作者：約翰·根霍
我的遺傳學家職業生涯開始於商業牛生產商的關鍵時刻，因為行業的變化產生了提高盈利能力和效率的更大需求。 我當時的客戶是大型商業牧場，他們以數據為中心，以利潤為動機。 這些商業生產商正在尋找基因評估、網絡數據庫，並且隨著基因組學的普及，評估基因組價值的方法。 隨著飼料效率數據的出現，他們很快意識到這些數據在一個集成系統中的價值，在該系統中飼料成本佔其業務成本的很大一部分。
我是一名定量遺傳學家，因此我的大部分工作都是使用一種稱為最佳線性無偏預測 (BLUP) 的統計方法完成的。 BLUP 是當今養牛者使用的 EPD 和相關精度的原因。 在過去的十年裡，它的力量一直是美國牛群質量等級提高的催化劑，也是過去 50 年荷斯坦奶牛產奶量的催化劑，以及不同物種的各種其他類似變化。 首字母縮略詞 BLUP 有一個經常被忽視的關鍵詞——線性。 使用 BLUP 分析的所有數據的基本假設是數據是線性的。 作為一名遺傳學家，我接受過線性思考的訓練，而且通常很難以其他方式思考。
隨著養牛業對飼料效率高的動物產生興趣，我分析了我的第一個 GrowSafe Systems® 數據集。 最初，我假設增長和攝入量隨時間呈線性關係。 當然不是這樣，這對於我們每個人的增長曲線都趨於平緩是一件好事。 生長和攝入不是線性的，實際上在動物生命的生長部分中會有相當大的波動，這是我們最感興趣的。通常我們可以揮手說當代群體和類似的數據收集次消除這些問題。 然而，當我開始比較在短期和長期內分別收集的攝入量和生長量時，我意識到我們需要以不同的方式評估數據。 在發現的早期階段，我們評估了短期內的攝入和生長以及長期的生長。 我通過在收集期間將攝入量和增益配對在一起來解決不准確的問題，以確保適當地比較非線性曲線。 我認為評估採食量和生長的最佳方法是使用剩餘採食量 (RFI)，但剩餘平均日增重 (RADG) 或飼料轉化率是其他選擇。 根據我的經驗，重要的是在同一時期將增長和攝入量配對。
有時，我們的行業對定義 RFI 過於執著。 它只是對某些因素進行調整後的平均每日攝入量。 在分析之前，幾乎所有特徵都針對協變量進行了調整。 性狀生產者可能最熟悉的是斷奶體重，它根據斷奶時犢牛的年齡和母畜的年齡進行了調整。 超聲波、出生體重、陰囊周長和幾乎所有其他特徵都根據相關因素或統計學家所說的協變量進行了調整。 RFI 只是針對一些相關協變量調整了攝入量。
出現的一個問題是準確定義 RFI 計算中應包含的協變量。 當我第一次開始分析飼料效率數據時，我用不同的協變量以各種方式調整了 RFI。 這使得公平比較動物變得異常困難。 當 GrowSafe 開發出一種計算 RFI 的標準方法後，我的工作變得輕鬆多了。 這消除了我在早期數據集中看到的大量噪音。
圖 1：具有 XNUMX 個以上後代的公牛的 EPD 與平均後代表現之間的相關性。
目前的 GrowSafe EPD 有超過 35,000 條單獨的飼料效率記錄和超過 235,000 只家畜的分析。 分析了數據集中具有超過 1 個後代的公牛，以了解其 EPD 與其後代每個性狀的平均表現之間的相關性（圖 XNUMX）。 總之，從這些相關性中可以清楚地看出，RFI 是一種非常具有預測性的性狀，與平均日增重 (ADG) 或乾物質攝入量 (DMI) 相比，它可能與實際後代表現更相關。