Формирование комбинированного селекционного индекса в овцеводстве

Автор: Катков К.А.

Журнал: Вестник аграрной науки @vestnikogau

Рубрика: Сельскохозяйственные науки

Статья в выпуске: 5 (80), 2019 года.

Бесплатный доступ

Успешная селекционная работа невозможна без качественной оценки животных, используемых в селекционном процессе. Только отбор животных с наиболее высокими показателями значимых хозяйственно полезных признаков может привести к требуемому результату селекции. Наиболее простой формой отбора животных является отбор по какому-либо одному признаку. В то же время, в современной практике племенного дела селекция ведется сразу по нескольким признакам. В этом случае целесообразно использовать отбор по селекционным индексам. Такая форма отбора животных теоретически считается наиболее эффективной. При индексной оценке животных учитываются сразу несколько хозяйственно полезных признаков. Это приводит к тому, что низкие показатели одного из используемых признаков могут быть компенсированы высокими показателями остальных признаков. С другой стороны, высокие показатели какого-либо одного признака могут быть снижены низкими значениями остальных признаков. Для исключения подобной ситуации предлагается формировать индексы на двух различных основах - на основе селекционного дифференциала и на основе селекционного отношения. Это позволит не исключать из дальнейшего селекционного процесса животных с высокими показателями отдельных признаков. Индексная оценка использует данные о собственной продуктивности оцениваемых животных. Для успешной селекционной работы этого бывает недостаточно. Поэтому в данном исследовании предлагается формировать комбинированный селекционный индекс, который учитывает не только данные о собственной продуктивности животных, но и их оценку по качеству потомства. Предлагается для оценки по потомству использовать метод BLUP. В статье приведен алгоритм формирования комбинированных селекционных индексов. Рассмотрены особенности индексной селекции в тонкорунном овцеводстве. Использование приведенного подхода может помочь селекционерам в повышении эффективности селекционной работы.

Еще

Селекционный индекс, собственная продуктивность, селекционный дифференциал, селекционное отношение, оценка, признак

Короткий адрес: https://sciup.org/147230679

IDR: 147230679   |   DOI: 10.15217/issn2587-666X.2019.5.75

Текст научной статьи Формирование комбинированного селекционного индекса в овцеводстве

Введение. Проведение успешной селекционной работы в животноводстве невозмо^но без качественной оценки ^ивотных, которых предполагается использовать в селекционном процессе. Существует мно^ество способов оценки ^ивотных [1-3]. Если основным показателем эффективности селекции является только один хозяйственно полезный признак (ХПП), то, очевидно, что оценку ^ивотного необходимо проводить именно по этому признаку. B то ^е время часто возникает необходимость в оценке ^ивотных одновременно по нескольким ХПП. B этом случае имеет смысл использовать индексную оценку ^ивотных [4, 5]. Такая индексная селекция предполагает оценку ^ивотного по собственной продуктивности одновременно по нескольким ХПП, а получаемый в результате оценки селекционный индекс является комплексным числовым показателем. При этом следует помнить, что индексная оценка теряет свою эффективность с увеличением количества признаков, участвующих в формировании селекционного индекса. Согласно [5], при индексной оценке селекционный ответ по ка^дому признаку будет обратно пропорционален квадратному корню из количества ХПП, участвующих в формировании индекса:

S O = 1 N , (1) где N – количество ХПП, участвующих в формировании индекса.

Нетрудно заметить, что у^е использование четырех ХПП в составе индекса сни^ает селекционный ответ по ка^дому из них в 2 раза. Это накладывает на селекционера необходимость тщательного выбора состава и количества ХПП, участвующих в формировании селекционного индекса.

Кроме оценки по собственной продуктивности используется оценка ^ивотных по качеству их потомства. Наиболее точные результаты такой оценки получаются при использовании метода BLUP (Best Linear Unbiased Prediction – наилучший линейный несмещенный прогноз) [6, 7]. B данном методе используется смешанная биометрическая модель, позволяющая учитывать не только генотип ^ивотного, но и влияние среды его обитания.

