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

Титульный лист и исполнители

РЕФЕРАТ

Отчет 113стр., 10 таблиц, 25 рисунков, 91 источник, 3 приложения.

Ключевые слова: крупный рогатый скот, молочная продуктивность, генотип, микросателлитный анализ, генетический потенциал, база данных, первичный учет, зоотехнические и фенотипические признаки, ветеринарные заболевания, централизация, систематизация, единое информационное обеспечение, индустриальное молочное животноводство.

Работа выполнена с целью разработки системы адаптации данных первичного учета, генотипирования и информации по продуктивности животных для формирования единой информационной системы оценки племенной ценности крупного рогатого скота молочного направления продуктивности с перспективой использования в геномной оценке. В работе впервые представлено единое комплексное теоретическое, методологическое и практическое обоснование применения открытой информационно-аналитической платформы в виде региональной базы данных генотипов племенных животных, полученных с применением молекулярно – генетических методов (по микросателлитным участкам ДНК и генетическим чипам) для сельскохозяйственных предприятий региона, формирования отчетности в распространенном формате для Министерства сельского хозяйства Российской Федерации и ICAR.

Результаты работы в виде разработанной системы адаптации данных первичного учета, генотипирования будут рекомендованы руководителям и специалистам племенных предприятий Российской Федерации для формирования регламентов проведения племенной работы с учетом происхождения животных по микросателлитным маркерам, экстерьерных особенностей, сведений о кормоконверсии и заболеваемости, а также аналитической работы и интенсификации обмена данными между предприятиями и научными центрами для проверки и уточнения методов менеджмента селекционных программ посредством создания единой информационной системы.

ТЕРМИНЫ И ОПРЕДЕЛЕНИЯ

В настоящем отчете НИР применяются следующие термины с соответствующими определениями:

Архитектура – протоколы и интерфейсы, требуемые для реализации связи, форматы данных и процедуры их передачи по сети.

Ген DGTA1 (О диацилглицерол О-ацилтрансферазы 1) – кодирует фермент, участвующий в синтезе триглицеридов. Полиморфизм этого гена оказывает влияние на содержание внутримышечного жира в мышцах животных.

Генотип – это набор генов, присущий определенному организму. Гены передаются по наследству от родителей и влияют друг на друга, формируя индивидуальный генотип.

Геномная селекция(Genomic Selection, GS) — технология для повышения точности оценки племенной ценности молодых животных на основе информации о десятках тысяч SNP-маркеров по всему геному.

Диспансеризация — система плановых диагностических и лечебно-профилактических мероприятий, проводимых ветеринарными специалистами хозяйств с участием сотрудников ветеринарных лабораторий, районных ветеринарных станций, руководителей хозяйств, зоотехников, агрономов, управляющих и бригадиров ферм.

ДНК-маркеры – генетические маркеры представляют собой последовательности ДНК, которые прослеживаются конкретных местах на хромосомах и связанные с определенными признаками.

Зоотехнический учет – система регистрации племенных и производственных показателей в животноводстве. Данные зоотехнического учета, отражающие получение животноводческой продукции и её качество, состав поголовья и его изменение, расход и использование кормов и другие показатели, используют для составления промежуточных и годовых отчетов о производственной деятельности хозяйства.

Каппа-казеин – одна из фракций казеина, и ген, контролирующий его образование в молоке, имеет 10 аллельных вариантов. Из них у крупного рогатого скота выделено два, встречающихся наиболее часто — А и В, в трех различных сочетаниях генотипов — АА, AB, ВВ. Выявляют эти генотипы методом маркерной селекции и ДНК-анализа с помощью полимеразной цепной реакции.

Клиническая диагностика (от греч. Diagnosticos – способный распознавать) – наука о методах исследования животных, процесс исследования животного с последующей постановкой диагноза.

Коморби́дность — сосуществование у одного животного двух и более заболеваний или синдромов, связанных между собой единым патогенетическим механизмом или совпадающих по времени.

Коэффициент наследуемости (h²) – показатель относительной доли генетической изменчивости в общей фенотипической вариации признака.

Микросателлиты – короткие тандемные (простые) повторы, — варьирующие участки (локусы) в ядерной ДНК и ДНК органелл (митохондрий и пластид), состоящие из тандемно повторяющихся мономеров длиной менее 9 пар оснований и образующие поля менее 1 тысячи пар оснований. Являются широко распространенными молекулярными маркерами в генетических и геномных исследованиях.

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).

Первичные документы зоотехнического учета – индивидуальные карточки производителей и маток; книги учета осеменения животных, отелов; журналы регистрации приплода, получения продукции, оценки производителей по собственной продуктивности и качеству потомства; ведомости и акты приплода, перевода животных из одной возрастной группы в другую, индивидуальной продуктивности и др.

Племенная ценность – уровень генетического потенциала племенного животного и влияние данного генетического потенциала на хозяйственно полезные признаки потомства.

Программный модуль — программа или отдельная ее функциональная часть, рассматриваемая как единое целое в контекстах хранения, замены, трансляции, объединения с другими программными модулями и ее загрузки в оперативную память ЭВМ.

Продуктивностьсельскохозяйственныхживотных — количество и качество продукции, получаемой от животного за определенный период (день, месяц, лактацию, год, в течение жизни).

Пролактин – белковый гормон, регулирует функции образования и секреции молока.

Референтная популяция — группа животных (в основном быков-производителей), прошедших оценку по качеству потомства и имеющих высокие и достоверные значения племенной ценности.

Селекция (seligere — «выбирать») — наука о методах создания новых и улучшения существующих пород животных.

Сервис-период — период от отела коровы до последующего ее оплодотворения, или время от окончания одной до начала следующей стельности. Служит показателем плодовитости животных и организации воспроизводства стада.

Синдроматика стада – комплекс хозяйственно-экономических показателей, дающий общую характеристику стада по состоянию здоровья. Это групповой, сопоставительный синдром, изучаемый в динамике за длительный период времени; применительно к поголовью крупного рогатого скота, включает в себя: продуктивность коров, их массу, средние сроки использования, интенсивность выбраковки, анализ ее причин, динамику воспроизводства, массу телят и их состояние при рождении, заболеваемость и падеж молодняка, заболеваемость коров маститом и другими гинекологическими заболеваниями, а также динамику клинико-биохимических показателей, оценку экономической эффективности проводимых ветеринарных мероприятий.

Симптом — все проявления болезни, в основе которых лежат функциональные и анатомические изменения в органах и системах, устанавливаемые клиническим исследованием и отличающем больное животное от здорового.

Феноти́п (от греческого слова phainotip — являю, обнаруживаю) — совокупность характеристик, присущих индивиду на определённой стадии развития. Фенотип формируется на основе генотипа, опосредованного рядом внешнесредовых факторов.

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ

В настоящем отчете о НИР применяют следующие сокращения и обозначения:

АПК – агропромышленный комплекс

АРМ – автоматизированное рабочее место

АС – автоматизированная система

БД – база данных

ДНК – дезоксирибонуклеиновая кислота

ИАП – информационно-аналитическая платформа

ИАС – интегрированная автоматизированная система

ИТ – информационные технологии

кг – килограмм

КСА – комплекс средств автоматизации

КСА АС – комплекс средств автоматизации автоматизированной системы

МДБ – массовая доля белка в молоке, %

МДЖ – массовая доля жира в молоке, %

мкл – микролитр

МСХ РФ – Министерство сельского хозяйства Российской Федерации

нг – нанограмм

НТД – нормативно-техническая документация

ОС – операционная система

ПАК – программно-аппаратный комплекс

ПО – программное обеспечение

ПЦ – племенная ценность

ПЦР – полимеразная цепная реакция

РИСЦ – региональный информационно-селекционный центр

СОП – стандартная операционная процедура

СУБД – система управления базами данных

СХД – система хранения данных

США – Соединенные Штаты Америки

ТЗ – техническое задание

ТИ – телекоммуникационная инфраструктура

*.bpm – формат схемы чипа Illumina

*.cluster – формат данных чипа Illumina кластеризации

*.csv – формат файлов текст

*.dmap – формат физической карты чипа Illumina

*.odp – формат файлов схемы и презентации

*.ods – формат файлов офис таблица

*.odt – формат файлов офис текст

*.pdf. – формат файлов postscript Adobe

*.png. – формат файлов рисунок

*.sas – формат файлов программ программной среды SAS

*.txt – формат файлов текст

Animal model – линейная модель индивидуума

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

BLUP (Best Linear Unbiased Prediction) – наилучший линейный неискаженный прогноз

CNV – количество копий варианта

D (delta, Δ) – отличие продуктивности от сверстников

e – влияние неконтролируемых факторов

EBV (evaluate breeding value) – величина племенной ценности

ei – нормально распределенная случайная величина, играющая в процессе аддитивного наследования роль «шума»

EPD (expected progeny difference) – ожидаемое различие у потомства

G – влияние генетической основы (племенная ценность) индивида

GBLUP (Genomic Best Linear Unbiased Prediction) – лучший линейный неискаженный геномный прогноз

GenCall – величина оценки прочтения аллеля

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

HYSi – влияния среды, стадо-год-сезон (отела) или постоянные влияния производственного окружения вместе

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

ISAG (International Society for Animal Genetics) – Международный комитет генетики животных

ISO 17025 – стандарт ИСО

L – влияние порядка лактации

LOH (loss of heterozygosity) – потерягетерозиготности

MAS (marker-associated studies) – маркер-ассоциированныеисследования

Microsoft Office – офисныйпакетпрограмм

NCBI (National Center for Biotechnological Information) – Национальный центр биотехнологической информации США

PF-1 – средние показатели текущей продуктивности популяции до отбора

QTL (quantitative trait loci) – локусы количественных признаков

r2S и r2F – оценки достоверности племенных ценностей производителя и матери

S – влияние стада, в котором содержится корова

SNP (Single nucleotide polymorphism) – однонуклеотидный полиморфизм

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

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

var(g) – изменчивость генетической основы

var(GS) и var(GM) – генетические значения признака отца и матери

var(y) – изменчивость наблюдаемого признака

var(ZSi) и var(ZDi) – отклонения от аддитивного наследования

xi – фенотипическое значение некоторого признака матери

XLS – расширение файла таблицы Microsoft

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

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

ΔG – генетическая выгода

ω – экономическая значимость измеряемого признака, выраженная в рублях

ВВЕДЕНИЕ

Молочное животноводство является важнейшей отраслью аграрного сектора промышленности Российской Федерации. С учетом возрастающих тенденций импортозамещения, повышения запроса к качеству и доступности продовольственных товаров для отечественного потребителя, в том числе молока и молочной продукции, а также для поставки на экспорт, необходимо формировать комплексный подход (сочетанное применение методик генетических, зоотехнических исследований, ветеринарного контроля и цифровизации индустриального молочного производства) к внедрению мер интенсификации и оптимизации производственных процессов в условиях индустриальных молочных хозяйств.

Развитие и ускорение темпов молочного производства неразрывно связаны с необходимостью укрепления и раскрытия генетического потенциала поголовья крупного рогатого скота, разводимого на территории Российской Федерации. Это возможно только при условии контроля достоверности происхождения племенных животных, постоянного мониторинга и выявления генов, влияющих на показатели продуктивности, кормоконверсии, фертильности, ветеринарного благополучия и т. д., а также комплексной племенной оценки, включая сбор первичных данных о проявлении фенотипических признаков, учитываемых в селекционно-племенной работе.

Именно повсеместное внедрение в производство унифицированных генетических методов совершенствования популяции и обработки получаемых результатов на предприятиях позволяет сформировать кластер развития молочного животноводства, обеспечивающий физически объединенное хранение данных, ускорение выполнения сложных запросов, и, как следствие, обеспечение возможности прорывного развития отечественного молочного животноводства.

Одной из существенных проблем, связанных с развитием геномной оценки племенной ценности крупного рогатого скота молочного направления продуктивности, является разрыв между нарастающими объемами данных первичного учета, генотипирования и продуктивности животных и их реальным использованием для решения задач молочной подотрасли животноводства.

Для структуризации накапливаемого массива данных разрабатываются программы компьютерного мониторинга, обеспечивающие менеджмент молочного животноводства и позволяющие отследить и проанализировать ряд поступающих сведений. Однако представленные на отечественном (СЕЛЭКС — учетно-аналитическая программа для контроля стада) и мировом (DairyComp (мониторинг перегруппировок поголовья, воспроизводства, ветеринарный учет поголовья, контроль вакцинаций, содержания молодняка и пр.), TMR Tracker (контроль кормления), DairyPlan (контроль доения), SMARTBOW (система мониторинга коров и датчики движения), HYBRIMIN (составление рационов), UNIFORM AGRI (объединение данных с программ менеджмента молочного животноводства в условиях одного предприятия))рынке информационные системы для систематизации и анализа сведений по оценке крупного рогатого скота имеют ряд недостатков, к наиболее значимым следует отнести недостаточную защиту от ввода некорректных и неполных данных, слабое взаимодействие на основе обмена данных с информационными системами других производителей, отсутствие возможности ввода и обработки данных генотипирования, а также систематизации, накопления и обработки данных по региону.

В этой связи настоящая работа, выполненная с целью разработки системы адаптации данных первичного учета, генотипирования и продуктивности животных для формирования единой информационной системы оценки племенной ценности крупного рогатого скота молочного направления продуктивности с перспективой использования в геномной оценке, является не только актуальной, но и необходимой.

Для достижения поставленной цели были определены следующие задачи:

Создать информационную аналитическую платформу для автоматизации процессов сбора, извлечения, обработки, хранения, анализа и представления информации.
Провести сравнительную характеристику разрабатываемой программыс имеющимися на рынке программами менеджмента молочного животноводства.
Разработать систему адаптации данных первичного учета и молекулярно-генетических исследований для интеграции в единую информационно-аналитическую платформу.

Уникальность настоящейработы заключается в том, что разработанная информационно-аналитическая платформа отличается от существующих коммерческих программ с закрытым доступом свободно распространяемым программным продуктом на основе открытых стандартов, удобным пользовательским интерфейсом, обеспечением импорта данных с приборов генотипирования (микросателлитный профиль и генетические биочипы) в отчетности устройств, возможностью построения единой базы данных от региона к общероссийской системе.

Научная новизна НИР заключается в осуществлении единого комплексного теоретического, методологического и практического обоснования применения открытой информационной среды на основе региональной базы данных генотипов племенных животныхсельскохозяйственных предприятий, полученных с применением молекулярно-генетических методов исследования (по микросателлитным участкам ДНК и SNP), формирования отчетности для Министерства сельского хозяйства Российской Федерации, а также ICAR (International Committee for Animal Recording, Международный комитет записи и регистрации животных). До 2016 г. на молочных индустриальных хозяйствах Тюменской области определение достоверности происхождения потомков по родителям определялось с помощью иммуногенетического анализа. С 2017 года в Центре геномных технологий ФГБОУ ВО ГАУ Северного Зауральяприменяются более современные методы исследования — микросателлитные маркеры. В 2020 г. впервые получены данные о геноме животных с помощью биочипов и проведено тестирование по SNP-маркерам 100 голов животных молочного направления продуктивности.

