Содержание к диссертации
Введение
1. Состояние изученности вопроса и постановка задач исследования 9
1.1. Оценка генотипа пробанда 9
1.2. Информационное сопровождение сельскохозяйственного производства 20
1.3. Состояние и перспективы использования методов генной инженерии в селекции 27
1.4. Повышение стрессоустойчивое птицы технологическими методами 36
2. Общая характеристика работы 48
3. Материал и методика исследований 57
4. Селекционно-генетический анализ точности оценки генотипа пробанда 67
4.1. Анализ точности оценки генотипа пробанда при бонитировке свиней 67
4.2. Анализ точности оценки пробанда при бонитировке сельскохозяйственной птицы 87
5. Использование системы «селекционно- информационного фильтра» (СИФ) в племенном животноводстве 93
5.1. Структура СИФа 93
5.2. Анализ характера распределения признаков в популяции 98
5.3. Реализация фенотипа родителей в потомстве 114
5.4. Повышение точности оценки генотипа животных 121
5.4.1. Методика определения коэффициентов регрессии фено типов родственников на генотип пробанда 121
5.4.2. Точность оценки племенной ценности пробанда по различным критериям отбора 143
5.5. Селекционные индексы отбора 161
5.6. Отбор сельскохозяйственных животных по заданным условиям 164
5.7. Прогнозирование продуктивности животных 170
5.7.1. Использование элементов СИФа для прогнозирования и оценки толщины шпика у гибридного молодняка свиней различных сочетаний в зависимости от живой массы 170
5.7.2. Прогнозирование яйценоскости птицы по времени наступления половой зрелости 185
5.8. Информационное сопровождение региональных систем разведения животных 197
5.9. Оценка эффектов общей и специфической комбинационной способности линий 222
6. Селекционно-технологические аспекты повышения стрессоустойчивости в птицеводстве 237
6.1 . Повышение стрессоустойчивости птицы селекционными способами 237
6.2. Разработка методических подходов корректировки режима инкубации, закаливания и прогнозирования продуктивности с.-х. птиц на стадии эмбрионального развития 240
6.3. Термоконтрастный режим инкубации яиц 243
6.3.1. Влияние переменных температур на дыхание развивающихся эмбрионов 243
6.3.2. Апробация термоконтрастного режима инкубации яиц 252
6.3.3. Выращивание молодняка опытной и контрольной партий с суточного до четырёхнедельного возраста 262
7. Обучающие модули по дисциплинам «свиноводство» и «птицеводство» 265
8. Эффективность результатов исследований 268
Выводы 270
Предложения производству 275
Список использованной литературы 277
Приложения 314
- Информационное сопровождение сельскохозяйственного производства
- Анализ точности оценки генотипа пробанда при бонитировке свиней
- Анализ характера распределения признаков в популяции
- Повышение стрессоустойчивости птицы селекционными способами
Введение к работе
Одной из важнейших стратегических задач агропромышленной политики государства в экономической области является формирование эффективного конкурентоспособного агропромышленного производства. В 2005 году Россия закупила импортных продуктов на 16,5 миллиардов долларов (на 19% больше, чем в 2004 году). В настоящее время их доля на внутреннем продовольственном рынке достигает примерно 33 %, что является прямой угрозой продовольственной безопасности страны. Поэтому в число приоритетных национальных проектов было включено развитие агропромышленного комплекса России (). Реализация проекта возможна путем создания вертикально-интегрированного комплекса по производству продукции животноводства с использованием новейших технологий и замкнутого цикла производства, использования инновационного оборудования, производства мяса более высокого качества на фоне высокой экологичности производства и безопасности его для окружающей среды (Фисинин, 2004).