Мо^но предполо^ить, что объединение двух оценок – оценки собственной продуктивности ^ивотного и оценки по качеству его потомства, дадут более объективную картину перспектив использования ка^дого оцениваемого ^ивотного в селекционном процессе. При этом следует помнить, что оценка ^ивотного методом BLUP проводится только по одному хозяйственно-полезному признаку.

Целью исследования является разработка алгоритма формирования комбинированного селекционного индекса, учитывающего, как оценку собственной продуктивности ^ивотного, так и его оценку по качеству потомства.

Услови^, материалы и мето^ы. Комбинированные селекционные индексы разрабатывались для применения в овцеводстве. Для их построения необходимо сначала сформировать селекционные индексы на основе данных о собственной продуктивности оцениваемой группы баранов. ^ затем в сформированные индексы интегрировать оценки баранов по качеству их потомства. B работе использовались данные о собственной продуктивности и качеству потомства баранов цигайской породы.

Для формирования селекционных индексов необходим следующий набор исходных данных [4, 5]:

  • -    состав признаков, входящих в селекционный индекс;

  • -    значения признаков по всей группе оцениваемых ^ивотных;

  • -    показатели ^елательного типа для ка^дого из выбранных ХПП (целевые показатели);

  • -    значения коэффициентов наследования h 2 по ка^дому признаку.

Для оценки баранов по качеству их потомства методом BLUP необходимы следующие исходные данные [6, 7]:

  • -    количество потомков ка^дого из оцениваемых баранов с их распределением по стадам;

  • -    показатели вышеозначенных ХПП для потомков оцениваемой группы баранов;

  • -    значения коэффициентов наследования h 2 по ка^дому признаку;

  • -    данные о родстве ме^ду оцениваемыми баранами;

  • -    данные о принадле^ности оцениваемых баранов к генетическим группам.

B качестве потомков оцениваемой группы баранов выступали только му^ские особи одного возраста.

Преимущество индексной оценки заключается в одновременном анализе нескольких ХПП. При этом низкие показатели по одному из признаков могут быть компенсированы высокими показателями остальных признаков. Но есть и обратная сторона – высокие показатели по одному из признаков могут быть «размыты» низкими показателями остальных признаков. Тогда селекционный индекс будет иметь небольшое числовое значение, и ^ивотное мо^ет быть исключено из дальнейшего селекционного процесса. Для предотвращения подобной ситуации предлагается использовать два различных подхода к формированию индексов. Один подход предполагает использование в качестве основы индекса такой величины, как селекционный дифференциал. B качестве основы для второго подхода к формированию индексов предполагается использовать селекционное отношение. Использование двух подходов к решению одной и той ^е проблемы приводит к тому, что недостатки оценки с помощью индекса на основе селекционного дифференциала будут компенсированы оценкой индексов на основе селекционного отношения, и наоборот.

Для обозначения индексов, построенных на основе селекционного дифференциала в выра^ениях, представленных ни^е, будем использовать верхний индекс D . Для индексов на основе селекционного отношения – верхний индекс R . ^лгоритм формирования селекционных индексов представляет собой следующую последовательность действий.

  • 1.    Определяется основа селекционного индекса:

_ B ° = Xи - X , . BR = Xmix, где B , , B ,R - основа селекционных индексов (селекционный дифференциал и селекционное отношение соответственно);

( , = 1..                                   (2)

Хщ - показатели желательного типа для i -го ХПП;

  • X , - среднее значение i -го ХПП в выборке оцениваемых животных;

  • 2.    Определяется селекционный вес каждого признака:

N - количество ХПП, участвующих в формировании селекционных индексов.

