作者:约翰·根霍
我的遗传学家职业生涯开始于商业牛生产商的关键时刻,因为行业的变化产生了提高盈利能力和效率的更大需求。 我当时的客户是大型商业牧场,他们以数据为中心,以利润为动机。 这些商业生产商正在寻找基因评估、网络数据库,并且随着基因组学的普及,评估基因组价值的方法。 随着饲料效率数据的出现,他们很快意识到这些数据在一个集成系统中的价值,在该系统中饲料成本占其业务成本的很大一部分。
我是一名定量遗传学家,因此我的大部分工作都是使用一种称为最佳线性无偏预测 (BLUP) 的统计方法完成的。 BLUP 是当今养牛者使用的 EPD 和相关精度的原因。 在过去的十年里,它的力量一直是美国牛群质量等级提高的催化剂,也是过去 50 年荷斯坦奶牛产奶量的催化剂,以及不同物种的各种其他类似变化。 首字母缩略词 BLUP 有一个经常被忽视的关键词——线性。 使用 BLUP 分析的所有数据的基本假设是数据是线性的。 作为一名遗传学家,我接受过线性思考的训练,而且通常很难以其他方式思考。
随着养牛业对饲料效率高的动物产生兴趣,我分析了我的第一个 GrowSafe Systems® 数据集。 最初,我假设增长和摄入量随时间呈线性关系。 当然不是这样,这对于我们每个人的增长曲线都趋于平缓是一件好事。 生长和摄入不是线性的,实际上在动物生命的生长部分中会有相当大的波动,这是我们最感兴趣的。通常我们可以挥手说当代群体和类似的数据收集次消除这些问题。 然而,当我开始比较在短期和长期内分别收集的摄入量和生长量时,我意识到我们需要以不同的方式评估数据。 在发现的早期阶段,除了长期的增长外,我们还评估了短期内的摄入和增长。 我通过在收集期间将摄入量和增益配对在一起来解决不准确的问题,以确保适当地比较非线性曲线。 我认为评估采食量和生长的最佳方法是使用剩余采食量 (RFI),但剩余平均日增重 (RADG) 或饲料转化率是其他选择。 根据我的经验,重要的是在同一时期将增长和摄入量配对。
有时,我们的行业对定义 RFI 过于执着。 它只是对某些因素进行调整后的平均每日摄入量。 在分析之前,几乎所有特征都针对协变量进行了调整。 性状生产者最熟悉的可能是断奶体重,它根据断奶时犊牛的年龄和母畜的年龄进行了调整。 超声波、出生体重、阴囊周长和几乎所有其他特征都根据相关因素或统计学家所说的协变量进行了调整。 RFI 只是针对一些相关协变量调整了摄入量。
出现的一个问题是准确定义 RFI 计算中应包含的协变量。 当我第一次开始分析饲料效率数据时,我用不同的协变量以各种方式调整了 RFI。 这使得公平比较动物变得异常困难。 当 GrowSafe 开发出一种计算 RFI 的标准方法后,我的工作变得轻松多了。 这消除了我在早期数据集中看到的大量噪音。
图 1:具有 XNUMX 个以上后代的公牛的 EPD 与平均后代表现之间的相关性。
目前的 GrowSafe EPD 有超过 35,000 条单独的饲料效率记录和超过 235,000 只家畜的分析。 分析了数据集中具有超过 1 个后代的公牛,以了解其 EPD 与其后代每个性状的平均表现之间的相关性(图 XNUMX)。 总之,从这些相关性中可以清楚地看出,RFI 是一种非常具有预测性的性状,与平均日增重 (ADG) 或干物质摄入量 (DMI) 相比,它可能与实际后代表现更相关。