Содержание к диссертации
Введение
1. Состояние изученности вопроса и постановка задач исследования 8
1.1. Методы селекции в животноводстве 8
1.2. Современные подходы к оценке генотипа пробанда 19
1.3. Использование информационных технологий в племенном животноводстве 27
2. Общая характеристика работы 33
3. Материал и методика исследований 39
4. Результаты исследований 44
4.1. Автоматизированная система управления селекционным процессом
4.1.1. Статистический анализ показателей продуктивности птицы
4.1.2. Оценка характера распределения признаков в популяции и его влияние на эффективность племенного отбора
4.1.3. Оценка эффективности различных методов отбора 83
4.2. Повышение точности оценки генотипа сельскохозяйственной 91
птицы
4.2.1. Поиск в базах данных и группировка родственников пробанда 91
4.2.2. Вклад фенотипов родственников различных степеней родства в оценку генотипа пробанда 96
4.2.3. Выбор комбинаций родственников, обеспечивающих максимальную достоверность оценки племенной ценно сти пробанда 113
5. Эффективность результатов исследований 129
Выводы 130
Предложения производству 132
Список использованной литературы
- Современные подходы к оценке генотипа пробанда
- Использование информационных технологий в племенном животноводстве
- Статистический анализ показателей продуктивности птицы
- Вклад фенотипов родственников различных степеней родства в оценку генотипа пробанда
Введение к работе
Сельское хозяйство определяет стратегическую безопасность любого государства. Оно дает жизненно необходимую человеку продукцию: основные продукты питания и сырье для изготовления предметов потребления. Сельское хозяйство производит свыше 12% валового общественного продукта и более 15% национального дохода России, сосредоточивает 15,7% основных производственных фондов, является потребителем продукции восьмидесяти и поставщиком для шестидесяти отраслей промышленности (Фисинин, 2004).
Важнейшей отраслью сельского хозяйства является птицеводство. Его основной задачей является производство продукции, соответствующей по объему и качеству численности населения страны, нормам питания и по ценам, обеспечивающим её рентабельность и соизмеримость с размерами доходов большинства населения. Если раньше целью производства было получение как можно большего объема продукции, практически любой ценой, то сейчас главным критерием стала конкурентоспособность и безубыточность отрасли. Обеспечить её высокую эффективность возможно только внедрением высоких технологий во все звенья технологического процесса (Фисинин, 2002).
В последние десятилетия хозяйственный прогресс во все большей мере определяется развитием информационного сектора экономики. Использование компьютерных технологий существенно сокращает трудозатраты, повышает эффективность производства и, в конечном счете, обеспечивает высокую его рентабельность (Басовский с соавт., 1974; Гущин с соавт., 1994; Гай-ирбегов, Коротаевский, 1997; Alhalabi, 1997; Stanke, 1997; Соляник, Соляник, 1999; Vinterova, Vinter, 2000; Бугаев, 2001 и др.). Поэтому в 1996 году расходы американских компаний на приобретение информации и информационных технологий, достигли 212 млрд. долл. и почти в два раза превысили затраты на обновление основных производственных фондов. В 2004 году ком-
5 пания Microsoft, один из крупнейших разработчиков информационных технологий, потратила на научно-исследовательские цели 5 миллиардов долларов.
В настоящее время всё чаще поднимается вопрос о применении новых информационных технологий в сельском хозяйстве, в частности в племенной работе (Leite, 1987; Сиптиц с соавт., 1996; Громова, 1997; Стрелков, Райхман, 1998; Подобаев, 2001; Логинова, 2001; Бычаев, 2002). Это не только новые технические средства, но и новые формы и методы оценки племенной ценности животных, применение которых долгое время было затруднено в силу сложности обработки вручную больших массивов информации, содержащихся в электронных базах данных о продуктивности нескольких поколений животных. В то же время потребность в таких технологиях достаточно высока. Сложились предельно благоприятные условия для их разработки и широкой апробации (Лабинов, Крикун, 2000).
Важнейшей задачей, стоящей перед зоотехником-селекционером, является отбор для воспроизводства лучших в племенном отношении особей. При этом методы отбора животных, с успехом применявшиеся многие десятилетия (в первую очередь, отбор по показателям собственной продуктивности), в настоящее время оказываются недостаточно эффективными. Создание компьютеров нового поколения, имеющих высокие технические характеристики, позволяет реализовать более сложные методы оценки племенной ценности животных, до последнего времени остававшиеся недоступными. Повысить точность оценки племенной ценности птицы возможно путем привлечения к ней информации о продуктивности её ближайших родственников. В ходе работы нами были разработаны алгоритмы, реализованные в компьютерных программах, позволяющих проводить статистический анализ популяции, оценивать генотип с.-х. птицы по различным критериям, проводить её отбор по заданным селекционером условиям и оценивать эффективность различных методов отбора.
