد، ماه تولد ، ماه زایش اثر معنی داری برروی میزان تولید پروتئین شیر داشتند ولی سن حیوان برحسب ماه اثرمعنی داری بروی میزان تولید پروتئین شیر نداشت (p<0.01 ). در تحقیق حاضراز پدرها به عنوان ژنوتیپ استفاده شد . همچنین محیط های مورد بررسی شامل استان رکوردگیری، سال زایش ، سال تولد ،گله ، اندازه گله، میانگین تولید شیرگله ومیانگین تولید چربی گله و میانگین پروتئین گله بودند .اضافه کردن اثر متقابل پدر سال زایش، سال تولد ، گله ،اندازه گله، میانگین چربی شیر گله، میانگین تولید شیر گله باعث بهبود معنی دار لگاریتم حداکثر درستنمائی مدل آنالیز ژنتیکی شد. نتایج حاصل از این تحقیق نشان داد که تعریف محیط ها بر اساس گله ها در مقایسه با سایر ملاک های مورد استفاده کارایی بیشتری دارد . بطوریکه این اثر 78/11 کیلوگرم برآورد گردید. لحاظ کردن اثر متقابل پدر در گله موجب کاهش وراثت پذیری از 25/0 به 24/0 شد . با توجه به نتایج حاصل از این تحقیق افزودن اثر متقابل ژنوتیپ و محیط در آنالیز ژنتیکی پروتئین شیر در دوره اول شیردهی گاوهای هلشتاین ایران در ارزیابی ژنتیکی آنها اثر قابل ملاحظه ای ندارد. واژه های کلیدی :اثر متقابل ژنوتیپ و محیط ? گاوهای هلشتاین ایران ? آنالیز ژنتیکی میزان پروتئین شیر

به منظور مدل سازی ارتباط برخی از عوامل خوراکیموثر برتغییرات فراسنجه های شکمبه (شامل phو غلظت آمونیاک شکمبه)، سنتزپروتئین میکروبی و نیتروژن ابقا شده بااستفاده از روش¬های هوش مصنوعی(شبکه عصبی مصنوعی و الگوریتم ژنتیک)، از داده های چهار آزمایش که همگی در قالب طرح مربع لاتین و دوره های 21 روزه با جیره های یکسان از نظر انرژی اما متفاوت از نظر نوع مواد خوراکی بوده استفاده شد.کلیه نتایج پس از یکسان سازی واحدها توسط الگوریتم ژنتیک و شبکه عصبی مصنوعی مورد بررسی قرار گرفت.نتایج به دست آمده جهت برآورد رگرسیون و تخمین تابع پیش بینی کننده مورد استفاده قرار گرفتند. در مطالعه حاضر دو روش پردازش داده نتایج متفاوتی برای برآورد صفات مورد مطالعه داشتند به گونه ای که روش شبکه عصبی مصنوعی در مورد تخمین phشکمبه و روش الگوریتم ژنتیک در مورد تخمین غلظت نیتروژن آمونیاکی،پروتئین میکروبی و نیتروژن ابقا شده بر اساس تئوری های موجود پاسخ¬های بهتری ارائه کردند.

از آنجا که چند شکلی تک نوکلئوتیدی (snp) مسئول 90 درصد تفاوت در بین گونه ها است، امروزه به میزان زیادی جهت بررسی تنوع زیستی در حیوانات استفاده می شود. به علت اینکهsnp ها دارای تنوع محدودی هستند بیشتر از هاپلوتیپ جهت بررسی این گونه تنوع ها استفاده می گردد. تعیین هاپلوتیپ در آزمایشگاه بسیار هزینه بر است، بنابراین در بیشتر موارد با استفاده از داده های ژنوتیپ، هاپلوتیپ را استنباط می کنند. الگوریتم های متعددی برای استنباط هاپلوتیپ وجود دارد. هدف از انجام این تحقیق بررسی دقت و سرعت الگوریتم های موجود با توجه به تعداد افراد، تعداد snp ها، میزان هتروزیگوسیته و نرخ نوترکیبی بود. برای این منظور یک جمعیت شبیه سازی شد و نمونه هایی از آن به صورت تصادفی گرفته شد. این داده ها از لحاظ تعداد افراد، تراکم snp و نرخ نوترکیبی متفاوت بودند. سپس این داده ها توسط نرم افزاری که طراحی شده بود به فرمت ورودی نرم افزارهایی که از این الگوریتم ها جهت استنباط هاپلوتیپ استفاده می کنند تبدیل شده و در نهایت عملکرد و سرعت الگوریتم ها توسط چندین معیار مورد بررسی قرار گرفت. در این بررسی مشخص شد که الگوریتم نرم افزار2snp بالاترین سرعت و نرم افزار های phase و shapeit بالا ترین دقت را دارند گرچه سرعت استنباط با نرم افزار phase در صورتی که تعداد snp و هاپلوتیپ افزایش یابد کاهش می یابد ولی سرعت shapeit کاهش محسوسی ندارد و دقت آن تقریباً برابر phase است. نرم افزار های gerbil و haplotyper با توجه به سرعت انجام محاسبات نسبت به دیگر الگوریتم ها در همان زمان اجرا بالاترین دقت را دارند. با افزایش تعداد افراد دقت تمامی الگوریتم ها افزایش یافته و همچنین تفاوت دقت استنباط بین جایگاه های با هتروزیگوسیته بالا و پایین کاهش می یابد.