Szerző: John Genho
Genetikusi pályafutásom kritikus időszakban kezdődött a kereskedelmi szarvasmarha-tenyésztők számára, mivel az iparban bekövetkezett változások nagyobb igényt támasztottak a jövedelmezőség és a hatékonyság növelésére. Ügyfeleim akkoriban nagy kereskedelmi tanyák voltak, akik adatközpontúak voltak, és a profit volt az indítékuk. Ezek a kereskedelmi termelők genetikai értékeléseket, webes adatbázisokat kerestek, és a genomika népszerűségének növekedésével módokat kerestek a genomi érték felmérésére. Ahogy elérhetővé váltak a takarmányhatékonysági adatok, gyorsan felismerték ezen adatok értékét egy integrált rendszerben, ahol a takarmányköltségek a vállalkozásuk költségoldalának jelentős részét teszik ki.
Kvantitatív genetikus vagyok, ezért munkám nagy részét a legjobb lineáris elfogulatlan előrejelzésnek (BLUP) nevezett statisztikai módszerrel végzik. A BLUP létrehozza az EPD-ket és a kapcsolódó pontosságokat, amelyeket a szarvasmarha-tenyésztők manapság használnak. Ereje katalizátora volt az elmúlt évtizedben az amerikai tehénpásztor minőségi fokozatának, valamint a holsteini tehénpásztorok tejhozamának az elmúlt 50 évben, és számos más hasonló változásnak a különböző fajokban. A BLUP mozaikszónak van egy kulcsszava, amelyet gyakran figyelmen kívül hagynak – a lineáris. A BLUP-pal elemzett összes adat alapvető feltételezése az, hogy az adatok lineárisak. Genetikusként lineárisan gondolkodom, és gyakran nehezen tudok másként gondolkodni.
Mivel a szarvasmarhaipar érdeklődni kezdett a takarmányhatékony állatok iránt, elemeztem első GrowSafe Systems® adatkészleteimet. Kezdetben abból a feltételezésből indultam ki, hogy a növekedés és a bevitel lineáris az időben. Ez természetesen nem így van, és ez jó dolog mindannyiunk számára, akik ellaposodtak a növekedési görbéin. A növekedés és a bevitel nem lineáris, sőt meglehetősen ingadoznak az állatok életének növekvő szakaszán, ami minket leginkább érdekel. Általában integethetünk a kezünkkel, és azt mondhatjuk, hogy a kortárs csoportok és az adatgyűjtés hasonló idők megszüntetik ezeket a problémákat. Azonban rájöttem, hogy másképpen kell értékelnünk az adatokat, amikor elkezdtem összehasonlítani a bevitelt és a növekedést külön-külön, rövid és hosszú időn keresztül. A felfedezés korai szakaszában értékeltük a bevitelt és a növekedést rövid időn keresztül a hosszú távú növekedés mellett. A pontatlanságokat úgy oldottam meg, hogy a gyűjtési periódus alatt a bevitelt és a nyereséget párosítottam, hogy biztosítsam a nemlineáris görbék megfelelő összehasonlítását. Úgy gondolom, hogy a bevitel és a növekedés értékelésének legjobb módja a maradék takarmányfelvétel (RFI), de a maradék átlagos napi nyereség (RADG) vagy a takarmánykonverziós arányok más alternatívák. Tapasztalataim szerint az a fontos, hogy a növekedést és a bevitelt ugyanabban az időszakban párosítsuk.
Iparágunk időnként túlságosan megszállottá válik az RFI meghatározásával kapcsolatban. Ez egyszerűen átlagos napi bevitel, bizonyos tényezőkhöz igazítva. Szinte minden tulajdonságot a kovariánsokhoz igazítanak az elemzés előtt. A tulajdonságtermelők valószínűleg leginkább az elválasztási súlyt ismerik, amelyet a borjú választáskori korához és az anyaállat életkorához igazítanak. Az ultrahangot, a születési súlyt, a herezacskó kerületét és szinte az összes többi tulajdonságot a releváns tényezőkhöz vagy a statisztikusok által nevezett kovariánsokhoz igazítják. Az RFI-t egyszerűen hozzá kell igazítani néhány releváns kovariánshoz.
Az egyik felmerülő probléma az, hogy pontosan meghatározzuk, melyik kovariáns szerepeljen az RFI-számításban. Amikor először elkezdtem elemezni a betáplálási hatékonysági adatokat, az RFI-t különféle módon korrigáltam különböző kovariánsokkal. Ez hihetetlenül megnehezítette az állatok igazságos összehasonlítását. A munkám sokkal könnyebbé vált, amikor a GrowSafe kifejlesztett egy szabványos módszert az RFI kiszámítására. Ez eltávolította a zaj jelentős részét, amelyet a korai adatkészletekben láttam.
1. ábra: Összefüggés az EPD-k és az átlagos utódteljesítmény között ötnél több utódállattal rendelkező apák esetében.
A jelenlegi GrowSafe EPD-k több mint 35,000 235,000 egyedi takarmányhatékonysági rekordot tartalmaznak, és több mint 1 XNUMX törzskönyvi állat szerepel az elemzésben. Az adatkészletben ötnél több utóddal rendelkező apákat elemeztük az EPD-k és az utódaik teljesítményének átlaga között az egyes tulajdonságokra vonatkozóan (XNUMX. ábra). Összefoglalva, ezekből az összefüggésekből világosan látszik, hogy az RFI egy nagyon előrejelző tulajdonság, és jobban összefügghet a tényleges utódteljesítménnyel, mint akár az átlagos napi gyarapodás (ADG), akár a szárazanyag-bevitel (DMI).