Разработанная система адаптации данных позволит обеспечить направленность внедрения, применения, накопления и анализа получаемых данных первичного зоотехнического учета и результатов генетических исследований в условиях конкретного животноводческого предприятия для расчета индексов племенной ценности и внедрения геномной оценки на территории Тюменской области.

Практическая значимость проведенной работы заключается в обеспечении высокоэффективного взаимодействия между практикующими ветеринарными специалистами, селекционерами, генетиками и производителями, которые смогут в ускоренном формате осуществлять обмен данными, взаимно подтверждать, опровергать или уточнять их в условиях систематизации, автоматического анализа и установления корреляций, а также соотнесения новых получаемых сведений с накопленной теоретической базой, результатами лабораторных исследований.

Новый подход к адаптации и обработке данных первичного учета и генотипирования позволит в дальнейшем развивать научную сферу в молочной отрасли АПК за счет ускорения сбора сведений, их точной автоматизированной обработки, проверки и выгрузки в форме отчетов с необходимыми показателями (данными о лактациях, кормлении, живой массе, % стельности, ветеринарного обслуживания, генетических исследований и т. д.), консолидировать сведения о возможностях роста и реализации генетического потенциала племенных животных для дальнейшего совершенствования генофонда пород в направлении повышения продуктивности, уровня гетерогенности, грамотного и обоснованного ведения племенной работы с перспективой использования в геномной селекции и формирования нового племенного ядра в регионе.

В частности, сведения, полученные в ходе проведенной работы и основной результат (региональная база данных генотипов племенных быков-производителей и маточного поголовья молочного стада, полученная с применением высокоэффективных молекулярно-генетических методов на основе системы адаптации данных первичного учета) позволяют ускорить изучение наследуемости признаков, что создает условия к интенсивному росту уровня экономической эффективности, результативности производства в индустриальных животноводческих хозяйствах региона. Кроме того, они предназначены для внедрения в племенных и товарных индустриальных молочных хозяйствах – предприятиях АПК Тюменской области с возможностью дальнейшего распространения на территории Российской Федерации. В составе информационно-аналитической системы на базе интернет-платформы также предусмотрена возможность формирования отчетности согласно запросам РИСЦ и Министерства сельского хозяйства Российской Федерации.

Объединение усилий предприятий молочной индустрии в региональной системе адаптации данных первичного учета на основе созданной информационно-аналитической платформы позволит достичь высоких показателей производительности и экономической эффективности в сфере геномной селекции не только в сравнении с регионами, еще не участвующими во внедрении и расширении платформы, но и в сравнении с мировыми лидерами за счет автоматизации и ускорения процессов отбора сразу по множеству параметров.

1 ОСНОВНАЯ ЧАСТЬ

1.1 Аналитический обзор

1.1.1 Первичный учет данных в молочном скотоводстве

Крупный рогатый скот – сельскохозяйственные животные, относящиеся к виду Bos taurus, классу парнокопытных млекопитающих, которые включают в себя дикий и одомашненный крупный рогатый скот.

Родоначальниками домашнего крупного скота были европейские и азиатские туры. Ближайшими неродственными сородичами были американский бизон и европейский зубр, як и зебу. Многочисленные ископаемые останков диких предков крупного рогатого скота обнаружены в Западной Азии, Северной Африке и Западной Азии не позднее 8500 лет назад. Первые попытки селекционной работы были предприняты в Древнем Риме.

В мире известно около 250 пород крупного рогатого скота, которые объединены в разные группы: краниологическая (основана на различиях в строении черепа), хозяйственная (продуктивные характеристики) и географическая (по району обитания). Его общая численность составляет более 1,3 млрд. голов.

Согласно хозяйственной классификации по продуктивным характеристикам животных разделили на молочный, мясной и комбинированный скот.

Из пород молочного направления продуктивности наибольшее распространение получила голландская черно-пестрая порода. В США, Японии, Канаде, России известна под названием голштинская, в то время как в Австралии, Новой Зеландии, Великобритании и Франции получила название голштино-фризская порода. В СССР в 1930-1940-е гг. выведена родственная ей черно-пестрая порода, также широко представленная в хозяйствах Российской Федерации и отличающаяся хорошей акклиматизацией и обладающая хорошим здоровьем (рисунок 1) [1,2].

word image 879 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

Рисунок 1. Черно-пестрая и голштинская породы животных

В России ареал разведения молочного (преимущественно голштинской и черно-пестрой пород) скота: Урал, Восточная и Западная Сибирь, Дальний Восток [3].

Все поголовье молочного скота в условиях молочных хозяйств делится на половозрастные группы: быки-производители, коровы, нетели, ремонтный молодняк (воспроизводство стада) и скот на откорме (сверхремонтный молодняк и взрослые животные на выбраковку) [1,4-6] Дляконтроля продуктивных и воспроизводительных качеств молочного скота, ведения обоснованной селекционной работы необходим первичный учет ряда зоотехнических показателей, формируемых в своды первичных данных, которые впоследствии цифровизуются для накопления и дальнейшей аналитики.

В индустриальных молочных комплексах Российской Федерации первичные фенотипические данные заносятся в базы данных ИАС “СЕЛЭКС. Молочный скот” и Dairy (DairyComp 305, DairyPlan). В структуре сведений учитываются показатели конституции животного (рост, вес, плотность, глубина груди и пр.), продуктивные показатели, признаки воспроизводства (фертильность, выход телят и пр.), которые объединены формами МОЛ – 1, МОЛ – 2, МОЛ – 7 и индивидуальные своды данных для выполнения аналитических работ.

Воспроизводительные показатели коров учитывают по возрасту первого отела, продолжительности: сервис-периода,межотельного периода и пр. [4, 7, 8]

Продолжительность сухостойного периода – это скорее хозяйственный признак, который по своей длительности находится в пределах допустимых величин.

Продолжительность сервис-периода указывает не только на благополучность отела и скорость восстановления животных после него, но и на степень зрелости ремонтных животных к моменту начала их использования. Восстановление после отела зависит, в том числе от крепости здоровья.

В систему индивидуальной селекции входит оценка животных по экстерьеру, поскольку форма и функция организма тесно связаны между собой. Оценка экстерьера коров, несмотря на ее известную субъективность и условность, занимает важное место в молочном скотоводстве и дает довольно точное представление о типе конституции, продуктивности животного, его возрасте и состоянии здоровья, указывает на породу. Оценка экстерьера немаловажна с точки зрения величины продуктивности, качества получаемой продукции, а также продолжительности хозяйственного использования животных. То есть правильно сложенные животные производят наиболее выгодную с экономической точки зрения продукцию [4,5,6].Экстерьер коров оценивают посредством снятия промеров с помощью инструментов (мерная палка, циркуль, мерная лента) согласно утвержденной методикам по породе.

Наиболее информативная и точная оценка экстерьера – линейная. Она позволяет: дать характеристику класса стада по телосложению; построить экстерьерный профиль стада с целью подбора быков-производителей; выявить недостатки и пороки экстерьера; провести корректировку выращивания ремонтного молодняка [4, 9]. Экстерьер коров оценивают посредством снятия промеров с помощью инструментов (мерная палка, циркуль, мерная лента) согласно утвержденной методикам по породе.

Существует множество исследований, подтверждающих взаимосвязь экстерьерных показателей с молочной продуктивностью. Например, выявлено, что на показатели молочной продуктивности (удой, коэффициент молочности и выход жира и белка) достоверное влияние (р<0,01) оказали следующие промеры: косая длина туловища (r=0,08…0,12), ширина в маклоках (r=0,23…0,27), ширина в тазобедренных сочленениях (r=-0,28…-0,35) и обхват пясти (r=-0,37…-0,39), характеризующие формат телосложения, костистость и широтные промеры.

Основной селекционный признак современного животноводства – хозяйственное долголетие – связанный с экстерьером, что отражается во всех селекционных индексах, применяемых в мировом молочном скотоводстве.Доля экстерьера в селекционных индексах колеблется в пределах: TPI – 26%; RZG – 20%; ICC – в двух субиндексах 34 и 70%.

Классическая оценка селекционных признаков коров молочного направления продуктивности является неотъемлемой частью племенной работы в совершенствовании породного потенциала животных, а анализ генома животного позволяет получить более точный прогноз (до 72%) по потомству и произвести оптимальный подбор родительских пар.

Молочное скотоводство в Тюменской области представлено деятельностью индустриальных хозяйств, в которых также проводится сбор данных первичного учета по общепринятым методикам. В настоящей работе учтены первичные данные с двух молочных хозяйств Тюменского региона.

Для контроляза фенотипической изменчивостью хозяйственно-полезных признаков и управления ею в стадах необходимо проводить систематический зоотехнический учет и оценку этих признаков [3]. Чтобы определить племенную ценность животных в молочном скотоводстве необходимо учитывать следующие основные первичные данные, анализ которых ускорит процесс по выбору наиболее эффективного метода совершенствования генетики стада за счет применения базы данных расположенной на цифровой информационно-аналитической платформе:

Количественные и качественные показатели молочной продуктивности (за календарный или хозяйственный год);
Содержание жира и белка в молоке (при проведении контрольных доений);
Живая масса коров (желательно чтобы удой коров за лактацию превышал их живую массу в 8-10 раз, или коэффициент молочности, что свидетельствует о молочном типе коровы);
Развитие молочных желез (оценка морфофункциональных свойств вымени) [10,11];
Продолжительность лактации (нормальная продолжительность лактации составляет в среднем 305 дней);
Сервис-период, сухостойный период и стельность (длительный сервис-период отрицательно сказывается на величине молочной продуктивности коров в отличие от сухостойного, пролонгация которого впоследствии приводит к более высоким показателям продуктивности; сроки стельности влияют преимущественно на жирность молока) [11,12];
Экстерьерные показатели (косая длина туловища, ширина в маклоках, ширина в тазобедренных сочленениях и пр.) [10,13];
Продуктивное долголетие (сохранение на высоком уровне воспроизводительных способностей, племенных и продуктивных качеств в течение определенного срока хозяйственного использования животного) [14].

Банк данных по референтной популяции животных должен включать помимо показателей собственных, племенную ценность предков животного. Всё это влияет на эффективность селекционно-генетической работы [15,16]. В свою очередь, обнаружение у животного конкретных генов позволяет корректировать степень их реализации в процессе хозяйственного использования [9,17,18,19,20].

1.1.2 Молекулярно-генетические исследования крупного рогатого скота

В настоящее время в дополнение к традиционным методам селекции достижения в области молекулярной генетики позволили получить больше информации о животных на генном уровне. Использование геномных технологий создает основу для получения информации о геноме животных по продуктивным показателям, а также по здоровью и генетически обусловленной резистентности к незаразным и инфекционным болезням, которые в настоящее время не подвергаются лечению. Среди последних следует учитывать такие как туберкулез, лейкоз и другие, сказывающиеся не только на здоровье животных, но и на безопасности, экологичности и качестве получаемой продукции [21-28].

Для консолидации достоверных данных по родителям крупного рогатого скота молочного направлений продуктивности в информационно-аналитическую платформу необходимо тестировать животных при помощи молекулярно-генетических методов.

В настоящее время применимы два наиболее актуальных и информативных метода получения сведений по геному животного: микросателлитный анализ (исследование по микросателлитным локусам) и SNP (однонуклеотидный полиморфизм — дает возможность одномоментно получить данные по 55000 маркерам) [29,30].

Для подтверждения данных первичного учета о родстве животных из информационно-аналитической системы “СЕЛЭКС. Молочный скот” проводилось сравнение определенных генотипов родителей и потомков, согласно менделевскому наследованию, при помощи ДНК тестирования. В качестве определения родства использовался простой и доступный метод анализа микросателлитных локусов ядерной ДНК [31].

Выявление уникальных генотипов и аллельного состава по микросателлитным локусам для каждого индивидуума (животного) вне зависимости от возраста, половой принадлежности и его физиологического состояния является неотъемлемой частью системы генетической идентификации животных [32].

В мировой практике генетическую идентификацию и выявление ошибок регистрации в записях первичного учета животных проводят с помощью панели микросателлитных локусов, соответствующей международным стандартам в рамках рекомендаций ISAG/ICAR [6].

Принимая во внимание, что в Российской Федерации отсутствует единая унифицированная методика по определению генетической идентификации племенных животных, а это свидетельствует о необходимости получения данных по генетическому профилю животных с помощью микросателлитных маркеров.

Согласно Международному комитету записи и регистрации животных (ICAR) и Международного комитета генетики животных (ISAG) генетический профиль крупного рогатого скота молочного направления продуктивности представлен 9 микросателлитными локусами ядерной ДНК: TGLA227, BM2113, ETH10, SPS115, TGLA126, TGLA122, INRA023, ETH225, BM1824 (таблица 1).

Систематическое тестирование поголовья крупного рогатого скота с использованием ПЦР-анализа в рамках генетической идентификации поголовья по микросателлитным (STR) маркерам создает реальную основу для внедрения генетического мониторинга в практику животноводства Тюменской области.

Таблица 1 – Рекомендованный перечень микросателлитных локусов, согласно ISAG

Название локуса	Последовательность праймера (5′-3′)
BM1824	F: GAG CAA GGT GTT TTT CCA ATC
	R: CAT TCT CCA ACT GCT TCC TTG
BM2113	F: GCT GCC TTC TAC CAA ATA CCC
	R: CTT CCT GAG AGA AGC AAC ACC
INRA023	F: GAG TAG AGC TAC AAG ATA AAC TTC
	R: TAA CTA CAG GGT GTT AGA TGA ACT C
SPS115	F: AAA GTG ACA CAA CAG CTT CTC CAG
	R: AAC GAG TGT CCT AGT TTG GCT GTG
TGLA122	F: CCC TCC TCC AGG TAA ATC AGC
	R: AAT CAC ATG GCA AAT AAG TAC ATA C
	R2: AAT CAC ATG GCA AAT AAG TAC ATA
TGLA126	F: CTA ATT TAG AAT GAG AGA GGC TTC T
	R: TTG GTC TCT ATT CTC TGA ATA TTC C
TGLA227	F: CGA ATT CCA AAT CTG TTA ATT TGC T
	R: ACA GAC AGA AAC TCA ATG AAA GCA
ETH10	F: GTT CAG GAC TGG CCC TGC TAA CA
	R: CCT CCA GCC CAC TTT CTC TTC TC
ETH225	F: GAT CAC CTT GCC ACT ATT TCC T
	R: ACA TGA CAG CCA GCT GCT ACT

Кроме того, ПЦР-диагностика — высокочувствительный и специфический метод прямой диагностики заразных и незаразных заболеваний животных. В частности, является альтернативным способом диагностики лейкоза, вирусной диареи животных в скрытых стадиях заболевания с раннего возраста и независимо от физиологического состояния (до и после отела) животного. Идентификация вируса на генном уровне позволяет с высокой степенью достоверности определить распространение больных и вирусоносителей в стаде [33,34,35].

