БОНДАРЕНКО ГЕННАДІЙ ПЕТРОВИЧ

УДК 636.2.082.12:575

ЗАСТОСУВАННЯ ІМУНОГЕНЕТИЧНОГО ТА ГЕНЕТИКО-СТАТИСТИЧНОГО МЕТОДІВ ПРИ ПРОГНОЗУВАННІ МОЛОЧНОЇ ПРОДУКТИВНОСТІ КОРІВ

06.02.01 – розведення та селекція тварин

А В Т О Р Е Ф Е Р А Т

дисертації на здобуття наукового ступеня

кандидата сільськогосподарських наук

Київ - 2003

Дисертацією є рукопис

Робота виконана в Луганському національному аграрному університеті Міністерства аграрної політики України

Науковий керівник: кандидат біологічних наук, доцент

Проценко Микола Юхимович, Національний аграрний

університет, професор кафедри генетики

тварин та біотехнології

Офіційні опоненти: доктор сільськогосподарських наук, старший науковий

співробітник Герасимчук Анатолій Васильович,

пенсіонер

кандидат сільськогосподарських наук, старший науковий

співробітник Гузєв Ігор Вікторович,

Інститут розведення і генетики тварин УААН, заступник

директора з наукової роботи, завідувач відділення

розведення м’ясної худоби та лабораторії генофонду

м’ясних порід.

Провідна установа: Білоцерківський державний аграрний університет

Міністерства аграрної політики України, кафедра

розведення і генетики сільськогосподарських тварин,

м. Біла Церква.

Захист дисертації відбудеться “11” вересня 2003 р. о 10 годині на засіданні спеціалізованої вченої ради Д 26.004.05 в Національному аграрному університеті за адресою: 03041, Київ-41, вул. Героїв оборони, 15, навчальний корпус 3, аудиторія 65.

З дисертацією можна ознайомитись у бібліотеці Національного аграрного університету за адресою: 03041, Київ-41, вул. Героїв оборони, 13, навчальний корпус 4, кімната 41.

Автореферат розісланий “4” серпня 2003 р.

Вчений секретар

спеціалізованої вченої ради Чигрин А.І.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Пошук маркерних тестів, які б дозволяли проводити ранню оцінку продуктивних якостей тварин, привертав і продовжує привертати увагу багатьох дослідників (Смирнов О.К., 1974; Дунін І.М., 1996; Іоглієв Б.С.та ін., 1996, 1999; Єрьоменко В.І., 2000, 2001; Bloxham P.A., 1986; Meyer F., 1990). 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). Імунна система відіграє значну роль в становленні і прояві продуктивних якостей тварин. Об’єктивним критерієм, що характеризує стан імунітету, є загальна імунологічна реактивність організму, теоретичні основи розуміння сутності якої були закладені В.І.Іоффе (1943, 1956), та знайшли подальший розвиток у працях Г.М.Іванової (1953), В.В.Нікольського (1954, 1956, 1966), Л.М.Сюзюмової (1956, 1958), А.В.Герасимчука (1965, 1967), М.Ю.Проценка (1969). Серед різних методів визначення загальної реактивності заслуговує на увагу досить простий і ефективний метод внутрішньошкірної гістамінової проби (Проценко М.Ю., 1969). Є досліди, що свідчать про перспективність використання цієї проби як генетичного тесту оцінки великої рогатої худоби (Дзіцюк В.В., Чернякова Н.Є., Заблудовський Є.Є., Курило Г.О., 1999; Проценко М.Ю., 2000). Тому доцільним можна вважати продовження досліджень цього напрямку на поголів’ї акліматизованих в регіоні Донбасу порід молочної худоби.

З поміж генетико-статистичних методів прогнозування значне міcце 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. В цьому напрямку проведено багато досліджень як вітчизняними (Завєртяєв Б.П., 1963; Басовський М.З., 1965, 1970; Всяких А.С., 1974; Погодаєв С.Ф., 1989; Максимов Ю.А., 1983; Половцев П.І., 1989; Пономаренко Н.В., 1988; Шелест В.М., 1989; Данилків Я.Н., 1995 та інші.) так і зарубіжними вченими (Schaeffer L.R., 1977; Grossman M., 1986; Wilmilk J.B.M., 1987; Gibson J.P., 1987; Ali I.E., Schaeffer L.R., 1987; Roy T.C., 1989; Morant S.V., 1989). Зазначимо, що розвиток молочного скотарства в Україні на сучасному етапі характеризується істотними змінами кількісного та якісного складу поголів’я, появою новостворених молочних порід, зокрема, української червоно-рябої та чорно-рябої породи. Тому виникає необхідність в уточненні існуючих і розробці нових прогнозуючих моделей та вивченні можливостей їх застосування при прогнозуванні продуктивності корів нових генотипів. З цієї точки зору тема дисертаційної роботи є актуальною.

