Лактационные кривые как инструмент своевременного мониторинга состояния здоровья животных и их продуктивности - мини-обзор

Мировое производство молока, по оценкам ФАО, увеличилось с 694 млн т в 2008 году до 914,3 млн т в 2020 году. В настоящее время продолжается селекция по признаку высокой молочной продуктивности, что, по мнению некоторых авторов, может быть одной из главных причин ухудшения качества молока и здоровья животных, включая фертильность. Своевременный мониторинг физиологического состояния животных и их продуктивности приобретает особое значение. Моделирование лактационных кривых считается одним из наиболее эффективных методов прогнозирования компонентного состава молока, удоя и здоровья животного. Их часто используют в качестве инструмента ранней диагностики некоторых заболеваний, что помогает снизить затраты на лечение и улучшить прогноз течения болезни. Таким образом, прогнозирование эволюции надоев молока служит важным этапом в принятии управленческих и селекционных решений при ведении стада и широко используется в диагностических целях. Нами представлен краткий обзор различных математических методов моделирования лактационных кривых (как по удою, так и по другим ключевым параметрам, таким как процент содержания жира, выход жира и белка), описанных в отечественной и зарубежной специальной литературе. Рассмотрены классическая модель Вуда (P.D.P. Wood, 1967), параметрические модели Вилминка (J.B.M. Wilmink, 1987) и Али-Шеффера (T.E. Ali and L.R. Schaeffer, 1987), модели, построенные с помощью алгоритмов машинного обучения. Стоит отметить, что универсальной модели описания лактационных кривых не существует, однако модель Вуда в большинстве случаев имеет преимущества за счет хорошего соотношения простоты и точности предсказаний параметров будущих лактаций. Исследования показали, что большая часть моделей неустойчивы к уменьшению входных данных. Это практически исключает их применение в хозяйствах, в которых отсутствует возможность на регулярной основе корректно проводить сбор данных о лактационной деятельности животных. Отклонения реальных удоев от удоев, предсказанных хорошо подобранной моделью, могут служить четким индикатором развития заболеваний у особи и использоваться для предупреждения и выявления заболеваний вымени, таких как мастит.