Прогнозирование моделей расчета племенной ценности крупного рогатого скота молочного и мясного направлений продуктивности с использованием молекулярно-генетических методов с перспективой их применения в геномной оценке на территории Российской Федерации

Титульный лист и исполнители

РЕФЕРАТ

Отчёт 50 стр., 4 таблицы, 4 рисунка, 15 источников, 2 приложения.

Ключевые слова: крупный рогатый скот, порода, генетические методы, идентификация, достоверность происхождения, генетические чипы, ДНК маркеры.

Работа выполнена с целью прогнозирования модели расчета племенной ценности крупного рогатого скота молочного и мясного направлений продуктивности с использованием молекулярно-генетических методов с перспективой их применения в геномной оценке на территории Российской Федерации. В работе впервые представлена теоретическая модель расчета племенной ценности крупного рогатого скота молочного и мясного направлений продуктивности при помощи простой модели BLUP, разработаны алгоритмы оценки племенных животных с использованием результатов генетических исследований, как по отдельным локусам, так и в комплексном их изучении, представлены критерии оценки племенной ценности быков -производителей и маточного поголовья, способы и приемы оценки племенной ценности из нескольких источников информации для групп родственных животных, концепция и математическое пространство оценки племенной ценности животных на основе одиночного селекционного признака.

Построение модели расчета селекционных индексов, как способа сравнения племенных животных, является не только актуальной, но и необходимой. Модель моет быть использована при формировании селекционных программ в молочном и мясном скотоводстве на всей территории Российской Федерации. Оценка племенной ценности животных с использованием молекулярного — генетических методов и математических моделей на основе селекционных признаков позволит сельскохозяйственным предприятиям получить экономический эффект за счет подбора животных с наилучшими величинами племенной ценности по выбранным признакам по популяции.

ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ

В настоящем отчете о НИР применяют следующие термины с соответствующими определениями:

Молочный скот (хозяйственная классификация) — специализированные породы крупного рогатого скота, их содержание направлено на получение преимущественно молочной продукции. Мясная продуктивность молочного скота оценивается только с точки зрения увеличения рентабельности при утилизации туш животных, которые неспособны к дальнейшему циклу размножения (и циклу сбора молока).

Мясной скот — специализированные породы крупного рогатого скота, их содержание направлено на получение мясной продукции, т.е. с максимальной эффективностью конверсии корма в мышечную массу (говядину). Молочная продуктивность мясного скота обязательно оценивается в отношении кормления телят.

Племенная ценность — это уровень прогноза генетического потенциала племенного животного относительно среднего значения по популяции породы. Величина племенной ценности (генетической) влияет на проявление хозяйственно полезного признака потомства через дисперсионную величину, коэффициента наследуемости при передаче генотипа животного потомкам (Федеральный закон №431 от 12 июля 1995 г. «О племенном животноводстве»).

Геномная оценка — это генотипическая стратегия прогноза генетической ценности животных, которая является единой системой контроля первичного учета, контроля продуктивности и прогноза племенной ценности с учетом точной генетической информации о происхождении (генетической идентификации), вариантов генов, связанных с количеством и качеством продукции, а также других генетических маркеров, ассоциированных с фенотипическим проявлением хозяйственно полезных признаков. Генетические маркеры — нуклеотидные последовательности с известной первичной структурой, которые позволяют проводить идентификацию и картирование анализируемой нуклеиновой кислоты, связанной с проявлением полигена гипотетического хозяйственно полезного признака.

Микросателлиты — последовательности, состоящие из многократно повторяющихся повторов элемента (мотива), проявляющие заметную нестабильность и могут мутировать, изменяя число повторяющихся повторов.

SNP — зарегистрированный полиморфизм по одному нуклеотиду, характеризованный для популяции животных.

Генетические чипы — устройство, созданное по аналогии с электронными микросхемами (чипами), предназначенное для одновременного выявления множества определенных последовательностей ДНК. Генетический чип используется для изучения экспрессии генов и поиска мутаций в биомедицинских и популяционных исследованиях.

Количественные генетические селекционные признаки — признаки (живая масса, удой, жирность молока и пр.), которые кодируются множеством генов и характеризуют количественную наследуемость.

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ

В настоящем отчете о НИР применяют следующие сокращения и обозначения:

BLUP (Best Liner Unbiased Prediction) — наилучший линейный неискаженный прогноз

РИСЦ — региональный информационно-селекционный центр

МСХ РФ — Министерство сельского хозяйства Российской Федерации

США — Соединенные Штаты Америки

GWAS (genome-wide association studies) — полногеномный поиск ассоциаций

MAS (marker associated studies) — маркер-ассоциированные исследования

MS (microsatellite) — микросателлиты

LOH (loss of heterozygosity) — потеря гетерозиготности

GBLUP (Genomic Best Liner Unbiased Prediction) — лучший линейный неискаженный геномный прогноз

Linux Mint — операционная система

LibreOffice Calc — офисный пакет (таблицы)

LibreOffice Impress — офисный пакет (схемы и презентации)

Red Hat — операционная система

SAS University Edition — программная среда

Oracle Virtual box 6 — виртуализации среда

Data Collection Software v3.3 — программное обеспечение хранения данных

Windows 7 — операционная система

ИТ — информационные технологии

БД — база данных

Animal model — линейная модель индивидуума

ICAR (International Committee for Animal Recording) — Международный комитет записи и регистрации животных

ISAG (International Society for Animal Genetics) — международный комитет генетики животных

SNP (Single nucleotide polymorphism) — однонуклеотидный полиморфизм

EBV (evaluate breeding value) – величина племенной ценности

ISO 17025 — стандарт ИСО

Microsoft Office – офисный пакет программ

ПЦР — полимеразная цепная реакция

XLS — расширение файла таблицы Microsoft

QTL (quantitative trait loci) — локусы количественных признаков

CNV — количество копий варианта

СОП — стандартная операционная процедура

GenCall — величина оценки прочтения аллеля

EPD (expected progeny difference) — ожидаемое различие у потомства

ДНК — дезоксирибонуклеиновая кислота

ПЦ — племенная ценность

ПО — программное обеспечение

x_i — фенотипическое значение некоторого признака матери

y_i — фенотипическое значение некоторого признака у дочери

b — постоянный в исследовании параметр

e_i — случайная величина ошибок

var(y) — изменчивость наблюдаемого признака

var(g) — изменчивость генетической основы

var(fix (e) — изменчивость окружающей среды, влияющей на изменчивость признака либо фиксированных эффектов

var(e) — изменчивость случайных эффектов, не подлежащих определению

y_i — фенотипическое значение признака i-го потомка от заданной пары родителей (при этом влиянием матерей пренебрегают в дальнейшем вообще для еще большего упрощения модели

var(G_S) и var(G_M) — генетические значения признака отца и матери

var(Z_Si) и var(Z_Di) — отклонения от аддитивного наследования

HYS_i— влияния среды, стадо-год-сезон (отела) или постоянные влияния производственного окружения вместе

e_i — нормально распределенная случайная величина, играющая в процессе аддитивного наследования роль «шума»

*.csv — формат файлов текст

*.ods — формат файлов офис таблица

*.odt — формат файлов офис текст

*.txt — формат файлов текст

*.sas — формат файлов программ программной среды SAS

*.pdf. — формат файлов postscript Adobe

*.odp — формат файлов схемы и презентации

*.png. — формат файлов рисунок

Δ_G — генетическая выгода

кг — килограмм

мкл — микролитр

нг — нанограмм

EBV (ПЦ) — племенная ценность индивида

D (delta, Δ) — отличие продуктивности от сверстников

b — (регрессионный) коэффициент для перевода отклонения производительности в племенную ценность

P_F-1 — средние показатели текущей продуктивности популяции до отбора

y — измеренная производительность коровы, которая выражается как сумма эффектов, которые влияют на нее

S — влияние стада, в котором содержится корова

L — влияние порядка лактации

G — влияние генетической основы (племенная ценность) индивида

e — влияние неконтролируемых факторов

i-той племенной ценности A — коэффициент пересчета размерности в случае несовпадения шкалы измерений

ω — экономическая значимость измеряемого признака, выраженная в рублях

r²_S и r²_F — оценки достоверности племенных ценностей производителя и матери

*.bpm — формат схемы чипа Illumina

*.cluster — формат данных чипа Illumina кластеризации

*.dmap — формат физической карты чипа Illumina

ВВЕДЕНИЕ

Современная селекция в животноводстве невозможна без оценки племенной ценности животного — определения количественной оценки его генетического потенциала относительно средней величины по популяции [1]. Это позволяет оценить передачу селекционного признака потомству, разделить факторы производственной среды, перейти от исторически сложившейся фенотипической к генетической селекции, в которой отбор животных сформирован только по их генотипу.

В настоящее время оценка племенной ценности невозможна без сбора достоверных данных первичного учета и продуктивности без их моделирования под целевые указания МСХ РФ и формирования источников субсидирования хозяйств через РИСЦ, без вовлечения в генетическую идентификацию всех животных племенных хозяйств.

В настоящее время при помощи генетический идентификации оценивается родство лишь 10% поголовья, при этом эти данные никак не используются в формировании пар животных для скрещивания. В основном оценивается поголовье производителей-быков, в то время как генотип и родство потомства можно оценить лишь по родителям обоих полов. В хозяйствах формирование данных по продуктивности, происходят без учета международных общепринятых стандартов. Данные о животных используются лишь для внутренней работы хозяйств. В информационную систему вносятся модифицированные данные согласно принятым требованиям от РИСЦ и МСХ РФ. Это приводит к отсутствию возможности применения этих данных для оценки племенной ценности животных согласно соблюдению принципа надежности. Без достоверных исходных данных и генетической идентификации невозможно оценить механизмы и рассчитать реальное значение наследуемости передачи селекционных признаков. Соблюдение разрабатываемых стандартов и методик позволит перейти к генотипической селекции.

Научная новизна и практическая значимость выполненных исследований заключаются в разработке модели расчета племенной ценности животных с учетом информации по родителям, проведением генетической идентификации крупного рогатого скота, выращиваемого в племенных хозяйствах Тюменской и области, в также ХМАО-Югра, с перспективой применения в других регионах Российской Федерации.