В молочном животноводстве широкое распространение получила индексная селекция с применением целого ряда комплексных показателей, каждый из которых имеет определенный коэффициент (экономический вес). Величина этих коэффициентов определяется направлением селекции, связью между признаками, а также надежностью оценки того или иного показателя. При расчете индексов используются различные параметры, с учетом доли влияния группы признаков на рентабельность производства продукции в конкретных условиях [6]. Расчет индексов племенной ценности ведется в зависимости от географического расположения предприятий и исторически сложившихся на конкретной территории методов отбора племенных животных.

Прогрессивная динамика совершенствования геномной селекции и зоотехнического учета наблюдается в странах производителей, применяющих не только классические методы селекции, но и современные разработки, способные обеспечить возможность прогнозирования наличия или отсутствия у потомков важных племенных признаков.

Наибольшая эффективность применения геномных методов оценки достигается путем сопутствующей оптимизации менеджмента воспроизводства (применения в системе воспроизводства стада сексированного семени, трансплантации эмбрионов и т. д.) [36, 37].

При всем разнообразии используемых индексов существуют общие закономерности их применения, в связи с чем необходимо учитывать комплексный подход при сборе первичных данных и возможность унификации их формата для дальнейшей обработки и последующего применения в условиях различных технологических ритмов и вариаций программного обеспечения предприятий молочной промышленности (приложение А, В).

Среди базовых данных первичного зоотехнического учета и информации о геноме животных в структуре племенной работы на предприятии следует выделить необходимость изучения родословной, фенотипических параметров (удой, % жирности молока, содержание белка в молоке, количество лактаций и пр.), характер и соотношение продуктивных признаков, а также анализ получаемых данных с технологическими ритмами и протоколами работ на конкретном предприятии [38, 39, 40].

Наиболее применяемыми в зарубежной практике являются селекционные индексы: американские TPI и NM$, голландский NVI, германский RZG, североевропейский NTM, канадский LPI и ирландский EBI [41]. По данным о практическом внедрении индексов, TPI более других интегрирован в систему селекционно-племенной работы Тюменской области.

В январе 2020 г. Комитет по развитию генетики Голштинской Ассоциации США провел обзор генетического прогресса породы и проанализировал текущие и прогнозируемые изменения закупочных цен на молоко и 12 февраля 2020 г. представили свои рекомендации совету директоров Ассоциации по изменению в формуле TPI.

Новая формула TPI, введена в действие вместе с выходом оценки быков в апреле 2020 г. и включала в себя следующие коррективы:изменилисьоценки составляющих племенной ценности по жиру и по белку (теперь по 19%);обновляется формула конверсии корма (Feed Efficiency). В нее включили признаки здоровья, разработанные CDCB (Советом по селекции молочного скота): родильный парез, смещение сычуга, кетоз, мастит, метрит и задержание последа, которые комбинируются в один индекс признаков здоровья (Health Trait Index), отражающий их совокупную экономическую ценность, отображающие данные о ветеринарном благополучии. Общая доля признаков фертильности в формуле TPI остается неизменной — 13%.

В состав индекса фертильности (Fertility Index) вводится новый признак — «приближение первого отела» (Early First Calving). Коэффициент продолжительности продуктивной жизни увеличится на 1%. Этот процент был изъят у выраженности молочного типа.

Обновляются стандартные отклонения имеющихся признаков, которые периодически подвергаются обновлениям, чтобы отражать изменения генетических оценок, производимые Голштинской Ассоциацией США и Советом по селекции молочного скота [42].

Формула TPI® (1), опубликованная в апреле 2020 г.:

где: PTAP — белок; PTAF — жир; FE — конверсия корма; PTAT — тип; UDC — сводная оценка вымени; FLC — сводная оценка конечностей; PL — продолжительность продуктивной жизни; HT — индекс признаков здоровья; LIV — жизнеспособность коров; SCS — балл содержания соматических клеток; FI — индекс фертильности; DCE — легкость отела дочерей; DSB — мертворожденность у дочерей; значение 2370 корректируется для периодического изменения базы, позволяя значениям TPI быть сопоставимыми во времени[92].

Применение геномной селекции, основанной на применении индексов — один из наилучших способов снизить себестоимость продукции и добиться прибыльности, и формула TPI апреля 2020 года поможет достижению этой цели [43].

На сегодняшний день существуют индексы геномной оценки, позволяющие проводить анализ генетической обусловленности основных незаразных болезней у крупного рогатого скота молочного направления продуктивности и проводить селекцию в направлении повышения резистентности к этим заболеваниям наряду с исследованиями степени влияния генетических факторов на развитие врожденных и приобретенных аномалий развития и исключения из селекции животных с дефектными генами.

В числе индекс показателей здоровья WELLNESS TRAIT INDEX™ (WT$)™, который включает информацию о таких заболеваниях, как мастит, хромота, метрит, задержка последа, смещение сычуга, кетоз и комолость, и напрямую оценивает потенциальную прибыль от отсутствия этих заболеваний и признаков, которую конкретное животное передаст следующему поколению.

К наиболее применяемым экономическим индексам, позволяющим установить взаимосвязь между геномной оценкой и экономической эффективностью хозяйственного использования животного, следует отнести Dairy Wellness Profit Index (DWP$), позволяющий обеспечить дополнительную прибыль от состояния здоровья лактирующих коров и включающий множество характеристик: продуктивность, фертильность, тип, продолжительность продуктивной жизни, способность к отелу, качество молока и показатели здоровья, в том числе результаты анализа на комолость. Объединяя показатели здоровья с данными индекса NM$ (Индекс дополнительного прижизненного уровня дохода), DWP $ напрямую оценивает потенциальную прибыль, которую получат от следующего поколения конкретного производителя и может применяться параллельно с внедрением методик отбора по результатам генетической идентификации, что позволит ускорить эффективность его применения [3,11,12,14,20,40,42,44-50].

Канадская молочная сеть (CDN) в 2019 году представила индекс генетической оценки Здоровья Копыт (Hoof Health – НН) — индекс, который повышает устойчивость к восьми ключевым поражениям ног. В индексе учтены следующие заболевания: пальцевый дерматит (язва Мортелларо) – digital dermatitis; межпальцевый дерматит — interdigital dermatitis; эрозия пятки — heel horn erosion; язва подошвы (язва Рустергольца) — sole ulcer; язва пальца (язва зацепа) — toe ulcer; болезнь белой линии — white line lesion; намин, кровоизлияния на подошве — sole hemorrhage; тилома — interdigital hyperplasia).

Новая оценка Здоровья Копыт (HH) заменит индекс Пальцевого Дерматита, который являлся наиболее применяемым до настоящего времени, что является логичным, поскольку Пальцевый дерматит является одним из восьми поражений, составляющих индекс Здоровья Копыт (HH). Выбор производителей с учетом данного индекса приведет к повышению устойчивости к восьми ключевым поражениям копытец [51].

На примере вышеприведенных индексов показателей здоровья можно сделать вывод о необходимости проведения дальнейших исследований, а также систематизации данных ветеринарных служб и генетических сводов, установления взаимосвязей и корреляций для дальнейшей селекции, в том числе, в направлении усиления генетически обусловленной резистентности животного организма как к заболеваниям инфекционной, так и неинфекционной этиологии [52].

Благодаря широкому внедрению в племенную работу элементов геномной селекции, на сегодняшний день развитие и совершенствование генетической ценности поголовья крупного рогатого скота в разных странах происходит высокими темпами.

Так, на рисунке 2 отображена пропорциональная зависимость роста средней генетической ценности быков и телок от количества известных генотипов в Ирландии и США [38].

$C:\Users\a_melnikova\Desktop\24.png$

Рисунок 2. Влияние геномных исследований на уровень средней генетической ценности быков и телок – Ирландия и США

Разнообразие племенных, селекционных, генетических индексов, применяемых в мировой селекции, свидетельствует о том, что для популяций молочных пород крупного рогатого скота (голштинской, черно-пестрой) каждой страны определены свои основные цели (достижение определенных показателей по жирномолочности, продуктивности и т. д.) по формированию генетических ресурсов. Для наиболее органичного и экономически эффективного внедрения индексов совершенствования племенной ценности в работу предприятия необходим четкий и достоверный учет первичных зоотехнических данных по установленным методикам. Формирование свода данных способствует ускорению темпов роста популяции с высоким генетическим потенциалом.

Одна из возможных концепций программного развития геномной селекции, применяемая в Ирландии, представлена на рисунке 3: на графике отмечено существенное возрастание генетической ценности телок (EBI) в результате целенаправленной работы на протяжении последних десятилетий по совершенствованию ряда хозяйственно полезных признаков, что прямо способствует увеличению стоимости племенного молодняка [36,38,47].

$C:\Users\a_melnikova\Desktop\25.png$

Рисунок 3. Этапы формирования программ развития геномной селекции в Ирландии

Результаты племенной работы в виде задокументированной подтвержденной ликвидности молодняка, повышения его стоимости, таким образом, наряду с увеличением продуктивных качеств у потомков, являются одним из факторов роста экономической эффективности деятельности предприятия на фоне внедрения генетических селекционных программ, что позитивно скажется на развитии племенного молочного животноводства в регионе.

Последовательность этапов программы Gene Ireland (Ирландия) отображена на рисунке 4 и может быть принята во внимание как одна из возможных последовательностей действий по реализации селекции с учетом данных генотипирования. Таким образом, благодаря целенаправленной работе формируется банк семени быков, обладающих хозяйственно-полезными генами продуктивности (молочность, фертильность и пр.), здоровья (резистентности к заболеваниям конечностей, вымени, органов мочеполовой системы и пр.), что позволяет планомерно увеличить популяцию животных, наследующих данные признаки[40].

$C:\Users\a_melnikova\Desktop\26.png$

Рисунок 4. Программа Gene Ireland (молочный скот)

Страны разрабатывают единый подход по сбору информации, консолидируются и интегрируются в изучении острых вопросов селекции, что, наряду с наличием конкурентной среды между странами – экспортерами молока и молочных продуктов, обеспечивает развитие отрасли молочного животноводства на мировом уровне.

Геномное тестирование дает более надежные оценки генетических достоинств животных, чем основанные только на исследовании родословной животного. Средние родительские или прогнозируемые передаточные способности (PTA) различных признаков в отчете о геномном тесте являются генетическими достоинствами, которые животное, как ожидается (прогнозируется), передаст своему потомству (следующему поколению). Соотношение между показателем племенной ценности EBV и величиной PTA выражается формулой [40]:

PTA x 2 = EBV (2)

Разница оценочной племенной ценности в чистой продолжительности жизни (NM$) между животными дает прямую оценку различий в прибыли при изучении экономики геномного тестирования и принятии решения о допуске в разведение. Различия в PTA NM$ показывают только половину разницы в прибыли между животными [36].

В рамках международной кооперации индексы племенной ценности интегрированы в систему международной кооперации обмена данных Interbull. Центр Interbull используется для перевода племенной оценки из системы одной страны в другую. Международная кооперация позволяет увеличивать численность референсной популяции и тем самым повышать точность геномной оценки. Применяя геномную оценку, животноводческие хозяйства все больше включают в селекцию молодых телок и быков, прошедших геномную оценку [48,53]. Общий принцип заключается в использовании быков-производителей с момента их включения в племенную работу (после контроля продуктивности, бонитировки), а также проведении эффективного отбора ремонтного молодняка для формирования племенного ядра, из которого формируется референтная группа, и последующего выявления топовых быков-производителей [6,29,39,54].

С внедрением в геномную селекцию индексов племенной ценности становится возможным идентифицировать гены, связанные с продуктивными качествами животных, что позволяет на достаточно высоком уровне проводить селекционно-племенную работу [32,55].

Методы геномной селекции заключаются в обязательном применении ДНК-маркеров, которые позволяют отбирать нужные генотипы с наиболее высокой точностью и являются надежным инструментом для прогнозирования фенотипа. ДНК-маркеры – участки ДНК с известной локализацией в хромосоме, которые обладают высокой либо низкой степенью полиморфизма, находятся в сцеплении с QTL и наследуются потомством (DGAT1, LEP, CALP). С использованием ДНК-маркеров (гены каппа-казеина CSN3; бета-казеина CSN2; пролактина PRL; бета-лактоглобулина BLG; гормона роста GH др.) появилась возможность осуществлять поиск «генов-кандидатов» молочной продуктивности, влияющих на формирование и функционирование хозяйственно-полезных признаков и ветеринарное здоровье животных (лейкоз крупного рогатого скота, вирусная диарея крупного рогатого скота и др.) [56,57,58,59].

В селекции животноводства генетические варианты гена каппа — казеина используются в качестве потенциальных маркеров молочной продуктивности и отвечают за белковомолочность и технологические свойства молока. Молоко коров носительниц генотипа ВВ гена каппа-казеина характеризуется лучшими коагуляционными и технологическими характеристиками: высокими показателями белка и качественными показателями по выходу сыра (меньший процент влаги, высокое содержание белка и жира) и органолептическими свойствами [56,60,61].

Ведущие ассоциации животноводов Европы предложили считать генотип ВВ каппа — казеина важным с экономической точки зрения селекционным критерием продуктивности для молочных пород крупного рогатого скота [56, 61].

Для гена бета-лактоглобулина наивысший коэффициент устойчивости лактации наблюдается лишь для генотипа АВ – 93%. У особей с другими генотипами высокая, но быстро спадающая лактация. Высокий индекс плодовитости наблюдается для всех генотипов, но наибольший у особей с генотипом АА гена бета-лактоглобулина. Наибольшая продолжительность межотельного периода у животных, имеющих аллель В-гена пролактина. Наибольшие потери молока при увеличении продолжительности сервис-периода 792 кг наблюдаются у животных, имеющих генотип ВВ бета-лактоглобулина, при продлении межотельного периода до 386 и более дней. Наибольшие показатели молочной продуктивности за 305 дней лактации имели коровы-первотелки с генотипом АА по гену бета-лактоглобулина – 6472 кг, но более высокие показатели по массовой доле жира и белка у животных, гомозиготных по аллелю В – 4,37% и 2,98%, соответственно [62,63,64].

Молоко А2 (“milk A2”) позиционируется как премиальное, не вызывающее аллергии, является более полезным из-за отсутствия в нем пептидов, характерных для белковых продуктов с вариантом бета-казеина А1 [59].

Ген пролактина (Bovine Prolactin Gene, bPRL) относится к семейству белковых гормонов. Он принимает активное участие в поддержании лактации. У сельскохозяйственных животных этот ген является идеальным кандидатом для анализа связи локусов количественных признаков (QTL) c показателями молочной продуктивности, а также дополнительным критерием отбора при селекции [51,65]. У коров, с аллелем В гена пролактина более высокая доля белка – 3,2% в молоке, но выход молочного белка выше у коров с генотипом АА [66,67].

