ХЕРСОНСЬКИЙ ДЕРЖАВНИЙ АГРАРНИЙ УНІВЕРСИТЕТ

ГОРЛОВ ОЛЕКСАНДР ІВАНОВИЧ

УДК 636.2.082.2/519.6

РОЗРОБКА ТА УДОСКОНАЛЕННЯ МЕТОДІВ

СЕЛЕКЦІЙНО-ГЕНЕТИЧНИХ ДОСЛІДЖЕНЬ

У МОЛОЧНОМУ СКОТАРСТВІ

06.02.01 - розведення та селекція тварин

Автореферат дисертації на здобуття наукового ступеня

кандидата сільськогосподарських наук

Херсон - 2001

Дисертацією є рукопис.

Робота виконана в Інституті тваринництва степових районів

ім. М.Ф.Іванова “Асканія-Нова” - Національному науковому

селекційно-генетичному центрі з вівчарства УААН

Науковий керівник: | - | доктор сільськогосподарських наук,

старший науковий співробітник

Рябко Вячеслав Мефодійович,

Інститут тваринництва степових

районів ім. М.Ф.Іванова“Асканія-Нова”, заступник директора з наукової роботи

Офіційні опоненти: | - | доктор сільськогосподарських наук

Хомут Іван Семенович,

Одеська державна сільсько-господарська станція, заступник директора з наукової роботи

- | кандидат сільськогосподарських наук,

доцент

Миронов Виктор Гаврилович,

Херсонський державний унниверситет, каф. часткової зоотехнії

Провідна установа: | - | Одеський державний сільськогосподарський інститут Міністерства

аграрної політики України, м. Одеса.

Захист дисертації відбудеться “27” квітня 2001 р. о 10 годині на засіданні спеціалізованої вченої ради К 67.830.02 в Херсонському державному аграрному університеті (73006, Херсон-6, вул. Р.Люксембург, 23, головний навчальний корпус, аудиторія 118).

З дисертацією можна ознайомитись в бібліотеці Херсонського державного аграрного університету за адресою: 73006, Херсон-6, вул. Р.Люксембург, 23, головний навчальний корпус.

Автореферат розісланий “26” березня 2001 р.

Вчений секретар

спеціалізованої вченої ради Карапуз В.Д.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Вступ. У вирішенні проблем прискорення темпів удосконалення масивів тварин велику роль відіграють методи селекції, що базуються на закономірностях популяційної генетики та застосування сучасної комп’ютерної техніки.

Головним чинником в селекції молочної худоби є оцінка бугаїв-плідників за генотипом, методами визначення якості їх нащадків.

Важливість цієї оцінки набула особливої актуальності в зв’язку з впровадженням у виробництво методів тривалого збереження замороженої сперми, що дає можливість її використання, коли самого бугая-плідника вже немає. З’явилась також можливість переміщення сперми практично на будь-які відстані.

На сучасному етапі необхідна розробка і удосконалення методичних підходів оцінки бугаїв-плідників, дозволяючих підвищити обєктивність визначення їх генотипу. Для того, щоб підвищити ефективність племінної роботи, необхідно впровадити у практику оптимальні програми великомасштабної селекції на базі використання ЕОМ, популяційної генетики, довгострокового зберігання сперми і таке інше. Практика передових країн свідчить, що на основі великомасштабної селекції темпи щорічного приросту молочної продуктивності складають до 100 кг молока і більше від однієї корови. Отже, поглиблення теорії і методичних підвалин розвитку молочного скотарства відкривають нові можливості у прискоренні підвищення його продуктивності.

Актуальність теми. Молочне скотарство у переважній більшості країн є однією з ведучих галузей тваринництва, яка забезпечує населення високоякісними продуктами харчування.

З поглибленням знань у питаннях генетики, біотехнології відтворення поголівя суттєво зросло значення генетико-математичних методів аналізу селекційно-генетичної ситуації в стадах, породних масивах, а також можливість підвищеної обєктивності оцінки генотипу конкретної тварини (Басовский Н.З., 1989; Кузнецов В.М., 1984; Петренко И.П., Винничук Д.Т., 1995; Эйснер Ф.Ф., 1981; Эрнст Л.К. 1990 ).

Удосконалення системи накопичення даних про племінні та продуктивні якості тварин, яка базується на застосуванні технічних носіїв, відкрило широкі можливості оперативного аналізу за допомогою компютерної техніки і своєчасного прийняття рішень щодо селекційних заходів.

Отже, зазначене свідчить про актуальність оптимізації методів оцінки генотипів і програм селекції певних стад та масивів молочної худоби.

Зв’язок роботи з науковою тематикою. Дисертаційна робота виконувалась згідно з тематичним планом науково-дослідних робіт Інституту тваринництва степових районів ім. М. Ф. Іванова “Асканія-Нова” за темою: “Удосконалити методи оцінки і планування селекційного процесу в тваринництві з використанням досягнень популяційної генетики і ЕОМ ” № держреєстрації 0182807648.

Мета і задачі досліджень. Метою роботи ставилася розробка і удосконалення методів оцінки генотипів племінних тварин, селекційно-генетичних параметрів у стадах молочної худоби та оптимізації програм селекції.

Об’єкт досліджень – Управління селекційним процесом в стадах великої рогатої худоби молочного напрямку продуктивності на півдні України.