Представленные критерии оценки племенной ценности животных позволят рассчитать экономическую эффективность производства в сельскохозяйственных предприятиях региона. Это в свою очередь позволит им увеличить объём и быть конкурентоспособными на общероссийском рынке, решить проблемы замещения импорта генетических ресурсов, наращивать объёмы обмена племенным материалом и производства животноводческой продукции более высокого качества и количества.

Для того, чтобы решить проблемы, связанные с формированием макроэкономической модели производства на региональном и национальном уровнях, необходимо внутри региона и между регионами создать систему сбора генетического племенного материала, которая будет построена на применении индивидуальной модели оценки племенной ценности. Такой подход позволит вести селекцию животных крупного рогатого скота, по генотипам и фенотипам, разделяя и рассчитывая влияние производственной (окружающей) среды от генетической составляющей.

Такой метод селекции основан на математическом моделировании и применяется во всех странах и является основным методическим приемом ведения селекции любых видов животных.

Другими словами, разработка первичной (основной) модели такого расчета, которая в дальнейшем сможет с увеличивающейся точностью описывать реальную оценку племенной ценности поголовья крупного рогатого скота молочного и мясного направления продуктивности необходима для прогнозирования генетической ценности животных. Также именно такая модель станет основой для реализации перспективы применения геномной селекции (уточненной родословной и ценности) в геномной оценке Тюменской области и других регионов. Департамент агропромышленного комплекса Тюменской области может выступить инициатором реализации создания системы сбора первичных данных по учету животных, данных по продуктивности и прогнозирования на их основе племенной ценности животных в качестве пилотного проекта, выстроив эту систему, в едином ключе с Информационной системой по животноводству Тюменской области, которую разрабатывает ФГБОУ ВО ГАУ Северного Зауралья, с учетом самых современных, не уступающим лучшим международным стандартам, методологических и инструментальных приемов.

Для решения поставленной цели решались следующие задачи:

Разработать концепцию и математическое пространство оценки племенной ценности животных в современном и конкурентном селекционном пространстве на основе одиночного селекционного признака.
Разработать способы и приемы оценки племенной ценности в случае анализа данных из нескольких источников информации для групп родственных животных.
Разработать способы оценки животных при помощи формирования селекционного индекса.
Разработать алгоритм расчета племенной ценности крупного рогатого скота при помощи простых моделей BLUP.

1 ОСНОВНАЯ ЧАСТЬ

1.1 ВЫБОР НАПРАВЛЕНИЯ ИССЛЕДОВАНИЙ

1.1.1 АНАЛИТИЧЕСКИЙ ОБЗОР

Лидерами в разработке современных методов селекции в настоящее время являются США, Германия и Чешская республика. Эти страны служат примером для селекционеров всего мира в успешности их систем селекции, генетики и оценки животных. Для реализации поставленных задач в Российской Федерации необходима кооперация, взаимовыгодное сотрудничество и обучение специалистов за рубежом [1].

В настоящей работе, с одной стороны, речь идет чисто о зоотехнической прикладной отрасли, именуемой разведение животных, а с другой, об интенсивно развивающейся насыщенной математически и компьютерными технологиями генетической теории наследования количественных признаков. Синтез этих двух разделов науки о селекции позволил подойти к научно обоснованному составлению планов разведения животных не по фенотипическим проявлениям признаков, а по их генетической основе.

Сегодня большинство содержательных результатов в области генетики сельскохозяйственных животных были получены при помощи математических вероятностных моделей. Для формирования селекционных процессов необходимы сведения из теории вероятностей и математической статистики (статистический аппарат и программная математическая среда) [2]. Важным элементом является обсуждение линейной модели фенотипических значений полигенного признака. В связи с этим определяются такие важные селекционно-генетические характеристики популяции животных, как показатели наследственности, повторяемости, генетические и генотипические корреляции между признаками (рисунок А.1). Следует отметить, что необходим научный подход в решении селекционных проблем, который возможен лишь на базе генетической теории наследования количественных признаков.

Математическая модель наследования количественных (то есть измеряемых количественно) признаков используется для оценки различных селекционных методов. Следует отметить, что диапазон рассматриваемых методов — от массового отбора до отбора по специальным селекционным индексам. На основе новых селекционных методов обеспечивается возможность составления планов разведения сельскохозяйственных животных, сопровождая это обширными примерами из мировой практики [3].

Математические модели наследования количественных признаков разделены на два типа:

Модели феноменологические, учитывающие только внешние связи между фенотипическим значениями родственников. Например, если x_i — фенотипическое значение некоторого признака матери, y_i — у дочери, то модель , где b — постоянный в исследовании параметр, а e_i — случайная величина ошибки, независящая от x_i, является феноменологической моделью. Коэффициент b при этом может быть определен в предварительном эксперименте как коэффициент регрессии или задан на основании какого-либо допущения (например, , если предположить, что матери и отцы вносят одинаковые вклады ы фенотипическое значение признака у потомка). Предложенную модель можно использовать для прогнозирования признака у потомков для некоторых простых планов селекционно-племенной работы.
Модели генетические, построенные с учетом механизмов образования генотипа потомка при заданной паре генотипов родителей. Такие модели в качестве изначальных предположений должны в себе содержать описание генетической структуры признака (локусы, которые контролируют моделируемый признак, число аллелей в каждом локусе, коэффициенты рекомбинации и т.п.) и учитывать такие генетические процессы, как менделевское наследование аллелей в каждом локусе, рекомбинации и т.д. Примерами таких моделей является поиск ассоциаций и зависимостей GWAS, MAS, MS, LOH и т. п.

При выборе животных для селекции в генетических лабораториях необходим ежедневный анализ качественных признаков, контролируемым одним-двумя локусами и с малым количеством аллелей. Важно разработать систему индивидуальных скрещиваний, результаты которых дадут полное описание генотипов отдельных особей и вполне предсказуемый результат. А для полигенных количественных признаков генетический анализ в такой форме недоступен.

Во-первых, количественный признак, обладающий большой изменчивостью из-за влияния окружающей среды, не позволит однозначно установить генотип и его фенотипическую реализацию.

Во-вторых, увеличение количества локусов, контролирующих формирование признака, приводит к значительному увеличению числа локусов, контролирующих формирование признака, увеличению числа скрещиваний, необходимых для определения генотипа отдельных особей.

Эти обстоятельства диктуют новые требования к генетическим моделям и поддержание математической и программной среды для их реализации, создание компьютерных мощностей и обучения квалифицированных специалистов. Генетические модели требуют практического использования (оценки эффективности отдельных методов отбора, оптимизации способов разведения и т.п.), при этом годятся только те модельные уравнения, которые не зависят (или зависят достаточно слабо) от генетической структуры признака [4] Первая генетическая модель наследования количественного признака была предложенная в 1918 г. Она была применена для частного случая (один двухаллельный локус, независимость модификационного распределения от генотипа, менделевское наследование) и имела большое значение для того времени. С помощью этой модели удалось доказать, что количественные признаки, характеризующиеся непрерывным варьированием, наследуются согласно правилам классической генетики. Данная модель была применима для изучения каких-либо практических ситуаций [5].

Значительной сложностью в построении генетических моделей является их недостаточная изученность, которая требует больших капиталовложений в оборудование, научные исследования, высококвалифицированные специалисты, значительное количество ручного труда и больших мощностей вычислительного оборудования.

Построение компьютерных моделей и виртуализация процесса селекции открыло новую эру для создания новых машинных моделей в средах программирования C++, C#, Python, SAS, R и т. п. и математической среде линейного моделирования BLUP (GBLUP), MAS, MS, GWAS. При построении таких моделей генетическая структура признака и генетические механизмы наследования включаются уже не так сложно. К сожалению, в нашей стране до сих пор машинное генетическое моделирование селекционных задач не является рабочим методом теоретиков-селекционеров, и лишь применяется в коммерческих компаниях, которые используют на своих популяциях животных, в виде готовых коммерческих зарубежных решений. Отечественные генетики предпочитают использовать полуфеноменологические модели, одна из разновидностей которых является основой отечественных селекционных методов — оценка производителей по потомству [6].

Первое и единственное генетическое положение, лежащее в основе отечественной простой модели — это невозможность наследования приобретенных признаков. Генетические же механизмы образования генотипов потомков в модель вообще не закладываются. Вместо них вводится традиционное положение селекционеров «лучшее с лучшим — дает лучшее». Это приводит к первому приближению — к линейной зависимости фенотипического значения признака потомка от соответствующих значений признака у родителей:

(1)

где var(y) — изменчивость наблюдаемого признака, var(g) — изменчивость генетической основы, связанной с ним, var (fix (e) — изменчивость окружающей среды, влияющей на изменчивость признака, фиксированные эффекты, var(e) изменчивость случайных эффектов, не подлежащих определению.

(2)

а уравнение модели в векторной форме:

(3)

где y_i — это фенотипическое значение признака i-го потомка от заданной пары родителей (при этом влиянием матерей пренебрегают в дальнейшем вообще для еще большего упрощения модели), var(G_S) и var(G_M) — генетические значения признака отца и матери, var(Z_Si) и var(Z_Di) — отклонения от аддитивного наследования, учитывающее, по мнению авторов таких моделей, случайности в образовании наборов аллелей в гаметах, взаимодействие генов и т.д., HYS_i = (var fix (e)) — это влияние среды, стадо-год-сезон (отела), или постоянные влияния производственного окружения вместе.

Таким образом, создается первое впечатление о сугубо генетическом описании процесса наследования, достаточно широкого, учитывающего отклонения от аддитивного наследования. В действительности все намного сложнее.

