Вивчення можливості прогнозування молочної продуктивності корів в племінних господарствах на прикладі одного з найкращих стад. Взаємозв"язок між молочною продуктивністю первісток та індексом спаду енергії росту у допродуктивний період, вікова динаміка.
Аннотация к работе
Формується концепція використання в селекційно-племінній роботі імуногенетичних методів прогнозування продуктивності, що базуються на використанні імунологічних реакцій організму тварин і є водночас складовою частиною інформаційного підходу до визначення бажаного типу тварин (Колесник М.М., Сокол В.І., 1972; Подоба Б.Є., 1996). З поміж генетико-статистичних методів прогнозування значне місце посідає вивчення і моделювання лактаційних кривих з використанням засобів регресійного аналізу, інвертованих поліномів Нелдера (1966), гамма-функції Вуда (1967, 1968), що дозволяють передбачувати продуктивність первістки за лактацію, виходячи із даних за окремі її проміжки. Дисертаційна робота є складовою частиною комплексної наукової теми "Основи племінної роботи по створенню високопродуктивних стад худоби в умовах реформування сільського господарства", що виконувалась на зооінженерному факультеті Луганського НАУ у 2000-2002 роках (шифр роботи в тематичному плані ЛНАУ 5.2.2.), і продовженням науково-дослідної роботи “Вивчення норми реакції генотипу та розробка методів відбору цінних генотипів з ціллю підвищення продуктивності тварин”, що виконувалась на кафедрі генетики тварин та біотехнології Національного аграрного університету (м.Київ) у 1996-2000 роках (номер державної реєстрації 0196U001934). 4) вивчити можливість прогнозування молочної продуктивності корів, виходячи із даних за початкові проміжки першої лактації та провести порівняльну оцінку ефективності різних методів лінійної та нелінійної регресії при конструюванні відповідних моделей; 6) розробити селекційні індекси для визначення перспективної продуктивності первісток за чотирма джерелами інформації (індексом спаду енергії росту у допродуктивний період, індексом загальної реактивності, надоєм та кількістю молочного жиру за початкові проміжки першої лактації).За результатами визначення індексу спаду енергії росту у допродуктивний період (формула 1) в межах кожної з дослідних груп тварини розподілились на дві підгрупи: тварини інтенсивного типу формування, зі зниженим спадом енергії росту, тобто "мінус - варіанти" (М-), з показником b нижче середньої по групі, та "плюс - варіанти" (М ), з показником b вище середньої, тобто тварини менш інтенсивного типу формування, які характеризуються підвищеним індексом спаду енергії росту (табл. Було встановлено достовірний зворотній звязок між індексом спаду енергії росту та молочною продуктивністю (від r=-0,482 до r=-0,703 для надою та від r=-0,542 до r=-0,682 для кількості молочного жиру), що свідчить про доцільність використання цього показника у селекційно-племінній роботі в якості критерію ранжування тварин, а також у якості предиктору при побудові множинних регресійних моделей раннього прогнозування молочної продуктивності. Серед первісток найбільш суттєва різниця показників продуктивності між підгрупами М-та М спостерігалась в групі ЧР (за надоєм перевага слабо реактивних тварин становила 1375 кг, за кількістю молочного жиру - 49,7 кг) , серед корів з другою лактацією - в групі Г (відповідно 2028 та 86 кг). Якщо між жирністю молока та показниками реактивності корелятивний взаємозвязок не мав сталого характеру, то основні кількісні показники молочної продуктивності (надій та кількість молочного жиру) знаходились у достовірній зворотній залежності із загальною імунологічною реактивністю (величина коефіцієнтів кореляції в парах “надій - індекс реактивності” становила від-0,59±0,19% до-0,84±0,08%, “кількість молочного жиру - індекс реактивності” - від-0,48±0,22% до-0,84±0,08%). Приклади практичного застосування простої прямолінійної регресії для розрахунків показників перспективної молочної продуктивності корів за 305 днів лактації (Утеор.) з використанням у якості предикторів даних за початкові проміжки першої лактації (х - за перші 90 днів, х1 - за другий і третій місяці першої лактації, при виключенні даних за перший місяць) у порівнянні з фактично досягнутою продуктивністю (Уфакт.) з зазначенням відносної помилки прогнозування (помилки апроксимації, ?,%) наведено у таблиці 5.