Предмет дослідження – методи селекційно-генетичних досліджень в молочному скотарстві.

Методи досліджень:

-логічного і математичного аналізу при розробці методу оцінки бугаїв-плідників з врахуванням препотентності;

-рендомізованих вибірок при оцінці селекційно-генетичних параметрів стада за характеристиками випадкової вибірки;

- векторної алгебри при розробці методу формування груп-аналогів;

- оцінки залишкової дисперсії біля лінії регресії при визначенні вірогідності багатофакторних моделей в селекції;

- частинних кореляцій при вдосконаленні методу визначення генетичних кореляцій для селекційних індексів;

- методу моделювання при розробці критерію оптимізації програм селекції молочної худоби.

Наукова новизна одержаних результатів полягає в розробленні оригінальних методик, які забезпечують високий рівень вірогідності оцінки селекційно-генетичних параметрів у певних групах тварин. Вперше визначено і обгрунтовано критерій препотентності бугаїв-плідників. Розроблено критерій оптимізації програм селекції молочної худоби.

Практичне значення роботи. За результатами досліджень доведена доцільність застосування удосконалених методів оцінки селекційно-генетичних характеристик бугаїв-плідників, певних груп худоби та ефективність оптимізації програм селекції за допомогою розробленого критерію у племінних стадах на півдні України.

Особистий внесок здобувача. Дисертаційна робота містить результати досліджень, одержаних особисто здобувачем при виконанні наукової тематики. Автор безпосередньо розробив методику досліджень та виконав обробку і аналіз отриманих даних. В загальному обсязі проведених робіт на долю автора припадає 98%.

Апробація результатів дисертації. Основні положення дисертації доповідались і були схвалені на:

-засіданнях вченої ради Інституту тваринництва степових районів ім. М.Ф.Іванова “Асканія-Нова”, 1981-1999 рр.;

-науково-технічній конференції “Застосування ЕОМ у тваринництві” Тарту, 26-27 листопада 1986 р.;

-на V-му з’їзді ВТГІС, Москва, 24-28 листопада 1987 р.;

-на конференції “Измерительная и вычислительная техника в управлении производственным процессом в АПК”14-18 ноября 1988. – Ленинград;

-на конференції, присвяченій 130-річчю виходу у світ монографії Чарлза Дарвіна “Мінливість тварин і рослин під впливом одомашнення”. Селекція в скотарстві. 22-23 вересня 1998. - Харків;

-на розширеному засіданні лабораторії популяційної генетики ІТСР “Асканія-Нова”, 2000 р.

Публікації. За матеріалами дисертації опубліковано 13 робіт, у яких викладено основний зміст наукових досліджень.

Структура і обсяг дисертаційної роботи. Дисертація складається з розділів: вступ, огляд літератури, методика досліджень, результати власних досліджень, висновки і пропозиції та список використаної літератури. Робота викладена на 141 сторінці машинописного тексту і містить 28 таблиць, 8 рисунків. Список літератури включає 267 джерел, з них іноземних - 58.

Матеріал і методика досліджень

Досліди виконувались в період 1981-1999 рр. на даних племінних і продуктивних якостей поголів’я племзаводів “Асканія-Нова” Чаплинського, ім. Кірова Білозерського районів Херсонської, “Широке” Кримської та “Диктатура” Донецької областей, червоної степової, англерської, голштинської порід і напівкровних помісей перших двох.

Таблиця 1 - Схема проведення досліджень

Аналіз існуючих методів селекційно-генетичних досліджень у молочному скотарстві

Оцінки препотентності бугаїв-плідників | Оцінка параметрів популяції за характеристиками

вибірки | Формування груп корів-аналогів для досліджень | Оцінка вірогідності параметрів багатофакторних моделей в селекції | Визначення генетичних кореляцій для селекційних

індексів | Визначення критеріїв оптимізації програм селекції молочної худоби

Удосконалення і розробка методів селекційно-генетичних досліджень в молочному скотарстві

Удосконалення оцінки бугаїв-плідників з врахуванням препотентності | Визначення обєма вибірки для ймовірної оцінки параметрів популяції | Розробка обєк-тивного методу формування груп тварин-аналогів | Удосконалення методу оцінки вірогідності параметрів багатофакторних моделей | Розробка обєк-тивного методу визначення генетичних кореляцій для селекційних

індексів | Розробка комплексного критерія оптимізації програм селекції молочної

худоби

Розробка алгоритмів і програм для реалізації методів селекційно-генетичних досліджень в молочному скотарстві на ЕОМ

Апробація розроблених програм при підготовці вихідних даних для оптимізації програми селекції молочної худоби на півдні України

Оптимізований варіант програми селекції для корегування перспективного плана удосконалення червоної степової худоби на півдні України

У дослідах використані дані 10945 корів і 259 бугаїв-плідників за період 1964-1982рр. та 1985-1999 рр.

Визначення критерію препотентності бугая-плідника проводилося методом детального аналізу відповідних розробок авторитетних вчених (Кравченко Н.А., Винничук Д.Т., 1965; Назаренко В.Г., 1970; Рузский С.А., 1963; Солдатов А.П., Эрнст Л.К., 1965; Эйснер Ф.Ф., 1986) з метою забезпечення можливості однозначної градації на препотентних і непрепотентних.