Содержание вкладов отклонений Z в модели описывается только словесно, формализации и вычисленных величин Z_S и Z_M от G_S и G_M никто никогда не получал. Мало того, в используемых модельных рассмотрениях авторы считают, что Z_S и Z_M от G_S и G_M вообще не зависят друг от друга и просто распределены нормально. Легко понять, что такое предположение сводит столь богато словесно описанную модель к тривиальному случаю, который применяется повсеместно при оценке племенной ценности животных:

(4)

где, e_i — нормально распределенная случайная величина, играющая в процессе аддитивного наследования роль «шума». Этот «шум» обеспечивает (удобно объясняет и на этот «шум» можно списать методологические ошибки авторов) неоднозначность реализации генотипа особи и обусловлен влиянием среды, которые при словесной формулировке авторы хотели бы, но не стали учитывать в явном виде. В дальнейшем величину G_M принимают за ничтожно влияющую, еще более упрощая модель до ее невозможности.

Следует отметить еще один аспект использования моделей для оценки селекционных стратегий. Естественно, что такая оценка должна проводиться отдельно для каждой конкретной популяции, для каждого изучаемого признака. Очевидно, что единственное отличие наследование одного количественного признака от другого, это значение показателя наследуемости. Предполагая, что этот показатель настолько информативен, что его значение целиком определяет всю сложную специфику некоего количественного признака, приходится указать на некоторые недостатки в методике его определения. В отечественной селекции показатели расчета племенной ценности животных, определения индексов, параметров не должны рассчитываться. Их необходимо брать из литературных данных по зарубежным популяциям, с учетом величин, которые соответствуют безгранично большой численности животных. Ни один автор индекса не приводит доказательств адекватности и достоверности используемой в его индексе величины коэффициента и не может ответить на вопрос, откуда эта величина взялась [7-8].

Если следовать мировой практике, то по Лашу определяют показатель наследуемости, как долю изменчивости аддитивных генотипических значений в общей изменчивости аддитивных генотипических значений в общей изменчивости фенотипических значений признака [9]. Авторы индексов используют некоторые положения, справедливые только в узком диапазоне ситуаций.

Например, h² равен удвоенному коэффициенту корреляции {родитель-потомок} или учетверенному коэффициенту корреляции между полусибсами, в случае, если наследование полностью аддитивно для панмиктической популяции, находящейся в состоянии равновесия. Любая популяция, в которой происходит отбор, этим требованиям не удовлетворяет.

Отклонение полученной таким образом оценки h²_e от истинного значения h²_e зависит от каждой конкретной ситуации и заведомо непредсказуемо (и в каждом случае должно быть вычислено). То же замечание будет справедливо и по отношению к оценке h²_e через реализованную наследуемость. В последнем случае фактически производится оценка коэффициента регрессии фенотипических значений признака на признак обоих родителей, а коэффициент регрессии потомка на родителя совпадает с коэффициентом корреляции {родитель-потомок} только для панмиктичных равновесных популяций с аддитивным формированием признака.

Также эффективность многих селекционных методов существенно меняется даже при небольших изменениях значений h². В то же время объемы выборок, применяемых в селекции, малы и при нахождении оценок h² методом корреляций таковы, что доверительные интервалы, построенные для h², перекрывают диапазоны значений порядка 0,2-0,8. Таким образом, точность оценки h², используемой в отечественной селекции, достаточно невелика и вероятностная ошибка при предпочтении одной селекционной стратегии по сравнении с другой не приводятся.

Решение актуальных вопросов по оценке статистической надежности первичных данных по учету животных, оценке их родства, формирования баз данных по продуктивности и оценки надежности этих значений в виде единой национальной системы, основанной на тщательной работе каждого из региональных хозяйств, не зависящих от практики агрессивного вытеснения с рынка услуг по оплеменению при распределении субсидирования, используемой в РИСЦ, а основанной на открытой и прозрачной системе экономического и информационного взаимодействия позволит реализовать оценку наследуемости селекционных признаков на реальном поголовье скота, а также передаче признака и племенной ценности животных.

1.2 МАТЕРИАЛЫ И МЕТОДЫ

За период 2017- 2019 года сформирован генетический банк ДНК 6439 животных, отобранных в ряде предприятий Тюменской (АО «Приозерное», ООО «Бизон», ЗАО «Падунское», АО «ПЗ «Учхоз ГАУ Северного Зауралья», ООО «ЗапСибХлебИсеть», ООО «Герефорд», ООО «Суерь»), а также ХМАО-Югра (ООО «Башмаков») [13].

В рамках проведенной работы по государственному заданию МСХ РФ 2018 г. по теме «Исследование и разработка методических подходов по оценке племенной ценности крупного рогатого скота молочного и мясного направлений на основе методов геномной оценки на территории РФ», при обработке данных были использованы образцы ДНК животных следующих пород: голштинской (2091 голова), черно-пестрой породы (513 голов), салерс (5 голов), обрак (1470 голов), аббердин-ангус (175 голов) и герефорд (187 голов).

В 2019 году, в рамках текущего государственного задания МСХ РФ в анализ были включены образцы ДНК животных Тюменской области следующих пород: голштинской (1640 голова), черно-пестрой породы (78 голов), салерс (105 голов), обрак (140 голов) и герефорд (35 голов).

Выделение ДНК проводили с использованием коммерческих наборов реагентов для выделения геномной ДНК из цельной крови ДНК-Экстран-1, руководствуясь инструкцией фирмы-изготовителя, 5% раствора ионообменной смолы Chelex – 100. Для мониторинга возможной контаминации при выделении ДНК использовался отрицательный контроль (k-) [13].

Взятие проб крови осуществляется из яремной вены животного в объёме 5 мл в чистые подписанные пробирки с добавлением антикоагулянта -динатриевой соли ЭДТА (на 20 частей крови 1 часть 6% Na₂ЭДТА).

Кровь также может собираться на фильтровальную бумагу типа, закрытую криовиалу объёма 5 мл. В таком случае, если фильтровальная бумага типа FTA, высушенная с образцом, кровь на ней можно транспортировать при комнатной температуре в течение недели. Выбор метода выделения ядерной ДНК определяется в зависимости от исходного материала, цели исследования и необходимого времени хранения выделенной ДНК [13].

Отбор проб и получение препарата ДНК из жидкой цельной крови животных проводили при помощи 5% раствор ионообменной смолы Chelex-100. Для выделения ДНК из жидкой крови, образец объёмом 1 мкл помещали в чистую пробирку вместимостью 1,5 мл. К образцу добавляли 1000 мкл деионизированной воды. Пробирку инкубировали при комнатной температуре на срок 10 мин. Критерием окончания лизиса является гомогенизация содержимого пробирки с образцом. Охлаждённую пробирку центрифугировали 2 мин на настольной центрифуге при частоте вращения 14000 об/мин при комнатной температуре [13].

Не задевая осадка удаляли супернатант, оставив 20-30 мкл. И предмет носитель в пробирку с образцом добавляли 80 мкл 5% взвеси Chelex. Перемешивали содержимое пробирки на вортексе, инкубировали в термошейкере 20 мин при +56⁰С и 900 об/мин. Затем 10 сек перемешивали на вортексе и инкубировали 8 мин при +99⁰С. Тщательно перемешивали на вортексе и центрифугировали 3 мин при 12 000 об/мин. Не задевая осадка переносили 50 мкл супернатанта в чистую 1,5 мл пробирку. Пробирку с полученным препаратом ДНК закрывали и либо сразу же использовали для дальнейшей работы, либо помещали на хранение (при температуре 2–8 °С на срок до 14 дней, или при температуре не выше минус 18 °С на до 1 года). Отбор проб и получение препарата ДНК из сухой цельной крови животных проводили в 5 % растворе ионообменной смолы Chelex-100 [13].

Для выделения ДНК из сухой крови животного в 1,5 мл пробирку помещали объект на предмете носителе размером 0,2 см². К образцу добавляли 1000 мкл деионизированной воды. Пробирку инкубировали при комнатной температуре в течение 10 мин. Критерием окончания лизиса является гомогенизация содержимого пробирки с образцом. Охлаждённую пробирку центрифугировали 2 мин на настольной центрифуге при частоте вращения 14000 об/мин при комнатной температуре. Не задевая осадка удаляли супернатант, оставив 20-30 мкл. В пробирку с образцом добавляли 80 мкл 5% взвеси Chelex. Перемешивали содержимое пробирки на вортексе, инкубировали в термошейкере 20 мин при +56⁰С и 900 об/мин. Затем 10 сек перемешивали на вортексе и инкубировали 8 мин при +99⁰С. Тщательно перемешивали на вортексе и центрифугировали 3 мин при 12000 об/мин. Переносили 50 мкл супернатанта в чистую 1,5 мл пробирку. Пробирку с полученным препаратом ДНК закрывали и либо сразу же использовали для дальнейшей работы, либо помещали на хранение (при температуре 2–8⁰С на срок до 14 дней, или при температуре не выше -18°С на 1 год, при -80⁰С до 5 лет [13].

Концентрацию ДНК определяли спектрофотометрически с использованием спектрофотометра Nanodrop (Termo, США) при длине волн 260 и 280 нм. Оптимальная концентрация ДНК для проведения мультиплексной ПЦР составляет 100-200 нг/мкл и обязательно определяется спектрофотометрически. Концентрацию, степень очистки, нативность и подвижность ДНК оценивали методом электрофореза в 0,8-1,5% агарозном геле (при напряжении 120 В) в течение 15 мин для 10 см пластины, буфер ТАЕ с дальнейшей визуализацией при помощи 1% бромистого этидия. Для электрофореза использовали электрофоретическую камеру с длиной столика 10 см с источником питания Sub-Cell Model 96 Cell. Фиксацию изображения осуществляли при помощи системы гель-документирования Gel Doc XR+ В качестве маркера молекулярных весов использовали 1kb маркер DNA Ladder.

Стандартным экспресс-методом оценки концентрации ДНК и степени её чистоты является спектрофотометрическое и флуорометрическое измерение. Для этого брали 1–5 мкл исходной ДНК и вносили в 145-149 мкл деионизированной воды. Далее приготавливали отрицательный контроль фона — 150 мкл деионизированной воды. Концентрацию измеряют согласно программе прибора обычно одновременно с оценкой степени очистки при длине волн 260 и 280 нм. Степень очистки представляет собой соотношение оптических плотностей раствора ДНК при данных длинах волн и должно составлять 1,8-2,0.