Одной из основных причин, сдерживающих развитие отраслей животноводства, является отсутствие государственного регулирования на используемые ими ресурсы. Так, за пятнадцать последних лет корма стали дороже в 30, электроэнергия - в 100, газ - в 28 раз; между тем потребительская цена на мясо повысилась в среднем в 20-22 раза. В настоящее время складывается благоприятная обстановка для вывода сельскохозяйственного производства из кризиса. Крупный частный капитал при активной государственной поддержке готов инвестировать в сельском хозяйстве создание современных конкурентоспособных предприятий. Однако, наладить рентабельное производство, которое способно конкурировать на внутреннем рынке в условиях давления импорта, невозможно без внедрения новых технологий, использования животных, обладающих высоким генетическим потенциалом. Постоянный завоз племенных
животных из-за рубежа бесперспективен по целому ряду причин. Во-первых, повышается риск производства вследствие зависимости от западных производителей. В последние десятилетия регулярно регистрируются пандемии различных заболеваний с последующим наложением карантина на отдельные страны или целые регионы. Классическим примером является распространение птичьего гриппа, поставившего на грань разорения владельцев птицеводческих предприятий в целом ряде государств. Во-вторых, высокая стоимость племенного молодняка. Для ремонта маточного поголовья на откормочном комплексе мощностью 108 000 голов свиней необходимо 4800 свиноматок, что при сложившихся ценах означает ежегодные закупки за границей ремонтного молодняка на сумму 252 млн. рублей. В-третьих, как правило, импортные кроссы плохо адаптированы к местным условиям. Следствием этого является их высокая браковка и относительно короткий срок использования. Поэтому актуальной задачей является создание отечественных кроссов и линий, не уступающих по производственным показателям зарубежным аналогам. Ускорить этот процесс возможно при разработке и реализации новых методов и подходов в селекции, базирующихся на максимально точной оценке племенной ценности животных.
Современный период развития общества характеризует процесс информатизации, основной особенностью которого является сбор, накопление, продуцирование, обработка, хранение, передача и использование информации. Использование информационных технологий в сельском хозяйстве позволяет разрабатывать методы и приемы до последнего времени остававшиеся недоступными из-за их высокой сложности и трудоемкости. Для интенсификации ведения племенной работы в животноводстве мы предлагаем «Селекционно-информационный фильтр» (СИФ), реализованный в комплексе компьютерных программ, позволяющих проводить содержательный анализ популяций, селекционного процесса на основе имеющейся племенной информации; сбор, регистрацию и генетико-статистическую обработку данных; интерпретацию полу-
7 ченных результатов, использование их при корректировке племенного отбора; оптимизацию принимаемых решений, составление моделей прогноза и оценку эффективности методов селекции.
Решение ряда вопросов в животноводстве возможно селекционными или технологическими методами. Прежде всего, это относится к признакам, обладающим низкой степенью наследуемости вследствие их высокой зависимости от факторов окружающей среды. В этих случаях для повышения производственных показателей сельскохозяйственных животных необходимо сочетание селекционных и технологических методов.
Положения, выводы и рекомендации, разработанные в ходе выполнения диссертационной работы, нашли применение в селекции с.-х. животных различных видов в племенных заводах и племенных репродукторах Краснодарского края, Ростовской, Московской и Тюменской областей, апробированы в производственных условиях и отражены в селекционных программах хозяйств, изложены в публикациях.
По результатам исследований даны практические предложения, которые рассмотрены и одобрены на заседаниях отдела животноводства в Министерстве сельского хозяйства и продовольствия Ростовской области.
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, лаборатории кафедры автоматизации и управления технологическими процессами и производствами Южно-Российского государственного технического университета, г.Новочеркасск в период с 1994 по 2005 гг.
Основные положения диссертации, выносимые на защиту:
- система управления селекционным процессом в животноводстве («Селекционно-информационный фильтр»; СИФ) и её информационное сопровождение (к.п. «Пласт» а.с. 2005612254; «Критерий»; а.с. 2006610143; «С-1. Се-
8 лекция», а.с. 2006610244; «Ираке» а.с. 2005611866; «Генотип», «Лодбор-1. Закрепление быков производителей», а.с. 2006610934, «Алгоритм»);
методы оценки племенной ценности (генотипа) сельскохозяйственных животных, повышающие её точность путем привлечения к оценке информации о продуктивности родственников пробанда в различных комбинациях с учетом коэффициентов путей С.Райта и коэффициента наследуемости признаков;
влияние характера распределения признаков на точность прогноза эффекта селекции;
информационное сопровождение региональной системы разведения животных;
зависимость толщины шпика от живой массы у свиней различных породных сочетаний;
методы прогнозирования продуктивности птицы на стадии эмбрионального развития и её закаливания; режим инкубации яиц в условиях переменных температур.