Відпрацювання методу оптимізації селекційних процесів у племінних стадах півдня України проводили шляхом використання основних положень відповідних методик Басовського М.З., Кузнєцова В.М. [1982].

При розробці методу формування груп-аналогів для селекційно-генетичних досліджень використано математичний апарат векторної алгебри. Перевірку методу проведено на коровах червоної степової породи. Добір аналогів проводили за такими ознаками: Х1- надій первісток за 305 днів або скорочену лактацію, кг; Х2 - відсоток вмісту жиру в молоці; Х3- жива маса корів, кг; Х4 - вік при першому отеленні, місяців; Х5 - надій матері первістки за першу лактацію, кг; Х6 - відсотковий вміст жиру в молоці матері.

В основу розробки методики оцінки параметрів стада за характеристиками випадкової вибірки був покладений метод рендомізованих вибірок. Визначення вірогідності багатофакторних моделей в селекції проводилося на основі оцінки залишкової дисперсії біля лінії регресії. Удосконалення способу визначення генетичних кореляцій з метою підвищення об’єктивності селекційних індексів проводилось на основі застосування частинних кореляцій.

Результати досліджень і аналіз отриманих даних

Оцінка бугаїв-плідників з урахуванням препотентності

Впровадження інформаційних технологій в систему управління селекційним процесом дозволило провести глибокий оперативний аналіз і ухвалювати оптимальні рішення.

При використанні принципів великомасштабної селекції зростає актуальність визначення найбільш цінних бугаїв-плідників для виявлення препотентних поліпшувачів. На наш погляд, різниця коефіцієнтів мінливості ознаки предка і нащадка може бути критерієм оцінки препотентності. Теоретичною передумовою даного підходу є положення корифеїв науки Е.А.Богданова і М.Ф.Іванова про домінантність певної ознаки у генотипа, як основи препотентності, що виявляється у звуженні розмаху мінливості нащадків першої генерації. Позитивне значення критерію свідчить про препотентність плідника, а величина - про її міру, що дозволяє формалізувати процес добору.

Нами розроблений алгоритм і програма на ППЕОМ для оцінки бугаїв-плідників за методом дочок-ровесниць, в результаті якої видається каталог достовірних препотентних поліпшувачів з ранговою оцінкою за кожною ознакою окремо і за двома, трьома - комплексно.

Раціональність системи підтверджується застосуванням її на реальному масиві. Як приклад, наведемо оцінку за даними 20-річного періоду в стадах племзаводів: “Зоря” Херсонської, “Диктатура” Донецької областей і “Широке” Кримської АР, основні характеристики яких наведені в табл. 2.

Таблиця 2 - Продуктивність корів у стадах племзаводів “Зоря” (І стадо),

“Широке” (ІІ стадо) і “Диктатура” (ІІІ стадо)

Стадо | Жива маса, кг | Надій, кг | Процент жиру в молоці

n | Cv | n | Cv | Cv

Червона степова порода

І | 3009 | 4811 | 12 | 3032 | 421319 | 24 | 3,840,01 | 7

ІІ | 1086 | 5352 | 12 | 1218 | 417332 | 27 | 3,920,01 | 5

ІІІ | 2322 | 5422 | 15 | 2907 | 426321 | 27 | 3,680,01 | 8

Англерська порода

І | 1204 | 4952 | 11 | 1289 | 444826 | 21 | 4,080,01 | 10

ІІ | 225 | 5344 | 9 | 309 | 426467 | 28 | 4,080,02 | 9

ІІІ | 151 | 5005 | 13 | 315 | 468162 | 23 | 4,080,02 | 10

Червона степова х англерська

І | 410 | 4833 | 12 | 421 | 435047 | 22 | 3,900,02 | 8

ІІ | 64 | 5498 | 12 | 93 | 4296102 | 23 | 3,940,03 | 7

Оцінка бугаїв за першою і вищою лактаціями (табл. 3) показала, що з 191 оціненого бугая 8 є препотентними поліпшувачами жирномолочності, препотентних поліпшувачів одночасно за трьома ознаками немає, а за двома - встановлено три особини: за удоєм і жирномолочністю - Паркет 121; за удоєм і живою масою - Варяг 750 (Р>0,95) червоної степової і напівкровний бугай Одарьоний 747. Примітно, що бугай Монарх 18965 характеризується як препотентний поліпшувач одночасно на поголівї двох стад. Препотентність за першою лактацією підтверджується надалі за найвищою, що дає можливість відносно ранньої оцінки бугаїв-плідників.

Практика минулих десятирічь також свідчить, що питома вага перспективних генотипів у провідних племзаводах України складає біля 4%.

Простота і обєктивність підходу, який пропонується щодо оцінки бугаїв-плідників дають можливість його широкого використання у практиці.