Успех проведения реакции в значительно степени зависит от степени очистки и концентрации ДНК. Оптимальная концентрация для постановки реакции составляла 0,2-2 нг/мкл, предел чувствительности ‹100 пг, при степени очистки не менее 1,8. Для оценки специфичности реакции амплификации использовали препараты контрольной ДНК положительный контроль k+, с известными генотипическими и препаратами, и не содержащий ДНК отрицательный контроль k-. Амплификацию проводили на термоциклере ProFlex 96-Well PCR System (Termo, США) согласно программе амплификации (таблица Б.1).

Продукты полимеразной цепной реакции фракционировали электрофоретически с использованием системы капиллярного электрофореза 3500 GeneticAnalyzer, с ПО Data Collection Software 4.1. Полученные оптические данные анализировали в сравнении со стандартом длин GS550 в канале детекции Orange. Обозначения 24 фрагментов ДНК приводятся в соответствии с их размером: 60, 70, 80, 90, 100, 120, 140, 160, 180, 200, 220, 230, 240, 260, 280, 300, 320,340,360, 380, 400, 420, 440, 450, 500, 550 [13].

Внутренний стандарт предназначен для контроля этапов амплификации, электрофореза и анализа данных, благодаря высокой плотности данных фрагментов, обладает высокой точностью и воспроизводимостью определения длины амплифицированных фрагментов исследуемых образцов, ввиду отсутствия аллельной лесенки. Используя ПО GeneMapper ID-X Software v1.4 и устанавливали индивидуальные генотипические комбинации аллельных вариантов (профили ПДАФ). Полученные в ходе анализа данные использовали для определения достоверности происхождения. В случае микросателлитных панелей не допускается отклонение от референтных значений более чем на 1-2 пар нуклеотидов, при этом не допускается выход за референтные интервалы BIN на секвенаторе. Также запрещено смещать выявленные длины микросателлитов, ссылаясь на качество капиллярного массива, геля, реагентов или проведённого ПЦР. Здесь также следует искать причину ошибок в недостаточности квалификации персонала или использования не рекомендуемых производителем реагентов или протоколов ISAG/ICAR [6].

1. Данные первичного учета животных по родству получали из ИАС СЕЛЭКС (ООО «Плинор») [11].

При проведении расчетов применялись вычислительные методы в операционных системах Linux Mint. В качестве вычислительной системы использовался LibreOffice Calc и операционная система Red Hat с эмулятором учебной вычислительной статистической среды SAS University Edition в виртуализации Oracle Virtual box 6. Для проведения расчетов и получения первичных данных по микросателлитному анализа применялось программное обеспечение Data Collection Software v3.3 на операционной системе Windows 7 [12].

В случае идентификации с использованием генетических чипов необходимо использовать программное обеспечение DesignStudio Microarray Assay Designer и Genome Studio Software 2.0. Форматы применяемых файлов были: *.csv, *.ods, *.odt, *.txt, *.sas, и *.pdf. Иллюстрации были оформлены в LibreOffice Impress в формате *.odp с конвертацией перед вставкой в документ в формат *.png.

2 РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

2.1 Концепция реформирования системы оценки племенной ценности крупного рогатого скота

При современном состоянии отечественной селекции, предлагаемые отечественными авторами методы и селекционные индексы не могут рассматриваться как некие стандартные рецепты, пригодные для всех случаев, в том числе для пород.

Необходим творческий подход исследователя — селекционера с зоотехническим образованием, хорошо знающего производство и биологию животных, особенности их разведения, ежедневно работающего в хозяйствах, с применением современных информационных технологий и математических сред для проведения конкретного анализа биологической ситуации в породе, популяции животных, на каждой ферме, каждом коровнике, стойле, семье для создания и формирований моделей оценки животных в реальной ситуации.

Действительно, в сложных условиях отечественной селекции, зачастую при недостоверных данных о продуктивности, или значительном влиянии ошибок тестирования предпосылки, лежащие в основе генотипической модели Фишера-Райта не оправдаются. Было целесообразно на первом этапе отказаться от ее использования и опираться на чисто феноменологическое описание, применяя обычные статистические показатели. Но в дальнейшем упорядочив первичный учет и оценку продуктивности животных, наладив процесс воспроизводства, исходя только из достоверных первичных данных, несмотря на требования выполнения плана, применять моделирование для реализации селекционных стратегий.

2.2 Идеология прогноза и выбора племенных животных для дальнейшей селекции

Селекция влияет на экономику разведения прежде всего тем, что позволяет создавать таких особей для заводчиков, которые экономически более полезны и выгодны, чем особи, выращенные ранее. Экономика выращенного животного является следствием генетического уровня отдельных качеств (признаков продуктивности, здоровья, плодовитости и т.д.) в данных условиях среды разведения.

Успех селекции измеряется экономической целесообразностью выращивания, против предшествующего периода и выражается в генетической прибыли (выгоде) (Δ_G) для совокупности качественных признаков.

Однако генетическая прибыль составляет часть от общего экономического изменения в разведении, важную роль играют влияние окружающей обстановки и условия содержания. Таким образом, общее экономическое изменение Δ_C сумма генетической прибыли и прибыли, вызванной улучшенной средой и методикой разведения Δ_T.

(5)

Селекция занимает в животноводстве особое место. Это находиться в связи с производственными условиями, системой получения продукции и выбором подходящего генотипа.

Отдельные генотипы (отдельные породы) не конкурируют, а дополняют друг друга, поскольку каждый генотип подходит только для конкретной производственной системы, в зависимости от производственной направленности и условий производства.

В других условиях данный генотип не будет использоваться оптимальным способом. При рассмотрении целесообразности породы необходимо в первую очередь уточнять производственную ориентацию и условия производства. Породы различаются по молочной продуктивности, плодовитости, способности к откорму до оптимального веса убоя, требованиям животных в питании и обслуживании. Породы необходимо сравнивать не только по уровню надоев коров, но и исходя из экономической эффективности всего товарного стада. Каждая порода предназначена для различной производственной ориентации. Только лишь после выбора генотипов необходимо задуматься о постоянном улучшении животных селекцией (рисунок А.2).

2.3 Разработка концепции оценки племенной ценности животных в современном конкурентном селекционном пространстве

Если определена производственная ориентация, то могут быть выбраны подходящие генотипы животных. Основой являются знания фундаментальных генетических параметров и генетических различий между отдельными популяциями (породами, линиями или другими племенными группами) в отдельных наблюдаемых признаках. Основываясь на генетических параметрах, необходимо оценить, является ли гибридизация эффективной или предпочтительнее использовать чистокровное разведение.

Следующим шагом является выбор лучшего метода скрещивания (двух линейного, трех линейного, обратного и т.д.). Далее следует выбрать подходящие породы, линии или другие племенные группы для скрещивания. Если они отсутствуют, то должны быть получены синтетически из нескольких популяций, выбранных для этой цели. Синтез может быть осуществлен путем скрещивания, в том числе вводного, поглотительного или воспроизводительного типа. Если гибридизация неэффективна, в таком случае выбирается подходящая порода (подходящая линия, либо другая племенная группа), либо создается новая для воспроизводства [14].

Формирование синтетических популяций животных — это довольно распространенный и рутинный процесс. Для крупных сельскохозяйственных животных обычно популяции практически открыты для постоянного селекционного скрещивания с импортным генетическим материалом, поступающим из-за границы.

Селекция проходит всегда в активной популяции (племенные животные), где применяются генетическое тестирование, контроль продуктивности, оценка племенной ценности и селекционный отбор для воспроизводства. При этом потребителями итогов селекции являются все животноводы, независимо от того, активно ли они участвуют в селекционном процессе или нет. Племенные животные используются как в активной популяции (племенной скот), так и в товарном разведении.

Активная и товарная популяции представляют собой единое целое, с точки зрения улучшения экономической целесообразности разведения. Гены передаются от активной популяции к товарным стадам в животноводстве, тем самым благоприятно влияя на генетическую выгоду (Δ_G) и экономику, при содержании коммерческого скота в животноводческих хозяйствах.

Ввиду вышесказанного, для оценки селекции необходимо следить за экономическим улучшением Δ_С, вызванного генетической селекцией во всей популяции животных, включая товарные стада.

Результаты селекции проявляются в изменении величин продуктивности, главным образом, в коммерческих (подсобных) хозяйствах. Животновод, который содержит коммерческий скот, делит полученную прибыль от разведения с селекционером.

Подразделение прибыли в итоге принимает форму торговли генетическим материалом. Иногда между селекционером и животноводом коммерческой породы выступает еще посредник — продавец генетического материала, который также сохраняет себе часть прибыли, получаемую производителем продуктов животноводства за свои услуги. Процесс, когда племенные хозяйства не связаны с коммерческими компаниями или холдингами, но берут от них генетический материал (отбракованные животные, сперма, эмбрионы, семенные яйца), является совершенно необоснованным.

Формы деятельности, связанные с селекцией, можно разделить на три основных этапа:

Разработка проекта селекционной программы. Выбор программы представляется как краткое изложение организационных мер, где посредством управления разведением животных достигается улучшение экономического уровня разведения для следующего поколения племенных животных. Неотъемлемой частью является прогноз ожидаемого эффекта селекции Δ_G (генетической выгоды) на отдельные признаки и прогноз совокупного эффекта в деньгах.
Практическая селекция или собственно селекция. На этом этапе участвуют селекционеры и племенные организации, уполномоченные осуществлять определенные виды деятельности по племенной репродукции и селекции сельскохозяйственных животных.
Контроль разведения и селекции. Контроль заключается в выявлении эффекта Δ_G, который является единственным показателем успешности селекции. Сравнение достигнутого эффекта с эффектом, предсказанным на первом этапе, создает обратную связь и является отправной точкой для изменения и улучшения выбора селекционной программы.

Селекционная программа для отдельных пород или линий и синтетических популяций состоит из нескольких основных шагов. Эти этапы последовательно повторяются в течение последующих поколений животных и содержат:

1. Учет и тестирование животных. На этом этапе речь идет о таких методах тестирования, которые изначально ориентированы на цели исследования, регистрацию рождения и проверку продуктивности по выбранным признакам. Тестирование животных должно быть организовано таким образом, чтобы гарантировать, что различные генотипы встречаются в сопоставимых условиях. Важным моментом является определение общего масштаба тестирования, количества сверстников и потомков для каждого производителя.

