CC BY
9
УДК 636.4:612.017:519.22.004.3
МЕТОДИКА РАСЧЕТА ЖИВОЙ МАССЫ ПОРОСЯТ НА ДОРАЩИВАНИИ ПО ГЕМАТОЛОГИЧЕСКИМ ПОКАЗАТЕЛЯМ НА ОСНОВЕ ЛИНЕЙНЫХ
И НЕЛИНЕЙНЫХ МОДЕЛЕЙ
С. В. СОЛЯНИК
РУП «Научно-практический центр Национальной академии наук Беларуси по животноводству», г. Жодино, Республика Беларусь, 222163, e-mail: val_sol_v@mail.ru
(Поступило в редакцию 29.01.2018)
Разработаны модели взаимосвязи уровня морфологических и биохимических показателей крови, а также естественной резистентности свиней на доращивании с их живой массой. Установлено, что количество прямолинейных связей значительно уступает числу криволинейных и нелинейных.
Ключевые слова: свиньи, живая масса, биохимические показатели крови, уровень естественной резистентности, прямолинейные, криволинейные и нелинейные математические модели
We have developed models of correlation between the level of morphological and biochemical indices of blood, as well as the natural resistance ofpigs on growing with their live weight. We have established that the number of rectilinear connections is significantly inferior to the number of curvilinear and nonlinear ones.
Key words: pigs, live weight, biochemical blood indices, level of natural resistance, rectilinear, curvilinear and nonlinear mathematical models.
Введение. В Республике Беларусь к 2040 г. планируется внедрение цифровых технологий во все сферы производства, так как IT или компьютеризация - это цифровизация экономики [1]. Первые шаги сделаны по внедрению в животноводство основ вычислительной зоотехнии и зоогигиены [2, 3, 4].
Еще полвека назад установление корреляции между различными зоотехническими и биологическими показателями осуществлялось расчетным путем с использованием линейной зависимости. Лишь с появлением табличных процессоров, например, MS Excel, и статистических компьютерных программ стало возможным определять корреляцию не только по линейным моделям (прямолинейным, криволинейным (со степенями)), но и нелинейным (cos, exp, ln и др.). При этом если по прямолинейной зависимости определяли коэффициент корреляции, например, равным 0,1, то по криволинейной (полиномиальной) или нелинейной - 0,8 и выше. Следовательно, взаимосвязь большинства исследуемых показателей при низком коэффициенте указывала не на ее отсутствие, а на то, что исследователь не установил иную, отличную от прямолинейной, корреляцию [5].
Использование программных продуктов, например, CurveExpert, позволяет подобрать модель взаимосвязи двух параметров, имеющих как линейную, так и нелинейную зависимость. Получаемая при этом аппроксимационная функция позволяет с высокой степенью повторять исходные данные, ошибка может быть всего несколько процентов, что для биохимических показателей крови животных является более чем приемлемым вариантом [6].
Взаимосвязь биолого-зоотехнических параметров в большинстве своем имеет нелинейную модель, с более высоким уровнем корреляции, которую исследователь может и должен определить, используя современные программные продукты, в том числе электронные таблицы.
Цель работы - определение линейных и нелинейных моделей взаимосвязи гематологических показателей поросят на доращивании с их живой массой.
Материалы и методы исследований. Для установления математической взаимосвязи биохимических параметров крови и живой массы свиней случайным образом было помечено пять станков, в которых содержались основные свиноматки с многоплодием 11 поросят, которые опоросились в один день. Товарный свинокомплекс, на котором проходили исследования, функционировал по двухфазной технологии, т. е. когда поросята от рождения до передачи на откорм в течение 12 недель находятся в тех же станках, в которых и родились. Когда подконтрольным поросятам исполнилось 10 недель, у всех животных из двух станков, в которых к тому моменту сохранилось по 10 голов, были взяты пробы крови. При этом каждое животное, из подконтрольных 20 особей, было индивидуально взвешено на весах с точностью до десятых килограмма [7].