Між молочною продуктивністю та індексом спаду енергії росту у допродуктивний період існує зворотна залежність, причому для надоїв та кількості молочного жиру цей звязок достовірний (P>0,95-0,999) і становить від-0,482 до-0,703 для надою та від-0,592 до-0,682 для кількості молочного жиру, що свідчить про доцільність використання індексу спаду енергії росту у допродуктивний період для раннього прогнозування молочної продуктивності. Первістки зі зниженим спадом енергії росту від народження до 18-місячного віку („мінус-варіанти”, або тварини інтенсивного типу формування) достовірно (Р>0,95-0,97) переважали за продуктивністю первісток з підвищеним індексом спаду („плюс-варіанти”, тобто тварин менш інтенсивного типу формування), причому найбільша різниця між „плюс-та мінус-варіантами” за надоєм спостерігалась у групах тварин чорно-рябої породи (1131кг при середній продуктивності по групі 4656±310кг) та голштинсько
Вывод
Прогнозування потенційної молочної продуктивності за даними інтенсивності росту телиць. За результатами визначення індексу спаду енергії росту у допродуктивний період (формула 1) в межах кожної з дослідних груп тварини розподілились на дві підгрупи: тварини інтенсивного типу формування, зі зниженим спадом енергії росту, тобто "мінус - варіанти" (М-), з показником b нижче середньої по групі, та "плюс - варіанти" (М ), з показником b вище середньої, тобто тварини менш інтенсивного типу формування, які характеризуються підвищеним індексом спаду енергії росту (табл. 2). Встановлена різниця за показниками індексу спаду енергії росту по різних варіантах досить чітко підкріплюється різницею за молочною продуктивністю. Причому за надоєм та кількістю молочного жиру ця різниця має достовірний характер (P>0,95...0,97).
Було встановлено достовірний зворотній звязок між індексом спаду енергії росту та молочною продуктивністю (від r=-0,482 до r=-0,703 для надою та від r=-0,542 до r=-0,682 для кількості молочного жиру), що свідчить про доцільність використання цього показника у селекційно-племінній роботі в якості критерію ранжування тварин, а також у якості предиктору при побудові множинних регресійних моделей раннього прогнозування молочної продуктивності.
Таблиця 2. - Молочна продуктивність первісток з різним індексом спаду енергії росту
Групи n b, % Молочна продуктивність, М±m надій, кг жирність молока, % кількість молочного жиру, кг
Використання загальної імунологічної реактивності у якості імуногенетичного методу прогнозування молочної продуктивності корів. Визначення загальної імунологічної реактивності проводилося на 65 первістках та 57 коровах із другою лактацією. Характеризуючи вікову динаміку загальної реактивності, можна відзначити, що за основними показниками алергічної реакції на внутришньошкіряне введення гістаміну корови із другою лактацією переважають первісток (табл. 3).
Таблиця 3. - Вікова динаміка показників загальної реактивності
Групи Лактація n Показники реактивності, M±m t0, мм t1, мм Dt, мм a, %
Г Перша 12 8,7±0,2** 14,8±0,6** 6,1±0,5* 70,8±6,8*
Друга 11 9,5±0,3 17,6±1,0 8,1±0,9 84,2±8,2
УЧР Перша 12 9,8±0,2 17,8±1,0 8,0±0,8 79,0±6,4
Друга 9 9,9±0,3 19,3±1,1 9,4±1,0 94,2±9,1
ЧР Перша 14 9,2±0,3** 16,4±0,8** 7,2±0,7* 78,4±7,0
Друга 11 9,9±0,2 19,3±1,1 9,4±0,9 93,7±8,0
ЧСГ Перша 15 8,0±0,2**** 14,4±0,7*** 6,4±0,6* 78,3±5,5
Достовірну різницю встановлено в межах груп ЧСГ (P>0,90-0,999), ЧР (P>0,90-0,95), Г (P>0,90-0,95).
