Формирование комбинированного селекционного индекса в овцеводстве Текст научной статьи по специальности «Животноводство и молочное дело»

УДК / UDC 636.32/.38.082.2

ФОРМИРОВАНИЕ КОМБИНИРОВАННОГО СЕЛЕКЦИОННОГО ИНДЕКСА

В ОВЦЕВОДСТВЕ

THE FORMATION OF A COMBINED SELECTION INDEX IN SHEEP BREEDING

Катков K.A., кандидат технических наук, доцент, ведущий научный сотрудник лаборатории информационных технологий Katkov K.A., Candidate of Technical Sciences, Associate Professor, Leading Researcher of the Information Technology Laboratory Всероссийский НИИ овцеводства и козоводства - филиал Федерального государственного бюджетного научного учреждения «Северо-Кавказский

федеральный научный аграрный центр», Ставрополь, Россия All-Russian Research Institute of Sheep and Goat Breeding - branch of the Federal State Budgetary Scientific Institution «North Caucasian Agrarian Center», Stavropol, Russia

E-mail: kkatkoff@mail.ru

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.

Ключевые слова: селекционный индекс, собственная продуктивность, селекционный дифференциал, селекционное отношение, оценка, признак.

Successful breeding work is impossible without qualitative evaluation of animals used in the breeding process. Only the selection of the highest rates animals is significant economically. These useful features can lead to the desired result of breeding. The simplest form of selection of animals is one sign selection. At the same time, in the modern practice breeding is carried out on several grounds. In this case, it is advisable to use selection by selection indexes. This form of animals selection is theoretically the most effective one. Index animals assessment allows to consider several economically useful signs at once. It leads to the fact that low indicators of one of the used features can be compensated by high indicators of other features. Besides, high rates

of any feature can be reduced by other features low values. To avoid the situation, it is proposed to form indexes on two different bases - the basis of selection differential and the basis of selection ratio. It will not exclude from further breeding process animals with high individual characteristics. Index evaluation uses data on self-assessed productivity of animals. It is not enough for successful breeding work. Therefore, in this article it is proposed to form a combined breeding index, which takes into account not only the data on their own productivity of animals, but also their assessment of the quality of offspring. It is proposed to use the BLUP method for evaluation by offspring. The article presents an algorithm for combined breeding indexes formation. The features of index selection in fine-wool sheep breeding are considered. The use of this approach can help breeders to improve the efficiency of breeding work. Key words: selection index, own productivity, selection differential, selection ratio, assessment, sign.

Введение. Проведение успешной селекционной работы в животноводстве невозможно без качественной оценки животных, которых предполагается использовать в селекционном процессе. Существует множество способов оценки животных [1-3]. Если основным показателем эффективности селекции является только один хозяйственно полезный признак (ХПП), то, очевидно, что оценку животного необходимо проводить именно по этому признаку. В то же время часто возникает необходимость в оценке животных одновременно по нескольким ХПП. В этом случае имеет смысл использовать индексную оценку животных [4, 5]. Такая индексная селекция предполагает оценку животного 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 каждому признаку будет обратно пропорционален квадратному корню из количества ХПП, участвующих в формировании индекса:

1

Jn'

где N - количество ХПП, участвующих в формировании индекса.

Нетрудно заметить, что уже использование четырех ХПП в составе индекса снижает селекционный ответ по каждому 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 животных по качеству их потомства. Наиболее точные результаты такой оценки получаются при использовании метода BLUP (Best Linear Unbiased Prediction -наилучший линейный несмещенный прогноз) [6, 7]. В данном методе используется смешанная биометрическая модель, позволяющая учитывать не только генотип животного, но и влияние среды его обитания.

Можно предположить, что объединение двух оценок - оценки собственной продуктивности животного и оценки по качеству его потомства, дадут более объективную картину перспектив использования каждого оцениваемого животного в селекционном процессе. При этом следует помнить, что оценка животного методом BLUP проводится только по одному хозяйственно-полезному признаку.

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

S0 = , (1)

Условия, материалы и методы. 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. А затем в сформированные индексы интегрировать оценки баранов по качеству их потомства. В 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 животных;

- показатели желательного типа для каждого из выбранных ХПП (целевые показатели);

- значения коэффициентов наследования Н2 по каждому признаку.

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

- количество потомков каждого из оцениваемых баранов с их распределением по стадам;

- показатели вышеозначенных ХПП для потомков оцениваемой группы баранов;

- значения коэффициентов наследования Н2 по каждому признаку;

- данные о родстве между оцениваемыми баранами;

- данные о принадлежности оцениваемых баранов к генетическим группам.