Положения, выводы и рекомендации, разработанные в ходе выполнения диссертационной работы, нашли применение в селекции с.-х. птицы на ОНО (ХО) ППЗ «Птичное» Московской области, Министерстве сельского хозяйства и продовольствия Ростовской области, апробированы в производственных условиях и опубликованы в печати.
По результатам исследований даны практические предложения, которые рассмотрены и одобрены на заседаниях Министерства сельского хозяйства и продовольствия Ростовской области, координационном совещании по птицеводству, посвященному 75-летию Всероссийского научно-исследовательского и технологического института птицеводства (ВНИТИП) и выполнению научно-исследовательских работ по координационному плану на 2001-2005 гг. «Повышение эффективности птицеводства на основе создания новых линий и кроссов птицы, энергосберегающих технологий, производства и переработки птицеводческой продукции; секции «Селекция сельскохозяйственной птицы».
В работе обобщены исследования, выполненные в соответствии с государственными и областными целевыми комплексными научно-техническими программами, на кафедре частной зоотехнии, в лаборатории по разработке теоретических основ селекции с.-х. животных Донского ГАУ в период с 2002 по 2005 гг.
Основные положения диссертации, выносимые на защиту. - система автоматизации селекционного процесса по разработанным алгоритмам, реализованным в информационных компьютерных программах «Пласт», «Критерий», «Алгоритм», «С-1. Селекция»; распределение признаков в популяции и его влияние на точность прогноза эффекта селекции; реализация фенотипа родителей в потомстве при различной величине селекционного дифференциала; - информационная математическая модель родственников пробанда в пяти поколениях; - вклад родственников различных степеней родства в генотип пробанда в зависимости от их комбинаций, количества и коэффициента наследуемости признака.
Автор выражает глубокую признательность научному руководителю, доц. А.И. Рудю, профессорам Донского ГАУ А.И. Бараникову, Ю.А. Колосову, Н.В. Михайлову, сотрудникам кафедры частной зоотехнии за оказанную помощь, а также руководителям и специалистам хозяйств, где проводились исследования.
Современные подходы к оценке генотипа пробанда
На протяжении многих десятилетий одной из важнейших задач, стоящих перед селекционерами, является отбор для воспроизводства максимально ценных в племенном отношении особей. При этом, если закономерности наследования качественных признаков достаточно изучены и их проявление в потомстве относительно надежно прогнозируется в соответствии с законами наследования Г. Менделя, то улучшение количественных признаков сопряжено с целом рядом трудностей, так как на реализацию генотипа животных в значительной степени влияют условия внешней среды (Кушнер, 1964). Продуктивный период яичных кур составляет в среднем 10-12 месяцев. Поэтому перед селекционером стоит задача отбора особей, способных поддерживать стабильно высокую яйцекладку в течение такого длительного времени. При этом в условиях промышленного производства не приходится говорить об использовании птицы в максимально комфортных условиях кормления и содержания. Скорее, наоборот: яйцекладка птицы происходит на фоне постоянных стрессовых воздействий различной силы и интенсивности, к которым можно отнести вакцинации, дебикирование, смену рационов, возможные техногенные аварии системы жизнеобеспечения и т.д. (Гальперн, 2002). Влиянием внешней среды объясняется относительно невысокие значения ко эффициентов наследуемости количественных признаков, к которым относится и яйценоскость. Тем не менее, в настоящее время наиболее распространенным методом оценки племенной ценности птицы является её собственная продуктивность. Формула для определения генотипа птицы по её фенотипу имеет вид: X1=h2.X2, где Xi - генотип; Хг - фенотип оцениваемой особи; h - коэффициент наследуемости признаков (Никоро с соавт., 1968).
Отбор птицы по показателям собственной продуктивности обоснован при высоких значениях коэффициента наследуемости признаков (h 0,4) (Кушнер, 1964; 1968; 1975; Стакан, 1969; Поляничкин, 1980; Михайлов с соавт., 1996; 1999; Астарханов, 1996; Костылев, 2000; Кочиш с соавт., 2003; Рудь, 2005). Для определения этого показателя предложены различные методы расчетов. Н. Плохинский (1969) предлагал находить h2 методом однофак-торного дисперсионного анализа, рассматривая коэффициент наследуемости как отношение сумм квадратов факториальной (Сх) и общей (Су) дисперсий.