Ген О-диацилглицерол О-ацилтрансферазы 1 (Diacylglycerol O-Acyltransferase, DGAT1) кодирует фермент, участвующий в синтезе триглицеридов. Полиморфизм гена DGAT1 оказывает влияние на содержание внутримышечного жира в мышцах животных, аллельный вариант K ассоциирован с повышенным содержанием жира, вариант A — с высокими удоями. Таким образом, ген DGAT1 может быть использован в качестве генетического маркера признаков молочной продуктивности [68].

Клинические и патологические описания заболеваний, генетическая предрасположенность к ним, представлены в аналитическом своде национальных систем (NCBI, OMIA, INRA во Франции, КазАгроИнновация в Казахстане, VicingGenetics в Дании и Швеции, LFL-LGLZuchtData в Германии и Австрии, а также ряд компаний в США и др.).

Необходимо учесть, что тестирование крупного рогатого скота на наличие ряда генетических аномалий и болезней — неотъемлемая часть исследований по внедрению геномной селекции в животноводстве [62]:

1) Идентификация генетических мутации Braсhyspina (BY) у племенных коров приводит к рождению мертворожденных телят с коротким позвоночником, удлиненными и истонченными трубчатыми костями конечностей [9]. Дефект проявляется если оба родителя ожидаемого теленка будут носителями данного гена. Вероятность гибели зародышей и плодов на раннем этапе внутриутробного развития равна 25%. В настоящее время около 5 % канадской, 6-8 % американской и голландской голштинской популяции крупного рогатого скота могут иметь в своем генотипе данную мутацию.

2) Комплексный порок развития позвоночника (Complex Vertebral Malformation, CVM) является аутосомно-рецессивным заболеванием. Источником мутантного аллеля явился бык черно-пестрой голштинской породы – Карлин М. Айвенго Белл 1667366. Скрытыми носителями данной мутации являются от 6 до 20 % быков-производителей черно-пестрой породы [69,70].

3) Выявление носительства гена, вызывающего мутацию дефицит уридинмонофосфатсинтетазы (DUMPS) имеет также важное экономическое значение для животноводческих предприятий. Проявление мутации у гомозиготных животных вызывает гибель эмбрионов после первых 40 дней развития на стадии имплантации зародыша в матку. При гетерозиготном состоянии у животного отмечается задержка роста, могут появляться дефекты в функционировании нервной системы [71,72].

4) BLAD-синдром — дефицит лейкоцитарной адгезии (Bovine Leucocyte Adhesion Deficiency,BLAD) наследуемое рецессивное заболевание, приводящее к разрушению иммунной системы животного. При гомозиготном состоянии наличие данного дефекта животное не выживает: у телят резко снижаются защитные свойства организма, иммунная система не может противостоять бактериальным и вирусным инфекциям. Эти факторы приводят к быстрой гибели в раннем возрасте (до года). В гетерозиготном состоянии не выявлено клинических проявлений [71,73,74].

5) Дефицит XI фактора свертывания крови, который является аутосомным наследуемым дефектом и кодируется геном F11 – не является летальной патологией, но смертность достигает 80% в первый год жизни. У животных-носителей отмечают незначительное нарушение процессов свертывания крови [75].

6) Носительство у животных гаплотипа НН3, приводящего к непроизвольным абортам. Отрицательный эффект гаплотипа оценивается в пределах увеличения числа осеменения до оплодотворения на 3,2 ± 0,4 по сравнению со средними показателями. Снижение показателей оплодотворяемости наблюдали до 60 дней [75,76].

7) Наличие гаплотипа HH1 связывают с эмбриональной смертностью на разных сроках стельности. Установлено, что причиной снижения фертильности, ассоциированной с HH1, служит нонсенс-мутация C→T в гене фактора 1, который активирует апоптотическую протеазу — APAF1 [76].

8) Туберкулез крупного рогатого скота, вызываемый возбудителем Mycobacterium bovis — болезнь домашнего скота, протекающая главным образом хронически и характеризующаяся образованием в различных органах типичных бугорков-туберкулов, подвергающихся казеозному некрозу. Новый альтернативный подход к контролю распространения туберкулеза заключается в учете факторов генетической изменчивости (проявление и комбинации менделевских признаков, аллельный состав, мутации) организма хозяина [21].

9) Лейкоз крупного рогатого скота – злокачественное лимфопролиферативное заболевание, вызываемое вирусом лейкоза крупного рогатого скота (Bovine Leukemia virus), относящимся к семейству Retroviridae, роду Deltaretrovirus [27, 28, 75, 76]. На фоне лейкоза развивается иммунодепрессия, которая влечет за собой развитие других заболеваний и снижает эффективность иммунопрофилактики.

10) Среди незаразных патологий наиболее распространены болезни конечностей, болезни вымени и органов мочеполовых путей, которые чаще являются мультифакторной проблемой. В этой связи следует признать: на сегодняшний день существует очень мало данных о генетических причинах, прямо обуславливающих их возникновение, а также их взаимосвязи с факторами, определяющими кормоконверсию, интенсивность функционирования органов детоксикации и т. д. [77,78,79].

Комплексный учет первичных, зоотехнических и данных ветеринарного учета для формирования свода встречаемости генных мутаций и аномалий развития позволяет комплексно решать задачи селекционно-племенной работы с возможностью направления отбора по конкретным признакам здоровья или зоотехническим параметрам в широком комплексном диапазоне, в этом случае раскрытие генетического потенциала животных по данным признакам будет протекать медленнее, но более гармонично, или направленно по одному-двум признакам.

Наиболее полный охват первичных данных и возможность свести их в одной информационно-аналитической платформе (ИАП) позволяет выявить общую результативность и эффективность производства в животноводческих хозяйствах, оценить качество селекционно-племенной работы и процент своевременности выполнения тех или иных плановых мероприятий, направленных на улучшение продуктивных показателей поголовья и стабильность ветеринарного благополучия молочных хозяйств региона.

Для внедрения методов геномной селекции в индустриальных животноводческих хозяйствах Тюменской области в рамках проведенной НИР разработана ИАП, обеспечивающая накопление, централизацию и ускоренный анализ данных первичного учета.

1.1.3 Информационно-аналитическая платформа

Появление новых технологий и развитие методов исследования в области геномной оценки позволили сократить время и стоимость геномного анализа, что послужило основой для широкого применения геномной оценки племенной ценности крупного рогатого скота молочного направления.

В области геномных исследований и селекции получили распространенность в связи с развитием технологий и формированием значительных массивов данных размещенные в Интернет на базе веб-технологий открытые платформы для проведения исследований, доступа к базам данных, организации совместной работы [80]. В своём составе платформы имеют разработанные на основе открытого кода системы управления базами данных, средства администрирования, управления данными и процессам, программирования, библиотеки и системы статистического анализа, представления и визуализации данных.

Работа пользователя на этих платформах не требует знания программирования для загрузки своих данных, проведения анализа, представления и визуализации результатов. В дальнейшем пользователь может опубликовать свои данные, расчеты и результаты на платформе или сделать их доступными для отдельных пользователей для совместной работы. Таким образом, процесс исследования становится прозрачным, воспроизводимым и доступным для объединения усилий пользователей разных специальностей. На основе подобных открытых информационно-аналитических платформ становится возможным организация систем обработки и анализа данных различной направленности.

Среди информационных систем, применяемых в животноводстве, можно выделить коммерческие системы оперативного учета и менеджмента молочного производства, системы геномной оценки, открытые геномные базы данных, открытые интегрированные системы и платформы исследовательской направленности [80-85].

Для применения геномной оценки необходимо получить следующие входные данные первичного учета о животном: фенотип, происхождение, сведения о продуктивности, производительные качества потомства, результатах анализов генотипирования.

Данные получают из систем оперативного учета и менеджмента производства, лабораторных информационных систем с помощью штатных средств экспорта данных, прямогодоступа к базе данных, средств программного интерфейса в разных форматах, различной степени структурированности, полноты и надежности.

Проблема обеспечения качества получаемых данных приобретает особое значение в связи с их использованием в дальнейших расчетах в процессах геномной оценки и селекции.

Для повышения достоверности и качества данных необходимо выполнить адаптацию данных к виду, пригодному для хранения, обработки, анализа и представления данных с обеспечением необходимого уровня достоверности и надежности данных.

Для этих целей система адаптации данных первичного учета, генотипирования и продуктивности животных реализована на базе информационно-аналитической платформы, в составе архитектуры которой предусматриваются компоненты авторизации и аутентификации пользователей, администрирования, интерфейса взаимодействия с пользователем на базе веб-технологий, управления процессами, извлечения, преобразования, загрузки данных (ETL/ELT), хранилища данных (DataWareHouse), витрины данных (DataMart), онлайн-аналитики с подсистемами искусственного интеллекта и машинного обучения, формирования отчетов и визуализации [85,86,87-91].

1.2 Материалы и методы исследования

Объектом исследований является крупный рогатый скот молочного направления продуктивности (черно-пестрая и голштинская порода), разводимый в хозяйствах Тюменской области.

Исследования проведены в 2020 году в Центре геномных технологий ФГБОУ ВО ГАУ Северного Зауралья. Работа выполнена в рамках Государственного задания Министерства сельского хозяйства Российской Федерации № 082-03-2020-259.

1.2.1 Методы учета фенотипических признаков

Данные по фенотипическим признакам выгружали из баз данных хозяйств, которые ведут учет с помощью программных продуктов. Специалисты хозяйств определяют значения фенотипических признаков по общепринятым методам.

1. Количественные и качественные показатели молочной продуктивности (за календарный или хозяйственный год).

Коров оценивают по удою: за календарный или хозяйственный год (за 365 или за 305 дней лактации). Размер молочной продуктивности коровы за лактацию или за год определяют взвешиванием надоенного ежедневно молока или проведением контрольных удоев через определенные промежутки времени: через 5, 10, 15, 20 и 30 дней. Самые точные показатели молочной продуктивности коров получают путем учета ежедневно получаемого молока от коровы и последующего его суммирования за лактацию. При определении молочной продуктивности коровы на основании контрольных доек предполагается, что удои между контрольными днями мало изменяются. Однако учет по контрольным дойкам менее точен, чем по ежедневным. Чем короче промежуток между контрольными днями, тем точнее можно определить продуктивность по контрольным удоям. Удой за период между контрольными дойками вычисляют, умножая количество полученного в контрольный день молока на число дней в периоде. Сумма удоев за отдельные периоды составляет удой за лактацию.

В племенных хозяйствах учет удоя проводят ежедекадно (через 10 дней), а в товарных — ежемесячно. В условиях полноценного кормления разница удоя за 305 дней лактации по контрольным доениям и с учетом ежедневного удоя составляет при ежедекадно учете ± 1-1,5%, ежемесячном — ± 3-4%. Эта погрешность несущественна, что позволяет вместо ежедневного учета применять контрольные доения.

Следующими признаками учета молочной продуктивности коров является содержание жира и белка в молоке. С этой целью при проведении контрольных доений из среднегодового удоя молока объемом 200 мл определяют по общепринятым методам содержание жира и белка в молоке. Эти показатели учитывают:

1) 3-4 раза за лактацию;

2) через 2 месяца или 5-6 раз за лактацию;

3) ежемесячно (10 раз за лактацию);

4) один раз в месяц из двухсуточной пробы молока. Более точные показатели –в 3 и 4-й способы.

Живая масса коров напрямую влияет на показатели удоев. Более крупные коровы при хорошем, полноценном кормлении дают больше молока. Объясняется это тем, что такие коровы способны съесть больше корма и лучше переработать его в молоко. В пределах стад, пород большинство высокопродуктивных коров имеют живую массу выше средней. Однако не всегда увеличение живой массы коров приводит к росту продуктивных показателей. Это увеличение сохраняется, как правило, до тех пор, пока коровы будут соответствовать молочному типу. Желательно чтобы удой коров за лактацию превышал их живую массу в 8-10 раз, или коэффициент молочности (отношение удоя за лактацию к живой массе и умноженное на 100) равнялся 800-1000 кг, что свидетельствует о молочном типе коровы.

Для производства молока важно хорошее развитие молочных желез. Если телочка имеет нормальную массу, но плохо развитые молочные железы, ее продуктивность будет ниже, чем у коровы той же породы и с меньшим весом, но с хорошо развитой лактационной системой.

При оценке морфофункциональных свойств вымени учитывают его величину, прикрепление к телу, форму, структуру, спадаемость, расположение и развитие долей; форму дна вымени, размеры и расположение сосков; развитие кровеносных сосудов; скорость молокоотдачи и одновременность выдаивания; устойчивость к маститам. Все эти показатели одинаково важны, так как в определенной степени обусловливают приспособленность коровы к машинному доению определенному объему молочной продуктивности.

Продолжительность лактации. Нормальная продолжительность лактации — 305 дней. Удлинение лактации происходит в результате позднего оплодотворения коров после отела. Оптимальным является отел коров в одни и те же сроки года, через каждые 12 месяцев. При укороченной лактации (меньше 305 дней) и нормальном сухостойном периоде за несколько лет в расчете на год или день жизни коровы дают больше молока, чем при удлиненной лактации (более 305 дней) и равном сухостойном периоде.

Сервис-период, сухостойный период и стельность. Оптимальный сервис-период составляет 40-80 дней. Установлено, что длительный сервис-период отрицательно сказывается на величине молочной продуктивности коров. Если среднесуточный удой коров за год, доившихся 305 дней, принять за 100%, то при удлиненной лактации до 450 дней среднесуточный удой будет составлять 85 %. Следовательно, при удлинении лактации недополучается до 15% молока.

Продолжительность сухостойного периода оказывает значительное влияние на будущую молочную продуктивность коровы. При сухостойном периоде 40-60 дней удои коров в последующую лактацию бывают на 20% выше, чем при сухостойном периоде меньше 30 дней. При сухостойном периоде в 30-40 дней удои в последующие лактации у коров ниже на 10%, чем при 45-60 дней.При снижении суточного удоя до 5-6 кг молока доение коров прекращают и считают запуск законченным.

Состав молока значительно изменяется в период стельности. Удои начинают снижаться с первого месяца стельности. При запуске жирность молока достигает 6-7%, белка — 5-5,5%.

Полученные первичные данные аккумулируются в базе данных и используются в дальнейшем при комплексном всестороннем анализе популяции крупного рогатого скота молочного направления продуктивности для определения племенной ценности животного.

Банк данных по референтной популяции животных должен включать помимо показателей собственных, племенную ценность предков животного. Всё это влияет на эффективность селекционно-генетической работы. В свою очередь, обнаружение у животного конкретных генов позволяет корректировать степень их реализации в процессе хозяйственного использования.

1.2.2 Молекулярно-генетические исследования

Данные генетического тестирования были получены в результате экспериментальных исследований в Центре геномных технологий ФГБОУ ВО ГАУ Северного Зауралья.