Традиционно считается, что все ХПП, участвующие в построении селекционных индексов, имеют тенденцию «чем больше, тем лучше». B тонкорунном овцеводстве такой хозяйственно-полезный признак, как тонина шерсти, имеет обратную тенденцию - «чем меньше, тем лучше» [8]. Поэтому при использовании признака «тонина» основа селекционных индексов дол^на быть изменена. Для учета тонины в индексе на основе 8° предлагается значения тонины шерсти для каждого j-го животного (Хт]), а также значение целевого показателя тонины (Хцт) умножить на -1. Для индекса на основе B,R предлагается использовать отношение среднего значения показателя тонины в выборке ( Xт ) к целевому показателю тонины (XЦТ). Тогда основа селекционных индексов для признака «тонина шерсти» примет вид:

B = X т - X mT

В Т = X т цт

D

= -B= ^

B R( X ma" - X min) , W , =            )

[ '       ^/h 2

где о/- среднее квадратичное отклонение ХПП в оцениваемой выборке; Ximax, XRin - максимальное и минимальное значение ХПП в выборке, соответственно.

Определяется доля ка^дого селекционного веса в общей сумме весов:

N k° = W°/ Z W / i = 1

N kR = WR Z W ; / i = 1

D

.

R

Для каждого / -го признака рассчитываются частные коэффициенты:

К ° = k °/ B ° . K R = k R/ B R

.

Теперь определяются селекционные индексы. Если в составе ХПП отсутствует признак «тонина шерсти», то выра^ения для селекционных индексов имеют вид:

N

i d = Z k D | x , - х ^

i = 1

N

' RI к _

i =1       X i

где М - количество оцениваемых баранов.

Если в составе ХПП, участвующих в формировании индексов, присутствует признак «тонина шерсти», то изменится второе уравнение системы (7). Тогда, с учетом (3), выражения для селекционных индексов примут вид:

N

| D = ^ K D X , - X

IR где KR - частный коэффициент для признака «тонина шерсти».

Таким образом, выражения (2) - (8) позволяют построить селекционные индексы на основе селекционного дифференциала и селекционного отношения. Сравнив, результаты, мо^но выявить ^ивотных с высокими показателями собственной продуктивности.

Теперь необходимо провести оценку той ^е группы баранов по качеству их потомства. Для этого предлагается воспользоваться методом BLUP, алгоритм которого подробно изложен в [6, 7]. Стоит добавить, что в случае, если одним из анализируемых признаков является тонина шерсти потомков, то необходимо значения этого признака для всех потомков умножить на -1.

Результатом оценки животного методом BLUP является вектор-столбец, элементами которого являются:

  • -    оценки эффекта к -го стада, в котором находятся потомки оцениваемых баранов ( h k );

  • -    оценки эффекта q -й генетической группы, к которой принадлежит каждый л

оцениваемый баран ( gq );

  • -    оценки эффекта каждого j -го оцениваемого барана, принадлежащего к q - л

й генетической группе ( S , ).

Так как в селекционном индексе используется N признаков, то необходимо N раз провести оценку каждого j -го оцениваемого барана по его потомству ( j =1... M ). B результате получаем матрицу оценок по качеству потомства ( V ) размерностью N x M . Элементами этой матрицы будут оценки по методу BLUP, определяемые, как удвоенная сумма оценки эффекта генетической группы и оценки барана, принадлежащего к этой группе, по каждому из N ХПП:

v , = 2 \gq + S q I,     ( i = 1...

Следует помнить, что в зависимости от выбранного метода решения системы уравнений BLUP числовые значения оценок V ij будут различными [6]. Это не влияет на величину превосходства одного барана над другим.

Теперь для того чтобы полученные оценки по качеству потомства (vij) могли быть использованы для формирования комбинированного селекционного индекса. Для этого в ка^дой i-й строке матрицы V проводится нормирование в соответствии с выра^ением [9]:

, x     v. - vmin y v = —i,                      (10)

ij            max min ,

  • vi - v i

где vimin , vimax – минимальное и максимальное значение i-й строки матрицы V соответственно.

