Автор: Джон Генхо
Начало моей карьеры генетика пришлось на критический момент для коммерческих производителей крупного рогатого скота, поскольку изменения в отрасли привели к необходимости повышения прибыльности и эффективности. Моими клиентами в то время были крупные коммерческие ранчо, ориентированные на данные и преследующие цель получения прибыли. Эти коммерческие производители искали генетические оценки, веб-базы данных и, по мере роста популярности геномики, способы оценки геномной ценности. Когда стали доступны данные об эффективности кормов, они быстро осознали ценность этих данных в интегрированной системе, где затраты на корма составляют значительную часть затрат их бизнеса.
Я количественный генетик, и поэтому большая часть моей работы выполняется с помощью статистического метода, называемого лучшим линейным несмещенным прогнозом (BLUP). BLUP - это то, что создает EPD и связанные с ними точности, которые производители крупного рогатого скота используют сегодня. Его мощность послужила катализатором для повышения качественного качества у американских пастухов за последнее десятилетие, а также надойности у голштинской породы за последние 50 лет и других подобных изменений у разных пород. В аббревиатуре BLUP есть ключевое слово, которое часто упускают из виду — линейный. Основное допущение для всех данных, проанализированных с помощью BLUP, состоит в том, что данные являются линейными. Как генетик, я научился мыслить линейно, и мне часто трудно думать иначе.
Когда животноводческая отрасль заинтересовалась эффективными кормами, я проанализировал свои первые наборы данных GrowSafe Systems®. Первоначально я исходил из того, что рост и потребление были линейными во времени. Это, конечно, не так, и это хорошо для каждого из нас, кто сгладил кривую роста. Рост и потребление не являются линейными и на самом деле имеют довольно небольшие колебания в течение растущей части жизни животного, что нас больше всего интересует. Обычно мы можем махнуть рукой и сказать, что современные группы и сбор данных в аналогичных условиях раз убрать эти проблемы. Однако я понял, что нам нужно по-разному оценивать данные, когда я начал сравнивать потребление и рост, собранные отдельно за короткие и длительные периоды времени. На ранних этапах открытия мы оценивали потребление и рост за короткий период времени в дополнение к росту за длительный период времени. Я устранил неточности, сопоставив потребление и прирост за период сбора, чтобы обеспечить правильное сравнение нелинейных кривых друг с другом. Я думаю, что лучший способ оценить потребление и рост – это остаточное потребление корма (RFI), но остаточный среднесуточный прирост (RADG) или коэффициент конверсии корма – другие альтернативы. По моему опыту, важно совместить рост и потребление за один и тот же период.
Иногда наша отрасль становится слишком одержима определением радиопомех. Это просто среднее суточное потребление с поправкой на некоторые факторы. Почти все признаки перед анализом корректируются по ковариатам. Признак, с которым производители, вероятно, наиболее знакомы, - это вес при отъеме, который корректируется с учетом возраста теленка при отъеме и возраста суки. Ультразвук, масса тела при рождении, окружность мошонки и почти все другие характеристики корректируются с учетом соответствующих факторов или ковариатов, как их назвали бы статистики. RFI просто скорректирован с поправкой на некоторые релевантные ковариаты.
Одна из возникающих проблем заключается в точном определении того, какую коварианту следует включить в расчет RFI. Когда я впервые начал анализировать данные об эффективности кормов, я по-разному корректировал RFI с разными ковариатами. Это сделало невероятно трудным справедливое сравнение животных. Моя работа стала намного проще, когда GrowSafe разработала стандартный способ расчета RFI. Это убрало значительное количество шума, который я видел в ранних наборах данных.
Рисунок 1: Корреляция между EPD и средней продуктивностью потомства для производителей с более чем пятью потомствами.
Текущие EPD GrowSafe содержат более 35,000 235,000 индивидуальных записей об эффективности корма и более 1 XNUMX племенных животных, включенных в анализ. Производители с более чем пятью потомками в наборе данных были проанализированы на предмет корреляции между их EPD и средними показателями их потомства по каждому признаку (рисунок XNUMX). В заключение, из этих корреляций становится ясно, что RFI является очень прогностическим признаком и может быть более коррелирован с фактической производительностью потомства, чем среднесуточный привес (ADG) или потребление сухого вещества (DMI).