Таблиця 3 - Оцінка бугаїв-плідників

Ста- до |

Кличка і номер бугая |

Порода | % жиру в молоці дочок

(вища | Перевищення дочок над ровесницями за лактаціями, % | Коефіцієнт мінливості жиру

у дочок за найвищою |

Критерій

К

лакт.) | І | Вища | лактацією

І | Одарьоний 747 | черв. степ. х англ. | 3,91 | 0,09 | 0,03 | 6,21 | +1,22

Паркет 121 | черв. степ. | 4,06 | 0,17 | 0,19 | 7,14 | +0,46

ІІ | Рупор 203 | черв. степ. | 4,30 | 0,33 | 0,31 | 5,02 | + 3,0

Монарх 18965 | англ. | 4,76 | 0,36 | 0,68 | 8,13 | +1,69

Одісей 113 | англ. | 4,37 | 0,42 | 0,31 | 4,96 | +3,27

ІІІ | Океан 19517 | англ. | 4,52 | 0,34 | 0,45 | 7,22 | +0,13

Хілус 17750 | англ. | 4,52 | 0,26 | 0,40 | 2,80 | +5,27

Монарх 18965 | англ. | 4,42 | - | 0,33 | 4,74 | -

Варяг 750 | черв. степ. | 3,84 | 0,04 | 0,07 | 7,54 | +0,25

Визначення обєму вибірки для характеристики популяції

Нерідко досліднику необхідна попередня прискорена оцінка стада (популяції), а підготовка до обробки і сама обробка великих масивів займає досить багато часу. Тому нами була зроблена спроба визначити мінімальну величину вибірки, яка за своїми показниками (, Сv, r і т.д.) могла б характеризувати всю популяцію, що знаходиться під контролем селекціонера.

За основу прийнято метод рендомізованих вибірок з подальшою

Таблиця 4 - Середні статистичні характеристики надою, усереднені

за 10 вибірками

Об’єм

вибірки

в % від N | Аскольд | Локон

5 | 2741 | 147,2 | 432,9 | 19,3 | -0,14 | 2715 | 169,8 | 476,9 | 15,9 | -0,25

10 | 2679 | 98,5 | 439,5 | 16,8 | -0,13 | 2663 | 121,9 | 451,3 | 16,5 | 0,32

15 | 2671 | 68,6 | 429,2 | 14,4 | -0,08 | 2674 | 97,2 | 385,0 | 16,0 | -0,02

20 | 2670 | 61,2 | 399,7 | 14,8 | -0,14 | 2644 | 78,4 | 396,6 | 15,1 | 0,08

25 | 2701 | 56,2 | 381,3 | 15,0 | -0,06 | 2633 | 66,9 | 407,2 | 14,4 | 0,08

30 | 2666 | 45,8 | 353,4 | 13,6 | -0,10 | 2648 | 56,6 | 363,5 | 13,3 | 0,08

35 | 2711 | 43,6 | 362,2 | 13,7 | -0,13 | 2641 | 53,7 | 373,7 | 13,7 | 0,02

40 | 2683 | 38,3 | 343,2 | 13,0 | -0,03 | 2634 | 47,6 | 351,0 | 13,0 | 0,06

45 | 2678 | 34,4 | 353,3 | 12,4 | -0,11 | 2666 | 46,2 | 334,4 | 13,2 | 0,03

50 | 2696 | 32,0 | 332,1 | 12,1 | -0,08 | 2666 | 41,2 | 327,9 | 12,4 | 0,02

55 | 2670 | 27,1 | 317,9 | 10,9 | -0,13 | 2676 | 37,6 | 291,2 | 11,8 | 0,00

60 | 2668 | 25,1 | 298,5 | 10,5 | -0,12 | 2682 | 33,8 | 281,7 | 11,1 | 0,01

65 | 2666 | 22,4 | 247,0 | 9,8 | -0,09 | 2673 | 29,8 | 261,7 | 9,2 | 0,01

70 | 2664 | 20,0 | 247,4 | 9,1 | -0,09 | 2667 | 25,9 | 242,4 | 9,2 | 0,02

100 | 2683 | 17,5 | 273,9 | 10,2 | -0,13 | 2663 | 22,3 | 253,6 | 9,5 | 0,02

статистичною обробкою кожної вибірки і порівняння її показників з показниками всієї популяції. Враховуючи, що разовий надій вимірюється з точністю до 0,1 кг, при трикратному доїнні за триста днів лактації помилка вимірювання удою кожної корови () не перевищить 90 кг (табл. 4).

Ця величина прийнята довірчим інтервалом середньої.

За Снедекором (1961) = t . Звідси випливає, що помилка середньої у вибірці, з імовірністю 95% безпомилкового судження, не повинна перевищувати: /t 90:1,96 45,9 кг. Виходячи з поставленої задачі, вибірками мінімального обєму будуть: для Аскольда n = 30%, Nа = 63, для Локона n = 50%, Nл = 65.

Величина t критерію стандартного відхилення складає для Аскольда 2,75 і для Локона - 3,09. Цим критеріям відповідає імовірність безпомилкового судження >99%,.

Таким чином, для отримання достовірних характеристик стада чисельністю більше 100 тварин з точністю прийнятої помилки досить взяти вибірку обємом 65 голів, при умові, що вибірка зроблена випадково.

Метод формування груп-аналогів

Відомо, чим більше ознак, що описують особину, використовується при доборі в групи і чим менше відмінності за кожною з ознак, тим більше вони задовольняють поняттю аналога. Більшість дослідників при формуванні груп-аналогів методом угрупувань використовують не більше двох-трьох показників.