Однако, найденный таким методом коэффициент наследуемости в большей степени характеризует изменчивость признака, чем его наследуемость. К тому же метод дисперсионного анализа применим только для малых выборок. При использовании его на больших популяциях (линиях) h нередко принимает нелогичные значения, далеко выходящие за его вероятные пределы (0-1,0 или от 0 до 100%).
3. Никоро и С.Райт рассматривали коэффициент наследуемости как корреляцию между продуктивностью в парах между родственниками различных степеней родства. Для определения коэффициента наследуемости ими предложены следующие соотношения: h2 = 2r 11 1 род-пот. h2 = 2rc.c. h = 4гп/с.п/с где Грод.пот. - коэффициент корреляции между продуктивностью родителя и потомка; гс.с.- между продуктивностью сибсов; гп/с.п/с - полусибсов.
Использование данных формул на практике показало, что значение коэффициента наследуемости, рассчитанного этими методами, в ряде случаев превышает единицу, что вызвало ряд нареканий на данный показатель, вплоть до его полного отрицания. Попытки игнорировать значимость опре-деления h абсолютно безосновательны, так как все существующие методы оценки племенной ценности животных основаны на классических работах С. Райта, Р. Фишера (1958), X. Кушнера (1964), Д. Хэммонда (1964), (Басовский, Попов, 1968), И. Иоганссона (1974), Д. Лесли (1982) и др., в которых в качестве основного критерия выступает коэффициент наследуемости. Достигнутый в настоящее время прогресс по показателям продуктивности был бы невозможен только за счет улучшения технологии кормления и содержания животных. Так, генетический вклад в прогресс достижения бройлерами живой массы в 56 недель почти в три раза выше, чем вклад за счёт улучшения состава рациона. По данным Корнельского университета, бройлеры селекции 1991 года на рационах 1991 года весили в 6 недель 2133 г при конверсии корма 1,85 кг/кг, а на рационах 1957 года - 1774 г при конверсии корма 2,20 кг/кг (Набалдян, 2002).
Высокая генетическая обусловленность целого ряда фенотипических признаков была доказана при анализе «природного феномена» - близнецово-сти человека. Были выявлены реакции, которые являются, очевидно, врожденными, а не формируются условиями жизни и окружением. У однояйцевых близнецов полностью совпадают группы крови, у них одинаковы кожные узоры на кончиках пальцев, ладонях и губах, идентично строение зубов и каркаса зубной эмали, совпадают вкусовые восприятия, темперамент, эмоциональные реакции.
Использование информационных технологий в племенном животноводстве
История XX века доказала, что опережающее развитие наблюдается в странах, где ставка делается на массовое внедрение в производство информационных технологий. Так, к 1980 г. в сельском хозяйстве США было занято 3% работающих, в промышленности - 20%, в сфере обслуживания - 30%, и 48% людей было занято в информационной сфере. Само название «информационное общество» впервые возникло в Японии. Специалисты, предложившие этот термин, разъяснили, что он определяет общество, в котором в изобилии циркулирует высокая по качеству информация, а также есть все необходимые средства для ее хранения, распределения и использования. По мнению аналитиков, США завершат в целом переход к информационному обществу к 2020 году, Япония и большинство стран Западной Европы - к 2030-2040 годам (http://www.mgopu.ru/PVU/2.1/DPPV02/si.doc).
Не является исключением и сельское хозяйство. Интенсификация животноводства предусматривает внедрение в производство новых прогрессивных технологий селекционно-племенной работы, рациональное использова 28 ние племенных животных. Осуществление этих мероприятий невозможно без автоматизированных систем управления, которые помогут планировать и рационально использовать имеющиеся племенные ресурсы (Кравченко с соавт., 2004). В настоящее время, разработано большое количество специализированных пакетов программ, которые с успехом применяются в животноводстве: «Stadia 6», «Statistica», «Бонитировка крупного рогатого скота», «Пракс-1», «Фиас», «Гибрид» и т.д. (Artmann, 1990; Кудрявцев, 2000; Миронова, 2000; Подобаев, 2000; Кононенко, 2001; Кремянская, 2001; Вернер, 2003; Глебова с соавт., 2005). При помощи этих программ можно определить основные селекционно-генетические характеристики популяций племенных животных и решать конкретные задачи, связанные с селекционным отбором. Полученные данные можно представлять графически, что позволяет получить наглядное представление о состоянии и динамики изучаемых показателей продуктивности животных в популяции (Заморская, 1988; Oyama, Otani, Mukai, 1999).