Автор выражает глубокую признательность своему консультанту, доктору с.-х. наук, профессору Михайлову, ректору Донского ГАУ, профессору А.И.Бараникову, проректору по научной работе, профессору Ю.А. Колосову, сотрудникам кафедры частной зоотехнии за поддержку и помощь в работе, а также руководителям и специалистам хозяйств, где проводились исследования.
Информационное сопровождение сельскохозяйственного производства
Человечество шагнуло в новую эпоху цивилизации - информационную эру, которая принципиально отличается от промышленного (индустриального) общества. В современных условиях принятие оптимального решения в любой сфере деятельности базируется на своевременной и качественной информации. Высокий уровень оперативности её получения в немалой степени определяет успех любого производства. Поэтому в 1996 году расходы американских компаний на приобретение информации и информационных технологий, достигли 212 млрд. долл., что почти в два раза превышает расходы на обновление основных производственных фондов (www.sessia.net). Признанный мировой лидер в разработке программного обеспечения, компания Microsoft, инвестировала в 2004 году на проведение научных исследований 5 миллиардов долларов (http://www.compware.ru/noframes/news/recent-516.htm). Такие капиталовложения в немалой степени способствуют резкому сокращению времени, которое проходит от разработки технологического новшества до его массового распространения. Если для всестороннего применения фотографии понадобилось 112 лет, широкого использования телефонной связи - 56, то соответствующие сроки для радара, телевидения, транзистора и интегральных схем составляют 15, 12, 5 лет и 3 года (Иноземцев, 2005).
Информационные технологии базируются на трех элементах: технике, программах и информации. Современный уровень развития техники предлагает уникальные возможности, которые остаются невостребованными в большинстве секторов производства. В 1965 году Гордон Мур, один из основателей корпорации INTEL, предсказывал удвоение мощности компьютерного процессора каждые полтора года. Время подтвердило верность этого прогноза и его неограниченность в перспективе. В начале 1998 года в лаборатории компании IBM прошел успешную апробацию первый компьютерный процессор, работающий на частоте 1 гигагерц, а всего через 8 месяцев, в конце 1998 года, был продемонстрирован опытный образец, способный безошибочно выполнять 3,9 триллиона операций в секунду, имевший скорость работы в 15000 раз большую, чем у наилучшего персонального компьютера того времени и превосходивший пользовательский PC по объему оперативной памяти в 80000 раз. Компания Lucent Technologies разработала и протестировала оборудование, позволяющее передавать данные со скоростью около 100 Гб/с (Парамонов, 2006;. http://www.lucent.ru). При такой интенсивности работы продолжительность передачи трехчасового видеофильма занимает меньше секунды.
Такой высокий уровень развития техники открывает широкие возможности для глубокого комплексного анализа влияния самых различных факторов на эффективность сельскохозяйственного производства.
Программное обеспечение разработано для самых различных направлений сельскохозяйственного производства (Мурая, 1989; Siarkowski, 1995; Stanke, 1997; Бугаев, 2001). Персональные компьютеры упрощают контроль и управление технологическими процессами (Artmann, 1990; Савран, Пенцов, 1994; Alchalabi, 1997; Комаров, 1998; Симонова, 1999; Peng, Ohura, 2000; Кре-мянская, 2001; Vinterova, Vinter, 2000; Мегель, 2001), используются в ветеринарии (Маркарян, 1988; Гайирбегов, Коротаевский. 1997), экономике (Анненко и др., 1995; Шигонина, Чичаев, 1996; Вернер, 2003), при составлении рационов и дозированном кормлении животных (Гируцкий, Палкин, Досин, 1995; Сип-тиц, Букаров, Федотова, 1996; Первов, Щеглов, 1999; Соляник, Соляник, 1999; Кононенко, 2001), организации племенного учета и селекционной работы (Басовский, Попов, Погодаев, 1974; Громова, 1977; Эрнст, 1982; Jansen, Wilton, 1984; Агафонова, 1990; Гущин, 1994; Каширский, 1995; Краусп, Ряузов, Иванов, 1997; Ромашева и др., 1998; Стрелков, Райхман, 1998; ФИАС, 1998; Захарова, Гарай, 1999; Кузьмина, 1999; Подскребкин, Михайлов, Федоренкова, 1999; Третьякова, 1999; Инербаев, Сорокин, 2000; Костылев, 2000; Кудрявцев, 2000; Миронова, 2000; Подобаев, 2000; 2001; Логинова, 2001; Бычаев, 2001; 2002).