2. Данные по продуктивности, расчет племенной ценности тестируемых животных. Методы оценки племенной ценности постоянно совершенствуются. В настоящее время наиболее точным методом является модель индивидуумов (Animal model), которая наилучшим образом отражает влияние окружающей производственной среды при селекции и воспроизводстве на продуктивность и отношения между животными в общем порядке. В настоящее время применяются генетические маркеры, при помощи которых для ряда селекционных признаков прогноз в дальнейшем осуществляется более точно.

3. Выбор (селекция), проводимая на основе рассчитанных величин племенной ценности животных. В процессе селекции в племенное разведение попадают только те индивидуумы, для которых выявлены высокие значения племенной ценности, которые по наблюдаемым селекционным признакам превышают своих сверстников.

4. Выбор животных в пары для воспроизводства. На этом шаге необходимо подумать об организации схем спаривания, чтобы обеспечить в дальнейшем у выбранных топовых производителей наиболее широкое применение (широкую экспансию). В частности, применяется намеренное спаривание особей с наивысшими племенными ценностями (лучшие отцы для лучших матерей), с целью рождения наиболее продуктивных «индивидуумов». В связи с этим применяются различные биотехнологические методы (искусственное осеменение, пересадка эмбрионов, клонирование и т.п.) [14].

Организация селекции и оптимальная непрерывность отдельных шагов разведения несомненно очень сложны. По этой причине используются оптимизационные научные исследования, которые учитываются как генетические, так и экономические вопросы с подробным изучением разведения данного вида сельскохозяйственных животных. С точки зрения выбора оптимальной организацией селекционной программы является максимальная генетическая выгода (Δ_G) при минимальной стоимости выращивания и минимальных затратах заводчика [14].

Единственная цель селекции не состоит в том, чтобы достигнуть генетической выгоды, обозначенной Δ_G. Селекционную программу необходимо организовать таким образом, чтобы все значения Δ_G в группе всех наблюдаемых селекционных признаков были как можно выше. Если генетическая выгода равна нулю или даже отрицательна (проводится встречный отбор — генетический уровень породы ухудшается), то программа утратила свое значение, и речь идет только об обеспечении размножения животных [14].

Размножаемая популяция (порода) или другая племенная группа имеет определенный генетический уровень, который сохраняется для будущих поколений. Некоторые селекционные действия приведут к повышению генетического уровня, и этот прирост снова сохраняется во всех последующих поколениях.

Целью селекции является не только разовое, но и постоянное ежегодное увеличение генетического уровня разводимых животных. Каждое увеличение генетического уровня связано с уровнем, достигнутым в предыдущие периоды.

Это означает, что при постоянной и систематической работе достигается постепенный рост генетического уровня. Отдельные оценки, которые обозначают приращения генетического уровня, могут быть представлены в виде непрерывной линии. В таком случае наклон линии выражает генетический прирост (генетическую выгоду) за единицу времени — чаще всего за 1 год.

Ежегодный генетический прирост обязательно контролируется и служит необходимой проверкой функционирования программы селекции. Например, у отдельных молочных пород крупного рогатого скота во всем мире оно составляет от 30 до 180 кг молока (ежегодный прирост молочной продуктивности, обеспеченной за счет селекции).

2.4 Разработка математического пространства оценки племенной ценности на основе одиночного селекционного признака

На продуктивность сельскохозяйственных животных влияют генетическая основа и условия производственной среды разведения. Различия в продуктивности, обусловленные генетической основой, можно оценить математически.

В настоящее время основой селекции и разведения сельскохозяйственных животных является прогноз племенной ценности. Под термином «племенная ценность» подразумевается оценка генетической основы индивидуума, а именно отклонения величины признака продуктивности от среднего значения сверстников. Таким образом, племенная ценность всегда является отклонением между особями, семьями, линиями, породами. Племенная ценность — это лишь оценка.

Таким образом, племенная ценность представляет собой относительное число (отклонение), которое применяется только к сверстникам и только к той популяции, в которой она была прогнозирована. Это значение не может быть автоматически использовано для импорта/экспорта в другие популяции животных и другие страны. Нельзя напрямую использовать индексы и прогноз племенной ценности и геномной оценки из международных каталогов. Это абсолютно некорректно ввиду нарушения основ прогноза. Такие преобразования возможны только с помощью поправочных коэффициентов, которые требуют одновременного тестирования породы в разных странах (на примере сотрудничества с компанией ICAR/MACE [10].

Прогноз племенной ценности основан на тестировании и контроле продуктивности животных. Цель состоит в том, чтобы при помощи оценки породной ценности как можно точнее оценить различия в генетической основе индивида.

Тестирование животных и контроль продуктивности организованы таким образом, чтобы сравнивать животных в тех же условиях, где обитают и работают друг с другом сверстники.

Измеренная продуктивность является результатом воздействия многочисленных генетических (метод скрещивания, метод селекции в регионе и на национальном уровне, влияние породы и внутренняя генетическая ценность индивида внутри породы) и экологических факторов (эффектов)- воздействия окружающей среды (влияние года, сезон, условия кормления, разведения, стада, цеха, местоположения цеха и т.д.).

В дополнение к этим систематическим воздействиям на производительность также влияют случайные (рандомизированные), неконтролируемые воздействия окружающей среды, воздействие которых невозможно контролировать или предсказать. Во многих случаях фактическая продуктивность неизвестна, и фермер имеет на руках только запись контроля продуктивности, которая выполняется с заданным интервалом (контрольное взвешивание, контрольное доение и т.п.). Используя данные этого контроля, оценивается продуктивность, которая в свою очередь является источником других неточностей и ошибок.

Генетическая основа индивида проявляется как непосредственно в его продуктивности, так и в ряде других сопутствующих переменных — аддитивном эффекте (воздействия генов на продуктивность, которые складываются) от матери и неаддитивных эффектах, вызванных взаимодействием родительских гамет (гетерозисный эффект, эффект гибридизации). Суммарный эффект родителей далее делится на влияние (эффект) породы (линии) и отклонение индивида внутри этой единицы.

(6)

Точно так же влияние среды проявляется как непосредственно в продуктивности по заданному признаку, так и в ряде сопутствующих переменных. Существенным является влияние заводчиков, которые влияют на интенсивность отбора на национальном уровне, уровень питания отдельных категорий животных, уровень индивидуального ухода, уровень надежности полученных данных учета.

Важным является взаимодействие генотипа с окружающей производственной средой (специфическое проявление данного генотипа в конкретной окружающей среде), которое проявляется как непосредственно в продуктивности, так и в значениях сопутствующих переменных. Это приводит к тому, что некоторые породы и особи подходят для одних условий, в то время как другие породы и особи соответствуют уже другим условиям.

С этой точки зрения оценка племенной ценности — процесс устранения всех искажающих негенетических факторов, оказывающих эффект на измеряемую величину продуктивности из измеренных величин, с последующей соответствующей математической оценкой.

Систематическое влияние окружающей среды воздействует на измеренную продуктивность сильнее, чем племенная ценность. Поэтому небольшая ошибка в оценке систематических влияний окружающей среды, ошибка поправочных коэффициентов этого эффекта может существенно повлиять на точность оценки племенной ценности.

На изменчивость такого признака, как надой молока, на 60% влияет заводчик. Оставшиеся 40% — это естественная фенотипическая (биологическая) изменчивость. При величине показателя наследуемости h²=0,25 это означает, что 3/4 этой части изменчивости вызвана случайной неконтролируемой окружающей средой, а 1/4, то есть 10% исходной изменчивости, является генетической изменчивостью особей. Именно эта генетическая составляющая должна использоваться в селекции.

Генетическую изменчивость в своей работе использует не только селекционер, но и животновод при разведении в товарном стаде. На изменчивость, вызванную влиянием окружающей среды, влияет только фермер, который обеспечивает условия размножения животных [14].

Оценка племенной ценности основана на измеренной продуктивности. Индивидуум сравнивается с ровесником того же возраста, содержащегося в одинаковых условиях (в том же разведении, в том же сезоне, в том же стаде, с тем же питанием и т.п.). Поэтому пойдет речь о племенной ценности (EBV), вычисляемой на основании отличия продуктивности особи от средней продуктивности сверстников (D). Племенную ценность можно упрощенно представить так:

(7)

где EBV (ПЦ) — племенная ценность индивида, D (delta, Δ) — отличие продуктивности от сверстников, b — (регрессионный) коэффициент для перевода отклонения производительности в племенную ценность.

Используя коэффициент регрессии, различие в продуктивности преобразуется в генетическую величину. Регрессионный коэффициент зависит от количества измеренных признаков, количества сверстников и наследования данного признака.

Часто племенную ценность сравнивают с сопоставимым базисом (b, basis), учитывая генетическую прибыль в породе:

(8)

где EBV_b — базовая племенная ценность, k — поправка (отклонение) к основе.

Выраженная таким способом племенная ценность часто встречается в каталогах животных иностранных компаний, где стоимость породы обычно выражает не сравнение со средним значением в текущем году, а с базисом особей старших на несколько лет.

Племенная ценность имеет такое преимущество, что она может быть использована для расчета и планирования полезности будущего потомства. Половину генетического основания получает каждое потомство от отца, а половину — от матери. На основе племенных ценностей родителей, ожидаемая племенная ценность потомства может быть определена:

(9)

где EBV_p — ожидаемая племенная ценность потомства (progene), EBV_F — племенная ценность матери (female, mate), EBV_s — племенная ценность отца, производителя (sire).

Если племенные животные и дозы семени импортируются из-за границы, племенная ценность животных определяются по сравнению со сверстниками в соответствующих странах. Затем их племенная ценность должна быть скорректирована с учетом внутренних условий с использованием коэффициентов пересчета.

Ожидаемая продуктивность потомства (progene productivity, P_p) предполагает схожую среду разведения:

(10)

где P_F-1 — средние показатели текущей продуктивности популяции до отбора.

Цель состоит в том, чтобы максимально увеличить этот сдвиг от P до P_p.