При цьому в самому процесі розділення сукупності на групи присутній елемент субєктивного підходу, зумовлений довільним встановленням величини градації ознаки.

Отже, з одного і того ж масиву у різних експериментаторів склад груп аналогів буде неоднаковим.

Метод експериментально перевірений при доборі первісток-аналогів за шістьома ознаками: Х1 - надій первісток за 305 днів або укорочену лактацію, кг; Х2 - процентний вміст жиру в молоці; Х3 - жива маса корів, кг; Х4 - вік при першому отеленні, місяці; Х5 - надій матері первісток за першу лактацію, кг; Х6 - процентний вміст жиру в молоці матері, з варіацією за кожною окремо взятою ознакою не більше за 10%. Первістки - дочки бугаїв червоної степової породи, які отримали при оцінці за якістю нащадків схожі результати.

У початковій сукупності особин коефіцієнти варіації за показниками угрупування наведені в першому рядку таблиці 5.

В результаті рішення задачі методами векторної алгебри всі тварини автоматично розподілені за 6 групами (табл 5). В найбільш численній 4 групі варіація ознак менша, ніж у початковій сукупності, але за 4 і 5 ознаками перевищує задані межі. Після накладення початкових умов кількість тварин у групі зменшилась до 43, а коефіцієнти варіації стали дорівнювати відповідно 10,0; 3,1; 5,2; 9,2; 10,0 і 4,0 %%, що відповідає умовам поставленого завдання.

Таблиця 5 - Середні значення угрупованих ознак і їх коефіцієнти

варіації

Гру-

па | Го-

лів у

гру-

пі | Середнє значення ознаки | Коефіцієнт варіації за ознаками

Х1 | Х2 | Х3 | Х4 | Х5 | Х6 | Х1 | Х2 | Х3 | Х4 | Х5 | Х6

Вся су-

куп. | 108 | 3732 | 3,75 | 494 | 30,5 | 3887 | 3,70 | 18,5 | 4,6 | 9,0 | 12,6 | 19,7 | 4,3

1 | 21 | 4847 | 3,68 | 507 | 30,4 | 3686 | 3,64 | 9,1 | 4,0 | 7,1 | 12,0 | 18,8 | 3,1

2 | 12 | 4017 | 3,79 | 537 | 31,1 | 3340 | 3,63 | 8,0 | 3,1 | 8,2 | 16,6 | 12,4 | 2,1

3 | 2 | 3791 | 3,70 | 500 | 26,0 | 4638 | 3,67 | 3,1 | 3,6 | 0,0 | 7,8 | 14,3 | 4,2

4 | 53 | 3393 | 3,77 | 496 | 28,9 | 4054 | 3,73 | 10,0 | 4,1 | 6,2 | 11,8 | 16,0 | 4,0

5 | 16 | 3384 | 3,70 | 485 | 29,4 | 3751 | 3,73 | 6,6 | 3,2 | 3,6 | 12,1 | 16,0 | 3,5

6 | 4 | 2947 | 3,66 | 395 | 28,3 | 3805 | 3,70 | 11,3 | 3,4 | 6,5 | 4,2 | 12,3 | 0,5

Дискримінантний аналіз визначає належність обєкта до тієї або іншої групи, але не дає способу утворення самих груп.

Метод, що пропонується нами, дозволяє обєктивно сформувати з будь-якої сукупності тварин групи тварин із будь-якою бажаною малою величиною фенотипової неоднорідності всередині груп. Метод легко формалізується і реалізований на ЕОМ.

Методика визначення вірогідності багатофакторних моделей

Обєкти наукових досліджень в селекції, зокрема, молочному скотарстві, як правило, мають складні багатофакторні взаємозвязки. Ці звязки можна виявити методами простих і комбінаційних угрупувань, дисперсійного аналізу, аналізу кореляцій і регресії.

Останній метод має ряд переваг:

-можливість отримання взаємозвязку між декількома ознаками;

-виявлення загальних закономірностей при елімінуванні випадкових взаємозвязків;

- можливість кількісної оцінки звязків при багатофакторному аналізі, принципово недосяжної в перших двох методах;

- можливість використання вибіркових показників для вірогідної оцінки параметрів генеральної сукупності;

-досягнення високої щільності інформації в кореляційному аналізі, коли декілька параметрів замінюють цілу громіздку таблицю.

Всі ці переваги вірні для параметрів регресії істотних із заданою мірою імовірності. Однак, визначення істотності показників регресії завдання більш складне, ніж розрахунок самих коефіцієнтів регресій.

Нами розроблена програма на ЕОМ за наступним алгоритмом (табл. 6).

Повторюючи циклічно весь процес m разів, розраховуються всі критерії tbj достовірності кожного коефіцієнта регресії.

Таблиця 6 - Алгоритм обчислювання суттєвості коефіцієнтів множинної регресії

1 | | 5 |

2 | 6 |

3 | 7 |

4

Критерій Z - характеризує достовірність моделі 7 (табл.6) загалом як функції результативного показника У від чинників Х.

Потрібно зазначити, що величини tbj можуть бути застосовані для аналізу істотності коефіцієнтів стандартизованого рівняння регресії. Ця обставина має важливе значення в кореляційному аналізі, оскільки значення r може застосовуватися для виразу частки впливу кожного чинника на сумарний результат багатофакторної залежності, що досліджується.