Несмотря на традиционную консервативность в вопросах управления и планирования хозяйственной деятельности, предприятия агропромышленного комплекса начинают ощущать все большую необходимость в автоматизации основных производственных, технологических и управленческих задач.
Рост потребности сельскохозяйственных предприятий АПК в компьютеризации производственной деятельности обусловлен возросшей необходимостью профессионального подхода к вопросам планирования, управления и ориентации на конъюнктуру рынка, проведения корректного анализа хозяйственной деятельности и осуществления точных прогнозов развития (Симонова, 1999). Все это требует от руководства предприятия повышенного внимания к компетентности персонала, его способности к работе с современной компьютерной техникой и программным обеспечением, позволяющим более эффективно использовать рабочее время. Немаловажным является выбор программного обеспечения, наиболее точно отвечающего задачам предприятия (Поляков, 2003).
Сельское хозяйство подвержено влиянию множества объективных факторов, не поддающихся прогнозированию без детального анализа исходной информации. Например, в настоящее время в подавляющем большинстве российских регионов функционирует многоуровневая информационная система «СелЭкс-Россия», которая призвана решать задачи управления и анализа в животноводстве.
Темпы развития Китая во всех отраслях экономики общеизвестны и уже многие десятилетия являются показательными. В последние годы важнейшим направлением развития сельскохозяйственного производства в этой стране является его компьютеризация. 10 лет тому назад Китай принял программу информатизации сельского хозяйства. В 1995 году Министерство сельского хозяйства КНР разработало конкретный план по её осуществлению. Согласно этому плану, в течение 5 лет в стране были созданы и усовершенствованы государственный банк данных по сельскому хозяйству, система макроэкономического регулирования и прогнозирования сельхозпроиз-водства и сбыта сельхозпродукции, которые играют важную роль в аграрном развитии страны. В 1996 году Министерство науки и техники приступило к реализации проекта по "компьютеризации сельского хозяйства". К настоящему времени в рамках этого проекта созданы 23 показательные зоны, охватывающие более 800 уездов страны. Кроме того, Китай добился заметных успехов в формировании системы информационного обслуживания сельского населения. В 45 процентах уездов Китая действуют веб-сайты, предоставляющие различную информацию о сельском хозяйстве (http://russian.xinhuanet.com/htm/08271633461 .htm).
Статистический анализ показателей продуктивности птицы
Проведение отбора в животноводстве связано с необходимостью обработки массивов данных, содержащих информацию о продуктивности большого количества особей. При этом количество критериев отбора постоянно увеличивается. Квалифицированно обработать такой объём информации без применения информационных технологий практически невозможно. Для выработки стратегии ведения селекционной работы специалистам по меньшей мере необходимо решение следующих задач: 1) работа с базами данных разных форматов; 2) возможность расширения баз данных при введении новых признаков в селекционный процесс; 3) оценка генетико-селекционных параметров признаков популяции; 4) оценка племенной ценности животных; 5) отбор животных по заданным критериям (с различной интенсивностью, количеству голов, независимым уровням браковки и т.д.); 6) прогнозирование эффекта селекции; 7) оценка эффективности применяемых методов отбора и т.д.
В связи с этим разработана система автоматизации селекционного процесса, позволяющая решать задачи, стоящие перед зоотехником-селекционером на всех этапах проведения племенной работы. В рамках этой системы разработаны алгоритмы и созданы компьютерные программы «Пласт» (а.с.№2005612254; прил.1), «Критерий» (а.с. № 2006610143; прил.2), «Алгоритм», «С-1.Селекция» (а.с. 2006610244; прил.З).
Программа «Пласт» позволяет проводить статистический анализ показателей продуктивности животных в популяции, рассчитывать их среднюю продуктивность, показатели изменчивости, анализировать характер распре деления (нормальное или асимметричное), определять его количественные характеристики, проводить отбор с.-х. птицы по различным условиям (по независимым уровням браковки - до 255 признаков; одному признаку (индексу) с различной интенсивностью отбора, в %; отбирать заданное количество голов); определять количество особей в популяции, отобранных с граничным значением селекционного признака.
Программа «Критерий» производит поиск и группировку родственников оцениваемых особей в базах данных для последующего включения информации об их продуктивности в оценку племенной ценности пробанда.
Программа «Алгоритм» входит в состав разработанного алгоритма, позволяющего оценивать численным и аналитическим методами вклад фенотипов родственников пробанда в его генотип при различном их количестве, комбинациях и коэффициенте наследуемости признаков.