2.5 Разработка способов оценки племенной ценности в случае анализа данных из нескольких источников информации единовременно, в случае анализа данных для групп родственных животных

При современном состоянии отечественной селекции предлагаемые отечественными авторами методы и селекционные индексы не могут рассматриваться как некие стандартные рецепты, пригодные для всех случаев жизни, или для пород.

Упорядочив первичный учет и оценку продуктивности животных, наладив процесс воспроизводства, исходя только из достоверных первичных данных, необходимо применять моделирование для реализации селекционных стратегий [14].

Например, коэффициенты корреляции между родственниками непосредственно отвечают на вопрос, насколько эффективны методы массового отбора. Рассчитывая их по наблюдаемой корреляции целесообразно перейти от простого отбора к более углубленным методам селекционной работы. Рассчитанные коэффициенты регрессии потомка на родителей позволяют непосредственно прогнозировать ответ на массовую селекцию и т.п. Каждый шаг применения методов количественной популяционной генетики выгоден для хозяйств.

Под количественной популяционной генетикой в сельском хозяйстве понимают статистический анализ поведения популяций, описание их состояния при помощи таких параметров, как генотипическая и фенотипическая дисперсии, генетический коэффициент корреляции, коэффициенты наследуемости и повторяемости. Точное определение используемых понятий — это необходимое условие успешности отечественной селекции [15].

Если эффекты окружающей среды (env, environment) и генетический эффект животного (а), то следует написать уравнение модели в явной форме:

, всегда имеет формат написания , в матричной форме (11)

где у_i — измеренная производительность, HYS (env_i), b (EBV_i) — предполагаемые неизвестные воздействия окружающей среды и племенных ценностей (herd-year-season, стадо-год-сезон), J — эффект индивиду, e_i — действие неконтролируемых факторов, — вектор продуктивности, X— матрица плана эксперимента для фиксированных, неизменных (fixed, permanent) эффектов, Z — матрица плана эксперимента для рандомизированных, случайных (random) эффектов, — вектор исследуемых случайных эффектов, — вектор рассчитываемых фиксированных эффектов.

В этом случае уравнение модели означает, что продуктивность — это сумма эффектов среды (env) (действия заводчика), племенной ценности (EBV) и неконтролируемых (случайных, рандомизированных) факторов окружающей среды (е).

На основе приведенного уравнения модели в математической среде программирования составляется система уравнений (по одному для каждого индивида), которая затем решается для вычисления племенной ценности. При расчете племенной ценности этим методом, речь идет о решении этой системы уравнений.

Неизвестные величины в уравнении, которые необходимо вычислить, это величины племенной ценности животных (обозначены как EBV и затем уровни влияния среды размножения, такие как стада, годы, времена года (обозначены как HYS). Это означает, что этим методом вычисляются не только величины племенной ценности животных и различия между стадами, временами года и другими эффектами, включенными в расчет [15].

На практике, модельное уравнение и система уравнений принимают конкретную форму в зависимости от того, какие эффекты учитываются при вычислении племенной ценности. Поскольку менеджмент разведения различается в зависимости от страны, где он применен, от вида сельскохозяйственных животных и пород, расчет процедуры BLUP несколько отличается в каждой стране. Такое различие обусловлено составлением уравнения, которое наилучшим образом отразит конкретные условия в регионе, ферме, тип менеджмента, разведения, климат, методы кормления и содержания, получения продукции (доения, убоя, стрижки) управления и многое другое [15].

На примере вычисления племенной ценности для дойного стада скота предполагается, что на измеренный удой молока для коровы влияет только стадо, в котором оно разводится (условия и способ кормления и содержания, возможно климат, он иногда закладывается в сезон кормления), затем возраст (порядок лактации) и генотип (индивидуальность каждой коровы). Таким образом, вычислительная линейная модель будет включать три эффекта — стадо, порядок лактации и индивида. Оцениваемое качество — удой молока. Для простоты рассмотрим только 5 коров в двух стадах с измеренной продуктивностью в течение первой или второй лактации (таблица 1).

Таблица 1 — Продуктивность дойных стад

Индивид	Стадо	Номер лактации	Продуктивность, удой, кг
1	1	1	4500
2	1	1	5000
3	1	2	6500
4	2	2	8000
5	2	1	7000

В первом стаде три коровы, две на первой и одна на второй лактации. Во втором стаде — две коровы, одна на первой, а другая лактирующая. Из записи происхождения установлено, что корова № 2 и корова № 5 имеют общего отца. В выборке нет никаких других отношений между особями.

Как показывают данные о продуктивности, второе стадо находится на более высоком уровне, чем первое.

Записываем уравнение модели:

(12)

где y — измеренная производительность коровы, которая выражается как сумма эффектов, которые влияют на нее, S — влияние стада, в котором содержится корова, L — влияние порядка лактации, G — влияние генетической основы (племенная ценность) индивида, e — влияние других неконтролируемых факторов.

В случае нормального распределения исследуемых величин продуктивности, возможен расчет стандартного отклонения и ковариационных матриц, т.к. мы ищем экстрем функции.

Цель состоит в том, чтобы оценить племенную ценность (генетическую основу индивида), от которой будет отделено влияние возраста животных и среды производства.

При отборе для племенной работы невозможно следовать данным только измеренной продуктивности, потому что на выбор влияет несколько факторов. Исходя из племенной ценности, мы предпочтем использование в племенной работе коров в следующем порядке (таблица 2).

Таблица 2 — Применение коров в племенной работе

Порядок	Номер коровы	Племенная ценность, кг молока	Продуктивность, кг молока
1	5	+62	7000
2	3	+53	6500
3	2	+47	5000
4	4	-53	8000
5	1	-88	4500

Различия в продуктивности, зависящие от факторов среды содержания, намного больше, чем генетические различия между животными. Кроме того, доказано, что трудно подразделить отдельные факторы, которые влияют на измеренную продуктивность, без решения линейных уравнений. Из практического опыта мы знаем, что на измеряемую продуктивность влияет ряд существенных факторов, и поэтому системы уравнений являются более сложными и включают в себя большее количество эффектов [15].

2.6 Разработка способов оценки животных при помощи формирования селекционного индекса

Селекция сельскохозяйственных животных основывается всегда на комплексе экономически важных признаков. При выборе этих свойств и определении их важности учитываются их экономическая ценность и генетические параметры (реальная величина наследуемости и взаимоотношения между признаками). Эксперименты показали, что отбор по группе признаков наиболее эффективен при выполнении с использованием индексов выбора, где частичные свойства объединяются с использованием весовых коэффициентов в одной итоговой оценке. Поэтому при отборе важным является селекционный индекс, который выражает совокупную стоимость животных в деньгах в виде суммы, так что частичная племенная ценность каждого свойства умножается на экономическую стоимость этого свойства. Приведем пример, как выражается экономический селекционный индекс в виде прибыли для заводчика:

(13)

где для i-той племенной ценности A — коэффициент пересчета размерности в случае несовпадения шкалы измерений, ω — экономическая значимость (рублей на размерность величины) для измеряемого признака, EBV — племенная ценность признака. Представленные здесь принципы действительны как для отдельных селекционных признаков, так и для совокупной селекционной ценности, выраженной селекционным индексом.

2.7 Оценка племенной ценности крупного рогатого скота молочного и мясного направлений при помощи простых моделей BLUP (линейных моделей как математической среды формирования первичных данных)

При селекции скота должны быть приняты во внимание риски. Как показано ранее, настоящая генетическая основа все еще не была обнаружена, и доступна только ее оценка с определенной точностью. Поэтому в первую очередь определяется достоверность прогноза племенной ценности. Расчет достоверности основан на отношении вычисленной ценности к реальной генетической ценности, что равно коэффициенту определения этого отношения r².

Коэффициент r² принимает значения от 0 до 1 (или от 0 до 100%). Цель определения достоверности состоит в том, чтобы сделать оценку максимально точной к реальности. Это означает, что значение коэффициента должно стремиться к 1 (100%). Этот показатель важен и зависит от наследуемости заданного признака, количества сверстников, и количества измеренных признаков продуктивности индивида. Если значение близко к 0, это означает, что селекция будет очень неточной.

В случае быков, отобранных для селекции на основе контроля наследуемости, что является распространенным явлением, обычно требуется, чтобы достоверность прогноза племенной ценности по надою молока была не менее 75%.

Если принять во внимание весь совокупный генотип всех исследованных признаков, то без прогноза племенной ценности может быть достигнута достоверность r²=16%. Например, если речь идет об условии применения информации о всех доступных признаках у молодых быков чешского красно-пестрого скота при отборе на осеменение, в то время как у оцененных быков эта величина достигала r²=78%. Для потомства ожидаемая достоверность оценки племенной ценности определяется следующим образом:

(14)

где r²_S и r²_F оценки достоверности племенных ценностей производителя и матери.

С надежностью оценки племенной ценности производителя 80% и матери от 20 до 40%, можно достигнуть уровня достоверности прогноза племенной ценности потомства от 25 до 30%. Если для матерей нет известной племенной ценности, то при самой точной оценке отца максимально можно прогнозировать ценность потомства с достоверностью не более 25%.

Если при выборе для племенного разведения может заинтересовать только одна или несколько особей, то достоверность вычисления среднего значения для группы из нескольких особей выше, а это снижает риск для заводчика. С увеличением количества особей в группе средняя ошибка в оценке средней племенной ценности в группе значительно уменьшается. Один взрослый бык с большим количеством потомства с рейтингом достоверности r²=80% имеет среднюю ошибку оценки, столь же большую (0,45), что и среднее значение для четырех молодых быков, каждый из которых имеет рейтинг достоверности r²=20%, или как пять быков без оценки вообще. Это означает, что одинаковая точность селекции может быть достигнута как с проверенными, так и с молодыми быками, с использованием группы молодых быков вместо одного старого, проверенного по продуктивности потомства быка.

Для потомства от преднамеренного спаривания можно ожидать достоверности прогноза племенной ценности r²=от 0 до 30%. Этим значениям соответствуют средние ошибки в оценке племенной ценности потомства, которая отличается лишь на 16%.