Зв'язок роботи з науковими програмами, планами, темами. 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).

Мета і задачі досліджень. Метою досліджень було вивчення можливості прогнозування молочної продуктивності корів в племінних господарствах на прикладі одного з найкращих стад Донецької області (ВАТ "Племінний завод "Більшовик"). Відповідно до цього було поставлено наступні задачі:

1) вивчити взаємозв'язок між молочною продуктивністю первісток та індексом спаду енергії росту у допродуктивний період (обрахованого за даними живої маси телиць при народженні, у віці 6, 12 та 18 місяців);

2) дослідити загальну реактивність первісток і корів з другою лактацією шляхом постановки внутрішньошкірної гістамінової проби;

3) встановити і оцінити взаємозв'язок загальної реактивності з показниками молочної продуктивності з метою подальшого використання індексу реактивності у якості критерію ранжування тварин та імуногенетичного маркеру продуктивності;

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;

5) проаналізувати особливості вікової динаміки молочної продуктивності з метою прогнозування продуктивності корів за лактаціями;

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).

Об'єкт дослідження. Корови червоної степової голштинізованої, української червоно-рябої молочної, чорно-рябої молочної, голштинської, англерської голштинізованої порід та методи прогнозування молочної продуктивності.

Предмет дослідження. Загальна імунологічна реактивність, індекс спаду енергії росту, молочна продуктивність за 305 днів лактації і за початкові її проміжки, корелятивні зв’язки.

Методи дослідження. У роботі при проведенні експериментів використані зоотехнічні, імунологічні, біометричні методи дослідження. Постановка внутрішньошкірної гістамінової проби проводилася за методикою М.Ю.Проценка (1969).

Наукова новизна одержаних результатів. Отримано нові дані щодо закономірностей вікової динаміки імунологічної реактивності корів п'яти порід, акліматизованих в регіоні Донбасу (червоної степової голштинізованої, української червоно-рябої молочної, чорно-рябої молочної, голштинської та англерської голштинізованої) і доведена залежність між показниками молочної продуктивності та індексом імунологічної реактивності.

Проведено порівняльну оцінку ефективності та уточнено можливості застосування різних методів лінійної та нелінійної регресії (прямолінійні, параболічні, гіперболічні, експоненційні, логарифмічні, ступеневі і показникові функції) при побудові моделей прогнозування продуктивності.

Науково обґрунтовано можливість прогнозування молочної продуктивності корів з використанням у якості предикторів індексу спаду енергії росту, індексу імунологічної реактивності та показників продуктивності за початкові проміжки лактації. Розроблено відповідні селекційні індекси, які можуть бути використані в практичній селекції по формуванню високопродуктивних стад молочної худоби.

Практичне значення одержаних результатів. В Україні, в умовах інтенсивного породотворчого процесу, впровадження методів прогнозуючої оцінки продуктивних якостей корів має сприяти покращенню ефективності селекційно-племінної роботи. Наукові висновки і рекомендації, сформульовані в дисертації пройшли апробацію в господарстві ВАТ "Племінний завод "Більшовик" Донецької області щодо можливостей їх використання в практичній селекції по формуванню високопродуктивних стад молочної худоби. Селекційні індекси, побудовані за чотирма джерелами інформації (індексом спаду енергії росту, індексом реактивності, надоєм та кількістю молочного жиру за початкові проміжки першої лактації) можуть бути використані у якості критерію ранжування тварин з метою визначення перспективної продуктивності первісток. Про це свідчать високі значення коефіцієнтів детермінації (0,600-0,933) та коефіцієнтів кореляції в парах „фактична продуктивність – прогнозована продуктивність” (0,71-0,942).

Результати дисертаційної роботи впроваджено в навчальний процес в Луганському національному аграрному університеті і використовуються при проведенні практичних занять для студентів зообіотехнологічного факультету.