Материалом для исследования послужили пробы жидкой и сухой крови, а также сперма животных крупного рогатого скота молочного направления продуктивности, разводимых на предприятиях Тюменской области, в количестве 317 голов (таблица 2).

Таблица 2 – Генотипирование крупного рогатого скота молочного направления продуктивности, разводимого на предприятиях Тюменской области

Направление продуктивности	Порода	Наименование предприятия	Количество голов
Молочное	голштинская	предприятия № 1	194
Молочное	черно-пестрая	предприятие № 2	123
Итого:			317

К образцам крови прилагается опись с указанием даты взятия крови, клички, даты рождения, индивидуального номера животного и его предполагаемых родителей (данные первичного учета). Образцы крови хранили в холодильнике при температуре 2 – 4°С не более 10-14 дней [15-20].

Экспериментальные исследования проводились по схеме, представленной на рисунке 5.

СХЕМА ИССЛЕДОВАНИЙ

Крупный рогатый скот, разводимый на предприятиях Тюменской области (черно-пестрая, голштинская породы)
↓
Молекулярно-биологическое исследование (жидкая кровь) с применением классических методов, а также согласно инструкции фирм-производителей коммерческих наборов
↓
STR-маркеры	Диагностика SNP
↓ ↓ ↓
Eth3, Eth10, Eth225, Inra023, Ilst006, Tgla122, Tgla53, Tgla126, Tgla225, Tgla227, Bm1818, Bm2113, Bm1824, Cssm66, Csrm60, Sps115	CSN3,PRL, DGAT1,HH1-HH4, Leykos
↓
Определение состава генотипических вариантов аллелей и уровня гетерозиготности по микросателлитным маркерам, тестирование животных по генам продуктивности (CSN3, PRL, DGAT) и выявление генетических аномалий у животных черно-пестрой породы
↓
Выявление полиморфизма генома для определения генетического разнообразия крупного рогатого скота
↓
Заключение
Рисунок5. Этапы проведения экспериментальных молекулярно-генетических исследований крупного рогатого скота молочного направления продуктивности

Взятие проб крови осуществляли из яремной вены животного в объёме 5 мл в чистые подписанные пробирки с добавлением антикоагулянта – динатриевой соли ЭДТА.

Для выделения геномной ДНК из жидкой крови использовали методы: нуклеосорбции с помощью коммерческих наборов; фенольной / хлороформной экстракции, а также с применением ионообменной смолы Chelex – 100 (Ampllichem, США), а также с использованием набора колонок для выделения высокомолекулярной ДНК «QIAamp 96 DNA», с использованием программного обеспечения QIAcube HT и QIAcube HT PrepManager» (рисунок 6). Для мониторинга возможной контаминации на стадии выделения ДНК использовали отрицательный контроль (k-).

Рисунок 6. Выделение геномной ДНК с помощью «QIAamp 96 DNA»

Пробирка с полученным препаратом ДНК закрывается и помещается на хранение при температуре от 2 до 8 °С на срок до 14 дней, при температуре не выше -18 °С – до 1 года, при -80°С – более 1 года.

Качество ДНК проверяли электрофоретически, используя 2% агарозный гель.

Концентрацию и оптическую плотность полученной ДНК измеряли на флуориметр Qubit 3,0 (ThermoFisher, США) с помощью набора dsDNA BR (ThermoFisher, США) и программного обеспечения прибора. Для мониторинга возможной контаминации при выделении ДНК использовался отрицательный контроль (k.v.). Оптимальной концентрацией ДНК для проведения мультиплексной ПЦР считали 25 – 40 нг/мкл.

Полимеразную цепную реакцию проводили с использованием мультиплексной панели микросателлитных локусов генома крупного рогатого скота «COrDISCattle» (ООО «Гордис», Россия), согласно прописи фирмы-изготовителя.

Для оценки специфичности реакции амплификации использовали препараты контрольной ДНК. В ПЦР-смеси использовали 5 флуоресцентных меток.

ПЦР проводили на амплификаторе ProFlex 96-Well PCR System (Applied Biosystems, Сингапур), программу амплификации проводили согласно инструкции фирмы – производителя.

Разделение (детекцию) продуктов амплификации осуществляли согласно протоколу производителя на генетическом анализаторе серии 3500 (Thermo Fisher Scientific, Япония).

Материалы и данные ветеринарного обеспечения и обоснования результатов НИР: в исследовании учитывались результаты профилактики, лечения и методы технологической организации содержания животных, были выявлены возможности плановых мероприятий, позволяющих снизить риски возникновения, осложнения заболеваний.

Генотипирование на чипах Illumina Bovine SNP50v3. В работе использовали стандартное общелабораторное оборудование (дозаторы, центрифуги, ламинарные боксы, вортекс), а также роботизированные станции TecanFluent и Evo, а также сканер биочипов Scan System (Illumina). Полученную информацию c ДНК-чипов интерпретировали с помощью программного обеспечения *.ods, *.txt, *.pdf.

Для тестирования животных на ДНК-микроматрицах средней плотности Bonine 50K (Illumina) применяли стандартный алгоритм считывания с высоким качеством показателя GS <= 0,15, который задан программой Genome Studio Software 2.0 и не может изменяться в большую сторону, указывали пороговое значение оценки для данного проекта в поле GenCall. Полученные данные выгружали с помощью программного обеспечения прибора Design Studio Microarray Assay Design в форматах *.doc, *.txt, *.csv и сохраняли в разработанной базе данных аналитической платформы.

Для оценки генетической структуры использовали показатели ожидаемой (Н_е) и наблюдаемой гетерозиготности (Н_о), величины информационного полиморфизма (PIC), индекса фиксации F_is (коэффициент избытка или дефицита гетерозигот), которые эквивалентны генному разнообразию. Расчет показателей произведен для каждого локуса, используемого в исследовании.

Полученные данные интегрированы в разработанную систему адаптации данных первичного учета для выявления неточностей установленного родства в качестве альтернативы микросателлитному анализу, создания генетических паспортов крупного рогатого скота(приложение В), разводимого на территории региона.

1.2.3 Информационно-аналитическая платформа

Объектом исследований является открытая IT — платформа, содержащая данные о геноме крупного рогатого скота (микросателлитный профиль, SNP, наличие/отсутствие генетических аномалий), фенотипических признаках и сведения по ветеринарному здоровью животных, позволяющая проводить сопоставимость информации с данными первичного учета в системах информационного обеспечения агропромышленного комплекса (АПК) Российской Федерации.

Методология исследования разработана в соответствии с возможностями применения передовых геномных технологий, фенотипических данных крупного рогатого скота, которые связаны с качественными и количественными признаками племенных животных.

В целях разработки системы адаптации данных первичного учета, генотипирования и продуктивности животных была реализована программная многопользовательская открытая информационно-аналитическая платформа на основе компонентов с открытым программным кодом.

Платформа представляет собой интегрированную среду для обработки и анализа данных в больших массивах информации, машинного обучения, средств предиктивной аналитики, реализована на основе программно-определяемой архитектуры. Базовая серверная операционная система Ubuntu Server 18.04 LTS/20.04 LTS развернута на сервере с параметрами процессор 2xCPU Intel Xeon Gold 6226R с 16 ядрами (32 потока) частотой 2.90 GHz, оперативная память 512 ГБ ОЗУ DDR4 с частотой 2933 R с контроллером четности и исправления ошибок – ECC, система хранения данных уровня RAID 5, состоящая из 5 дисков HD SATA 6G 2TB 7.2K HOT PL 3.5 для хранения больших массивов информации, высокопроизводительная отказоустойчивая система ввода-вывода операционной системы и приложений в каждой ноде, состоящая из 2х твердотельных накопителей SSD SATA 6G объемом 960GB.

При создании базовой версии информационно-аналитической платформы применялись технологии, представленные в виде технологического стека платформы (таблица 3).

Таблица 3 – Технологический стек информационно-аналитической платформы

Решение	Компонент
Ubuntu Server 18.04 LTS/20.04 LTS	Базовая серверная операционная система
Python	Основной алгоритмический язык программирования серверной части
Django	Фреймворк на базе Python
nginx	Балансировка и кэширование входящих HTTP-запросов, прокси сервер
gunicorn	WSGI-сервер
HAProxy	система балансировка нагрузки
MongoDB, PostgreSQL	системы управления базами данных хранилища данных
postgis	система поддержки гео-запросов
pgfouine	система отчетов на основе данных журналов работы
pgbouncer	создание пула соединений
Redis	дополнительное хранилище данных
Memcached	кэширование
Gearman	очередь задач
Solr	гео-поиск
munin, statsd, pingdom	мониторинг
Fabric	управление кластером
xfs	файловая система
vsftpd3	FTP-сервер
Postfix3	Почтовый сервер
Openldap3 FreeIPA3	Каталог LDAP
Mongodb3	Документоориентированная (+key-value) СУБД
Postgres Pro EE	Реляционная СУБД
Solr	Поисковая платформа
Docker	Контейнеризация уровня ОС
Apache NiFI/Clover/Camel	Извлечение, преобразование, загрузка ETL
Kafka	Брокер MQ (очереди сообщений)
Openshift	ПО управления кластером контейнеров

В составе архитектуры платформы предусматриваются компоненты авторизации и аутентификации пользователей, администрирования, интерфейса взаимодействия с пользователем на базе веб-технологий, управления процессами, извлечения, преобразования, загрузки данных (ETL/ELT), хранилища данных (DataWareHouse), открытых библиотеки и приложений аналитики с модулями искусственного интеллекта и машинного обучения, формирования отчетов и визуализации. Технологический стек — это набор инструментов, применяющийся при работе в проектах и включающий языки программирования, фрэймворки, системы управления базами данных, компиляторы и т. д.

Возможность гибкой конфигурации компонентов платформы позволяет формировать потоки обработки данных различной степени сложности.

Адаптация данных первичного учета, генотипирования и продуктивности животных является совокупностью процессов в информационно-аналитической платформе, позволяющих выполнить загрузку и извлечение из внешних источников, преобразование и очистку данных, их адаптацию к единой системе значений и детализацию целевой модели, что позволяет обеспечить высокий уровень качества и надежности в области оперативного и постоянного хранения.

Схема функционирования адаптации данных первичного учета, генотипирования и продуктивности животных отображена на рисунке 7.

Процессы извлечения выполняют функцию загрузки данных в область временного хранения данных из внешних источников — информационных систем оперативного учета и производства в животноводстве, лабораторных информационных систем генотипирования, файлов экспорта в форматах csv, xlsx и др., данных из внешних систем и баз данных с помощью программных интерфейсов-коннекторов.

На этапе проверки достоверности и очистки производится поиск, проверка на корректность и полноту, очистка, исправление ошибок на основании таблиц справочников и правил проверки достоверности, формируется отчет об ошибках.

Процессы установления соответствия к целевой модели данных выполняют задачи выделения подмножества записей, которые являются новыми или измененными по отношению к загруженным ранее, формирования для каждой записи таблиц области верифицированных данных суррогатного ключа, преобразования записей в таблицах в записи с составом полей, соответствующих составу полей таблиц целевой модели данных, формирование записей во вспомогательных таблицах: таблицах-копиях справочников систем-источников, обеспечивающих реализацию алгоритма захвата изменений, в таблицах соответствия, в таблицах перекодировки, во временных таблицах, предназначенных для обогащения данных записей предметными экспертами (при необходимости).

Рисунок 7. Функционирование системы адаптации данных первичного учета, генотипирования и продуктивности животных

Процессы агрегирования позволяют выполнить агрегирование данных до необходимой детализации.Процессы выгрузки — это процессы передачи полученных данных с использованием программных интерфейсов-коннекторов в компоненты области постоянного хранения данных БД.Расширение функциональности системы адаптации данных производится с помощью создания скриптов, написанных на языках программирования на R и Python.

Одним из компонентов, выполняющим функцию загрузки из внешних источников, обработки и распределения данных является платформа Apache NiFi на базе открытого кода. Это платформа потоковойобработки данных в режиме реального времени, управления передачей данных между различными источниками и системами назначения поддерживает широкий спектр форматови протоколов передачи данных, таких как SFTP, HDFS и KAFKA, и т. д. Графический веб-ориентированный интерфейс платформы позволяет в виде диаграммы организовать поток обработки данных.

На рисунке 8 представлен пример диаграммы потоков обработки данных графического интерфейса Apache NiFi в системе адаптации данных.

word image 883 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

Рисунок 8. Диаграмма потоков обработки данных графического интерфейса Apache NiFi в системе адаптации данных

Материалом для создания контента системы адаптации данных явились данные первичного учета разных половозрастных групп (коров, нетелей, телок, быков-производителей, бычков – крупного рогатого скота молочного направления продуктивности, которые заносятся в информационные цифровые системы, используемые в животноводстве, а также результаты исследований генотипирования, зоотехнических и ветеринарных мероприятий.В опытном варианте системы использовались данные хозяйств Тюменской области, листинг фрагмента данных первичного учета представлен на рисунке 9.

Рисунок 9. Листинг фрагмента данных первичного учета

2 РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ И ИХ ОБСУЖДЕНИЕ

2.1 Анализ данных первичного учета крупного рогатого скота молочного направления продуктивности для интеграции сведений в информационно-аналитическую платформу

В работе были проанализированы первичные фенотипические данные, полученные от сельхозтоваропроизводителей-партнеров ФГБОУ ВО ГАУ Северного Зауралья. Основным отличительным признаком было то, что в хозяйствах содержали скот разных пород, в одном скот черно-пестрой породы, в другом — голштинской.

На основании сбора сведений о фенотипических признаках по продуктивности молочного скота были получены первичные данные (производственные показатели), представленные в таблице 4.

Таблица 4 — Основные производственные показатели по исследуемым породам

Показатель	Породы
	черно-пестрая	голштинская
	черно-пестрая	голштинская	Годовой удой на одну голову, кг	7866	8010
Средняя жирность молока, %	3,79	3,93
Среднесуточный прирост молодняка, г	650	804
Продолжительность сервис — периода, дней	116	138
Продолжительность сухостойного периода, дней	61	63
Возраст при первом отеле, дней	793	733

При сравнении средних показателей продуктивности молочного скота двух пород у голштинской породы больше годовой удой на 1,83%, молочный жир – на 3,69%, среднесуточный прирост молодняка – на 23,69% при сравнении с данными по черно-пестрой породе. Вместе с тем, возраст при первом отеле у скота черно-пестрой породы в среднем составил 793 дня, что на 60 дней больше, чем у голштинской породы. Полученные данные подтверждают общеизвестный факт о том, что скот голштинской породы более скороспелый, обладает высокими количественными показателями продуктивности в сравнении со скотом черно-пестрой породы.

В результате учета фенотипических признаков по каждому животному можно установить уровень молочной продуктивности в среднем по группе коров с учетом лактации (таблица 5), как правило, надой молока возрастает до третьей, четвертой лактации, затем идет стабилизация и спад.