Для більш детального аналізу взаємозвязку та впливу загальної реактивності на молочну продуктивність використовували той же методологічний принцип, що і в попередньому розділі: поділення тварин в межах кожної дослідної групи на дві контрастні підгрупи за ознакою, вплив якої вивчається: "мінус - варіанти" (M-), та "плюс - варіанти" (M ), тобто тварин з показниками відповідно нижче та вище середніх значень. У якості критерію віднесення тварин до тієї чи іншої варіанти було обрано показник індексу реактивності (a, %). Виявилось, що різниця за показниками реактивності досить чітко підкріплюється різницею за молочною продуктивністю (табл. 4), причому за надоєм та кількістю молочного жиру ця різниця має достовірний характер (P>0,90-0,999).
В цілому ж можна стверджувати, що корови з підвищеною реакцією на гістамін поступаються за продуктивністю слабореагуючим тваринам. Серед первісток найбільш суттєва різниця показників продуктивності між підгрупами М- та М спостерігалась в групі ЧР (за надоєм перевага слабо реактивних тварин становила 1375 кг, за кількістю молочного жиру - 49,7 кг) , серед корів з другою лактацією - в групі Г (відповідно 2028 та 86 кг).
Таблиця 4. - Молочна продуктивність корів з різною реактивністю
Групи Показники молочної продуктивності, M±m надій, кг жирність молока, % молочний жир, кг
М 3904±176 5033±221 3,89±0,12 3,96±0,1 151,8±5,7 199,2±12,7
Така закономірність дає підстави говорити про наявність зворотного взаємозвязку між молочною продуктивністю та ознаками імунологічної реактивності. Ця тенденція цілком підтвердилась результатами кореляційного аналізу. Якщо між жирністю молока та показниками реактивності корелятивний взаємозвязок не мав сталого характеру, то основні кількісні показники молочної продуктивності (надій та кількість молочного жиру) знаходились у достовірній зворотній залежності із загальною імунологічною реактивністю (величина коефіцієнтів кореляції в парах “надій - індекс реактивності” становила від -0,59±0,19% до -0,84±0,08%, “кількість молочного жиру - індекс реактивності” - від -0,48±0,22% до -0,84±0,08%). Про істотність впливу індексу імунологічної реактивності на молочну продуктивність свідчили також результати дисперсійного аналізу: величини основного показнику сили впливу організованого фактора (індексу реактивності) були достовірними за критерієм Фішера по всіх піддослідних групах, а в групах ЧР, Г, АГ прослідковувалась чітка тенденція до збільшення за віком сили впливу індексу реактивності на продуктивність. Що стосується жирності молока, то достовірний вплив тут виявлено у первісток тільки по групі АГ (58% при P>0,99), а у корів із другою лактацією - по групах ЧСГ (23,2% при P>0,90), та Г (49,9% при P>0,95).
Узагальнюючи отримані результати, можна зробити висновок, що підвищення ступеню реакції на внутрішньошкірне введення гістаміну може бути маркером зниженої продуктивної здатності корови, а достовірність взаємозвязку та істотність впливу на продуктивність робить можливим використання показників загальної реактивності у селекційно-племінній роботі як критерія типізації тварин, а також у якості предикторів при побудові множинних регресійних моделей прогнозування молочної продуктивності.
Застосування регресійного аналізу при прогнозуванні молочної продуктивності, виходячи із даних за початкові проміжки першої лактації. Більшість вчених дотримуються думки, що надій, вміст жиру і білку в молоці за лактацію можна визначити, основуючись на даних за окремі проміжки лактації (Ернст Л.К., 1971; Жебровський Л.С., 1980; Завертяєв Б.П.,1976). Більш того, оцінка продуктивності корів за 305 днів лактації виявляється недостатньо точною, тому що при цьому не враховується вплив тривалості сервіс- періоду, і, оскільки лактаційна домінанта корів сильно пригнічується в другій половині тільності, то, ймовірно, точнішою оцінка корів буде за першу половину лактації, тобто, не більш, ніж за 180 днів (Потокін В.П., Щєглов Є.В., 1975).