Особистий внесок здобувача полягає в безпосередній організації і проведенні всього об'єму досліджень з методичною допомогою керівника дисертаційної роботи, в статистичній обробці, аналізі і узагальненні первинних даних, в підготовці до друку наукових праць та участі в наукових конференціях.

Апробація результатів дисертації. Основні положення дисертаційної роботи та результати досліджень були оприлюднені, обговорені та схвалені на науково-практичній конференції "Нові методи досліджень у тваринництві" (м. Харків, жовтень 2001р.); міжнародній ювілейній науково-практичній конференції "Теоретичні основи і практичне використання методу штучного осіменіння та кріоконсервації гамет в селекції тварин" (м. Київ, квітень 2001р.); міжнародній науково-практичній конференції "Перспективи розвитку скотарства у третьому тисячолітті" (м. Суми, жовтень 2001р.); міжнародній науково-виробничій конференції “Тваринництво України: селекція, технологія, ветеринарна безпека, економіка, виробництво екологічно чистих продуктів (м. Суми, вересень 2002р.); річних наукових конференціях професорсько-викладацького колективу, аспірантів та магістрів Луганського НАУ (2001-2003 рр.); розширеному засіданні кафедри годівлі і розведення тварин Луганського НАУ (27 листопада 2002 р.).

Публікації. Матеріали дисертаційної роботи опубліковані у 6 наукових працях в фахових виданнях, де викладено основний зміст наукових досліджень за темою дисертації.

Структура та обсяг дисертації. Дисертація складається з вступу, огляду літератури, методики досліджень, результатів власних досліджень, їх аналізу, висновків та пропозицій виробництву, списку використаних джерел літератури, що містить 236 найменувань, в т.ч. 66 зарубіжних авторів, додатків. Робота викладена на 140 сторінках комп’ютерного тексту, містить 36 таблиць, 13 рисунків. Додатки розміщено на 57 сторінках. До них включено таблиці допоміжних цифрових даних, опис розробленої комп’ютерної програми, копії актів випробувань, впровадження та результатів апробації.

ЗАГАЛЬНА МЕТОДИКА І ОСНОВНІ МЕТОДИ ДОСЛІДЖЕНЬ

Експериментальна частина досліджень проведена у декілька етапів протягом 2000 - 2002рр. на матеріалах гурту великої рогатої худоби ВАТ "Племінний завод "Більшовик" Ясинуватського району Донецької області, з використанням даних племінного обліку по поголів'ї корів господарства (502 гол.), які розподілились за породністю на слідуючи групи:

1. Червона степова голштинізована (ЧСГ) - 158 голів;

2. Українська червоно-ряба молочна порода (УЧР) - 69 голів;

3. Чорно-ряба молочна порода (ЧР) - 90 голів;

4. Голштинська порода (Г) - 113 голів;

5. Англерська голштинізована (АГ) - 72 голови.

У відповідності із кількістю поставлених проблем увесь обсяг проведених досліджень можна розподілити на декілька основних етапів (табл. 1), кожний з яких характеризується своїми особливостями застосованих методик та кількістю піддослідних тварин.

Таблиця 1 - Основні етапи досліджень

№, п/п | Найменування етапу | Кількість

тварин, гол.

1 | Прогнозування потенційної молочної продуктивності за даними інтенсивності росту телиць |

65

2 | Використання загальної імунологічної реактивності у якості імуногенетичного методу прогнозування молочної продуктивності корів |

122

3 | Застосування регресійного аналізу при прогнозуванні молочної продуктивності, виходячи із даних за початкові проміжки першої лактації |

502

4 | Вивчення особливостей вікової динаміки молочної

продуктивності та можливості прогнозування

продуктивності корів за лактаціями |

502

5 | Конструювання селекційних індексів та використання їх у якості інтегральної методики прогнозування молочної продуктивності |

65

Для виконання першого етапу досліджень з усього поголів'я корів племзаводу (502 гол.) було відібрано 65 первісток-аналогів за віком (15 голів ЧСГ, 12 голів УЧР, 14 голів ЧР, 12 голів Г).

З карток племінних корів було узято дані живої маси телиць при народженні, у віці 6, 12 та 18 місяців, а також показники молочної продуктивності за першу лактацію.

При вивченні можливості прогнозування продуктивності на цьому етапі за основу було узято алгоритм Ю.К.Свєчина (1985) по визначенню інтенсивності формування у ранньому онтогенезі, який шляхом простих математичних перетворень було приведено до індексного виду:

(1)

де: в – індекс спаду енергії росту, %

W0, W6, W12, W18 – жива маса телиць при народженні та у віці 6, 12, 18 місяців.