В качестве потомков оцениваемой группы баранов выступали только мужские 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 животное может 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. В качестве основы для второго подхода к формированию индексов предполагается использовать селекционное отношение. Использование двух подходов к решению одной и той же 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 выражениях, представленных ниже, будем использовать верхний индекс й. Для индексов на основе селекционного отношения - верхний индекс Я Алгоритм формирования селекционных индексов представляет собой следующую последовательность действий.

1. Определяется основа селекционного индекса:

В* - Хщ/X

(1=1...

где ВТ, В* - основа селекционных индексов (селекционный дифференциал и

селекционное отношение соответственно);

Хц - показатели желательного типа для /-го ХПП;

X; - среднее значение /-го ХПП в выборке оцениваемых животных; N - количество ХПП, участвующих в формировании селекционных индексов. Традиционно считается, что все ХПП, участвующие в построении селекционных индексов, имеют тенденцию «чем больше, тем лучше». В 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 должна быть изменена. Для учета тонины в индексе на основе ВТ предлагается значения тонины шерсти для каждого у'-го животного (Х77), а также значение целевого показателя тонины (Хцт) умножить на -1. Для индекса на основе В* предлагается

использовать отношение среднего значения показателя тонины в выборке ( Xт) к целевому показателю тонины (Хцт). Тогда основа селекционных индексов для признака «тонина шерсти» примет вид:

вт - Х т - хцт вт - Х т1хцт

2. Определяется селекционный вес каждого признака:

Вт

(3)

-

-

вт (хт

- X г

г

(4)

где 01 - среднее квадратичное отклонение ХПП в оцениваемой выборке;

X/max, XГ - максимальное и минимальное значение ХПП в выборке, соответственно.

3. Определяется доля каждого селекционного веса в общей сумме весов:

/ Ы

кТ - wT^'л/T

/-1

N

(5)

кТ - WТ

-1

4.

(6)

Для каждого /-го признака рассчитываются частные коэффициенты:

К - кТВТ К - кТВТ

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

5.

У = у к°

I■=1

N

Х1] - Х/

у=е к* ^

1XI

7 = 1...

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:

I° = У

с

/=1

л

Х/у - Х/

V

N-1

I* = к*

V N-1 X

х1 + у к* ^

у 1 _

х1 1=1 X/

7 = 1...

(8)

где К* - частный коэффициент для признака «тонина шерсти».

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

Теперь необходимо провести оценку той же 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

л

баранов (Ьк);

- оценки эффекта д-й генетической группы, к которой принадлежит каждый

л

оцениваемый баран ();

- оценки эффекта каждого у'-го оцениваемого барана, принадлежащего к д-

л

й генетической группе (Эу).

Так как в селекционном индексе используется N признаков, то необходимо N раз провести оценку каждого у'-го оцениваемого барана по его потомству (/=1...М). В результате получаем матрицу оценок по качеству потомства (V) размерностью NxM. 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:

Ч+аД (/ = 1......; (9)

V ~ = 2

у

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

Теперь для того чтобы полученные оценки по качеству потомства (V]) могли быть использованы для формирования комбинированного селекционного

индекса. Для этого в каждой /-й строке матрицы V проводится нормирование в соответствии с выражением [9]:

У, (V ) =

V.. - V.....

I] I

V тах ^ т'п

(10)

где Vт'п, ^тах - минимальное и максимальное значение /-й строки матрицы V соответственно.

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

Теперь можно переходить к формированию комбинированного селекционного индекса (С/), в котором будет учтена оценка качества потомства всей группы баранов. Выражения для комбинированного селекционного индекса, с учетом (7) - (10), имеют вид:

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

N Г \

с] = Е к^

¡=1

N

X] - X1

V

X,,

■ У]

у = 1...

(11)

с] =Х к* ■ У]

XI

¡=1

если присутствует признак «тонина шерсти»:

с] =Е к° \X¡¡ - XIIУ]

¡=1

X

N-1

X,

У = 1...

(12)

С1 * = К«X..у7] к* ■ у

¡=1 XI

(12) являются комбинированными

'П

Полученные выражения (11) и селекционными индексами, позволяющими ранжировать оцениваемую группу баранов в соответствии с их собственной продуктивностью и качеством их потомства.

Результаты. В рамках исследования проводилась оценка группы из 10 баранов цигайской породы [11]. В качестве признаков, участвующих в формировании селекционного индекса, были взяты: живая масса баранов (ЖМ), длина шерсти (ДШ), настриг чистой шерсти (НШ), тонина шерсти (Т). Показатели желательного типа, коэффициенты наследования (Ь2) и средние значения ХПП для оцениваемой группы баранов представлены в таблице 1.