Опыт ведущих мировых кампаний свидетельствует, что затраты на оборудование для ведения «точного сельского хозяйства» окупаются в течение 2-4 лет его использования (http://fadr.msu.ru/rin/org/precfarm.html).
При вступлении в ВТО отечественным производителям сельскохозяйственной продукции придется работать в условиях еще более жесткого давления импорта. Согласно данным исследований, наибольшего успеха добиваются компании, превосходящие своих конкурентов по трем основным показателям -качеству, скорости и стоимости.
Примером реализации такого подхода является фирма «Массей-Фергюсон», которая впервые стала устанавливать на зерноуборочные комбайны глобальную позиционную и географическую информационные системы, включая спутниковую связь. В настоящее время аналогичное оборудование выпускают также компании «Джон Дир», «Класс», «Нью Холланд» и др. В комплект оборудования входят дистанционные датчики лазерно-радарных, ультразвуковых, электромагнитных установок, инфракрасных волн, спектрофотометров, визуальных телекамер, атомных резонаторов и т.д., позволяющие измерить температуру и влажность почвы, определить состояние растений (наличие сорняков, болезней и вредителей), урожайность посевов и т.д. Бортовые датчики проводят мониторинг урожая, определяют нормы высева семян, внесения удобрений, ядохимикатов, воды, извести; местонахождения и скорости движения техники; замера технических параметров движения машин (буксования, тяги и т.д.) с последующей записью всей регистрируемой информации в режиме on-line (реального времени) в базы данных компьютера. Одной из возможностей данной системы является определение урожайности в любой точке поля, которая на различных участках может варьировать в широких пределах. Достигается это путем совмещения информации о местонахождении комбайна, которую присылает спутник, и анализе динамики поступления зерна в это время в бункер. Сопоставление этих данных с характеристиками полей [качеством почвы (плодородием, кислотностью, механическим составом); дозами и видами внесенных удобрений; топографией местности; наличием лесополос; технологией посева, ухода за сельскохозяйственной культурой, уборки урожая; качеством семян; болезнями, вредителями сельскохозяйственных растений; погодными условиями и многим другим] позволяет выявить причины колебания урожайности сельскохозяйственной культуры и наметить мероприятия по её повышению. Например, запрограммировать дозированное внесение удобрений на разных участках поля, регулируемое бортовым компьютером, для оптимального соотношения азота, фосфора и калия в почве на каждом гектаре и т.д. (Рунов,2001)
Анализ точности оценки генотипа пробанда при бонитировке свиней
Шифр содержит информацию о количестве животных, привлечённых к оценке. Например, шифр М3 (Fi/4) - 50 показывает, что в бонитировке хряка-производителя по живой массе потомков в возрасте 4 месяца учитывались показатели 50 поросят.
Первая бонитировка хряков-производителей проводится по показателям собственной продуктивности - живой массе, длине туловища, экстерьеру и толщине шпика в 100 кг. Во второй бонитировке, кроме приведенных выше четырёх показателей, учитывается средняя живая масса потомков в 2 мес. (от всех слученных с хряком свиноматок, но не менее пяти голов). Третья оценка аналогична второй, за исключением того, что анализируется средняя живая масса потомков не в 2, а в 4 месяца (также от всех слученных с хряком свиноматок, но не менее пяти голов). При наличии данных о живой массе молодняка в 2 и 4 месяца, приоритет отдают показателям, полученным в более старшем возрасте. При четвёртой бонитировке хряков-производителей вместо средней живой массы потомков учитываются результаты их контрольного откорма: скороспелость, затраты корма на 1 кг прироста, длина туши, шпик в 100 кг, масса задней трети полутуши. К оценке привлекается не менее 12 потомков от скрещивания хряка с тремя и более свиноматками; не менее 4 голов (2$+2$) от каждого сочетания. При пятой бонитировке, дополнительно к показателям четвёртой, включают в оценку информацию о многоплодии и молочности дочерей хряка. Оценивают всех дочерей, но не менее 5 голов (Степанов, Михайлов, 1991). При вычислении средних показателей продуктивности маток, имеющих два опороса и более, все показатели продуктивности, полученные при «аварийном» опоросе, исключают из обработки. Маток, имеющих более одного аварийного опороса, не бонитируют и исключают из стада. Оценку хряков по продуктивности дочерей проводят путём вычисления