Таким образом, получаем матрицу нормированных оценок баронов по качеству их потомства ( Y ). Значения элементов матрицы Y ле^ат в диапазоне от 0 до 1.

Теперь мо^но переходить к формированию комбинированного селекционного индекса ( CI ), в котором будет учтена оценка качества потомства всей группы баранов. Bыра^ения для комбинированного селекционного индекса, с учетом (7) – (10), имеют вид:

  • - если в составе ХПП отсутствует признак «тонина шерсти»:

С/D^YKD| X.-"Xi U- j                  i I ij I y ,

\ N x j =1- ;             (11)

cj = ^ KR ± ■ y, i=1      Xi

- если присутствует признак «тонина шерсти»:

N            ___

cI D= x K D I X , - X i I- y ,

'          '=' ___T          N -i                , j = ^-^              (12)

ci ,R = K T- X T - yT1 + ^ K R ^y,

X Tj         i = 1       X i

Полученные выра^ения (11) и (12) являются комбинированными селекционными индексами, позволяющими ран^ировать оцениваемую группу баранов в соответствии с их собственной продуктивностью и качеством их потомства.

Результаты. B рамках исследования проводилась оценка группы из 10 баранов цигайской породы [11]. B качестве признаков, участвующих в формировании селекционного индекса, были взяты: ^ивая масса баранов (ЖМ), длина шерсти (ДШ), настриг чистой шерсти (НШ), тонина шерсти (Т). Показатели ^елательного типа, коэффициенты наследования ( h 2) и средние значения ХПП для оцениваемой группы баранов представлены в таблице 1.

Таблица 1 – Целевые показатели, значения h 2, средние значения ХПП баранов

Параметры

Хозяйственно полезные признаки

Живая масса

Длина шерсти

Настриг шерсти

Тонина шерсти

Коэффициент h 2

0.37

0.34

0.39

0.39

Целевые показатели

110 кг

14 см

5 кг

29 мкм

Средние значения

96 кг

14.9 см

4.58 кг

32.1 мкм

Bсе расчеты проводились в интегрированном математическом пакете Matlab [10]. Результаты расчета селекционных индексов в соответствии с выра^ениями (8) представлены на рисунке 1. По горизонтальной оси графиков на рисунке 1 отло^ены номера оцениваемых баранов (S1, …, S10).

1     2     3     4     5     6     7     8     9     10

а)

1.5

0.5 ppppppppPp j

1      2     3     4     5     6     7     8     9     10

б)

Рисунок 1 – Селекционные индексы: а) индекс ID ; б) индекс IR

Проведем ран^ирование баранов по индексу IR от наибольшего к меньшему Ранг ка^дого барана представлен в таблице 2.

Таблица 2 – Ран^ирование баранов по индексу IR

Ранг

1

2

3

4

5

6

7

8

9

10

№ барана

S9

S7

S5

S3

S6

S8

S2

S1

S10

S4

На следующем этапе методом BLUP была получена нормированная оценка баранов по качеству их потомства. Результаты этой оценки представлены в таблице 3.

Таблица 3 – Нормированная оценка баранов по качеству потомства (BLUP)

ХПП

Номера оцениваемых баранов

S1

S2

S3

S4

S5

S6

S7

S8

S9

S10

ЖМ

0.636

0.651

0.908

0.570

0.673

1

0.860

0.572

0

0.104

ДШ

0.003

0.001

0.013

0

0.003

1

0.987

0.952

0.890

0.901

НШ

0.666

1

0.671

0.640

0.656

0.422

0

0.246

0.027

0.220

Т

1

0.929

0.770

0.421

0.457

0.462

0.295

0

0.006

0.186

B соответствии с выра^ениями (12) сформируем комбинированные селекционные индексы и проведем ран^ирование баранов по комбинированному селекционному индексу CIR от наибольшего к наименьшему значению индекса. Результаты ран^ирования, а так^е значения ХПП оцениваемых баранов и их комбинированные селекционные индексы представлены в таблице 4.

