تجزیه و تحلیل مولفه های اصلی صفات کیفیت داخلی تخم مرغ و برخی از صفات عملکردی مرغ‌های بومی آذربایجان

یکی از مشکلات اصلی ارزیابی ژنتیکی چند متغیره در اصلاح نژاد طیور، هزینه محاسباتی زیاد آن است. در این راستا، تجزیه و تحلیل مولفه های اصلی (pca)، روش مناسب پیشنهادی برای کاهش تعداد صفاتی است که با هم همبسته هستند. هدف از پژوهش حاضر، تعیین موثرترین مولفه های اصلی فنوتیپی برای صفات کیفیت داخلی تخم مرغ و برخی صفات عملکردی مرغ های بومی آذربایجان بود. بدین منظور، از حدود 1500 قطعه مرغ بومی، صفاتی از قبیل: وزن بدن هنگام بلوغ جنسی (bwsm)، سن بلوغ جنسی (asm)، حجم تخم مرغ (ev)، درصد زرده (yp)، عرض زرده (ywi)، وزن زرده (yw) شاخص زرده (yi)، ماده خشک زرده (ydm)، عمق زرده (yd)، ph زرده (yph)، ضریب زرده (yc)، نسبت وزن زرده به وزن سفیده (rya)، درصد آلبومین (ap)، واحد هاو (hu)، ph آلبومین (aph)، ارتفاع آلبومین (ah)، ماده خشک آلبومین (adm) و وزن آلبومین (aw) اندازه گیری شد. سپس، برای برآورد آمار توصیفی، ضرایب همبستگی فنوتیپی پیرسون و مولفه های اصلی از نرم افزار sas استفاده شد. نتایج این تحقیق نشان داد که دامنه تغییرات ضریب همبستگی فنوتیپی از صفر تا 98/0 متغیر بوده و همچنین، ضریب همبستگی بین صفات hu و ah، yp و rya، yw و yc، yp و ywi، yp و yw، yp و ydm، yp و yc، ywi و yw، ywi و ydm، ywi و rya، yw و rya، yi و yd، ydm و yc، ydm و rya، yc و rya، ap و aw، adm و aw بیشتر از 6/0 برآورد گردید. نتایج تجزیه و تحلیل مولفه های اصلی (pca) نشان داد که هشت مولفه اول 21/90 درصد از کل تنوع صفات کیفیت داخلی تخم مرغ را تبیین می کنند. اعمال روش pca بر روی صفات کیفیت داخلی تخم مرغ، وزن بدن و سن مرغ در هنگام بلوغ جنسی، نشان می دهد که متغیرهای yw، ydm، yc، yp، rya، ywi، ap، ah، aw و hu تاثیر زیادی بر واریانس فنوتیپی مجموع صفات مورد بررسی دارند. بنابراین، این روش می تواند در تجزیه و تحلیل های صفات مرتبط با کیفیت داخلی تخم مرغ و عملکرد مرغ های بومی استفاده شود و از این طریق کمک شایانی برای کاهش هزینه های محاسباتی و سرعت ارزیابی ژنتیکی متغیرهای چند صفتی گردد.

Principal Component Analysis of Internal Egg Quality and some Performance Traits of Azarbayjan Native Chickens

One of the main problems of multipletrait genetic evaluation in poultry breeding is high computing costs. Principal components analysis (PCA) is a method for reducing the number of traits in correlated trait analysis. The aim of the present study was to determine the most effective principal components (PCs) of internal egg quality and some performance traits of Azarbayjan native chickens. Records were measured from 1500 native hens, including body weight at sexual maturity (BWSM), age at first egg production (ASM), egg volume (EV), yolk percent (YP), yolk width (YWI), yolk weight (YW), yolk Index (YI), yolk dry matter (YDM), yolk depth (YD), yolk pH (YPH), yolk coefficient (YC), the ratio of yolk weight to albumen weight (RYA), albumen percent (AP), Hough Unit (HU), albumen pH (APH), albumen height (AH), albumen dry matter (ADM), albumen weight (AW). Descriptive statistics, phenotypic Pearson coefficients and principal components analysis were evaluated using SAS software. The results showed that the range of Pearson correlation coefficients for phenotypic traits varied from zero to 0.98. The correlation coefficients more than 0.6 between HU and AH, YP and RYA, YW and YC, YP and YWI, YP and YW, YP and YDM, YP and YC، YWI and YW, YWI and YDM, YWI and RYA, YW and RYA, YI and YD, YDM and YC, YDM and RYA, YC and RYA, AP and AW, and ADM and AW were evaluated. The PCA analysis showed that the eight first principal components explained about 90.21% of the total variation of internal egg quality traits. Using PCA in internal egg quality, BWSM and ASM showed that YW, YDM, YC, YP, RYA, YWI, AP, AH, AW and HU have great impact on the total phenotypic variance. So, this method can be used for internal egg quality and performance trait analysis of native hens and can reduce computing costs and time of genetic evaluation of multiple traits.