Серед дослідників немає єдиної точки зору щодо найбільш ефективного терміну та методів прискореної оцінки первісток. За даними багатьох дослідників, показники продуктивності первісток за перші 90 і 305 днів лактації однаково рівноцінні і в рівній мірі надійні як при прогнозуванні молочної продуктивності, так і при оцінці бугаїв-плідників за якістю нащадків (Мазурець В.Ф. та ін.,1973; Близько В.М. та ін., 1984; Якушенков А.М., 1990).
В той же час існує досить цікава думка, що більш ефективним є прогнозування за другий і третій місяці лактації, тобто за 60 днів, при виключенні даних за перший місяць (місяць отелення), оскільки в цей період продуктивність первісток нестабільна, що повязано з утворенням нових умовних рефлексів, перебудовою нервових та обмінних процесів (Иванов Г.И., 1986).
В наших дослідженнях було порівняно різні методичні підходи прогнозування кількісних показників молочної продуктивності первісток за 305 днів лактації, виходячи із даних за початкові її проміжки. В результаті було встановлено, що прогнозування з використанням простої прямолінійної регресії не поступається за своєю точністю нелінійним регресійним моделям, і в той же час є значно простішим у застосуванні. Цей висновок загалом збігається з даними Я.Н.Данилківа (1995), який при порівняльному аналізі методів лінійної та нелінійної регресії, проведеному на коровах лебединської та швіцької порід встановив, що хід лактації до її перших 150 днів не носить такого криволінійного характеру, щоб його враховувати, тобто застосування рівнянь лінійної простої і множинної регресії є цілком припустимим. Приклади практичного застосування простої прямолінійної регресії для розрахунків показників перспективної молочної продуктивності корів за 305 днів лактації (Утеор.) з використанням у якості предикторів даних за початкові проміжки першої лактації (х - за перші 90 днів, х1 - за другий і третій місяці першої лактації, при виключенні даних за перший місяць) у порівнянні з фактично досягнутою продуктивністю (Уфакт.) з зазначенням відносної помилки прогнозування (помилки апроксимації, ?,%) наведено у таблиці 5.
Таблиця 5. - Застосування простої прямолінійної регресії при прогнозуванні продуктивності корів
Кличка та індивідуальний номер корови Група Сезон отелу Показники молочної продуктивності за першу лактацію удій кількість молочного жиру предиктор (x, x1) розрахункова формула Утеор. Уфакт. e, % предиктор (x, x1) розрахункова формула Утеор. Уфакт. e, %
В наведених прикладах використано тварин різних за продуктивністю, Уфакт. за 305 днів першої лактації змінюється в досить широких границях (від 3416 до 6176 кг за надоєм та від 145 до 251 кг - за кількістю молочного жиру). Величина ж відносної помилки апроксимації залишається досить невеликою і складає в межах від 0,2 до 8,3% за надоєм та від 0,3 до 7,3% за кількістю молочного жиру, тобто прогнозування з використанням простої прямолінійної регресії дозволяє отримувати достовірні результати при різному рівні молочної продуктивності.
Крім того виявилось, що для первісток осінніх і зимових отелень регресійні моделі, побудовані з використанням даних за другий і третій місяці лактації (тобто за 60 днів облікового періоду) при виключенні даних за перший місяць не поступались за своїми показниками вірогідності моделям, виведеним з використанням даних за перші 90 днів. В той же час, для первісток весняно-літніх отелень регресійні моделі, побудовані з використанням даних за другий і третій місяці, виявились недостатньо вірогідними і більшу ефективність мали моделі, виведені з використанням даних за перші 90 днів першої лактації. Це можна повязати з особливостями лактаційної діяльності первісток різних сезонів отелень, тобто більшою нерівномірністю протікання лактації первісток весняно-літніх отелень, внаслідок чого отримання достовірніших результатів прогнозування потребує використання більш подовженого у порівнянні з первістками осінньо-зимових отелень початкового проміжку першої лактації.