Спосіб визначення генетичних кореляцій

На даному етапі доведено, що селекція за комплексом ознак має ряд переваг перед тандемним добором. З безлічі методик комплексної оцінки особливе місце займає запропонований на початку 40-х років Хейзелем метод розрахунку селекційних індексів (СІ) з використанням апарату матричної алгебри. Ідея виявилася такою вдалою, що до цього часу серйозної альтернативи їй поки що немає. Методична сторона питання детально відображена в публікації (Тейнберг Р.Р., 1986) і ряді подальших робіт. Відзначимо основні позитивні якості методики Хейзеля.

1.

2. Включення економічної значущості ознак.

3. Концентрація всіх вищезазначених характеристик в один показник - селекційний індекс.

Слід, однак, констатувати, що при всіх своїх позитивних якостях метод, на жаль, не позбавлений і недоліків.

Головний недолік методу - неоднозначність результату при одних і тих же початкових даних, яка виникає на різних етапах визначення індексів в залежності від субєктивного вибору дослідника.

Особливу складність представляє визначення генетичних кореляцій. Запропоновані Хейзелем, а пізніше Фолконером, формули визначення цього показника, по-перше, дають абсолютно різні результати, які лежать теоретично в межах від мінус нескінченності до плюс нескінченності, а по-друге, ці результати часто неможливо інтерпретувати, оскільки вони нерідко бувають уявними. Найбільш вірогідна причина таких явищ - у невдалому виборі способу визначення генетичних кореляцій. Такий висновок зроблений на основі аналізу декількох сотень обчислених кореляцій за всіма чотирма формулами Хейзеля. Кількість задовільних, тобто реальних, які не виходять за межі 1, не перевищує половини. Ми пропонуємо використати для цієї мети математичний апарат частинних кореляцій однойменних ознак предків і нащадків. Величина частинної кореляції, так само як і звичайної - парної, коливається в межах 1 (табл. 8).

Таблиця 7 - Генетичні кореляції за методом Хейзеля |

Ознаки нащадків

Ознаки предків | надій, кг | жирність, % | молоч. жир, кг | жива маса, кг

Надій, кг | 1,000 | 0,000 | 1,004 | 0,498

Жирність, % | 0,000 | 1,000 | 0,000 | 0,000

Молочний жир, кг | 1,004 | 0,000 | 1,000 | 0,536

Жива маса, кг | 0,498 | 0,000 | 0,536 | 1,000

Таблиця 8 - Генетичні кореляції за методом частинних кореляцій |

Ознаки нащадків

Ознаки предків | надій, кг | жирність, % | молоч. жир, кг | жива маса, кг

Надій, кг | 1,000 | -0,183 | 0,373 | -0,168

Жирність, % | -0,183 | 1,000 | 0,169 | -0,223

Молочний жир, кг | 0,373 | 0,169 | 1,000 | -0,193

Жива маса, кг | -0,168 | -0,223 | 0,193 | 1,000

Всі елементи таблиці 8 за модулем не перевищують одиниці, що відповідає основній властивості кореляції. Зовсім інша картина в табл. 7, де 50% елементів невизначені (нульові), тобто половина елементів матриці не задовольняють поняттю кореляція. Таблиці 7 і 8 використовувалися для розрахунку коефіцієнтів селекційно-економічної значущості, як результату потрійного матричного добутку зворотної фенотипової, генетичної і економічної матриць. Результати представлені в таблиці 9.

В таблиці 9 наведені селекціоновані ознаки бугаїв-плідників, що отримали вищу індексну оцінку, і, для порівняння, середні значення селекціонуємих ознак за групою, що оцінюється.

З таблиці 10 неважко помітити, що бугай-плідник 100 має перевагу перед 4079 з точки зору індивідуальної характеристики. І оскільки вибір того або іншого відрізняється тільки способом визначення генетичних кореляцій, то прийнятніший метод частинних кореляцій.

Таблиця 9 - Показники селекційно-економічної значущості |

Ознаки

Індекс | надій, кг | жирність, % | молоч. жир, кг | жива маса, кг

Ф1О | 6,909 | 7,164 | 6,926 | 0,032

Ф2О | -948,016 | -971,803 | 948,334 | 2,026

Нагадаємо ще одну його перевагу - повне виключення випадків уявних значень генетичних кореляцій при розрахунках цього показника. Ця, здавалося б, чисто технічна властивість має проте важливе значення, оскільки спро-щує формалізацію алгоритму і знімає будь-які обмеження щодо застосування методу селекційних індексів.

Таблиця 10 - Значення селекціонуємих ознак тварин,

які отримали вищі ранги оцінки |

Ознаки

Номер | надій, кг | жирність, % | молоч. жир, кг | жива маса, кг

4079 | 3808 | 3,74 | 145 | 475

100 | 4078 | 3,69 | 151 | 476

Середнє по стаду | 3729 | 3,74 | 139,53 | 481

Таким чином, обгрунтована теоретично і показана на практиці можливість і доцільність використання способу частинних кореляцій при розрахунку генетичних кореляцій для селекційних індексів.

Критерій оптимізації програм селекції молочної худоби

Досягнення максимального темпу генетичного поліпшення можливе на основі методів великомасштабної селекції. Якщо уявити темп генетичного поліпшення як функцію від деяких змінних чинників, то для рішення задачі необхідно визначити значення чинників, при яких функція буде максимальною.

