In its current form, the breeding p

In its current form, the breeding program for the meat breed “Mouton Ile de France” is expected to give an annual genetic gain of 0.095 genetic standard deviation (σa) for the meat trait and 0.061 σa for the maternal trait. These results are very low compared with the dairy breeding programs modeled in this study or to the gains commonly predicted in dairy cattle. Indeed, as previously mentioned, breeding programs for small ruminants, especially meat sheep, involve inherent factors that limit genetic gains (e.g., few animals per breeding unit, limited use of AI, low capacity of progeny testing) and also have less than optimal designs. As explained above, these designs should be optimized to guarantee a fair comparison of alternative schemes. Table 3 shows that optimizing designs (current to optimized) significantly increased genetic gain in all scenarios for both meat and maternal traits. The greatest increase was observed in the reference scenario, Class-PT-culling, where the genetic gain was increased by 57.4% for the meat trait and 46.3% for the maternal trait. Optimization of design led to an improvement of genetic gain in all meat-breeding scenarios of over 20% for the meat trait and 14% for the maternal trait, except in 2 scenarios where the increase for the maternal trait was of less than 7% (i.e., GS and GS-pheno scenarios). It is also important to note that similar trends were observed by optimizing designs without modifying the rate of AI [Current to Optimized_AI (all decisional variables are optimized except the number of doses of AI); Table 3]. This suggests that genetic gain can be improved without increasing the amount of AI used in a breeding unit [i.e., by optimizing parameters such as the number of male selection candidates, male progeny tested, progeny group size, elite males, and technical weights of the selection index (wb, wm)].

ผลลัพธ์ (ไทย) 1:

ปัจจุบันรูปแบบ โปรแกรมการเพาะพันธุ์สำหรับสายพันธุ์เนื้อ "แกะเมาเดอฟรองซ์" คาดว่าจะให้เป็นกำไรทางพันธุกรรมประจำปีของ 0.095 พันธุกรรมส่วนเบี่ยงเบนมาตรฐาน (σa) สำหรับติดเนื้อและ σa 0.061 สำหรับติดแม่ ผลลัพธ์เหล่านี้จะต่ำมากเมื่อเทียบกับนมที่ผสมพันธุ์โปรแกรมสร้างแบบจำลอง ในการศึกษานี้ หรือกำไรที่คาดการณ์โดยทั่วไปในนม แน่นอน ตามที่กล่าวไว้ก่อนหน้านี้ พันธุ์โปรแกรมเล็ก ruminants โดยเฉพาะอย่างยิ่งเนื้อแกะ เกี่ยวข้องกับปัจจัยที่จำกัด (เช่น น้อยสัตว์ต่อหน่วยเพาะพันธุ์ การจำกัดการใช้ AI กำลังต่ำสุดของการทดสอบลูกหลาน) ได้รับพันธุกรรม โดยธรรมชาติ และยัง มีน้อยกว่างานออกแบบที่ดีที่สุด ตามที่อธิบายไว้ข้างต้น ควรปรับออกแบบเหล่านี้เพื่อรับประกันการเปรียบเทียบแผนงานอื่นยุติธรรม ตาราง 3 แสดงว่า เพิ่มประสิทธิภาพการออกแบบ (ปัจจุบันปรับ) เพิ่มกำไรในสถานการณ์ทั้งหมดทั้งเนื้อและแม่ลักษณะทางพันธุกรรม เพิ่มขึ้นมากที่สุดถูกพบในสถานการณ์สมมตินี้การอ้างอิง คลาส-PT-culling ซึ่งได้รับพันธุกรรมเพิ่มขึ้น โดย 57.4% สำหรับติดเนื้อและ 46.3% สำหรับติดแม่ เพิ่มประสิทธิภาพของการออกแบบนำไปสู่การปรับปรุงกำไรในทุกสถานการณ์เพาะพันธุ์เนื้อติดเนื้อกว่า 20% และ 14% สำหรับติดแม่ พันธุกรรมยกเว้นในสถานการณ์ที่ 2 ที่เพิ่มขึ้นสำหรับการติดแม่มีน้อยกว่า 7% (เช่น GS และ GS pheno สถานการณ์) ก็โปรดทราบว่า แนวโน้มที่คล้ายกันถูกสังเกต โดยเพิ่มประสิทธิภาพการออกแบบโดยไม่มีการปรับเปลี่ยนอัตราของ AI [ปัจจุบันเพื่อ Optimized_AI (decisional แปรทั้งหมดนี้เหมาะยกเว้นจำนวนปริมาณของ AI); ตาราง 3] นี้แนะนำว่า กำไรทางพันธุกรรมสามารถปรับปรุง โดยการเพิ่มจำนวนของ AI ที่ใช้ในหน่วยผสมพันธุ์ [เช่น โดยการเพิ่มพารามิเตอร์เช่นจำนวนผู้สมัครเลือกชาย ลูกหลานชายทดสอบ ขนาดของกลุ่มลูกหลาน ยอดชาย และน้ำหนักทางเทคนิคของดัชนีเลือก (wb, wm)]