На основе полученные первичных данных, включающих гематологические показатели и живую массу поросят на доращивании, в электронных таблицах MS Excel была разработана компьютерная программа (табл. 1), позволяющая проводить статистический анализ и рассчитать: максимальное значение (МАХ); минимальное значение (MIN); количество значений (п); среднее арифметическое (М), ошибка средней (т); стандартное отклонение (ст); коэффициент вариации (Cv).
Таблица 1. Блок-программа расчета живой массы свиней на доращивании в возрасте 10 недель по уровню их _морфологических, биохимических и иммунологических показателей крови_
А В С
1 Живая масса, кг
2 Эритроциты, 1012/л 5,15 =3б79б0,95-277067,87*Б2+78088,49б*Б2л2-97б2,0ббб*Б2л3+456,71449*Б2л4
3 Гемоглобин, г/л 9,16 =2,9445279*Б3Л(8,4304бб/Б3)
4 Лейкоциты, 109/л 9,79 =21,247915+5,7150339*С0Б(3,8248405*Б4+4,2487811)
5 Холестерин, ммоль/л 2,46 =23,847974+3,9733149*С08(44,644678*Б5+3,1454205)
6 Триглицериды, ммоль/л 0,96 =55,714398-18,998017*Бб-12,010178/БбЛ2
7 Бета-липопротеиды, ммоль/л 0,42 =1/(-4,9664042+5,0155399*Б7Л0,00084307646)
8 Глюкоза, ммоль/л 7,08 =13,197798*ЕХР(0,079123407*Б8)
9 Сиаловые кислоты, ед, опт, плотности 23,19 =2,147499+0,651042б8*Б9+1б04,б417/Б9Л2
10 Общий белок, г/л 65,19 =12,81282б*Б10/(-2б,131114+Б10)
11 Альбумины, всего, г/л 27,89 =23,907725+3,9060823*С08(4,089878*Б11+0,54246738)
12 Альфа-глобулины, г/л 9,35 =22,833163+5,2015841 *С0Б(1,2546159*Б12-9,4118615)
13 Бета-глобулины, г/л 9,96 =23,542188+4,4784734 *С0Б(1,1б35715*Б13-3,0132477)
14 Гамма-глобулины, г/л 17,85 =113,82072-10,04972*Б14+0,2715567*Б14Л2
15 Глобулины, всего, г/л 37,12 =23,519585+4,2702363 *С0Б(0,3182784б*Б15+3,3843849)
16 Альбумины, всего, % 42,95 =2б,455938*ЕХР((-(43,92382б-Б1б)Л2)/(2*2,8703089*Б16Л2))
17 Альфа-глобулины, % 14,24 =21,588079+5,7306743 *С0Б(1,6779822*Б17-1б,б9б89)
18 Бета-глобулины, % 15,33 =-12101,045+2292,4001*Б18-143,84718*Б18Л2+2,9945834*Б18Л3
19 Гамма-глобулины, % 27,51 =-33860,бб+3728,5781*Б19-13б,б569б*Б19Л2+1,6682097*Б 19Л3
20 Глобулины, всего, % 57,06 =ЕХР(2260,9207-25222,14/Б20-448,9бб5б*Ь^Б20))
21 Мочевина, ммоль/л 5,49 =-245,96391+137,94631*Б21-22,821949*Б21Л2+1,2127875*Б21Л3
22 Мочевая кислота, ммоль/л 23,09 =23,133711+4,2239168*С08(0,33501082*Б22+1,2845931)
23 Креатинин, мкмоль/л 108,27 =464,53962-8,1080115*Б23+0,037004111*Б23Л2