Фактическая производительность потомства еще больше зависит от окружающей среды. При наследовании h²=0,25 средние ошибки производительности потомства отличаются в вышеупомянутых крайних случаях лишь на 0-4%, которые практически ничтожны.

Отсюда следует, что достоверность оценки племенных ценностей родителей влияет на племенную ценность и точность отбора и, следовательно, на общий племенной эффект. Однако надежность родительского выбора существенно не влияет на среднюю ошибку производительности потомства. Это в основном зависит от количества животных в группе [15].

2.8 Изменчивость продуктивности потомства

Частым требованием заводчиков является баланс стада. Между особями всегда существует изменчивость, которая является суммой генетической и случайной изменчивости, последней обусловленной внешним воздействием производственной среды.

Изменчивость последующего поколения зависит от интенсивности отбора родителей, на который влияет генетическая часть общей изменчивости. Для обновления стада необходимо использовать почти всех племенных телок, и поэтому при работе с ними затруднительно достигнуть значительного давления селекционного отбора. Селекционное давление может быть достигнуто только между производителями. По мере увеличения точности селекции и увеличения давления селекционного отбора будет уменьшаться у потомства генетическая изменчивость.

Из сказанного подразумевается, что точность и интенсивность селекции родителей в практических условиях практически не влияют на баланс продуктивности стада. Тем не менее, точность и интенсивность селекции существенно влияют на племенную экономику благодаря полученным генетическим выгодам и цене, уплаченной за сбор спермы [15].

Отчасти необходимо учитывать, что план закрепления малого количества быков за стадом снижает генетическое разнообразие, увеличивает инбридинг и снижает изменчивость потомства по продуктивности, поэтому необходимо действовать по оптимальному варианту закрепления быков в соотношении 1/10- 1/5 к количеству нетелей. Также необходимо обеспечивать ротацию производителей между стадами с наиболее возможной интенсивностью и охватом стад (на межрегиональном и межнациональном уровнях).

2.9 Взаимосвязь генетической прибыли и племенной ценности

Прогноз племенной ценности в увязке с контролем продуктивности является основой для выбора в племенную работу и, заодно, основой селекции сельскохозяйственных животных. На основе отбора достигается генетическая прибыль. В результате генетической прибыли делаются заключения о том, что разводимые породы (линии, популяции) успешно развиваются и существуют ли генетические различия между отдельными группами и поколениями внутри породы. В случае правильного пути и методологии каждое последующее поколение и каждый последующий год в среднем лучше (и экономически более выгоден для селекционеров), чем предыдущие поколения и годы. Кроме того, развитие породы означает, что отдельные животные с возрастом теряют свою относительную ценность и превосходят более молодых особей. Племенная ценность особи имеет постоянную величину, к которой мы в процессе прогноза приближаемся, оценивая животное [4].

В результате генетической прибыли (Δ_G) популяция породы развивается и ее средний генетический уровень увеличивается.

Таким образом, целью селекционера является производство племенного материала для использования только лучших особей, причем крайне интенсивно, и как можно с более коротким сроком оценки племенной ценности.

Необходимо постоянно уменьшать интервал смены поколений (генерационный интервал), т.е. использовать новые приемы контроля продуктивности, уточнение родства, увеличение надежности и точности оценки, внедрение искусственного осеменения, пересадки технологий, генетических и геномных технологий, но обязательно при решении первоначальных основных задач при формировании национальной информационной системы оценки [15].

2.10 Изменения рейтинга в зависимости от времени

В зависимости от генетической тенденции (тренда), происходит развитие породы, в результате чего молодые выпуски животных в среднем генетически лучше, чем выпуски за предыдущие годы (старшие). Это означает, что установленная племенная ценность должна быть актуализирована в сравнении с младшим выпуском. Во многих случаях новая информация накапливается с течением времени (известны новые производственные показатели и селекционные признаки), в этом случае оценка племенной ценности обновляется. Прогноз племенной ценности — это регулярный процесс (от одного раза за бонитировку в сезон до нескольких раз в год). Таким образом, через некоторое время, с определенным интервалом возникнет необходимость вновь проводить вычисление племенной ценности и совершенствовать методику оценки, включая вновь накопленную информацию [14].

Племенная ценность бывает выражена либо в отношении определенной основы (среднее значение племенной ценности всех животных выбранной генетической группы и выбранного периода), либо в сравнении со средней племенной ценностью всех животных за планируемый конечный период. Когда используется модель индивидуумов, то племенные ценности всех оцениваемых особей обычно сравниваются со средней величиной индивида относительно основной популяции (т.е. в сравнении со средней величиной племенных ценностей тех предков, от которых было развито генеалогическое дерево).

Важно фиксировать дату последнего определения племенной ценности и, с возрастом, корректировать племенную ценность особи на основе генетической выгоды.

2.11 Экономика селекции

Селекция подчиняется экономическим правилам, т.е. это занятие должно быть финансово эффективно. Средства расходуются на отдельные виды деятельности, связанные с селекцией и разведением. Возврат вложенных ресурсов основан на улучшении экономики разведения полезных животных. В зависимости от длины генерационного интервала формируется срок окупаемости вложенных средств с определенной отсрочкой.

Если программа селекции работает одинаково в течение более длительного периода времени, то затраты на разведение ежегодно являются постоянными и не изменяются с течением времени. В начальный период программа отбора будет невыгодна, потому что первые результаты селекции проявятся с опозданием в зависимости от величины интервала смены поколений [14].

Существенными затратами являются вложения на содержание, ветеринарное обслуживание и поддержание селекции. Денежные поступления от разведения более экономически выгодного скота постепенно будут увеличиваться, в зависимости от генетической выгоды. В какой-то момент они приравниваются к затратам на разведение и с этого момента они все больше будут перевешивать затраты.

Доход от более высокой продуктивности и в целом более высокой эффективности размножения будут реализованы у всех заводчиков. Затраты на селекцию несут заводчики. Сотрудничество между животноводами и селекционерами приводит к взаимному урегулированию и разделению финансового эффекта селекции среди участников этих отношений. На уравнении 15 показана экономическая эффективность селекции, которая вытекает из затрат на разведение с денежным доходом от более высокой продуктивности животных в течение определенного отчетного периода, например, периода 25 или 50 лет.

(15)

2.12 Анализ получения данных иммуногенетического анализа

Анализ иммунологических профилей по группам крови служит для определения достоверности происхождения потомка по обоим родителям необходимо проводить в лаборатории, сертифицированной по международному стандарту ISO 17025. Важным является то, что анализ необходимо проводить при наличии биологического образца от обоих родителей и потомка, либо по изъятию недостающих данных из каталога.

Тестирование проводится на образце сыворотки крови, выделенной цитратным методом в присутствии антикоагулянтов. В настоящее время различают 12 систем локусов групп крови, анализ проводится по системе антигенов EAA (2 локуса), EAB- (36 локусов), EAC (8 локусов), EAF (2 локуса), EAJ (1 локус), EAL (1 локус), EAM (1 локус), EAS (6 локусов), EAZ (1 локус).

Иммуногенетическое исследование выполняются согласно правилам его проведения. Результатом которого выводится генотип/аллели, которые наследуются по Менделю и применяются для определения их передачи от родителя к потомкам. Формат хранения данных в виде текстового документа или таблиц Microsoft Office находится в базе данных лаборатории, в отчетной форме передается в МСХ РФ.

2.13 Анализ получения данных микросателлитного анализа и SNP- анализа

Микросателлитный анализ служит, в первую очередь, для определения достоверности происхождения потомка по обоим родителям. Анализ проводится при наличии биологического образца от обоих родителей и потомка, либо по изъятию недостающих данных из каталога.

В качестве биологического материала были использованы образцы (лейкоциты крови, ткань, волосяные луковицы, мазки из носа) 6439 животных, отобранных в ряде предприятий Тюменской (АО «Приозерное», ООО «Бизон», ЗАО «Падунское», АО «ПЗ «Учхоз ГАУ Северного Зауралья», ООО «ЗапСибХлебИсеть», ООО «Герефорд») и Курганской областей (ООО «Суерь»), а также ХМАО-Югра (ООО «Башмаков») [13].

Геномную ДНК выделяли коммерческими наборами или наборами собственного производства. Различают методы кислотной и щелочной экстракции с детергентами, методы кислотно-фенольной экстракции (современный вариант Три-реагент Хомчинского) или перхлоратный метод.

ПЦР проводили на амплификаторе с обогреваемой крышкой без присутствия масла, т.к. его удаление не всегда эффективно и нарушает течение капиллярного электрофореза, образуя пленку при инжекции образцов на конце капилляров (рисунок Б.3, Б.4).

Согласно международному стандарту ISAG анализировали 13 локусов ядерной ДНК TGLA227, BM2113, TGLA53, ETH10, SPS115, TGLA126, ETH3, TGLA122, INRA023, ETH225, BM1824, BM1818, INRA124, которые равномерно распределены по хромосомам животного.

В результате анализа и проведения лазерной детекции капиллярного электрофореза получили меченных флуоресцентно длины амплифицируемых специфичных фрагментов ДНК. Длины аллелей — это уникальный микросателлитный профиль животного, по которому согласно менделевскому наследованию определяется передача аллелей от родителей потомку. Полученные данные электрофореза выгружали с помощью программного обеспечения прибора в текстовом формате или в формате *.xls и хранили в базе данных.

Генетические расстояний использовали для построения матриц родства, полученную при помощи макросов программного обеспечения Genalex. Таким образом в качестве инструмента для определения отцовства позволило проанализировать и предположить происхождение животных по родителям мясных пород (табл. 3).

Таблица 3 — Треугольная матрица идентичности по Нею

Порода	Генетические расстояния
Порода	Группа 1	Группа 2	Группа 3
Группа 1	1
Группа 2	0,91	1
Группа 3	0,8	0,6	1

Результаты выявленных неточностей по данным первичного учета и родства животных использовали при формировании матриц родства и оценке племенной ценности животных в обязательном порядке находится в базе данных лаборатории, в отчетной форме передается в МСХ РФ.