ผลลัพธ์ (ไทย) 2:

ในรูปแบบปัจจุบันของโครงการปรับปรุงพันธุ์สำหรับสุนัขพันธุ์เนื้อ "หนังสัตว์ Ile de France" ที่คาดว่าจะให้ผลประโยชน์ทางพันธุกรรมประจำปีของ 0.095 ส่วนเบี่ยงเบนมาตรฐานทางพันธุกรรม (σa) สำหรับลักษณะเนื้อและ 0.061 σaสำหรับลักษณะของมารดา ผลลัพธ์เหล่านี้มีการเปรียบเทียบที่ต่ำมากด้วยนมโปรแกรมการปรับปรุงพันธุ์แบบจำลองในการศึกษาครั้งนี้หรือเพื่อกำไรที่คาดการณ์กันโดยทั่วไปในโคนม อันที่จริงตามที่กล่าวไว้ก่อนหน้านี้โปรแกรมการเพาะพันธุ์สัตว์เคี้ยวเอื้องขนาดเล็กโดยเฉพาะเนื้อแกะเกี่ยวข้องกับปัจจัยธรรมชาติที่ จำกัด กำไรทางพันธุกรรม (เช่นสัตว์ไม่กี่ต่อหน่วยพันธุ์ใช้งานที่ จำกัด ของ AI ความจุต่ำของการทดสอบลูกหลาน) และยังมีน้อยกว่าการออกแบบที่เหมาะสม . ตามที่อธิบายไว้ข้างต้นการออกแบบเหล่านี้ควรได้รับการปรับให้เหมาะสมเพื่อรับประกันการเปรียบเทียบยุติธรรมของแผนทางเลือก ตารางที่ 3 แสดงให้เห็นว่าการออกแบบการเพิ่มประสิทธิภาพ (ในปัจจุบันเพื่อเพิ่มประสิทธิภาพ) เพิ่มขึ้นอย่างมีนัยสำคัญทางพันธุกรรมที่ได้รับในสถานการณ์ทั้งหมดทั้งเนื้อและลักษณะของมารดา เพิ่มขึ้นมากที่สุดพบว่าในสถานการณ์อ้างอิงคลาส PT-เลือกสรรที่ได้รับพันธุกรรมเพิ่มขึ้น 57.4% สำหรับลักษณะเนื้อและ 46.3% สำหรับลักษณะของมารดา การเพิ่มประสิทธิภาพของการออกแบบที่นำไปสู่​​การปรับปรุงผลกำไรทางพันธุกรรมในทุกสถานการณ์เนื้อสัตว์ผสมพันธุ์ของกว่า 20% สำหรับลักษณะเนื้อและ 14% สำหรับลักษณะมารดายกเว้นใน 2 สถานการณ์ที่เพิ่มขึ้นสำหรับลักษณะมารดาเป็นน้อยกว่า 7% ( เช่น GS และ GS-pheno สถานการณ์) นอกจากนี้ยังเป็นสิ่งสำคัญที่จะต้องทราบว่าแนวโน้มที่คล้ายกันถูกตั้งข้อสังเกตโดยการเพิ่มประสิทธิภาพการออกแบบโดยไม่ต้องแก้ไขอัตรา AI [ปัจจุบันจะ Optimized_AI (ตัวแปรตัดสินใจทั้งหมดจะถูกปรับให้เหมาะสมยกเว้นจำนวนปริมาณของ AI); ตารางที่ 3] นี้แสดงให้เห็นว่าผลประโยชน์ทางพันธุกรรมได้ดีขึ้นโดยไม่ต้องเพิ่มปริมาณของเอไอที่ใช้ในหน่วยพันธุ์ [คือโดยการเพิ่มประสิทธิภาพพารามิเตอร์เช่นจำนวนของผู้สมัครที่เลือกชายลูกหลานชายทดสอบขนาดของกลุ่มลูกหลานชายยอดเยี่ยมและน้ำหนักทางเทคนิคของ ดัชนีตัวเลือก (WB, WM)]