24 Общий билирубин, мкмоль/л 9,71 =21,859011+4,10735б3*С08(1,2б3990б*Б24+1,060б27)
25 Прямой билирубин, мкмоль/л 3,51 =23,748252*Б2Л(-0,004609016б*Б25)
26 Аланинаминотрансфераза, ИЕ/л 26,97 =33,667989-0,40134007*Б2б
27 Аспартатаминотрансфераза, ИЕ/л 30,55 =24,400424*ЕХР((-(36,440281 -Б27)Л2)/(2 *22,214184Л2))
28 Лактатдегидрогеназа, ИЕ/л 461,35 =1 /(-0,035467662+0,01343 5197*LN^28))
29 Щелочная фосфатаза, ИЕ/л 126,59 =22,578007+2,6483345 *С0Б(0,49780871 *Б29+б,3710181)
30 Гамма-глутамилтранс фераза, ИЕ/л 35,14 =20,075б13+5,0213074*С0Б(0,11914277*Б30-2,5994379)
31 Креатинкиназа, ИЕ/л 660,41 =22,962б49*(1-ЕХР(-0,01295б8б8*Б31))
32 Амилаза, ИЕ/л 85,60 =10931,024-392,58443*Б32+4,6933841*Б32Л2-0,018640692*Б32Л3
33 Кальций, ммоль/л 3,05 =-1750,1984+1712,9906*Б33-546,1141 *Б33Л2+57,420845*Б33Л3
34 Фосфор, ммоль/л 3,92 =1268,2417-224,79573*Б34-5599,4279/Б34Л2
35 Медь, мкмоль/л 3,45 =22,088503+3,1961396*С08(14,874287*Б35+5,1б50228)
36 Железо, ммоль/л 5,40 =1/(0,36019583-0,1224б0бб*Б3б+0,011725443*Б3бЛ2)
37 Кобальт, мкмоль/л 0,28 =26,459194-1,1729223/Б37
38 Марганец, мкмоль/л 2,77 =23,4б5941+5,3227392*С0Б(б,4448232*Б38-12,802007)
39 Цинк, мкмоль/л 4,50 =410,25877-28б,88845*Б39+68,731491*Б39Л2-5,3518661*Б39Л3
40 Иммуноглобулин G, мг/дл 222,35 =38,3956-0,27979735*Б40+0,0015253836*Б40Л2-0,000002413958*Б40Л3
41 Иммуноглобулин М, мг/дл 47,09 =24,689522-0,029569371*Б41
42 Бактерицидная активность, % 22,29 =44,315392-458,08649/Б42
43 Лизоцимная активность, % 21,42 =EXP(108,93544-544,87317/Б43-2б,211491*LN(Б43))
44 Нормальных агглютининов, титр 5,66 =24,8б-0,344*Б44
45 Фагоцитарная активность 39,80 =2б,3793б5+7,7655922*С08(0,145058б*Б45-3,7б3215б)
46 Фагоцитарное число 3,04 =0,14571704+42,598141*Б4б-18,390144*Б46Л2+2,2171284*Б46Л3
47 Фагоцитарный индекс 7,31 =41,744589-2,6274411 *Б47
48 Фагоцитарная емкость 89,95 =38,264889-0,20479702*Б48
49 MAX =МАКС(С2:С48)
50 MIN =МИН(С2:С48)
51 n =СЧЕТ(С2:С48)
52 М =СРЗНАЧ(С2:С48)
53 m =Б54/Б51Л0,5
54 а =СТАНДОТКЛОН(С2:С48)
55 Cv =(Б54/Б52)*100
Результаты исследований и их обсуждение. Иммунологические, морфологические и биохимические показатели крови поросят на доращивании позволили разработать математические модели взаимосвязи этих параметров с живой массой поросят, при этом учитывалась стандартная ошибка ^Е) и коэффициент корреляции (г) (табл. 2).