Таблица 4 – Ран^ирование баранов по комбинированному индексу CIR

Ранг барана

№ барана

Значения ХПП оцениваемых баранов

Комбинированные индексы

ЖМ, кг

ДШ, см

НШ, кг

Т, мкм

CIR

CID

1

S6

110

13

4.20

30

0.697

0.253

2

S3

100

12

5.90

32

0.574

0.325

3

S7

110

15

5.30

32

0.566

0.295

4

S2

88

16

3.60

32

0.507

-0.353

5

S8

94

18

3.48

33

0.481

0.279

6

S1

94

15

3.35

33

0.456

-0.440

7

S5

110

14

5.30

33

0.440

0.248

8

S10

80

13

4.70

33

0.327

-0.285

9

S9

96

19

6.07

33

0.326

0.471

10

S4

78

14

3.90

30

0.322

-0.153

Сравнив данные ран^ирования из таблиц 2 и 4, мо^но увидеть, что информация о качестве потомства существенно влияет на итоговую оценку баранов. Например, баран S9, имеющий наибольший селекционный индекс ID и IR (рис.1), имеет потомство не очень высокого качества, что в результате существенно сни^ает его комбинированный селекционный индекс. B данном исследовании ран^ирование проводилось по индексам на основе селекционного отношения. По мнению автора, такие индексы дают наилучший результат.

Выводы. Проведенное исследование позволяет сделать ряд выводов.

  • 1.    Одновременное использование двух подходов к формированию селекционных индексов позволяет более точно выявить особей, использование которых в дальнейшей селекционной работе мо^ет привести к поло^ительным результатам.

  • 2.    Наличие в составе ХПП, участвующих в формировании селекционных индексов, такого признака, как «тонина шерсти» требует преобразования значений этого признака, а так^е изменения основы селекционного индекса.

  • 3.    Использование метода BLUP для оценки ^ивотных по качеству их потомства дает наиболее точные результаты, так как учитывает родство ме^ду производителями, влияние генетических групп, и позволяет исключить из оценки эффекты окру^ающей среды.

  • 4.    Использование комбинированных селекционных индексов, где учитывается не только собственная продуктивность ^ивотных, но и оценка качества их потомства позволяет более точно прогнозировать племенную ценность ^ивотных

Мо^но предполо^ить, что использование селекционерами предло^енной методики формирования комбинированных селекционных индексов повысит качество селекционной работы в овцеводстве.

Благо^арности . ^втор благодарит коллектив ФГБУН «НИИ сельского хозяйства Крыма» и лично Остапчука Павла Сергеевича за предоставление первичных данных, использованных в настоящем исследовании.

Список литературы Формирование комбинированного селекционного индекса в овцеводстве

  • Ефимова Н.И., Скорых Л.Н., Копылов И.А. Шерстная продуктивность потомков от производителей импортной селекции // Сборник научных трудов Всероссийского научно-исследовательского института овцеводства и козоводства. 2015. Т. 2. № 8. С. 17.
  • Повышение конкурентоспособности тонкорунных овец породы советский меринос / Н.И. Ефимова, Е.Н. Чернобай, С.Н. Шумаенко, Т.И. Антоненко // Вестник Курской государственной сельскохозяйственной академии. 2018. № 7. С. 104-109.
  • Копылов И.А., Скорых Л.Н., Ефимова Н.И. Мясность молодняка овец породы советский меринос и их помесей с австралийскими баранами // Овцы, козы, шерстяное дело. 2017. № 2. С. 26.
  • Интенсификация племенного отбора в свиноводстве / Михайлов Н.В., Каратунов Г.А., Третьякова О.Л., Костылев Э.В. пос. Персияновский: ДонГАУ, 1999. 100 с.
  • Cелекционно-генетические аспекты оценки наследственных качеств животных / Михайлов Н.В., Кабанов В.Д., Каратунов Г.А. Новочеркасск: ДонГАУ, 1996. 63 с.
Статья научная