Вивчення особливостей вікової динаміки молочної продуктивності та можливості прогнозування продуктивності корів за лактаціями. Дослідження проводилось по всьому поголівї корів племзаводу (502 гол.). По кожній корові враховувались основні кількісні показники молочності (надій - Н та кількість молочного жиру - КМЖ за 305 днів) за всіма завершеними лактаціями. Для вивчення вікової динаміки продуктивності обраховувались коефіцієнти зміни цих показників за віком корови, вираженим у лактаціях (відношення надою чи кількості молочного жиру за будь-яку лактацію до відповідного показника першої лактації), які було використано при побудові емпіричних ліній регресії.
Поліноміальна апроксимація емпіричних рядів регресії виконувалась шляхом параболічної інтерполяції, внаслідок чого було виведено теоретичні лінії регресії коефіцієнтів зміни показників продуктивності (КЗ) за віком корови, вираженому у лактаціях (n) у вигляді парабол другого порядку (КЗ=An2 Bn C), параметри та показники вірогідності яких наведено у таблиці 6. Виведені регресійні моделі параболічного типу є достовірними за основними показниками вірогідності (R2, TS, Fst, Fфакт.) та досить добре відображають загальновідому тенденцію вікової динаміки кількісних показників молочної продуктивності: зростання протягом певного вікового періоду до максимуму і послідуюче поступове зменшення внаслідок природного старіння організму тварин.
Таблиця 6. - Параметри та показники вірогідності регресійних моделей залежності коефіцієнтів зміни надоїв та кількості молочного жиру за віком
Групи Показник Параметри моделей Показники вірогідності
A B C R2 TS Fst Fфакт.
ЧСГ Н -0,012 0,1004 0,912 0,8855 24,9 5,79 19,2
КМЖ -0,0114 0,097 0,915 0,7656 35,2 5,91 17,4
УЧР Н -0,0142 0,131 0,906 0,8064 17,7 6,94 8,29
КМЖ -0,018 0,161 0,879 0,7868 17,3 6,94 7,40
ЧР Н -0,021 0,17 0,87 0,7921 17,3 6,94 7,68
КМЖ -0,007 0,07 0,92 0,5041 8,34 6,94 6,96
Г Н -0,0114 0,0964 0,947 0,6000 11,48 6,94 9,95
КМЖ -0,0126 0,109 0,934 0,6889 13,93 6,94 7,01
АГ Н -0,0148 0,131 0,876 0,8372 19,2 6,94 10,33
КМЖ -0,0181 0,1576 0,866 0,8593 21,7 6,94 12,3
Отримані математичні залежності дозволили визначити для кожної з пяти груп тварин свій ряд теоретичних коефіцієнтів змінення надоїв та кількості молочного жиру за віком, вираженим у лактаціях. Ці коефіцієнти можуть бути використані для прогнозу молочної продуктивності корів по лактаціях за формулою: Yi=КЗІ ?Y1 (5) або Yi=КЗІ ?f(x0) (6), де: Yi - показник продуктивності за і-ту лактацію; КЗІ - відповідний коефіцієнт зміни надоїв за віком; Y1- показник продуктивності за першу лактацію; f(x0)- формула функціональної залежності продуктивності за 305 днів першої лактації від продуктивності за початкові її проміжки (x0).
Для узагальнення одержаних результатів розроблено графічні схеми прогнозування молочної продуктивності корів різних сезонів отелень, виходячи із даних за початкові проміжки першої лактації (Рис.1), та їх компютерний аналог - програму, що дозволяє швидко визначити теоретично можливий надій та кількість молочного жиру за першу, або будь-яку із наступних лактацій, та зорієнтуватися по відношенню до перспективного продуктивного потенціалу корів. Згідно результатів апробації програми у господарстві на незалежній вибірці (112 голів), ступінь відхилення теоретичних результатів від фактично досягнутих показників при прогнозуванні продуктивності первісток склала всього від 2 до 7%.