Таблица 2. Взаимосвязь уровня морфологических, биохимических, иммунологических показателей крови и живой массы свиней на доращивании в возрасте 10 недель
Показатель Живая масса, кг SE r
Аланинаминотрансфераза, ИЕ/л Linear Fit y=a+bx 4,31 -0,45
Нормальных агглютининов, титр Linear Fit y=a+bx 4,76 -0,16
Фагоцитарный индекс Linear Fit y=a+bx 4,12 -0,70
Фагоцитарная емкость Linear Fit y=a+bx 3,90 -0,74
Иммуноглобулин М, мг/дл Linear Fit y=a+bx 4,80 -0,11
Кобальт, мкмоль/л Hyperbolic Fit: y=a+b/x 4,40 0,41
Бактерицидная активность, % Hyperbolic Fit: y=a+b/x 4,38 0,41
Гамма-глобулины, г/л Quadratic Fit: y=a+bx+cxA2 4,37 -0,47
Креатинин, мкмоль/л Quadratic Fit: y=a+bx+cxA2 3,74 -0,65
Триглицериды, ммоль/л Heat Capacity Model: y=a+bx+c/xA2 3,99 0,59
Сиаловые кислоты, ед, опт, плотности Heat Capacity Model: y=a+bx+c/xA2 4,73 0,31
Фосфор, ммоль/л Heat Capacity Model: y=a+bx+c/xA2 3,29 -0,75
Железо, ммоль/л Reciprocal Quadratic: y=1/(a+bx+cxA2) 4,31 -0,49
Эритроциты, 1012/л 3th Degree Polynomial Fit: y=a+bx+cxA2+dxA3 3,45 -0,76
Бета-глобулины, % 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 2,94 -0,82
Гамма-глобулины, % 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 4,52 0,47
Мочевина, ммоль/л 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 4,67 -0,41
Амилаза, ИЕ/л 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 4,35 0,52
Кальций, ммоль/л 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 4,38 -0,52
Цинк, мкмоль/л 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 4,48 0,48
Иммуноглобулин О, мг/дл 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 3,23 -0,78
Фагоцитарное число 3rd degree Polynomial Fit y=a+bx+cxA2+dxA3 3,41 -0,87
Общий белок, г/л Saturation Growth-Rate Model: y=ax/(b+x) 4,24 -0,47
Прямой билирубин, мкмоль/л Geometric Fit: y=axA(bx) 4,73 -0,19
Гемоглобин, г/л Modified Geometric Fit: y=axA(b/x) 4,37 -0,42
Бета-липопротеиды, ммоль/л Harris Model: y=1/(a+bxAc) 4,75 -0,74
Лейкоциты, 109/л Sinusoidal Fit: y=a+b*cos(cx+d) 3,37 -0,75
Холестерин, ммоль/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,29 0,54
Альбумины, всего, г/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,43 -0,50
Альфа-глобулины, г/л Sinusoidal Fit: y=a+b*cos(cx+d) 3,39 -0,75
Бета-глобулины, г/л Sinusoidal Fit: y=a+b*cos(cx+d) 3,75 -0,68
Глобулины, всего, г/л Sinusoidal Fit: y=a+b*cos(cx+d) 3,98 -0,62
Альфа-глобулины, % Sinusoidal Fit: y=a+b*cos(cx+d) 4,52 0,47
Мочевая кислота, ммоль/л Sinusoidal Fit: y=a+b*cos(cx+d) 3,90 -0,64
Общий билирубин, мкмоль/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,10 -0,59
Щелочная фосфатаза, ИЕ/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,60 0,44
Гамма-глутамилтрансфераза, ИЕ/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,23 -0,56
Медь, мкмоль/л Sinusoidal Fit: y=a+b*cos(cx+d) 4,45 -0,49
Марганец, мкмоль/л Sinusoidal Fit: y=a+b*cos(cx+d) 2,79 0,83
Фагоцитарная активность Sinusoidal Fit: y=a+b*cos(cx+d) 4,29 -0,78
Альбумины, всего, % Gaussian Model: y=a*exp((-(b-x)A2)/(2*cA2)) 3,31 0,76
Аспартатаминотрансфераза, ИЕ/л Gaussian Model: y=a*exp((-(b-x)A2)/(2*cA2)) 4,16 -0,54
Глюкоза, ммоль/л Exponential Fit: y=a expA(bx) 4,15 0,51
Глобулины, всего, % Vapor Pressure Model: y=exp(a+b/x+cln(x)) 3,15 -0,77
Лизоцимная активность, % Vapor Pressure Model: y=exp(a+b/x+cln(x)) 4,54 0,40
Креатинкиназа, ИЕ/л Exponential Association: y=a(1 -exp(-bx) 4,78 -0,14
Лактатдегидрогеназа, ИЕ/л Reciprocal Logarithm Fit: y=1/(a+b*ln(x)) 3,07 -0,77
Установлено, что прямолинейные модели, описывающие взаимосвязь гематологических показателей и живую массу поросят на доращивании, составляют менее 15 %, криволинейные - 40 %, а нелинейные - 45%. Преобладание криволинейных и нелинейных моделей в описании гематологии поросят на доращивании указывает на то, что использование прямолинейных функций при моделировании иммунологических, морфологических и биохимических показателей крови в зоотехнических, биологических и ветеринарных исследованиях является, в большинстве случаев, не корректным.