отклонений (±) средних показателей многоплодия и молочности дочерей каждого хряка от средних показателей по стаду отдельно по первоопороскам и маткам с двумя опоросами и более (сверстницам). До получения опоросов дочерей хряка его воспроизводительные качества могут быть оценены по многоплодию и молочности не менее 10 его полусестёр. Шестая оценка проводится в случае отсутствия данных о результатах контрольного откорма потомков хряка-производителя. При этом скороспелость, затраты корма на 1 кг прироста, длину туши, шпик в 100 кг, массу задней трети полутуши оценивают по показателям полусибсов по отцу (не менее 20 голов от сочетания отца с 5-Ю различными матками). Классы за признаки боковых родственников хряка устанавливают по тем же шкалам, что и для потомков. Хряков взвешивают и измеряют ежегодно на дату рождения, начиная с 12-месячного возраста (12, 24, 36 мес). Свиноматок взвешивают и измеряют на пятый день после опороса. Оценка хряков и свиноматок по развитию, так же как и по экстерьеру, после достижения 36-месячного возраста является окончательной. Переоценка в старшем возрасте может быть проведена только в сторону повышения классности. Первая оценка свиноматок проводится по показателям их собственной продуктивности. Учитываются живая масса, длина туловища, экстерьер, толщина шпика при достижении массы 100 кг, многоплодие, молочность, масса гнезда в 2 мес. Вторая оценка, наряду с показателями собственной продуктивности, включает информацию, полученную по итогам проведения контрольного откорма их потомства, не менее 4 голов (2 свинки + 2 хрячка). Потомство оценивается по скороспелости, затратам корма на 1 кг привеса, длине туши, толщине шпика в 100 кг, массе задней трети полутуши (www.mcx.ru). В таблице 2 приведено соотношение методов оценки, применяемых при бонитировке различных половозрастных групп свиней. По показателям собственной продуктивности в трёх бонитировках ремонтного молодняка оцениваются шесть признаков из двенадцати (50%), в двух бонитировках свиноматок - четырнадцать признаков из девятнадцати (74%), в шести бонитировках хряков-производителей - двадцать четыре из сорока трёх (56%). Оценка по потомству проводится в четвёртой бонитировке хряков-производителей и второй - свиноматок. Информация о продуктивности боковых родственников (полусибсов и др.) используется только в одной оценке - шестой бонитировке хряков-производителей. Она является резервным вариантом в случае отсутствия результатов контрольного откорма потомков бонитируемого хряка. Данные о происхождении животного используются только при оценке ремонтного молодняка. Существенным недостатком бонитировки является отсутствие количественного подхода к оценке племенных качеств свиней. Так, разница по многоплодию между II классом и элитой составляет 2 головы (соответственно 9 и 11). В то же время класс свиноматки не повысится, даже если от неё будет получено не 11, а 14, 20 или более поросят.
Следует отметить, что в бонитировку не включены признаки, характеризующие качественные показатели мяса, такие, как кислотность, количество постного мяса, PSE, PSD и др. В то же время в мировом животноводстве отмечается устойчивая тенденция к увеличению не только валового объёма производимой продукции, но и к повышению её качества (Лесли 1982; Василенко, Кайдалов, Михайлов, 2002).
Анализ характера распределения признаков в популяции
Увеличение числа изучаемых селекционных признаков приводит к росту общего объёма информации, усложняются методы её обработки, повышаются требования к оперативности получения. В связи с этим применение новых методов оценки животных на базе использования средств вычислительной техники создает широкие возможности для дальнейшего совершенствования системы управления племенной работой.
Важнейшим направлением использования селекционно-генетических показателей, математических методов и средств вычислительной техники явилось создание автоматизированного комплекса управления селекционным процессом. Автоматизированная информационная система {СИФ - селекционно-информационный фильтр) представляет собой систему управления селекционным процессом в животноводстве. Основным её назначением является повышение эффективности селекционного процесса в племенных хозяйствах, координация их деятельности и создание единой селекционной программы в регионе; поэтапный процесс разработки и внедрения в отрасль новых информационных технологий, базирующихся на научных разработках и современных программно-технических средствах.