Таблица 5 — Продуктивность коров по лактациям

Показатель	Породы
	черно-пестрая	голштинская
За 1-ю лактацию
Удой, кг	6664	7392
к стандарту,%	190,4	164,0
Массовая доля жира в молоке, %	4,11	3,98
к стандарту, ±	+0,41	+0,38
Жир, кг	273,7	294,2
к стандарту,%	212,2	177,0
Массовая доля белка в молоке, %	3,06	3,15
к стандарту, ±	+0,06	+0,15
Скорость молокоотдачи, кг/ мин.	1,87	2,06
Живая масса, кг	528	533
За 3 лактацию и старше
Удой, кг	7224	8466
к стандарту,%	172,0	154,0
Массовая доля жира в молоке, %	4,11	3,89
к стандарту, ±	+0,41	+0,29
Жир, кг	297,0	328,9
к стандарту,%	191,6	162,0
Массовая доля белка в молоке, %	3,06	3,11
к стандарту, ±	+0,06	+0,11
Живая масса, кг	566	644
Наличие в стаде коров с удоем, кг
6001-7000	205	113
7001- 8000	156	205
8001 и более	80	389

Сравнительная характеристика фенотипических признаков внутри одной породы, но разного возраста в условиях одного хозяйства, даёт возможность оценить, насколько происходит сдвиг в селекционируемых показателях.

Полученный анализ можно использовать в селекционно-племенной работе с целью, прежде всего, отбора первотелок по фенотипическим признакам, в первую очередь по удою за первую лактацию, содержанию массовой доли белка и жира, а также для подбора соответствующих быков-производителей.

Анализируя своевременно первичные данные по стаду, популяции можно составить эффективную программу по воспроизводству стада, с улучшением генетических параметров скота. Для этого следует провести сравнительный анализ быков-производителей по оценке воспроизводительных качеств: возраста 1 отела, продолжительности сервис-периода и сухостойного периода.

Данные по воспроизводительным качествам черно-пестрого скота представлены в таблице 6, голштинского скота в таблице 7.

Таблица 6 – Воспроизводительные качества дочерей быков-производителей черно-пестрой породы

Кличка быка	Воспроизводительные качества
	Возраст 1 отела, мес.		Сервис-период, дн.		Сухостойный период, дн.
	Х ±Sх	Cv	Х ±Sх	Cv	Х ±Sх	Cv
Блэкшторм 3842	24,7±0,26	5,8	108,3±8,71	43,3	68,8±3,39*	26,5
Лазер 94510	25,0±0,17	8,1	98,3±5,54**	65,7	63,0±1,26*	23,3
Урман 8	24,7±0,16	5,9	121,2±8,44	62,6	60,7±1,22	18,1
Зенит 4868	24,5±0,18*	5,7	154,0±14,5*	72,4	62,4±1,38	17,0
Форекс 1778	24,5±0,14*	6,2	120,2±7,40	67,8	60,3±1,52	27,8
Консул 6598	24,3±0,23*	6,0	111,8±13,00	75,3	57,9±1,37	15,3
Сократ 1411	23,9±0,13***	5,3	115,5±7,31	60,0	52,6±2,28**	41,2
Эдем 1439	25,5±0,17**	6,0	142,1±9,61*	62,0	59,5±1,21	18,6
Эпл Бой 9268	24,4±0,30	5,8	107,1±11,45	50,1	58,8±2,08	16,6
В среднем по стаду	24,9±0,059	17,1	121,2±2,99	66,9	60,8±0,48	21,6

Примечание: здесь и далее в разделе * — Р > 0,95, ** — Р > 0,99, *** — P> 0,999 по сравнению со средним по стаду

Наиболее ранними сроками отелов достоверно характеризовались дочери следующих быков: Сократ 1411, Консул 6598, Зенит 4868 и Форекс 1778, в данной группе показатель варьировал от 24,3 – 24,5 месяцев. А вот дочери Эдема 1439 наоборот телились позднее среднего на 0,6 месяца, это указывает на позднеспелость его дочерей.

Продолжительность сервис-периода указывает не только на благополучность отела и скорость восстановления животных после него, но и на степень сформированности ремонтных животных к моменту начала их использования. Восстановление после отела зависит, в том числе от крепости здоровья.

Самые лучшие показатели продолжительности сервис-периода наблюдаются у дочерей быков, давших относительно скороспелое и среднее по скорости созревания потомство, а именно: Лазера 94510, Блэкшторма 3842, Эпл Боя 9268, Консула 6598, Сократа 1411.

У дочерей этих быков данный показатель варьировал от 98,3 до 115,5 дней, что входит в допустимые параметры воспроизводства.

Наиболее длительный сервис-период был у дочерей Эдема 1439 (+20,9 дней к среднему по группе) и Зенита 4868 (+33,8 дн.). При этом дочери Эдема в целом не отличались скороспелостью, а Зенита 4868, обладая относительно высокой скороспелостью.

У потомства остальных быков показатели сервисного периода достоверно не отличались от средних показателей по стаду, следовательно, данные производители не оказали воздействия на потомство.

Продолжительность сухостойного периода – это скорее хозяйственный признак, и он по своей длительности находится в пределах допустимых величин. Хотя некоторое его сокращение у дочерей Сократа 1411 до 52,6 дня нежелательно.

Таблица 7 – Воспроизводительные качества дочерей быков-производителей голштинской породы

Кличка быка	Продолжительность, дн.
	Возраст 1 отела		Сервис-период		Межотельный период
	Х ±Sх	Cv	Х ±Sх	Cv	Х ±Sх	Cv
Армани 1764	727±10,0	8,2	73±4,4***	36,1	—	—
Блекшторм 3842	771±12,9	13,2	165±9,9*	47,6	447±10,0	17,7
Бум 5802	731±6,3*	7,6	101±7,3***	63,8	355±21,9*	7,3
Веро 568	748±53,7	9,3	165±8,6*	63,8	443±8,8	24,4
Зенит 4868	746±5,4	7,5	175±9,3**	55,1	455±9,4*	21,5
Зурал 31571	780±14,8	10,4	143±11,3**	43,5	422±11,4	14,8
Канвас 5696	733±3,9*	7,1	96±3,8***	53,0	355±2,3***	8,6
Кевин 6055	857±31,2***	14,6	191±35,8	75,0	465±37,5	32,3
Опшен 9642	725±7,5*	7,9	158±13,7	66,0	442±13,7	23,7
Сафир 5342	761±5,7*	8,7	155±8,2	61,7	428±7,9	21,3
Циклон 3804	788±19,1*	10,6	123±20,8	74,1	400±20,9	22,8
Эдвин 921	727± 5,1**	7,0	127±6,7*	51,9	375±5,4***	14,3
В среднем по стаду	746±2,2	9,5	142±2,8	63,5	428±3,0	22,4

Достоверно ранними сроками отелов характеризовались дочери быков Опшен, Армани, Эдвин, Бум, Канвас, которые телились раньше среднего по группе на 13 – 23 дня. А вот дочери Блекшторма, Зурала, Циклона, Кевина наоборот телились позднее на 25 – 111 дней, что указывает позднеспелость дочерей данных производителей. Межотельный период напрямую связан с продолжительностью сервис-периода, а также позволяет выявить возможные отклонения генетического плана, например – излишнее удлинение стельности (одна из аномалий скота голштинской породы).

Продолжительность сервис-периода и межотельного периода говорит о том насколько отел прошел благополучно, и коровы восстановились после него. Восстановление после отела зависит, в том числе, от крепости конституции. Полученные в ходе анализа результаты достаточно своеобразны.Самые лучшие показатели продолжительности сервис-периода наблюдаются у дочерей быков, давших относительно скороспелое потомство, а именно: Армани, Канваса, Бума. У дочерей этих быков данный показатель варьировал от 73 до 101 дней, что является желательным для воспроизводства. То есть относительно скороспелые животные оказались наиболее крепкими и здоровыми и быстро восстановились после отела. В итоге межотельный период у них был немного меньше года.

Относительно неплохие показатели сервис-периода были у дочерей Циклона и Эдвина 123 и 127 дней, что привело к длительности межотельного периода 375 – 400 дней. Хотя такая продолжительность и выше годовалого интервала, но также считается допустимой для голштинского скота.

У дочерей остальных быков данные показатели выше рекомендуемых 120 дней по продолжительности сервис-периода на 23 – 71 день и на 57 – 100 дней межотельного периода. При этом изменчивость данных показателей относительно высока, особенно продолжительности сервис-периода, где коэффициенты вариации колебались в пределах 36,1 – 75,0%, что позволяет проводить направленный отбор по этому показателю.

В целом, по всей анализируемой группе показатели воспроизводства можно оценить, как удовлетворительные. Так сервис-период превосходит даже предельно допустимые показатели (120 дней), в итоге более продолжителен и межотельный период, что приводит к снижению интенсивности использования скота для воспроизводства.

Своевременный сравнительный анализ полученных данных, по происхождению, продуктивности, воспроизводству и прочих первичных данных, позволяет эффективно принимать решения по использованию животных с определенной целью, при ранжировании стада животных с минимальными значениями по интересующими селекционеров признаками в первую очередь направляют на выбраковку, для снижения отрицательного влияния на последующее потомство.

В свою очередь за животными попавшие в группу с высокими и средними показателями закрепляют быков-улучшателей по желательным признакам, в зависимости от цели селекционной программы, что обеспечивает получение потомства с желательными признаками.

Селекционный сдвиг в популяции, стаде хозяйства, ускоряется при использовании, помимо анализа первичных данных, результатов исследований по микросателлитным маркерам.

2.2 Данные анализа по микросателлитным маркерам крупного рогатого скота молочного направления продуктивности, интегрированные в информационно-аналитическую платформу

В ходе работы в результате анализа и проведения лазерной детекции методом капиллярного электрофореза получили флуоресцентно меченные длины амплифицированных специфических фрагментов ДНК, являющихся уникальным микросателлитным профилем животного, по которому согласно кодоминантному наследованию определяется передача аллелей от родителей потомку (рисунок 10).

Рисунок 10. Генетический профиль животного по 15 микросателлитным маркерам

Полученные данные электрофореза выгружали с помощью программного обеспечения прибора ABI 3500 в формате *.fsa или *.xls (рисунок 11).


А	Б

Рисунок 11. Выгрузка данных по полученным микросателлитным локусам в базу данных формата *.xls и *.fsa

Полученная информация необходима для пополнения базы данных племенных животных, разводимых на территории Тюменской области, а также для формирования ежегодной отчетности, направляемой в Министерство сельского хозяйства Российской Федерации (рисунок 12).

Рисунок 12. Форма ежегодной отчетности по данным генотипирования племенных животных по данным первичного учета и микросателлитным маркерам, формата *.xls

По данным проведенного нами молекулярно-генетического исследования приведена характеристика изученных 15 микросателлитных локусов у двух пород (черно-пестрая, голштинская) крупного рогатого скота молочного направления продуктивности, разводимого на животноводческих предприятиях Тюменской области. Установлен референтный интервал фрагментов нуклеотидных последовательностей, из которого следует, что животные с различной кровностью отличались друг от друга по диапазону длин фрагментов микросателлитов и числу аллельных вариантов ДНК-локусов генома крупного рогатого скота.

В таблице 8отображены данные, характеризующие крупный рогатый скот молочного направления продуктивности (черно-пестрая, голштинская порода) по STR-локусам диапазон длин фрагментов варьировал от 81 до 300 пар нуклеотидов. Следует отметить, что по некоторым локусам длина аллелей в одном локусе отличалась на 2 пары нуклеотидов.

Полученные результаты по диапазону аллельных вариантов микросателлитных локусов у молочного скота позволяют нам сравнивать животных разных пород. В исследовании по 15 микросателлитным локусам животных голштинской и черно-пестрой пород, у последних обнаружено преобладание в диапазоне референтного интервала на 2 пары нуклеотидов по локусам Inra023 и Eth3.

Таблица 8 – Референтный интервал и диапазон аллельных вариантов микросателлитных локусов генома крупного рогатого скота молочного направления продуктивности

Хромосома	Локус	Референтный интервал размеров фрагментов, п.н.		Диапазон аллельных вариантов микросателлитных локусов молочного скота, разводимого на предприятии Тюменской области
		теоретический	фактический
		теоретический	фактический	черно-пестрая	голштинская
D2S26	Bm2113	133 – 165	125 – 143	125 – 139
D3S10	Inra023	197 – 229	198 – 220	198 – 218	198 – 216
D5S3	Eth10	207 –235	209 – 225	209 – 225
D7S8	Ilst006	273 – 320	286 – 302	288 – 296
D9S2	Eth225	138 – 167	140 – 160	140 – 152
D1S34	Bm1824	175–202	178 – 190	178 – 190
D10S5	Csrm60	80 – 115	90 – 116	92 – 102
D15	Sps115	246–262		240 – 260
D16S3	Tgla53	168 – 210	154 – 186	154 – 188
D14S31	Cssm66	140 – 179	181 – 209	177 – 199
D18S1	Tgla227	70 – 110	77 – 103	81 – 103
D19S2	Eth3	95 – 129	109 – 131	117 – 131	117 – 129
D20S1	Tgla126	113 – 136	113 – 123	115 – 123
D21S6	Tgla122	137 –190	139 – 185	141 – 183
D23S21	Bm1818	250 –270	256 – 272	258 – 270
Итого, локусов:15

Обнаруженные аллели отличались количественным составом (рисунок 13). Число аллелей у тестируемой породы варьировало от 5 до 14 при среднем показателе признака 7,53±0,68. Наиболее вариабельными оказались локусы Tgla122, Tgla227, Cssm66 и Tgla53, наименее Bm1824, Eth3, Ilst6, Csrm60 и Tgla126.

Наиболее вариабельные гены являются более пригодными для проведения генетической идентификации животных Тюменской области [53].

Наблюдается низкая встречаемость (0,002%) приватных аллелей в исследуемой группе животных, которая обусловлена применением искусственного осеменения.

Рисунок 13. Количество аллелей, изученных микросателлитных локусов крупного рогатого скота (n-317) молочного направления продуктивности, разводимого в Тюменской области (голштинская порода (GOL_TMN), черно-пестрая порода (CN-P_TMN)

Для выявления животных с генетическими мутациями, а также генов, связанных с хозяйственно-полезными признаками молочных пород, наиболее применимы высокоэффективные методы исследования с помощью SNP (однонуклеотидного полиморфизма).

В результате проведенного исследования (по SNP) получены данные по геному 100 голов молочного скота по маркерным генам продуктивности: бета казеин «молоко А2» (CSN2) (“milk A2”), гормона роста (GH), лактоглобуллина (LGB), каппа-казеина (CSN3), пролактина (PRL) и липидного обмена (DGAT1) и представлены в таблице 9.