Определена модель взаимозависимости стандартной ошибки (8Е) и коэффициента корреляции (г) между собой: г = 3,1075062-2,0003597*8Е + 0,60730964*8ЕА2 - 0,065467706*8ЕА3 8Е = 4,7148136 +
0,82957696*г-3,1596948*гА2. Использование этих моделей дает возможность прогнозировать эффективность применения полученной линейной или нелинейной модели в качестве аппроксимационной функции [5] с наименьшим уровнем погрешности воспроизводимых данных.
Заключение. Разработаны модели взаимосвязи уровня морфологических и биохимических показателей крови, а также естественной резистентности свиней на доращивании с их живой массой. Установлено, что количество прямолинейных связей в описании гематологии поросят на выращивании значительно уступает числу криволинейных и нелинейных.
ЛИТЕРАТУРА
1. Цифровые технологии будут внедрены во все сферы производства в Беларуси.-Режим доступа: // Шр:// ont.by/news/our_news/cifrovie-tehnologii-bydyt-vnedreni-vo-vse-sferi-proizvodstva-v-belarysi.
2. Соляник, С. В. Вычислительная зоотехния и зоогигиена / С. В. Соляник // Роль наукових дослщжень в забезпеченш процес1в шновацшного розвитку аграрного виробництва Украши. Матерiали Всеукрашсько! науково-практично! конференцй молодих вчених i спецiалiстiв 25-26 травня 2016 р. / НААН, ДУ 1ЗК НААН, М-во аграр. полiтики та прод. Украши, Укр. iн-т експертизи сортiв рослин. - Вiнниця : ТОВ «Клан-ЛТД, 2016. - С. 102-103.
3. Соляник, В. В. Нормативно-правовые основы вычислительной зоотехнии и зоогигиены /В. В. Соляник, С. В. Соляник // Научное обеспечение животноводства Сибири: сб. науч. ст. Междунар. науч.-практ. интернет-конференции (12-13 мая 2016 г.) - Красноярск: ФГБНУ Красноярский НИИЖ, 2016. - С. 62-65.
4. Танана, Л. А. Практическое использование вычислительной зоотехнии (на примере расчета затрат на возведение свинокомплексов) / Л. А. Танана, С. В. Соляник // Сб. науч. докладов Междунар. науч.-практ. конференции «Козыбаевские чтения .- Бесколь: СевКазНИИЖиР, Петропавловск: СКГУ им. М. Козыбаева, 2017. - С. 268-269.
5. Соляник, С. В. Линейные и нелинейные модели гематологических показателей крови у свиней на доращивании и их взаимосвязь с живой массой / С. В. Соляник // Научно-практические пути повышения экологической устойчивости и социально-экономическое обеспечение сельскохозяйственного производства: материалы Междунар. науч.-практ. конференции. - с. Соленое Займище, ФГБНУ «Прикаспийский НИИ аридного земледелия», 2017. - С.1477-1487.
6. Соляник, С. В. Возрастные и стохастические взаимосвязи между морфологическими, биохимическими и иммунологическими показателями крови свиней / С. В. Соляник, В. В. Соляник // Научно-практические пути повышения экологической устойчивости и социально-экономическое обеспечение сельскохозяйственного производства: материалы Междунар. науч.-практ. конференции. - с. Соленое Займище, ФГБНУ «Прикаспийский НИИ аридного земледелия», 2017. - С. 14971503.
7. Соляник, С.В. Компьютерное моделирование показателей естественной резистентности, гематологического профиля и продуктивности молодняка свиней товарных свинокомплексов / С. В. Соляник, А. А. Хоченков, Л. А. Танана, М. В. Пестис // Вес. Нац. Акад. навук Беларуси Сер. аграр. навук. - 2017. - № 4. - С. 74-91.