Анализ SNP проводится для создания и амплификации библиотеки и ее тестирования на генетическом чипе различных классов: низкой (BovineLD Genotyping BeadChip), средней (BovineSNP50 v3 DNA Analysis BeadChip) и высокой плотности (BovineHD DNA Analysis Kit) с количеством SNP до 80000, 53000 и 777000 соответственно.

SNP на генетических чипах делятся на следующие классы:

Маркеры определения достоверности родства – основная панель ISAG.
Маркеры определения достоверности родства — дополнительная панель ISAG.
Маркеры генетических аномалий.
Маркеры основных генов продуктивности и QTL.
Маркеры для картирования генома.

Анализ проводится согласно международному стандарту компании, по протоколам Infinium HD. Данные используются для ассоциативных исследований с поиском новых зависимостей количественных селекционных признаков с наблюдаемыми фенотипическими проявлениями.

При работе анализируют интенсивность сигнала (должна быть по GS не менее 98%), частота аллелей (norm theta) относительно каноническим позициям на кластере для каждого маркера, данные собираются в кластеры, оценивается потеря гетерозиготности (LOH), а также количество копий варианта (CNV) и другие параметры. Маркеры для картирования генома распределены равномерно с медианой не менее 37,4 тыс. пар нуклеотидов (кроме LD). Все маркеры, кроме генетических аномалий и выраженных QTL, являются нейтральными и обозначают связь с наблюдаемым фенотипическим проявлением признака, для определения механизма образования и генотипической составляющей.

Загрузка данных проводилась в форматах *.bpm, *.csv и *.cluster с веб-страницы illumina, для декодирования файлов клиента для каждого нового чипа файл картирования (*.dmap) Illumina, США с производственного сервера с помощью специального программного обеспечения.

Важно отметить, что окрашенное и стабилизированное стекло сканером Illumina iScan через программное обеспечение «BeadStudio» необходимо анализировать с минимальным качеством 98%. Применение более низкого качества приводит к чрезмерной засветке фона и искажению данных с помощью генотипирования. Преднамеренное изменение фона позволяет прочитать больше генотипов, которые являются мнимыми. Такие данные являются недействительными и не могут быть использованы для генотипирования животных. Стандартный алгоритм считывания с высоким качеством (GS <= 0,15) уже задан в программе и не может изменяться в большую сторону. В поле порог GenCall указывали пороговое значение оценки для данного проекта. Мы считаем необходимым устанавливать значение GenCall максимум 0,15 для отсечения некачественных данных для любых чипов серии Infinium. Если чип не читается достаточно хорошо, это указывает на ошибки в подготовке образца и подготовке чипа к анализу или недостаточную квалификацию персонала.

Полученные данные выгружаются с помощи программного обеспечения прибора в текстовом формате или в формате *.csv и хранятся в базе данных до дальнейшей обработки. Результаты выявленных неточностей по данным первичного учета и родства животных должны использоваться при формировании матриц родства и оценке племенной ценности животных в обязательном порядке, как альтернатива микросателлитному анализу.

ЗАКЛЮЧЕНИЕ

Под количественной популяционной генетикой в сельском хозяйстве понимают статистический анализ поведения популяций, описание их состояния при помощи таких параметров, как генотипическая и фенотипическая дисперсии, генетический коэффициент корреляции, коэффициенты наследуемости и повторяемости. Эти параметры определяются всегда точно в явной форме и на них основаны методы оценки. Точное определение используемых понятий — это необходимое условие успешности отечественной селекции.

Современные методы селекции, представленные в данной работе, могут применяться при разведении животных, где зависимость от импорта технологий и генетического материала крайне велика и также прогрессирует.

Следует проявлять осторожность при организации селекционных программ, поскольку это существенно влияет как на достижение генетической выгоды, так и на племенную экономику и, прежде всего, фермерскую экономику. Текущие программы организованы в основном не полностью во благо животноводам, так как они не делают акцент на максимизации генетической выгоды при минимальных затратах животноводов и часто ориентированы на получение прибыли коммерческих организаций (не только обеспечивающих результатами селекции, но и ветеринарного обслуживания, кормления, обеспечения сельскохозяйственной техникой и т.п.). Оптимальная компания предложит оптимизационные исследования, которые учтут комплекс всех наблюдаемых свойств и всех видов деятельности, связанных с селекцией.

При оценке необходимо учитывать три основных показателя, влияющих на результат селекции: интервал смены поколений, интенсивность отбора и ее надежность. Акцент следует сделать на значимых секторах селекции.

Отдельный заводчик влияет на племенную работу в собственном стаде и промышленно использует доступный генофонд. При покупке (выборе) генетического материала (племенных животных, спермы и т.д.), надлежит учитывать три основных фактора, а именно племенную ценность, надежность оценки и стоимость.

Общий принцип заключается в том, чтобы использовать производителей как можно скорее, с момента их включения в племенную работу (после контроля продуктивности, бонитировки), а также крайне интенсивно и в кратчайшие сроки обменивать на младших. В качестве дополнительного индикатора применять предел возраста быков, допускаемых для осеменения.

Мероприятия, предлагаемые для разведения, должны в принципе быть полностью открытыми и являться предметом обсуждения в присутствии широкого общества селекционеров, генетиков-исследователей, а также и представителей государственной власти, потому что они всегда могут значительно повлиять на всю популяцию скота и экономику каждой породы в стране.

При проведении оценки племенной ценности необходимо тестирование всего поголовья животных по микросателлитным маркерам или SNP для уточнения их родства и устранения ложной информации о родстве из данных для формирования истинных матриц родства, которые являются основой геномного прогноза.

В продолжении предыдущей работы (2018 г.) по теме: «Исследование и разработка методических подходов по оценке племенной ценности крупного рогатого скота молочного и мясного направлений на основе методов геномной оценки на территории РФ», а также научно-исследовательской работы в 2020 году по теме: «Разработка системы адаптации данных первичного учета, генотипирования и продуктивности животных для формирования единой информационной системы оценки племенной ценности крупного рогатого скота молочного направления с перспективой использования в геномной оценке» важны уточнение и оценка надежности, а также получение новых достоверных данных о продуктивности животных и другим селекционным признакам здоровья и воспроизводства, экстерьера, мясной продуктивности и т. п. для осуществления точной оценки животных на региональном уровне Тюменской области для формирования базы исходных данных и результатов оценки, чтоб оценить генетическую прибыль тестируемых пород.

ВЫВОДЫ

На основании полученных результатов были сделаны следующие выводы:

Разработана концепция и математическое пространство оценки племенной ценности животных в современном и конкурентном селекционном пространстве на основе одиночного селекционного признака.
Разработаны способы и приемы оценки племенной ценности в случае анализа данных из нескольких источников информации для групп родственных животных.
Разработаны способы оценки животных при помощи формирования селекционного индекса.
Разработан алгоритм расчета племенной ценности крупного рогатого скота при помощи простых моделей BLUP.

СПИСОК ЛИТЕРАТУРЫ

Kattan E., Kuroiwa A., López R. International cooperation. Where are we, and where are we heading to? Rev Med Chil. 2017. 145 (6). Р. 783 — 789.
Baruselli P.S., Ferreira R.M., Sá Filho M.F., Bó G.A. Review: Using artificial insemination v. natural service in beef herds. Animal. 2018. Р. 45 — 52.
Stahl W., Rasch D., Siler R., Vahal J. Populationsgenetic fur tierzuchter. Berlin-Prag. 1969. P. 1 — 439.
Guarini A.R, Lourenco D.A.L., Brito L.F., Sargolzaei M., Baes C.F., Miglior F., Misztal I., Schenkel F.S. Comparison of genomic predictions for lowly heritable traits using multi-step and single-step genomic best linear unbiased predictor in Holstein cattle. J Dairy Science. 2018. 101(9). P. 8076 — 8086.
Fisher R.A. The correlation between relatives on supposition of Mendelian inheritance. Trans Royal Socim Edinburgh. 2018. V.52. P. 399-433.
Clement M.J, Hines J.E., Nichols J.D., Pardieck K.L., Ziolkowski D.J Jr. Estimating indices of range shifts in birds using dynamic models when detection is imperfect. Glob Chang Biology. 2016. P. 3273 — 3285.
Мельникова Е.Е., Янчуков И.Н., Ермилов А.Н., Зиновьева Н.А., Осадчая Ольга Юрьевна, Харитонов С.Н. Селекционный индекс племенной ценности коров популяции черно-пестрого скота Московской области. Известия ТСХА. №1. 2017.
Трухачев В.Н., Злыднев В.Н., Селионова М., Ставропольский государственный аграрный университет. Племработа Чувашии. 2020. (http://plemrabota.ru/node/29614).
Рокицкий П. Ф. Биологическая статистика. Изд. 3-е, испр. Минск. Вышэйш. Школа. 1973. 320 с.
Benvenisti E., Hirsch M. The Impact of International Law on International Cooperation: Theoretical Perspectives Cambridge University Press. 2004.
Тюренкова Е.Н. Еще раз о проблемах племенного учета. Farm Animals. 2014. №3 (7). С. 30 -31.
Primorac D., Schanfield M. Forensic DNA Applications: An Interdisciplinary Perspectiv Primorac D., Schanfield M. CRC Press. 2014. P. 1-647.
Отчет Государственного задания Министерства сельского хозяйства Российской Федерации: №082-03-2018-130 «Исследование и разработка методических подходов по оценке племенной ценности крупного рогатого скота молочного и мясного направлений на основе методов геномной оценки на территории РФ». 2018. 92 с.
Калашников А.Е., Калашникова Л.А., Ялуга В.Л., Прожерин В.П. Постгеномная селекция крупного рогатого скота как необходимый этап развития успешной экономической модели в России // Калашников А.Е., Калашникова Л.А., Ялуга В.Л., Прожерин В.П. Главный зоотехник. 2019. №5. С. 3 – 10.
Калашников А.Е., Гостева Е.Р. Язык программирования R как инструмент для расчета племенной ценности животных // Калашников А.Е., Гостева Е.Р. Проблемы биологии продуктивных животных. 2019. №3. С. 106 -113.

Приложения

Автор НИР

ФГБОУ-ВО-ГАУ-Северного-Зауралья

Животноводство