Программа «С-1.Селекция» позволяет найти в базе данных потомков отобранной в программе «Пласт» группы животных, определить их количество и провести обработку показателей продуктивности по необходимым селекционным признакам. Программа дает возможность сопоставить продуктивность родителей и потомков, оценить эффективность применяемых при отборе методов селекции и дать им квалифицированную оценку.
Перед проведением оценки генотипа сельскохозяйственной птицы необходим статистический анализ динамики её продуктивности в популяции, так как реализация генотипа во многом зависит от факторов внешней среды. Проведенный мониторинг продуктивности трех линий кросса «УК-Кубань 123» в 1996-1999 гг. позволил установить, что в 1997-1998 гг. у птицы этих линий была инициирована ранняя яйцекладка. Доказательством этого является наступление половой зрелости на 12-24 дня раньше, чем в предыдущем и последующем поколениях (табл.2). Ранняя половая зрелость обеспечила меньшую массу яиц, но большее их количество, а также лучший вывод и выводимость молодняка. Поэтому перед проведением генетического анализа и изучением закономерностей наследования желательных признаков необходимо знание динамики показателей продуктивности в популяции.
Вклад фенотипов родственников различных степеней родства в оценку генотипа пробанда
В настоящее время при проведении племенного отбора используются методы, основанные на нормальном распределении признаков в популяции.
Однако на практике распределение зачастую имеет асимметричный характер. С помощью разработанного алгоритма, реализованного в компьютерной программе «Пласт», были проведены исследования по тестированию характера распределения 10 признаков отбора на птице 4 линий кросса «Птич-ное» в период с 2001 по 2004 гг.
Установлено, что нормальное распределение встречается достаточно редко. Так, в линии А (55) в 81% случаев (22 варианта из 27) величина коэффициента асимметрии (As) достоверно превышала его критические значения для нормального распределения. Асимметричным распределением характеризовалась живая масса, половая зрелость, яйценоскость; нормальным - масса яйца на различных этапах яйцекладки (табл. 18-21).
В связи с этим возникает вопрос, насколько характер распределения может повлиять на результативность племенного отбора. Одной из основных величин, характеризующих изменчивость признаков в популяции, является среднее квадратическое отклонение (5). В селекции племенной отбор рекомендуется проводить в долях (единицах) сигмы. При этом считается, что при установлении селекционных границ отбора на величину М + 0,55 будет отобрано 31% поголовья; при отборе М + 18 - 15,8% и т.д. (табл.22).
Однако эти закономерности правомерны только для нормального распределения. При асимметрии реальная интенсивность отбора может отличаться от прогнозируемой достаточно существенно. Для доказательства этого нами было проведено сравнение фактического поголовья птицы с ожидаемым в случае нормального распределения при отборе в единицах сигмы при различных значениях коэффициента асимметрии (табл.23).
Установлена существенная величина расхождений между фактическими и ожидаемыми результатами при отклонении характера распределения признаков в популяции от нормального. Наиболее значима она при установлении границ отбора при M+1S (15,8%) и выше. Расхождения пропорцио нальны величине коэффициента асимметрии. При высоких отрицательных значениях As количество особей было меньше, при высоких положительных - больше. Так, при отборе птицы на величину М + 18 по яйценоскости в линии С в 2002 г. (As=-2,56) в случае нормального распределения признака можно рассчитывать на отбор 279 гол. птицы, однако, реальная их величина составила только 66, или в 4,2 раза меньше. При As=0,44 (масса яйца в 26 нед. по линии D в 2001 г.) при установлении границы отбора М+15 ожидаемое поголовье - 618, фактическое - 690 гол. (рис.14).
Основная задача, стоящая перед зоотехником-селекционером - повышение эффекта племенного отбора. Для этого ему необходимо максимально точно прогнозировать эффект селекции. Как уже отмечалось ранее, прогноз эффекта селекции за одно поколение (I) определяется по величине селекци-онного дифференциала (Ag) и коэффициенту наследуемости признака (h ). Для расчета селекционного дифференциала необходимо знание среднего значения признака в отобранной для дальнейшего воспроизводства группе животных (MS). Формула для расчета этого показателя включает среднее квад-ратическое отклонение (8), т.е. является надежной для нормального распределения признаков в популяции. Нами был проведен анализ правомерности использования данного метода при асимметричном распределении. В ходе исследований оценивались расчетные и фактические значения селекционной границы отбора (МТ), среднего значения отобранной для дальнейшего воспроизводства группы (MS), эффект селекции (I) и ошибка эффекта селекции в абсолютных и относительных единицах измерения при различной интенсивности отбора (1, 5, 10, 15, 20, 30 %) (табл.24, рис. 15).