Другий етап досліджень проводився на тому ж, що і в першому етапі поголів'ї первісток (65 голів), але для вивчення вікової динаміки імунологічної реактивності додатково було відібрано 57 корів-аналогів за віком із другою лактацією: 16 голів ЧСГ, 9 голів УЧР, 11 голів ЧР, 11 голів Г, 10 голів АГ.

У якості імуногенетичного методу прогнозування молочної продуктивності були використані показники загальної імунологічної реактивності, вивчення якої проводилось шляхом постановки внутрішньокірної гістамінової проби. Гістамінову пробу ставили за загальноприйнятою медицинською методикою, модифікованою М.Ю.Проценком (1969). Вимірювали товщину шкірної складки до введення (t0,мм). Облік реакції проводили шляхом визначення товщини шкіряної складки на місці введення гістаміну через 1 годину після ін'єкції (t1,мм). На основі отриманих даних обчислювались абсолютна реактивність (t) та пропонований нами у якості відносного показника індекс реактивності () за формулами:

(2)

(3)

Третій і четвертий етапи досліджень виконувалися на всьому поголів'ї корів племзаводу (502 гол.). Причому кожну із зазначених вище п'яти груп було додатково розподілено на 4 підгрупи в залежності від сезону першого отелення (зима, весна, літо, осінь). Із карток племінних корів було узято дані молочної продуктивності за 305 днів першої лактації, а також її помісячну динаміку, на основі чого розраховувались показники середньодобових надоїв по місяцях першої лактації, надої за перші 90 днів та за другий і третій місяці, а також параметри лактаційних кривих: показник повноцінності лактації, коефіцієнт рівномірності удою, відношення середньодобового надою за лактацію до вищого середньодобового надою, коефіцієнт Калантара, коефіцієнт мінливості середньодобових надоїв по місяцях першої лактації. При вивченні методу прогнозуючої оцінки продуктивних якостей за основу було узято припущення, що основні кількісні показники молочної продуктивності за 305 днів лактації (надій і кількість молочного жиру) функціонально пов'язані із даними за початкові її проміжки. Засобом розкриття відповідних математичних залежностей слугували методи лінійної та нелінійної регресії, а саме 7 видів математичних функцій (прямолінійні, параболічні, гіперболічні, логарифмічні, ступеневі, показникові, експоненційні). Для кожної із 20 дослідних підгруп було відібрано із загальної кількості виведених регресійних моделей (1040) найбільш адекватні. Вірогідність показників регресії оцінювали за параметричними критеріями: t-критерієм Стьюдента (tS), що характеризує вірогідність вибіркових коефіцієнтів регресії, F-критерієм Фішера (табличним Fst і фактичним Fфакт. значеннями), який є відображенням співвідношення загальної та залишкової дисперсій і таким чином характеризує якість прогнозування, також розраховувалась відносна помилка апроксимації (?,%), яка характеризує ступінь розбіжності між емпіричними і теоретичними значеннями прогнозованих показників.

Конструювання селекційних індексів здійснювалось на основі методу модельних відхилень за формулою М.М.Колесника (1960) та з використанням засобів множинного регресійного аналізу:

(4)

де: а- модельне відхилення;

В - варіанта;

М- модальний показник, тобто середнє значення.

Розрахунки усіх генетико-статистичних параметрів у роботі проводились за алгоритмами М.А.Плохинського (1969), а також у системі баз даних FOXPRO з використанням програм GESTA та SIGMA.

РЕЗУЛЬТАТИ ДОСЛІДЖЕНЬ

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 нижче середньої по групі, та "плюс - варіанти" (М+), з показником 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 зв'язок 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 | ,