Конструювання селекційних індексів з використанням їх у якості інтегральної методики прогнозування молочної продуктивності. Теоретичною основою побудови селекційних індексів став метод модельних відхилень (формула 4). Модельне відхилення характеризує ступінь відповідності варіанти до модального значення.
Якщо у значенні B використати прогнозовані показники молочної продуктивності первістки за лактацію, а у значенні М - розраховані по усьому поголівю середні дані продуктивності за першу лактацію даної групи, то можна отримати індекс прогнозованої продуктивності первістки, який виражає ступінь перевищення продуктивності первістки над середньою по даній породній групі.
Позначимо селекційний індекс первістки ( ) як суму відповідних модельних відхилень за надоєм ( ) та кількістю молочного жиру ( ): (7);
відповідно: (8); (9);
де: - прогнозований надій за лактацію, кг;
- середній надій для даної групи, кг;
- прогнозована кількість молочного жиру за лактацію, кг;
- середня кількість молочного жиру за лактацію, кг
Прогнозовані показники та виразимо як функції трьох аргументів: індексу спаду енергії росту від народження до 18-місячного віку (b), індексу загальної реактивності (a), та показнику продуктивності за початковий проміжок лактації (відповідно Н0 та Ж0). Алгебраїчно цей взаємозвязок можна показати у вигляді лінійних поліномів:
H =k0 k1? k2? k3H0 (10); (11);
де: k0, k1, k2, k3 та g0, g1, g2, g3 - відповідні вагові коефіцієнти для кожного джерела інформації.
Значення вагових коефіцієнтів встановлювали в межах кожної групи за допомогою множинного регресійного аналізу. Адекватність отриманих регресійних моделей оцінювали за величинами коефіцієнтів множинної кореляції R, детермінації R2, t-критеріями Стьюдента коефіцієнтів регресії (відповідно TS1, TS2, TS3 для першого, другого і третього коефіцієнтів) та F-критерієм Фішера (табличним і фактичним значеннями: Fst і Fфакт.).
Якщо ввести формули (10) та (11) у вирази (8) і (9) з урахуванням (7), то отримаємо поліном першого ступеню: (12), де вагові коефіцієнти , , , , визначаються формулами: (13); (14); (15); (16); (17).
Проведений множинний регресійний аналіз дозволив встановити чисельні значення вагових коефіцієнтів у формулах (10) та (11). Перевірка отриманих регресійних моделей за показниками вірогідності виявила їх високу надійність (P>0,95-0,999). Усі коефіцієнти регресії були достовірними за t-критерієм, а, судячи з величин коефіцієнтів детермінації, варіації предикторів на 60-90% обумовлюють варіації прогнозованих показників продуктивності, тобто використання параметрів лінійних моделей у подальших розрахунках по визначенню параметрів селекційних індексів (формули 13-17) є цілком виправданим.
Аналізуючи результати визначення параметрів селекційних індексів (табл.8), слід відмітити, що лінійні поліноми для різних груп мають суттєві розбіжності за величинами вільного члену та коефіцієнтів при аргументах. Тобто деталізація методів прогнозуючої оцінки повинна полягати перш за все в урахуванні генотипових особливостей.
Таблиця 7. - Параметри селекційних індексів
Група f0 f1 f2 f3 f4 r
ЧСГ 101,57 -0,64 -0,99 0,01 0,24 0,900
УЧР -58,56 -1,24 -0,50 0,05 1,76 0,942
ЧР -46,48 -1,08 -0,58 0,06 1,53 0,937
Г 83,47 -1,48 -0,49 0,03 0,53 0,710
АГ 114,28 -1,72 -0,76 0,03 0,79 0,893
Для перевірки адекватності виведених індексів оцінювався кореляційний взаємозвязок між фактичною та розрахованою за виведеними формулами прогнозованою продуктивністю (r). Високі значення коефіцієнтів кореляції в парах "фактична продуктивність - прогнозована продуктивність" свідчать про достатню надійність запропонованого методу.