По результатам исследования большинство животных были гетерозиготны, т.е. являлись носителями предпочтительных генотипов (аллелей) по исследуемым генам продуктивности. Максимальное количество гетерозигот (n-16) по гену CSN2 «молоко А2» обнаружено в №4 группе животных, наименьшее количество выявлено в группе №2 (n-11). В группах №1 и №3 их количество было одинаковым (n-12).

Количество животных с генотипом А2А2 по вышеобозначенному гену в группах №1 и №2 составило 4 и 3, соответственно. Молоко от таких животных показано людям с непереносимостью молока (отсутствие ß-казеина A1) и применимо для производства детского питания.

Таблица 9 – Генотипирование крупного рогатого скота молочного направления продуктивности по генам продуктивности

Группа животных	Гены молочной продуктивности						Результат по геному животного
Группа животных	«Молоко А2»	GН	LGB	CSN3	PRL	DGAT1	Результат по геному животного
№ 1	4	—	1	15	—	16	Гомозигота по предпочтительному генотипу (аллелю)
	12	7	17	8	10	9	Гетерозигота по предпочтительному генотипу (аллелю)
	9	18	7	2	15	0	Предпочтительного генотипа (аллелей) не обнаружено
№ 2	3	—	2	12	3	7	Гомозигота по предпочтительному генотипу (аллелю)
	11	11	7	10	10	14	Гетерозигота по предпочтительному генотипу (аллелю)
	11	14	16	3	12	4	Предпочтительного генотипа (аллелей) не обнаружено
№ 3	11	—	3	21	1	13	Гомозигота по предпочтительному генотипу (аллелю)
	12	12	11	3	9	9	Гетерозигота по предпочтительному генотипу (аллелю)
	2	13	11	1	15	3	Предпочтительного генотипа (аллелей) не обнаружено
№ 4	6	—	3	12	3	12	Гомозигота по предпочтительному генотипу (аллелю)
	16	8	14	12	9	10	Гетерозигота по предпочтительному генотипу (аллелю)
	3	17	8	1	13	3	Предпочтительного генотипа (аллелей) не обнаружено

Наибольшее количество гетерозиготныхGH^LV животных (n-12) установлено в группе №3, чуть меньше (n-11) выявлено в группе №2. Наименьшее их количество обнаружено в группах №1 и №4 и составляет n-7 и n-8 соответственно.

В исследованных выборках животных с генотипом GH^LLне обнаружено.

По гену лактоглобуллина (LGB) у молочного скота число животных с предпочтительнымгенотипом LGB^BBварьирует до 3 (№3-4 группы животных), количество гетерозиготных животныхLGB^ABсоставило до 17 (№1); идо 16 (№2) гомозиготных животныхLGB^AA с наименьшим содержанием казеина в молоке.

Генотип ВВ каппа – казеина (CSN3) является важным с экономической точки зрения селекционным критерием продуктивности для молочных пород крупного рогатого скота, т.к. отвечает за белковомолочность (высокие показатели белка) и технологические свойства молока(качественные показатели по выходу сыра и органолептическими свойствами).Тестирование животных по вышеобозначенному гену во всех группах (№1-4) животных выявило максимальное количество гомозигот с генотипом CSN3^ВВ в диапазоне от 12 до 21.Наименее значимый генотип CSN3^ААустановлену животных в диапазоне от 1 до 3.

Анализ таблицы 9 показал, что наименьшее количество животных (n-1) с желаемым генотипом PRL^GGбыло установлено в №3 группе. Равные значения (n-3) по данному генотипу были обнаружены в группах №2 и №4. Чуть меньше выявлено животных с генотипом PRL^АА во всех группах и варьировало в диапазоне от 15 до 12. Наименьшее количество животных с генотипом PRL^GАв этих группах варьировало в диапазоне от 9 до 10.

У изученных выборок молочного скота полиморфизм гена DGAT1 связан с признаками молочной продуктивности, в частности аллель К – с жирностью молока, аллель А – с выходом молока и суммарным содержанием белков в молоке. Наибольшее количество животных с генотипом DGAT1^КК (n-16) установлено в группе №1, чуть меньше (n-13) выявлено в группе №3 и в №4 (n-12). Наименьшее их количество обнаружено в группе №2 и составилоn-7.

Животных с генотипом DGAT1^КА составило до 14 (№2). Чуть меньше выявлено животных (n-10) в группе №4. Наименьшие и равные значения (n-9) по данному генотипу были обнаружены в группах №1 и №3.Во всех группах выявлены животные с генотипом DGAT1^ААи их количество составило в диапазоне от 0 до 4.

Отбор животных с предпочтительными генотипами (аллелями)по «генам- кандидатам» молочной продуктивности являются надежным инструментом для прогнозирования фенотипа, влияющих на формирование и функционирование хозяйственно-полезных признаков животных.

Полученные результаты генотипирования крупного рогатого скота молочного направления продуктивности с помощью SNP анализа позволяют нам выявлять генотипы (аллели) животных с генетическими аномалиями: НН1, CVM, STAT5A, STAT1, STAT3 (таблица 10). Идентификация летальных генотипов (аллелей) по вышеобозначенным генетическим аномалиям позволит выбраковывать таких животных.

Тестирование четырех групп животных молочного направления продуктивности (по 25 голов в каждой группе) показало наличие в группе №1 двух особей (гетерозиготных по летальному генотипу НН1), у которых были обнаружены летальные аллели гаплотипа фертильности НН1. Наличие данной аномалии связывают с эмбриональной смертностью на разных сроках стельности коров.

В группе №4 выявлена одна особь (гетерозиготная по летальному генотипу CVM), которая является носителем комплексного порока развития позвоночника у голштинского скота. Потомство от таких животных погибает в раннем эмбриональном периоде, либо вскоре после рождения.

Таблица 10 – Генотипирование крупного рогатого скота молочного направления продуктивности по генетическим аномалиям

Группа животных	Генетические аномалии					Результат по геному животного
Группа животных	НН1	CVM	STAT5A	STAT1	STAT3	Результат по геному животного
№ 1	—	—	—	17	—	Гомозигота по летальному генотипу (аллелю)
	2	—	18	6	18	Гетерозигота по летальному генотипу (аллелю)
	23	25	7	2	7	Летального генотипа (аллелей) не обнаружено
№ 2	—	—	—	15	—	Гомозигота по летальному генотипу (аллелю)
	—	—	17	9	14	Гетерозигота по летальному генотипу (аллелю)
	25	25	8	1	11	Летального генотипа (аллелей) не обнаружено
№ 3	—	—	—	6	—	Гомозигота по летальному генотипу (аллелю)
	1	—	14	12	15	Гетерозигота по летальному генотипу (аллелю)
	24	25	11	6	10	Летального генотипа (аллелей) не обнаружено
№ 4	—	—	—	13	—	Гомозигота по летальному генотипу (аллелю)
	—	1	18	11	14	Гетерозигота по летальному генотипу (аллелю)
	25	24	7	1	11	Летального генотипа (аллелей) не обнаружено

2.3 Создание информационно-аналитической платформы для системы адаптации данных первичного учета и молекулярно-генетических исследований

Основой системы адаптации данных первичного учета, генотипирования и продуктивности животных для создания единой информационной системы оценки племенной ценности является созданная информационно-аналитическая платформа, построенная на базе свободного программного обеспечения с использованием открытых стандартов.

Для функционирования информационно-аналитической платформы полученные первичные данные загружаются в базу данных и используются в комплексном анализе популяции крупного рогатого скота молочного направления продуктивности для определения племенной ценности животного.

Разработанная система адаптации данных первичного учета, генотипирования и продуктивности животных создает возможность для эффективной обработки данных первичного учета, генотипирования и ветеринарного учета, устанавливать эффективность методик лечения и систематизировать данные о заболеваемости поголовья крупного рогатого скота молочного направления по региону.

Информационно-аналитическая платформа разработана в целях перехода к новой модели работы с данными, обеспечивающей единое информационное пространство данных на основе автоматизации процессов сбора, хранения, обработки, анализа и представления информации, качество данных, однократное извлечение первичных данных из внешних источников и их многократное повторное использование, а также взаимодействие всех участников селекционно-племенной работы: молекулярно-генетических лабораторий (Центров), качества молока, ветслужб, управления агропромышленного комплекса, Регионального информационно-селекционного центра, и непосредственно самих сотрудников сельскохозяйственных предприятий).

Для решения задач геномной селекции в скорости обработки информации, масштабируемости, аналитических возможностях разработана приведенная в настоящей работе базовая архитектура информационно-аналитическая платформа, определяющая наиболее важные уровни платформы: управление данными, управление процессами, управление доступом и приложениями. Архитектура платформы реализуема в условиях различных инфраструктурных решений информационных технологий: в серверном варианте, в среде частного, публичного или гибридного облачного решения (рисунок 14).

Рисунок 14. Базовая структура информационно-аналитической платформы

Учитывая высокую скорость развития информационных технологий и аппаратных средств, рост потребностей пользователей информационной системы, предусмотрена гибкая, мощная и масштабируемая структура информационно-аналитической платформы, обеспечивающая устойчивость инфраструктуры системы в будущем и удобство использования приложений. Реализация проекта платформы выполнена таким образом, чтобы ее составные части и подсистемы можно было расширять или менять, не влияя на работу системы в целом, работу приложений и, в конечном счете, на взаимодействие с пользователем.

Программно-определяемая архитектура состоит из виртуальных программных компонентов — сетевых ресурсов, систем хранения данных, вычислительных ресурсов, виртуальных машин и прочих, позволяет сформировать слой программной абстракции, независимый от оборудования, упростить развертывание, использование, масштабирование ресурсов, гибкость настройки и мониторинг работы компонентов, снизить требования к квалификации обслуживающего персонала, сократить расходы на развертывание и эксплуатацию.

На данном периоде развития применения методов геномной оценки в селекции крупного рогатого скота молочного направления продуктивности данные племенной ценности по фенотипическим и генотипическим параметрам животных собираются и обрабатываются в разрозненных, преимущественно коммерческих информационных системах. Это накладывает определенные ограничения на возможность проверки актуальности и достоверности информации для обеспечения максимально адекватной оценки перспективности использования животных, а также оперирования информацией по продуктивным качествам и успешность применения для проведения эффективной селекции в племенных хозяйствах в масштабе региона.

Основными компонентами информационно-аналитической платформы являются подсистемы:

управления процессами;
хранения данных;
формирования и визуализации отчетности;
адаптации и аналитической обработки данных.

Подсистема управления процессами обеспечивает эффективный обмен данными и интеграцию между внутренними подсистемами, а также смежными системами.

В части обмена сообщениями подсистема обеспечивает надежный и безопасный обмен информацией между основными компонентами информационно-аналитической платформы в распределенной среде. Конкретная реализация подсистемы, включая входящие в ее состав компоненты обмена сообщениями, управления бизнес-процессами, интеграции с внешними системами, а также протоколы обмена сообщениями определяются потребностями в интеграции со смежными системами, исходя из показателей пропускной способности конкретной реализации подсистемы, полученных на основе результатов нагрузочного тестирования.

В части обмена сообщениями подсистема обеспечивает: наличие клиентов для основных языков программирования, входящих в технологический стек информационно-аналитической платформы;возможность расширения функционала системы через программные модули;наличие средств развертывания системы; возможности развертывания системы в режиме кластера; поддержку стандартных интерфейсов и протоколов; возможность централизованного сетевого мониторинга и администрирования; поддержку сетевых протоколов транспортного уровня TCP/IP и UDP, а также сетевых протоколов прикладного уровня; поддержку протоколов обмена сообщениями; поддержку транспортных протоколов реального времени; поддержку нескольких моделей обмена сообщениями.

В части механизмов развертывания компонентов подсистема обеспечивает: возможность развертывания и высокую доступность компонентов информационно-аналитической платформы через механизмы контейнеризации и мониторинга состояния контейнеров компонентов;масштабирование информационно-аналитической платформы за счет механизмов балансировки нагрузки, обнаружения служб, мониторинга состояния кластера;автоматического рестарта контейнеров;управление конфигурацией развертывания;механизмы отката к стабильной версии конфигурации, при внесении некорректных изменений в конфигурации;механизмы подключения и обнаружения файловых хранилищ.

В части мониторинга подсистема обеспечивает: проверку доступности и производительности компонентов системы;гибкую модель оповещений и выполнения автоматических операций необходимых для обеспечения стабильной работы информационно-аналитической платформы;возможность веб-мониторинга, включая визуализацию показателей системы, проверку функционала и проверку времени ответа компонентов системы;создание пользовательских графиков с возможностью отображения нескольких метрик в рамках одного графика, построение отчетов о состоянии системы, представление бизнес метрик, организацию комплексных панелей мониторинга; запись, архивирование и очистку истории;механизмы создания и наследования шаблонов мониторинга.

В части аутентификации и авторизации пользователей подсистема обеспечивает:

— единую точку аутентификации и авторизации для всех подключений, с целью обеспечения доступа ко всем компонентам информационно-аналитической платформы;

— аутентификацию по протоколу LDAP;управление правами доступа и привилегиями пользователей для всех компонентов информационно-аналитическая платформа;

— управление учетными записями пользователей, включая операции создания, изменения, блокировки учетных записей и привилегий;

— выполнение аудита операций аутентификации и авторизации.

В части интеграции со смежными системами подсистема обеспечивает:

— наличие механизмов оркестрации сообщений между компонентами информационно-аналитической платформы;

— наличие механизмов фильтрации сообщений, обеспечивающих реализации сложной логики обработки и преобразования сообщений;

— наличие механизмов преобразования сообщений, обеспечивающих возможность передачи сообщений между несколькими системами в разных форматах;

— наличие нескольких реализаций протоколов обмена сообщениями, обеспечивая тем самым возможность интеграции большого набора компонентов;наличие механизмов организации последовательной передачи сообщений нескольким сервисам;

— возможность сохранения обрабатываемых сообщений;наличие механизмов балансировки нагрузки между несколькими сервисами, с целью обеспечения более высокой отказоустойчивости;поддержка шаблонов интеграции корпоративных систем.

В части управления программными интерфейсами подсистема обеспечивает:

— возможность публикации программных интерфейсов для обеспечения возможности взаимодействия внешних сервисов с информационно-аналитической платформой;

— хранение конфигурации программных интерфейсов для обеспечения возможности управления;

— возможность организации шлюза программных интерфейсов для обеспечения единой защищенной и управляемой точки входа для всех внешних клиентских вызовов;

— механизмы управления поступающим трафиком;анализ и мониторинг поступающих запросов;

— управление пользователями и ролями;

-предоставления и ограничения доступа к API в зависимости от функциональных задач пользователей;

— наличие модели жизненного цикла программных интерфейсов;возможность регистрации приложений использующих программных интерфейсов для выдачи различных ключей доступа различным приложениям;

— возможность разработки, документирования, версионирования и управления видимостью всех программных интерфейсов;поддержку шаблонов программных интерфейсов.