% | Молочна продуктивність, Мm

надій, кг | жирність молока, % | кількість молочного жиру, кг

ЧСГ | М- | 8 | 95,61,4 | 5164238 | 3,790,056 | 195,88,0

М+ | 7 | 111,41,3 | 4248243 | 3,850,052 | 163,49,5

Середн. | 15 | 103,02,3 | 4736207 | 3,820,04 | 180,77,5

УЧР | М- | 8 | 95,61,4 | 4731353 | 3,650,04 | 172,613,2

М+ | 4 | 111,02,1 | 4220170 | 3,620,05 | 152,85,3

Середн. | 12 | 100,82,4 | 4561252 | 3,640,031 | 166,09,4

ЧР | М- | 7 | 95,70,7 | 5221415 | 3,700,03 | 193,315,5

М+ | 7 | 110,01,4 | 4090346 | 3,640,06 | 149,013,5

Середн. | 14 | 102,92,1 | 4656310 | 3,670,03 | 171,111,9

Г | М- | 8 | 95,61,1 | 4596282 | 3,730,05 | 171,410,1

М+ | 4 | 111,32,1 | 3621282 | 3,920,01 | 141,810,7

Середн. | 12 | 100,82,4 | 4271249 | 3,780,05 | 161,48,6

АГ | М- | 7 | 93,61,3 | 5020422 | 3,940,08 | 197,914,9

М+ | 5 | 110,01,4 | 4289228 | 3,780,12 | 162,08,4

Середн. | 12 | 100,42,5 | 4715283 | 3,880,07 | 182,910,7

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, Mm

t0, мм | t1, мм | t, мм | , %

Г | Перша | 12 | 8,70,2** | 14,80,6** | 6,10,5* | 70,86,8*

Друга | 11 | 9,50,3 | 17,61,0 | 8,10,9 | 84,28,2

УЧР | Перша | 12 | 9,80,2 | 17,81,0 | 8,00,8 | 79,06,4

Друга | 9 | 9,90,3 | 19,31,1 | 9,41,0 | 94,29,1

ЧР | Перша | 14 | 9,20,3** | 16,40,8** | 7,20,7* | 78,47,0

Друга | 11 | 9,90,2 | 19,31,1 | 9,40,9 | 93,78,0

ЧСГ | Перша | 15 | 8,00,2**** | 14,40,7*** | 6,40,6* | 78,35,5

Друга | 16 | 9,80,4 | 17,60,8 | 7,80,6 | 80,05,5

АГ | Перша | 12 | 9,00,3 | 15,80,9 | 6,80,7 | 74,87,3

Друга | 10 | 9,50,3 | 17,71,1 | 8,20,9 | 85,87,6

Примітка: * - P>0,90; ** - P>0,95; *** - P>0,99; **** - P>0,999

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 взаємозв'язку 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 (, %). 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, Mm

надій, кг | жирність молока, % | молочний жир, кг

1 лактація | 2 лактація | 1 лактація | 2 лактація | 1 лактація | 2 лактація

ЧСГ | М- | 5223216 | 6254302 | 3,770,05 | 3,700,05 | 196,67,4 | 231,412,1

М+ | 4180231 | 4955298 | 3,890,07 | 3,820,07 | 162,49,7 | 189,210,6

УЧР | М- | 5253292 | 6462273 | 3,670,02 | 3,670,07 | 192,811,3 | 237,310,6

М+ | 4066242 | 5230277 | 3,610,05 | 3,910,04 | 146,98,1 | 204,611,8

ЧР | М- | 5339359 | 6048114 | 3,670,05 | 3,780,05 | 196,015,0 | 228,65,0

М+ | 3964341 | 4633361 | 3,690,05 | 3,760,02 | 146,312,7 | 174,013,5

Г | М- | 4542328 | 6258371 | 3,750,09 | 3,850,03 | 171,611,9 | 241,013,2

М+ | 4031353 | 4230335 | 3,780,03 | 3,660,05 | 152,212,5 | 155,014,2

АГ | М- | 5212334 | 6292218 | 3,720,1 | 3,930,09 | 194,011,9 | 247,011,3

М+ | 3904176 | 5033221 | 3,890,12 | 3,960,1 | 151,85,7 | 199,212,7

Така закономірність дає підстави говорити про наявність зворотного взаємозв’язку між молочною продуктивністю та ознаками імунологічної реактивності. Ця тенденція цілком підтвердилась результатами кореляційного аналізу. Якщо між жирністю молока та показниками реактивності корелятивний взаємозв'язок 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 -0,590,19% до -0,840,08% , “кількість молочного жиру – індекс реактивності” – від -0,480,22% до -0,840,08%). 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 взаємозв'язку 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 пов'язано 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

Таблиця 5 - Застосування простої прямолінійної регресії при прогнозуванні продуктивності корів

