نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجو کارشناسی ارشد تغذیه طیور دانشگاه تربیت مدرس تهران

2 استادیار و عضو هیئت علمی گروه مدیریت و پرورش طیور دانشگاه تربیت مدرس تهران.

3 دانشیار و عضو هیئت علمی گروه مدیریت و پرورش طیور دانشگاه تربیت مدرس تهران

چکیده

این آزمایش به‌منظور بررسی اثر تغذیه‌ی پروبیوتیک تولید داخل کشور با نام (بایوپول®) بر پارامترهای منحنی رشد جوجه‌های گوشتی انجام گرفت. در این راه توان برازش و پیش‌بینی سه مدل گمپرتز، لجستیک و ریچاردز برای بیان منحنی رشد جوجه‌ها مقایسه گردید. از 280 قطعه جوجه‌ گوشتی یک روزه سویه‌ی راس 308 در قالب طرح کاملاً تصادفی با 4 تیمار و 5 تکرار (هر تکرار شامل 14 قطعه پرنده از دو جنس نر و ماده به تعداد مساوی) استفاده شد. تیمارهای جیره‌ای به ترتیب حاوی 0، 100، 200 و 300 گرم در تن پروبیوتیک بایوپول بود. داده‌های هفتگی وزن بدن جوجه‌ها از ۰ تا ۴۲ روزگی ثبت گردید و سپس بر روی سه مدل رشد برازش داده شد. جهت مقایسه توان پیش‌بینی این توابع در تشریح رشد جوجه‌ها، شاخص‌های نکویی برازش مانند مقدار ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین انحراف از مشاهده (Bias) و آزمون F استاندارد به کارگرفته شد. نتایج مقایسه شاخص‌های توان پیش‌بینی نشان دادکه در مدل ریچاردز نسبت به دو مدل دیگر مقدار ضریب تبیین دارای ارزش بالاتر (9998/0)، خطای جذر میانگین مربعات کمتر (16/9 گرم) و میانگین انحراف از مشاهده کمتر (52/0 گرم) بود و بهترین همسان‌سازی را با مقادیر مشاهده‌شده داشت. از طرف دیگر نتایج حاصل از مقایسه دوبه‌دو مدل‌ها توسط آزمون F استاندارد نشان داد که مدل ریچاردز دقت بیشتری در پیش‌بینی رشد جوجه‌های گوشتی داشت. در کل نتایج نشان داد که سطح 200 گرم پروبیوتیک در خوراک جوجه گوشتی باعث دستیابی به بهترین پاسخ و بهبود در نرخ رشد پرنده می‌شود.

کلیدواژه‌ها

Abbas, A. A., Yosif, A. A., Shukur, A. M., & Ali, F. H. (2014). Effect of genotypes, storage periods and feed additives in broiler breeder diets on embryonic and hatching indicators and chicks blood parameters.ScienceAgriculture,7(1), 44-48.
AFRC, R. Fuller. (1989). Probiotics in man and animals. Journal of Applied Bacteriology, 66(5), 365-378.
Aggrey, S. E. (2002). Comparison of three nonlinear and spline regression models for describing chicken growth curves. Poultry Science, 81(12), 1782-1788.
Ahmadi, H., & Golian, A. (2008). Non-linear hyperbolastic growth models for describing growth curve in classical strain of broiler chicken. Research Journal of Biological Sciences, 3(11), 1300-1304.
Ahmadi, H., & Mottaghitalab, M. (2007). Hyperbolastic models as a new powerful tool to describe broiler growth kinetics. Poultry Science, 86(11), 2461-2465.
Barbosa, T. M., & Levy, S. B. (2000). The impact of antibiotic use on resistance development and persistence. Drug Resistance Updates, 3(5), 303-311.
Cetin, M., Sengul, T., Sogut, B., & Yurtseven, S. (2007). Comparison of growth models of male and female partridges. Journal of Biological Sciences, 7(6), 964-968.
Ersoy, I. E., Mendes, M., & Aktan, S. E. D. A. T. (2006). Growth curve establishment for American Bronze turkeys. Archiv For Tierzucht, 49(3), 293.
Goliomytis, M., Panopoulou, E., & Rogdakis, E. (2003). Growth curves for body weight and major component parts, feed consumption, and mortality of male broiler chickens raised to maturity. Poultry Science, 82(7), 1061-1068.
Goonewardene, L. A., Wang, Z., Okine, E., Zuidhof, M. J., Dunk, E., & Onderka, D. (2003). Comparative growth characteristics of emus (Dromaius novaehollandiae). The Journal of Applied Poultry Research, 12(1), 27-31.
Gous, R. M., Moran, E. T., Stilborn, H. R., Bradford, G. D., & Emmans, G. C. (1999). Evaluation of the parameters needed to describe the overall growth, the chemical growth, and the growth of feathers and breast muscles of broilers. Poultry Science, 78(6), 812-821.
Hernandez-Llamas, A., & Ratkowsky, D. A. (2004). Growth of fishes, crustaceans and molluscs: estimation of the von Bertalanffy, Logistic, Gompertz and Richards curves and a new growth model. Marine Ecology Progress Series, 282, 237-244.
Katsanevakis, S., & Maravelias, C. D. (2008). Modelling fish growth: multi‐model inference as a better alternative to a priori using von Bertalanffy equation. Fish and Fisheries, 9(2), 178-187.
Kuhi, H. D., Kebreab, E., Lopez, S., & France, J. (2003). An evaluation of different growth functions for describing the profile of live weight with time (age) in meat and egg strains of chicken. Poultry Science, 82(10), 1536-1543.
Motulsky, H. J., & Ransnas, L. A. (1987). Fitting curves to data using nonlinear regression: a practical and nonmathematical review. The FASEB Journal, 1(5), 365-374.
Rizzi, C., Contiero, B., & Cassandro, M. (2013). Growth patterns of Italian local chicken populations. Poultry Science, 92(8), 2226-2235.
Roush, W. B., Dozier, W. A., & Branton, S. L. (2006). Comparison of Gompertz and neural network models of broiler growth. Poultry Science, 85(4), 794-797.
Santos, A. L., Sakomura, N. K., Freitas, E. R., Fortes, C. M. S., & Carrilho, E. N. V. M. (2005). Comparison of free range broiler chicken strains raised in confined or semi-confined systems. Revista Brasileira de Ciência Avícola, 7(2), 85-92.
Schulze, V., Roehe, R., Looft, H., & Kalm, E. (2001). Genetic analysis of the course of individual growth and feed intake of group-penned performance tested boars. Archiv For Tierzucht.
Statistical Analysis System Institute. (1999). SAS/STAT user's guide, version 8 (Vol. 2). SAS Institute.
Tompić, T., Dobša, J., Legen, S., Tompić, N., & Medić, H. (2011). Modeling the growth pattern of in-season and off-season Ross 308 broiler breeder flocks. Poultry Science, 90(12), 2879-2887.
Van Immerseel, F., Cauwerts, K., Devriese, L. A., Haesebrouck, F., & Ducatelle, R. (2002). Feed additives to control Salmonella in poultry. World's Poultry Science Journal, 58(04), 501-513.
Wang, Z., & Zuidhof, M. J. (2004). Estimation of growth parameters using a nonlinear mixed Gompertz model. Poultry Science, 83(6), 847-852.
Yun, B., Yu, X., Xue, M., Liu, Y., Wang, J., Wu, X., & Liang, X. (2015). Effects of dietary protein levels on the long-term growth response and fitting growth models of gibel carp (Carassius auratus gibelio). Animal Nutrition, 1(2), 70-76.