Через неможливість явного аналітичного виразу функції, за рекомендацією Басовського М.З, Кузнєцова В.М. (1977), оптимізація проводиться приблизно, методами варіантних розрахунків. Кількість варіантів може досягати багатьох тисяч.

Програма селекції має десятки селекційно-генетичних і економічних параметрів, тому стає очевидною неможливість знаходження оптимального в такій великій кількості варіантів, без спеціального критерію.

Використання як критерія оптимізації екстремальних значень економічних чинників, як правило, не приводить до вибору варіанта з максимальним значенням генетичного прогресу.

За згаданими вище причинами, залежність рентабельності від генетичного прогресу досліджувалася методами статистичної обробки варіантів, розрахованих на ЕОМ для південної популяції худоби червоної степової породи.

Змінним чинникам (nа - частка активної частини популяції; nоб - кількість батьків ремонтних бугаїв; а - частка активної частини популяції, яка осіменяється спермою бугаїв, що перевіряються; n - кількість ефективних дочок; С - банк спермодоз на одного бугая, що перевіряється) надавалися наступні значення (табл. 11.)

З 1024 варіантів реальними виявилися 467. У них значення генетичного прогресу коливалося в межах від 0,5% до 1,2%, а рентабельність - від 20 до 75%.

Отримані значення згруповані за величиною генетичного прогресу з кроковим проміжком 0,1% (табл. 12).

Таблиця 11 - Межі змін перемінних факторів у модельованих

варіантах програм селекції

| Фактори

Межі | n об | а | n | C

1 | 2 | 3 | 4 | 5

Мінімум | 10 | 0 ,1 | 35 | 20 000 | 0,1

Прирощення | 2 | 0,1 | 5 | 10 000 | 0,1

Максимум | 16 | 0,4 | 50 | 50 000 | 0,4

Кількість значень за фактором | 4 | 4 | 4 | 4 | 4

Таблиця 12 - Залежність рентабельності від темпу генетичного покращання

Пара-метри | Групи | За всіма варіантами

1 | 2 | 3 | 4 | 5 | 6 | 7

| 1,14 | 1,05 | 0,95 | 0,85 | 0,76 | 0,65 | 0,55 | 0,95

R | 22,3 | 34,2 | 53,3 | 70,7 | 78,2 | 70,2 | 68,2 | 50,8

n | 63 | 123 | 118 | 96 | 43 | 11 | 13 | 467

Cvg% | 2,2 | 2,7 | 3,1 | 3,4 | 3,7 | 5,1 | 9,4 | 15,4

Cvr | 27,1 | 21,7 | 16,3 | 9,1 | 14 | 28,6 | 26,5 | 40,6

r | -0,591 | -0,66 | -0,62 | -0,54 | -0,24 | 0,13 | 0,85 | -0,85

Групи, що утворилися, оброблені статистично з визначенням коефіцієнта кореляції між рентабельністю і генетичним прогресом по кожній групі і за всіма варіантами.

Кореляція коливається від -0,66 у другій групі до +0,85 в сьомій, що підтверджує неоднозначність залежності R від G%.

Залежність рентабельності від генетичного прогресу апроксимована поліномом другого ступеня за методом найменших квадратів (індекс кореляції дорівнює 0,93).

Рентабельність R=0 при G%=0,18, G% = 1,2. Тобто, генетичний прогрес менше за 0,18% не може окупити витрат на заходи програми селекції, а, з іншого боку, для отримання генетичного прогресу більше, ніж 1,2%, потрібні витрати, які при будь-якій комбінації змінних чинників (в межах їх зміни, що розглядаються) компенсувати не можна. Ця залежність відображена на графіку (рис.1) відповідно до штрихової і суцільної ліній.

З графіка видно, що одна і та ж рентабельність у 20,0% може бути забезпечена за двома різними значеннями генетичного прогресу 0,25% і 1,15%.

Якщо оптимальність визначати тільки за рентабельністю, то обидва варіанти рівнозначні, тоді як варіант з 1,13% кращий з позиції селекції, і, отже, повинен бути визнаний оптимальним. Це доводить необхідність включення до критерію добору, поряд з рентабельністю, селекційно-генетичних параметрів, які визначають генетичний прогрес. У проведеному дослідженні до критерію оптимізації включені шість слідуючих показників: П1 - випробувальне відношення бугаїв, П2 - точність оцінки бугаїв, П3 – сумарна генетична зверхність, П4 - темп генетичного покращання, П5 - інтенсивність селекції ремонтних бугаїв, П6 - рентабельність програми селекції.

Рис.1. Залежність рентабельності від генетичного прогресу

Аналіз залежності показників критерію оптимізації від перемінних величин досліджено на варіантах селекційних програм, розрахованих за фактичними вхідними параметрами. Досліджуваний фактор сприймався перемінною величиною, а решта чотири розглядались як параметри. Для кожного значення перемінної величини і прийнятих параметрів на ЕОМ розраховувались показники критерію і сам критерій. На рис. 2 наведено залежність показників оптимізації від кількости ефективних дочок, а інші чотири перемінні фактори фіксовані як параметри (nОБ=17, а=0,5, =0,4, С=50000). З нього ж видно, що усі показники критерію оптимізації, мають нелінійну форму залежності від , кількости ефективних дочок. Нами прийнята лінійна форма критерію оптимізації:

Бк= (1)

де - коефіцієнти значущості відповідних показників, які увійшли в критерій;

- значення цих показників у К-тому варіанті, що моделюється.