ผลลัพธ์ (ไทย) 3:

ในรูปแบบปัจจุบันเพาะพันธุ์สำหรับเนื้อพันธุ์ " มู Ile de ฝรั่งเศส " คาดว่าจะให้ปีของพันธุกรรมได้ 0.095 พันธุกรรมส่วนเบี่ยงเบนมาตรฐาน ( σ ) เนื้อลักษณะและσ 0.061 สำหรับคุณลักษณะของการเป็นแม่ ผลลัพธ์เหล่านี้จะต่ำมากเมื่อเทียบกับโปรแกรมจำลองการเลี้ยงโคนมในการศึกษา หรือ กำไรที่คาดการณ์ในโคนม แน่นอนตามที่กล่าวถึงก่อนหน้านี้ การผสมพันธุ์โปรแกรมสำหรับสัตว์เคี้ยวเอื้องขนาดเล็ก โดยเฉพาะเนื้อแกะ เกี่ยวข้องกับปัจจัยทางพันธุกรรมที่กำหนดกำไรที่แท้จริง ( เช่นสัตว์น้อยต่อหน่วยบ่มเพาะ ใช้ จำกัด ของไอ ความจุต่ำของการทดสอบลูกหลาน ) และยังมีน้อยกว่าการออกแบบที่ดีที่สุด ตามที่อธิบายไว้ข้างต้น การออกแบบเหล่านี้ควรจะเหมาะที่จะรับประกันการเปรียบเทียบของระบบยุติธรรมทางเลือกตารางที่ 3 แสดงให้เห็นว่าการเพิ่มประสิทธิภาพการออกแบบ ( ปัจจุบันปรับ ) มีผลทางพันธุกรรมได้ในทุกสถานการณ์ ทั้งเนื้อและลักษณะของมารดา เพิ่มขึ้นมากที่สุดพบในการอ้างอิงสถานการณ์ ระดับของ PT คัดพันธุกรรมที่ได้รับเพิ่มขึ้นจากร้อยละ 57.4 เนื้อลักษณะและส่วนใหญ่สำหรับคุณสมบัติของการเป็นแม่การเพิ่มประสิทธิภาพของการออกแบบที่นำไปสู่การปรับปรุงพันธุกรรมได้ในทุกสถานการณ์ เนื้อพันธุ์กว่า 20% สำหรับอาหารอุปนิสัย และ 14% สำหรับลักษณะของมารดา ยกเว้นใน 2 สถานการณ์ที่เพิ่มขึ้นสำหรับลักษณะของมารดา ไม่เกิน 7 % ( เช่น GS GS และ pheno สถานการณ์ )นอกจากนี้ยังเป็นสิ่งสำคัญที่จะทราบว่าแนวโน้มที่คล้ายกันที่พบโดยการเพิ่มประสิทธิภาพการออกแบบ โดยไม่มีการปรับเปลี่ยนอัตรา AI [ ปัจจุบัน optimized_ai ( ตัวแปรการตัดสินใจทั้งหมดจะปรับ ยกเว้นจำนวน ( AI ) ; ตารางที่ 3 ] นี้แสดงให้เห็นว่าสามารถปรับปรุงพันธุกรรมได้ โดยไม่มีการเพิ่มปริมาณของ AI ที่ใช้ในหน่วยบ่มเพาะ [ เช่นโดยการเพิ่มพารามิเตอร์เช่นหมายเลขของผู้สมัครคัดเลือก ชาย ชาย รุ่นทดสอบ ทายาทกลุ่มขนาดตัวผู้ Elite , และน้ำหนักทางเทคนิคของดัชนีการคัดเลือก ( WB , WM ) ] .