Таблица 1 - Целевые показатели, значения Ь2, средние значения ХПП баранов

Параметры Хозяйственно полезные признаки

Живая масса Длина шерсти Настриг шерсти Тонина шерсти

Коэффициент Ь2 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

Все расчеты проводились в интегрированном математическом пакете Matlab [10]. Результаты расчета селекционных индексов в соответствии с

выражениями (8) представлены на рисунке 1. По горизонтальной оси графиков на рисунке 1 отложены номера оцениваемых баранов (Б1, ..., Б10).

1.5

123456789 10 а)

Рисунок 1 - Селекционные индексы: а) индекс /°; б) индекс Iя

Проведем ранжирование баранов по индексу Iяот наибольшего к меньшему Ранг каждого барана представлен в таблице 2.

Таблица 2 - Ранжирование баранов по индексу Iя_

Ранг 1 2 3 4 5 6 7 8 9 10

№ барана Б9 Б7 Б5 Б3 Б6 Б8 Б2 Б1 Б10 Б4

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

Таблица 3 - Нормированная оценка баранов по качеству потомства (ВШР)

ХПП Номера оцениваемых баранов

Б1 Б2 Б3 Б4 Б5 Б6 Б7 Б8 Б9 Б10

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

В соответствии с выражениями (12) сформируем комбинированные селекционные индексы и проведем ранжирование баранов по комбинированному селекционному индексу С1я от наибольшего к наименьшему значению индекса. Результаты ранжирования, а также значения ХПП оцениваемых баранов и их комбинированные селекционные индексы представлены в таблице 4.

Таблица

- Ранжирование баранов по комбинированному индексу С1я

Ранг барана № барана Значения ХПП оцениваемых баранов Комбинированные индексы

ЖМ, кг ДШ, см НШ, кг Т, мкм ся С1°

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 ранжирования из таблиц 2 и 4, можно увидеть, что информация о качестве потомства существенно влияет на итоговую оценку баранов. Например, баран S9, имеющий наибольший селекционный индекс I° и Iя (рис.1), имеет потомство не очень высокого качества, что в результате существенно снижает его комбинированный селекционный индекс. В данном исследовании ранжирование 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 может привести к положительным результатам.

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

3. Использование метода BLUP для оценки животных по качеству их потомства дает наиболее точные результаты, так как учитывает родство между производителями, влияние генетических групп, и позволяет исключить из оценки эффекты окружающей среды.

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

Можно предположить, что использование селекционерами предложенной методики формирования комбинированных селекционных индексов повысит качество селекционной работы в овцеводстве.

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

БИБЛИОГРАФИЯ

1. 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. 17-21.

2. 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.

3. 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. 26-27.

4. Интенсификация племенного отбора в свиноводстве / Михайлов Н.В., Каратунов Г.А., Третьякова О.Л., Костылев Э.В. пос. Персияновский: ДонГАУ, 1999. 100 с.

5. Ceлeкциoннo-гeнeтичecкиe аспекты оценки наследственных качеств животных / Михайлов Н.В., Кабанов В.Д., Каратунов Г.А. Новочеркасск: ДонГАУ, 1996. 63 с.

6. Кузнецов В.М. Методы племенной оценки животных с введением в теорию BLUP. Киров: Зональный НИИСХ Северо-Востока, 2003. 358 с.

7. Оценка племенной ценности баранов-производителей методом BLUP / К.А. Катков, С.С. Бобрышов, Л.Н. Скорых, В.Б. Копылов, М.А. Афанасьев // Главный зоотехник. 2018. № 5. С. 25-32.

8. Using genetic markers in breeding sheep / Degtyarev D.Y., Skorykh L.N., Kovalenko D.V., Emelyanov S.A., Konik N.V. // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2016. Vol. 7. № 4. P. 2137-2139.

9. Румишинский Л.З. Математическая обработка результатов эксперимента. М.: Изд-во «Наука», 1974. 192 с.

10. Основы компьютерного моделирования / К.А. Катков, И. П. Хвостова, В.И. Лебедев, Е.Н. Косова, А. А. Плетухина, О. Л. Серветник, О. В. Вельц, М.Г. Крамаренко. Ставрополь: изд-во СКФУ, 2013. 220 с.

11. Model of tsigai breed' meat quality improvement in pure breeding / P.S. Ostapchuk, S.A. Yemelianov, L.N. Skorykh, N.V. Konik, N.A. Kolotova // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2018. V. 9. № 3. P. 756-764.