Эффективность применения «комплекса программ - СИФ» в селекционном процессе в следующем: Сокращение времени подготовки и проведения селекционной оценки популяций в результате ускорения сбора и обработки информации, повышение оперативности управления селекционным процессом. Повышение точности и достоверности оценки племенной ценности животных на основе использования более сложных и эффективных алгоритмов, увеличивающих объем используемых данных. Автоматизация трудоемких процессов при определении основных генетико-статистических параметров популяций. Расчет эффектов оценки комбинационной способности линий. Повышение оперативности при анализе оценки сочетаемости линий. Усиление контроля за селекционным процессом, возмоокностъ его оптимизации. Квалифицированный анализ и оценка селекционно-генетических процессов, проходящих в популяциях (Михайлов, Третьякова, Рудь, 2004). Комплекс программ - СИФ представляет собой систему прикладных компьютерных программ управления селекционным процессом. СИФ состоит из отдельных блоков, при помощи которых определяются основные селекционно-генетические характеристики популяций племенных хозяйств и решаются конкретные задачи, связанные с селекционным отбором. Блоки СИФа условно можно разделить на две группы. Первая объединяет комплекс мероприятий, позволяющих провести мониторинг показателей продуктивности в популяции и оценить эффективность применяющихся методов селекции. Блоки второй группы позволяют оценить индивидуальные племенные качества животных: В данном блоке системы по информации электронных баз данных показателей продуктивности животных определяются статистические показатели селекционных признаков: среднее арифметическое, среднее квадратическое отклонение, коэффициент изменчивости, ошибки выборки, достоверность средних величин и т.д. В зависимости от поставленной задачи могут выдаваться средние данные в целом по популяции, стаду, линии, родственной группе, семейству, выборке или производственной группе животных. Производится их ранжирование по любому показателю, группировка по классам, определение процента соответствующих частот, накопление с нарастающим итогом, построение и распечатка диаграмм, тестирование распределения на нормальность и т.д. В процессе племенного отбора в популяциях происходят изменения, которые смещают распределение животных по признакам. В этом случае фактическое распределение показателей может оказывать существенное влияние на эффективность племенного отбора. Характер пластичности популяции, ее динамика во времени определяются показателями асимметрии (As) и эксцесса (Ех). На основании полученных эмпирических значений этих данных делается прогноз возможной интенсивности отбора и, как следствие, его эффективности. 2. Корреляционно-регрессионный анализ продуктивных качеств животных При проведении племенной работы необходимо определение коэффициентов корреляции между селекционными признаками. Любая селекционная программа должна учитывать этот показатель, так как селекция по одному признаку при наличии корреляционных связей ведет к изменению других сопряженных с ним признаков. Важным элементом в селекции является определение степени детерминации (причинности) одних признаков другими. Знание коэффициентов детерминации позволяет выделить в каждом стаде приоритетные признаки отбора и, тем самым, значительно его интенсифицировать. Количественное измерение одного признака при изменении других определяется коэффициентами и уравнениями частной и множественной регрессии. 3. Определение показателей наследуемости и повторяемости Эффект племенного отбора, главным образом, зависит от величины коэффициента наследуемости. При его низком значении отбор по показателям собственной продуктивности нерезультативен. В этом случае необходимо применять нетрадиционные методы селекции (косвенный отбор, оценку генотипа пробанда с привлечением информации о продуктивности всех имеющихся родственников, сиб-селекцию и т.д.). Блок предусматривает вычисление коэффи-циентов наследуемости (h ) и повторяемости (Wr) на основе различных алгоритмов расчёта этих величин, в том числе определение коэффициентов наследуемости методом сдвигов (метод фактического наследования). 4. Отбор животных по различным критериям, прогноз его эффективности (К.п. «Пласт», а.с. № 2005612254) Проведение отбора животных по следующим условиям: с различной интенсивностью (в том числе при установленном граничном значении признака), по независимым уровням браковки. Определение количества особей в популяции, отобранных с граничным значением селекционного признака; прогнозирование эффекта отбора по величине селекционного дифференциала и коэффициенту наследуемости признака. Расчёт эффекта селекции предусматривает характер распределения признака в популяции. При нормальном распределении вычисления производятся на основе стандартного отклонения и соответствующих ему нормированных коэффициентов (по Д. Лашу и Ле Роу); при асимметричном - по предложенному нами алгоритму.