Кличка

та індивіду-

альний но-

мер корови | Гру-

па | Сезон

отелу | Показники молочної продуктивності за першу лактацію

удій | кількість молочного жиру

пре-

диктор

(x, x1) | розрахункова

формула | Yтеор. |

Yфакт. | ,

% | пре-

диктор

(x, x1) | розрахункова

формула | Yтеор. |

Yфакт. | ,

%

Баска 9503 | ЧСГ | Весна | 2185 | Y=1156,4+1,992x | 5509 | 5358 | 2.8 | 112,9 | Y=57,1+1,88x | 269,4 | 251 | 7,3

Космея 2675 | ЧСГ | Осінь | 1085 | Y=552,3+3,56x1 | 4415 | 4474 | 1,3 | 40,8 | Y=40,21+3,08x1 | 165,9 | 177 | 6,3

Франція 8537 | ЧСГ | Зима | 1262 | Y=1872+2,82x1 | 5431 | 5492 | 1,1 | 43,5 | Y=82,7+2,60x1 | 195,8 | 204 | 4,1

Зоремба 1588 | ЧСГ | Осінь | 911 | Y=552,3+3,56x1 | 3795 | 4138 | 8,3 | 36,5 | Y=40,21+3,08x1 | 152,6 | 159 | 4,0

Желя 3893 | АГ | Літо | 1271 | Y=569,6+2,303x | 3497 | 3416 | 2,4 | 57,0 | Y=2,96x-17,6 | 151,1 | 145 | 4,2

Чемнуша7027 | АГ | Зима | 1320 | Y=1034,3+3,43x1 | 5562 | 5302 | 4,9 | 53,0 | Y=73,62+2,73x1 | 218,3 | 219 | 0,3

Мурена 2056 | УЧР | Весна | 1988 | Y=2,93x-547 | 5278 | 5265 | 0,2 | 73,9 | Y=15,1+2,49x | 199,1 | 192,0 | 3,7

Вінцета 4015 | УЧР | Літо | 1756 | Y=2,78x-361,3 | 4520 | 4536 | 0,4 | 68,4 | Y=2,89x-14,4 | 183,3 | 182,2 | 0,6

Страниця 347 | Г | Осінь | 1372 | Y=1437+3,13x1 | 5731 | 6176 | 7,2 | 54,2 | Y=79,84+2,543x1 | 217,7 | 222 | 1,9

Дуля 1294 | Г | Зима | 1263 | Y=818,8+3,55x1 | 5302 | 5652 | 6,2 | 53,8 | Y=78+2,52x1 | 213,6 | 219 | 2,5

Кравчиха1839 | ЧР | Зима | 1214 | Y=1461,1+3,18x1 | 5322 | 5430 | 2,0 | 45,0 | Y=33,6+3,60x1 | 195,6 | 202 | 3,2

Нагидка 1811 | ЧР | Весна | 1789 | Y=257+2,58x | 4873 | 4766 | 2,2 | 65,1 | Y=2,77x-1,56 | 178,8 | 174,6 | 2,4

Найдена 1951 | ЧР | Осінь | 1134 | Y=61+4,31x1 | 4949 | 5100 | 3,0 | 34,0 | Y=63,7+2,96x1 | 164,3 | 177,0 | 7,2

Кобза 7485 | УЧР | Весна | 1826 | Y=2,93x-547 | 4803 | 5105 | 5,9 | 66,5 | Y=15,1+2,49x | 180,7 | 192,0 | 5,9

Каша 7856 | Г | Літо | 1723 | Y=3,158x-767,6 | 4674 | 4392 | 6,4 | 60,0 | Y=3,086x-21,79 | 163,4 | 157,0 | 4,1

Заграва 1849 | ЧР | Осінь | 1180 | Y=61+4,31x1 | 5145 | 5411 | 4,9 | 44,9 | Y=63,7+2,96x1 | 196,6 | 203 | 3,2

регресії для розрахунків показників перспективної молочної продуктивності корів за 305 днів лактації (Yтеор.) 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 (Yфакт.) з зазначенням відносної помилки прогнозування (помилки апроксимації, е,%) ?аведено у таблиці 5.

В наведених прикладах використано тварин різних за продуктивністю, Yфакт. 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 пов'язати 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 поголів’ї 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=Аn2+Вn+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 | Показ-ник | 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 п'яти 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 комп’ютерний 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 поголів'ю 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 (), індексу загальної реактивності (), та показнику продуктивності за початковий проміжок лактації (відповідно Н0 та Ж0). Алгебраїчно цей взаємозв'язок можна показати у вигляді лінійних поліномів:

H =k0 + k1в +k2б + 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