Виявлено, що коефіцієнти значущості АJ не можуть вибиратися довільно, а повинні формуватися з врахуванням реально діючого селекційного плану. В нашому дослідженні

коефіцієнти значущості фактора визначені, виходячи з реальної селекційної програми періоду, що минув (в подальшому йменується базовим варіантом), як зворотні величини показників базового варіанта:

(2)

Тому вибір базового варіанта є важливим етапом у розробці критерію оптимізації програми селекції. Базовий варіант розраховано на основі реально діючого плану селекційної роботи з червоною степовою худобою (Методические рекомендации, 1980).

Рис.2 Залежність показників оптимізації від кількості ефективних дочок

За показниками бальної оцінки Поj базового варіанта розраховані коефіцієнти значущості Аоj за формулою (2) табл. 13. Цей критерій включено до алгоритму оптимізації (рис. 3), в розрахунковій частині якого використані відповідні формули. В алгоритмі передбачено одержання пяти найкращих варіантів шляхом автоматичного порівняння на ЕОМ чергового розрахункового варіанта за критерієм (1) з тими, що є в її памяті.

Таблиця 13 - Значення показників для базового варіанта і коефіцієнтів

значущості критерію оптимізації

Показники | Значення

Пoj | Аoj

Точність оцінки бугаїв | 0,759 | 1,317

Доля сумарної генетичної переваги | 0,289 | 3,452

Темп генетичного покращання | 0,948 | 1,055

Рентабельність генетичної програми, % | 50,0 | 0,020

Випробувальне співвідношення бугаїв | 3,216 | 0,311

Інтенсивність селекції перевіряємих бугаїв | 1,126 | 0,888

Якщо варіант, що порівнюється , має критерій краще гіршого з пяти варіантів, які є, запамятовується на місце гіршого. В будь-якому іншому випадку замість варіанта, що запамятовується, витискається гірший з пяти.

У випадку, коли критерій чергового варіанта гірше за будь-якого з пяти, що є, він відкидається, відбувається зміна поточної перемінної на один крок. Процес циклічно повторюється доти, доки всі змінні чинники досягнуть свого максимального значення, що задається у початкових даних (табл. 11). Із закінченням процесу видається оптимальна програма селекції. Цей алгоритм реалізований на ППЕОМ при оптимізації програм селекції червоної степової худоби на півдні України.

Рис. 3 Схема алгоритму оптимізації програми селекції

ВИСНОВКИ І ПРОПОЗИЦІЇ

1.

2.

3.

4.

5.

6.

7.

8.

9. При розробці регіональних планів селекційно-генетичного удосконалення поголів’я племінних стад і масивів великої рогатої худоби молочного напрямку продуктивності застосовувати критерій їх оптимізації на базі ППЕОМ.

10. Широке впровадження генетико-статистичних методів оцінки генотипів бугаїв-плідників та перспективних груп великої рогатої худоби, дозволяє виявляти препотентних поліпшувачів та формувати бажані якості і рівень продуктивності на індивідуальному і популяційному рівнях.

Список опублікованих праць за темою дисертації

1. | Новоставский В.Н., Горлов А.И. Метод формирования групп-аналогов для селекционно-генетических исследований // Генетика. - 1974.- Т.10. -№7.- С. 38-41.

2. | Горлов А.И. Определение достоверности многофакторных моделей в экономике и селекции // Науч.-техн. бюл. / УНИИЖ “Аскания-Нова”.- Херсон, 1977. - Ч. І. - С. 42-44.

3 | Власов В.И., Горлов А.И. Методика оценки параметров стада по характеристикам случайной выборки // Науч.-техн. бюл. / УНИИЖ “Аскания-Нова”. - Херсон, 1978. - Ч. І. - С. 16-20.

4. | Близниченко В.Б., Бесараб А.П., Рябко В.М., Кононенко Н.В., Горлов А.И., Семенова Л.А. К вопросу оценки препотентности быков-производителей // Науч.-техн. бюл. / УНИИЖ “Аскания-Нова”. - Херсон, 1984. - Вып.2. - С.13-15.

5. | Рябко В.М., Кононенко Н.В., Горлов А.И., Гейдт М.И. Критерий и алгоритм оптимизации программ селекции в молочном скотоводстве. // Науч.-технич. бюл. / УНИИЖ “Аскания-Нова”, Херсон, 1986. - Вып.2. - С. 13-19.

6. | Рябко В.М., Горлов А.И., Гейдт М.И. Использование ЭВМ для оптимизации программ селекции // Применение ЭВМ в животноводстве: Тез. Докл. науч.-техн. конф. Тарту, 26-27 ноября 1986 г. /Эст. НИИЖиВ - Таллин, 1986. – С.113-114.

7. | Рябко В.М., Горлов А.И. Методы популяционной генетики и ЭВМ в ускорении селекционного процесса // Науч.-техн. бюл./ УНИИЖ