Повышение стрессоустойчивости птицы селекционными способами
Использование разработанных методов оценки генотипа пробанда с привлечением различных комбинаций родственников особенно необходимо при низких величинах коэффициентов наследуемости, оцениваемых показателей продуктивности. Так, при селекционном дифференциале в + 15ф и h =0,36 ошибка оценки генотипа по собственной продуктивности будет превосходить вероятное генотипическое отклонение отбора на ±0,8 8У. Учитывая, что большое количество селекционных признаков в животноводстве имеет низкую наследуемость, использование разработанных информационных технологий позволяет значительно оптимизировать отбор и повысить его эффективность.
Коэффициент наследуемости признака математически является коэффициентом регрессии фенотипа на генотип особи. Его значение относительно постоянно и определяется генетической природой признака. Использование для оценки племенной ценности наиболее оптимальных вариантов комбинаций родственников ведет к увеличению коэффициента связи фенотипа родственников на генотип пробанда и значительно повышает величину 0-коэффициента, что при равном селекционном дифференциале ведет к повышению эффекта селекции. Приведенные весовые коэффициенты показывают степень неиспользованных возможностей в интенсификации селекционного процесса, которые определяются опосредованными коэффициентами путей между родственными животными при их оценке (Михайлов, Рудь, 2000; Михайлов, Третьякова, Рудь, Харитонова, 2000; Рудь с соавт., 2002; Рудь, Контарев, Сле-пухин, 2003; Михайлов, Рудь, Контарев, 2004; Рудь, 2005).
Детализация методов селекции, целей разведения, создание специализированных линий, типов и пород сельскохозяйственных животных привело к разработке принципиально новых методов оценки племенной ценности (генотипа). Созданы новые модели оценки, которые включают в себя понятие «агрегатный генотип» (Иоганссон, Рендель, Граверт, 1970; Шталь, Раш, Шилер, Ва-хал, 1973; Басовский, 1973; Михайлов, 1973; 1976; 1986; 2000; 2004 и др.). К числу таких методов относятся селекционные индексы отбора, которые широко применяются в практике селекции (Коваленко 1972; Швейтис, Варикаменс, 1978; Никитченко, 1983; Patra, Mahapatra, 1986; Сочкан, 1987; Muller, Mielenz, 1987; Sahoo et.al., 1987; Кочиш, 1989; Михайлов, 1989; Михайлов с соавт., 1986; 1993; Pribyl, Pribylova, 1991; Шишкин, 1991; Колосов, Яковлев, Попенко, 1995; Morris A.J., Pollott, 1997; Тарасов, Гришкова, 1998; Рябко, Горлов, 1999;
Михайлов, Рудь, 2000). Henderson, Lash, Hazel и др. сформулировали основные принципы построения индексов, которые предусматривают в качестве основных критериев выбор приоритетных признаков в структуре индекса, построение целевой функции, определение фено- и генотипических варианс, выбор функции индекса, определение коэффициентов веса признаков. Следует отметить, что до настоящего времени использование индексов в практической селекции весьма ограничено из-за сложной методики их конструирования. В этой связи нами были проведены исследования по конструированию селекционных индексов отбора.
Предлагаемая нами методика конструирования индекса, которая является составной частью СИФа, основана на использовании количественных характеристик включенных в него признаков (среднепопуляционные значения и целевой стандарт), коэффициентов наследуемости и стоимости реализации единицы продукции. Основными блоками конструирования индекса являются: 1) установление целевых стандартов по признакам, включенным в индекс и разности между ними и среднепопуляционными значениями признаков (А); 2) расчёт денежного эквивалента (стоимости реализации) желательной прибавки продуктивности по каждому признаку и определение на его основании предварительного веса каждого признака в индексе, в %; 3) перевод процентов в абсолютную величину делением на А; 4) корректировка веса признака на коэффициент его наследуемости.
Так, индекс по яйценоскости и массе яйца при модельных условиях: средняя яйценоскость в 36 недель жизни - 80 шт., целевой стандарт по яйценоскости в этот возрастной период -120 яиц; средняя масса яйца в линии - 59 г, целевой стандарт - 65 г, коэффициенты наследуемости этих признаков соответственно - 0,1 и 0,3; стоимость 1 яйца - 3 руб., повышение массы яйца на 1 г обеспечивает прибавку в его стоимости на 0,5 руб., будет иметь вид.