Подсистема хранения данных.Подсистема хранения данных обеспечивает хранение данных для реализации функций мониторинга и аналитики, а также организацию единой точки доступа к данным хранящимся в смежных системах и файлах.

В основу построения хранилищ заложены следующие принципы:

обеспечения хранения данных мониторинга и аналитики;
их разделения логически или физическис целью обеспечения независимого функционирования каждого;
высокая скорость чтения, записии гибкая схема хранения данных, поддержание клиент-серверной модели обмена данными; реализованы драйверы подключения, поддерживаемые на клиентской стороне;
возможности работы с различными типами источников данных, включая реляционные и нереляционные хранилища данных, форматы описания структурированных наборов данных и веб-ресурсы;
поддержка федерализации источников данных;
возможность выполнения распределенных транзакций;
управление доступом к интегрируемым данным.

Подсистема формирования и визуализации отчетности.Подсистема формирования и визуализации отчетности обеспечивает:представление данных в визуальном формате в различных разрезах и представлениях;аналитических операции над данными хранящимися в различных источниках данных.

В части визуализации подсистема обеспечивает:возможность визуализации данных хранящихся как во внешних источниках, так и предоставляемых хранилищем аналитических данных;объединять представления в панели, для логической группировки связанных визуальных представлений;представления данных, как в реальном времени, так и в периоде;поддержку различных типов графиков;доступ к панелям на основе пользовательских ролей;возможность конфигурации отображения блоков представлений.

Подсистема адаптации и аналитической обработки данных. Подсистема обеспечивает: возможность обработки в реальном времени сообщений из различных источников и в различных форматах;адаптацию данных с использованием механизмов потоковой обработки;обработку данных в памяти с сохранением результатов в хранилище аналитических данных;отказоустойчивость процессов аналитической обработки данных;возможность мониторинга состояния;возможность обработки сложных событий, за счет обработки сообщений поступающих из смежных систем и внутренних подсистем, с последующей их агрегацией по временным периодам;простой способ разработки, тестирования и развертывания приложений, написанных с использованием Streaming SQL;режимы пакетной обработки данных и потоковой обработки данных в режиме реального времени;возможность обучения и сохранения моделей машинного обучения.

С помощью аналитической платформы после консолидации данных продуктивности животных по ряду хозяйств возможно осуществление построения и анализа диаграмм продуктивности. Например, на рисунке 15 представлено графическое отображение взаимосвязи между интересующими признаками по всей популяции животных или в разрезе интересующей группы особей, полученное в результате использования информационно-аналитической платформы.

Рисунок 15. Графическое отображение степени влияния быка на уровень молочной продуктивности дочерей, разводимых в одних и тех же технологических условиях, полученное при использовании информационно-аналитической платформы

Практическое применение информационно-аналитическая платформа находит в сфере унификации подхода к выбору методов отбора и подбора пар в селекционно-племенной работе молочных хозяйств. Так, на рисунке 16отображена различная степень влияния быка на уровень молочной продуктивности дочерей, разводимых в одних и тех же технологических условиях. На основании данных первичного учета, внесенных в разработанную нами информационно-аналитическую платформу, представленных в виде диаграммы сравнения продуктивности потомков с нулевой динамикой продуктивности (на рисунке обозначена красной линией) можно визуально отследить и подвергнуть анализу результативность подбора быков. Благодаря механизму сбора и консолидации данных с разных хозяйств из разных информационных систем (“СЕЛЭКС. Молочный скот”, DairyComp305), можно представить данные в единообразной форме для последовательного построения в едином графике. Это позволяет всесторонне проанализировать конкретные признаки и исключить ошибки, допущенные в результате выбора методов по той или иной технологической операции в условиях конкретного хозяйства или группы предприятий.

Кроме того, информационно-аналитическая платформа предоставляет возможность сравнить производительные качества одного и того же производителя, используемого в разных хозяйствах, но со схожими технологическими условиями по производству продукции.

Рисунок 16. Графическое отображение уровня продуктивности потомства по одному быку от разных матерей, полученное при использовании ИАП

Так, анализ графического отображения уровня продуктивности потомства по одному быку от разных матерей, полученного при использовании информационно-аналитической платформы, позволяет утверждать, что показатели продуктивности матерей в том числе по происхождению, возрасту, экстерьеру, находятся в достаточно небольшом диапазоне значений, что свидетельствует об однородности племенного ядра. Однако, несмотря на это, один и тот же производитель совершенно по-разному повлиял на продуктивные качества коров, используемых в хозяйствах. В одном случае бык является «улучшателем», а для других – «ухудшателем». Следовательно, при работе со стадом в хозяйствах в соответствии с получаемыми данными информационно-аналитической платформы формируются разные принципы подбора пар в зависимости от выявления тех или иных корреляций.Племенная ценность животных тесно связана с экономической эффективностью производства, чем обуславливается необходимость раннего прогнозирования хозяйственно-полезных признаков животных на основе геномной оценки [8, 79, 80].

Коэффициент наследуемости отражает генетическое разнообразие животных по конкретному признаку.Для расчетов коэффициентов наследуемости, и использования их при расчетах индексов, необходимы показатели продуктивности по матерям и дочерям за первую лактацию (удой, МДЖ, МДБ, сервис-период и пр. показатели).При определении племенной ценности животного необходимо проанализировать широкий ряд фенотипических показателей и их взаимосвязь с генетическим потенциалом животного. Следует определять коэффициент наследуемости (h²), который отражает генетическое разнообразие животных по конкретному признаку [20, 28, 81, 82]. Рассчитать коэффициенты наследуемости и использовать их при расчетах индексов необходимо по хозяйственно-полезным признакам матерей и дочерей за первую лактацию.

В практике зарубежной и отечественной селекции коров оценивают, прежде всего, по удою, качественному составу молока (жир, белок, соматика), выходу основных питательных веществ за 305 дней лактации, по живой массе, экстерьеру и ряду других признаков [85, 86, 87, 88].

В результате целенаправленной работе в популяции закрепляются определенные гены. В стратегии селекции необходимо учитывать корреляционные связи между признаками, а также потери эффекта селекции по каждому из них пропорциональное величине 1n, где «n» — число признаков.

При увеличении числа признаков более 4-х значительного снижения эффекта селекции не отмечается. Именно на этом основывается принцип индексной селекции. На разных этапах селекции соотношение хозяйственно-полезных признаков в индексах меняется в зависимости от стратегии отбора.

Подбор завершает всю предыдущую работу по выращиванию, выявлению продуктивной и племенной ценности, отбору лучших животных для размножения. В результате подбора животноводы соединяют в последующем поколении желательные признаки.

Информационно-аналитическая платформа, построенная на принципах взаимосвязи первичных фенотипических и зоотехнических данных с результатами генетических исследований, позволяет эффективно и рационально анализировать состояние референтной базы, в данном случае популяции крупного рогатого скота молочного направления продуктивности Тюменской области, что способствует принятию эффективных мер для совершенствования селекционно-племенной работы в регионе.

Процесс адаптации первичных данных в информационно-аналитической платформе представляет из себя извлечение данных из внешних источников, очистку, проверку на корректность и трансформацию для соответствия потребностям обработки, анализа и последующей загрузки в хранилище данных.

Источники данных могут содержать структурированные данные в виде таблиц или текстовых файлов (в формате данных, разделенных символами-разделителями). Данные о продуктивности животных в базовом варианте системы были получены в результате импорта данных первичного зоотехнического и племенного учета из баз данных ИАС “СЕЛЭКС. Молочный скот” и DairyComp 305.

2.4 Сравнительный анализ информационных систем оперативного учета в животноводстве

Основными программами, применяемыми на предприятиях молочного животноводства для менеджмента производственных процессов, контроля, анализа и т. п., в том числе для выявления животных в охоте, осеменении, селекции применяют ИАС “СЕЛЭКС. Молочный скот” и программные продукты Dairy (DairyComp 305, DairyPlan). Данные программы имеют ряд отличительных признаков в сравнительной характеристике между собой, а также в сравнении с разработанным программным обеспечением. На рисунке 17представлена структура картотеки и интерфейса программы «СЕЛЭКС. Молочный скот».

Рисунок 17.Структура картотеки и интерфейса программы «СЕЛЭКС. Молочный скот»

Следует отметить, что программа “СЕЛЭКС. Молочный скот” создавалась изначально с уклоном для применения на предприятиях с привязным содержанием животных, в связи с чем имеется ряд принципиальных отличительных свойств в ее функционале.

Современные животноводческие комплексы с беспривязной системой содержания имеют высокую степень концентрации скота в отличие от хозяйств, использующих привязную. Главным фактором такого различия выступает технология доения. Беспривязная система содержания подразумевает движение скота из секций содержания в помещение с доильной установкой. Существует множество факторов, которые могут повлиять как на очерёдность доения групп, так и на размещение животных в конкретных секциях. Чаще всего данные нарушения технологии являются следствием ошибок в работе животноводов, что влечёт за собой необходимость ежедневного контроля и анализа их работы, возможность которого в программном обеспечении “СЕЛЭКС. Молочный скот” в интерфейсе не предусмотрена, так как программа адаптирована под наличие ферм и дворов: скот, содержащийся на привязи, «привыкает» к отведенному для него месту, на котором проводит большую часть своей жизни, а доярки, закрепленные за конкретными группами, осуществляют дополнительный, помимо зоотехников, контроль за передвижением скота, что практически сводит возможность ошибочного передвижения к нулю. В этой связи, для большего удобства в учете и анализе данных первичного учета продолжать в дальнейшем разработку интерфейса информационно-аналитической платформы необходимо таким образом, чтобы она позволяла вести учет животных по секциям содержания, что позволит не только соблюдать технологичность производственного процесса, но и даст возможность отслеживать продуктивность как по физиологическим группам, так и по хозяйству в целом [73,74].

В то же время программа «СЕЛЭКС. Молочный скот» позволяет осуществлять выгрузку данных и позволяет интегрировать получаемые данные в созданную базу данных информационно-аналитической платформы для широкого анализа и ведения племенного учета поголовья в региональном масштабе. Выгрузка данных осуществляется с помощью задаваемого программой по сформированному запросу SQL-коду (рисунок 18) в виде документа MS Excel (рисунок 19), данные из которого возможно эффективно использовать при создании и дальнейшем расширении региональной базы данных.

Рисунок 18. Формирование SQL-кода в программе «CЕЛЭКС.Молочный скот»

Формат данных в программе «СЕЛЭКС. Молочный скот» представленные на рисунке 19– один из вариантов выгрузки – так, в этом случае указаны значения в числовом формате об инвентарном номере животного – количестве лактаций – дате события (в данном случае — осеменение) – код события (указывает на конкретное событие (отел, осеменение, сухостой, запуск и т. д.)) – нумерация, указывающая на ответственного исполнителя (например, техника по искусственному осеменению) – кратность события. Столбец 1 – информация для подсчета учтенных голов, столбец 2 – указывает, учтена первотелка или корова (телившаяся более 1 раза).

Рисунок 19. Осуществление выгрузки данных в программе «CЕЛЭКС. Молочный скот»

Удобство в выгрузке данных программы «СЕЛЭКС. Молочный скот» позволяет успешно использовать сведения, получаемые из программы, и интегрировать их в созданную базу данных, что обеспечивает их централизацию, систематизацию, накопление и анализ на обнаружение зависимостей и корреляций с данными генотипирования.

В программе DairyComp 305, в отличие от программы «СЕЛЭКС. Молочный скот», возможность совершать выгрузку данных в таком формате нет, однако имеется функционал, позволяющий формировать наиболее полные годовые отчеты (рисунки 20, 21), а также предусмотрено заведение подробной карточки животного, что, в свою очередь, также позволяет формировать своды данных для наполнения базы информационно-аналитической платформы.

Рисунок 20. Отчет о ежедневной продуктивности стада по технологическим группам

Рисунок 21. Карточка животного в программе DairyComp 305

В настоящее время все зарубежные компании, занимающиеся селекцией скота и дистрибьюцией семенного материала быков производителей, анализируют получаемые первичные данные с помощью зоотехнических индексов, позволяющих осуществлять экспресс-анализ, который дает наиболее полную картину.

Например, индекс стельности (Pregnancy Rate) является более точным и полезным показателем эффективности воспроизводства всего поголовья. Данный показатель отражает процент коров от поголовья, становящихся стельными каждые 21 день после завершения периода добровольного ожидания. В отличие от программы «СЕЛЭКС. Молочный скот» в программе DairyComp 305 существенным отличием является возможность расчета зоотехнических индексов в самой программе (рисунок 22).

Рисунок 22. Расчет индекса Pregnancy Rate в программе DairyComp 305

Индекс стельности является стабильным показателем при оценке воспроизводства. Данный показатель – объективный инструмент оценки, определяющий результативность всех коров (включая выбывших), а не только тех, которые остались в поголовье. Он так же определяет интервал отела поголовья и процент возможной выбраковки.

В различных вариациях программного обеспечения «CЕЛЭКС. Молочный скот» и DairyComp 305 есть возможность рассчитывать индекс процента стельности, ввиду важности и применимости индекса в практической сфере животноводства в разработанном модуле платформы предусмотрены его вариации в зависимости от: быка-производителя; специалиста по искусственному осеменению; поставщика (производителя семени); дня недели; интервалов в осеменении; номера осеменения и других показателей, включая задаваемые пользователем параметры без ограничений (например, часто это тип охоты – длительность, с кровянистыми выделениями / без, спланированное по времени искусственное осеменение и т.п.).

К положительным характеристикам программы DairyComp 305 следует отнести возможность формирования отчетов по необходимым на актуальный момент времени параметрам и отражение таковых в виде графиков (рисунки 23, 24).

Рисунок 23. Отображение числа событий первого осеменения и соответствия его периоду добровольного ожидания в программе DairyComp305

Рисунок 24. Отображение в графике количества осеменений животных на протяжении лактации в программе DairyComp 305

На рисунке 25отображены данные первичного зоотехнического учета эффективности осеменения в программе DairyComp 305, которые впоследствии интегрируемы в базу данных информационно-аналитической платформы.

Рисунок 25.Отображение первичных данных зоотехнического учета эффективности осеменения в программе DairyComp 305

Разработка осуществлялась нами, исходя из данных анализа применения программ DairyComp 305 и “СЕЛЭКС. Молочный скот”, как наиболее применяемых в условиях индустриальных молочных хозяйств Тюменской области. Новая информационно-аналитическая платформа обладает положительными характеристиками предшественников, удобным интерфейсом, функционалом, включающим возможность внесения, анализа и обмена данными геномных исследований, чего ранее нигде предусмотрено не было, а также данными с программного обеспечения доильного и иного оборудования, сводами первичного зоотехнического, ветеринарного учета, что позволяет анализировать показатели воспроизводства в комплексе с данными зооветеринарного блока.

Разработанная информационно-аналитическая платформа предусматривает проведение расчетов индексов, применяемых в мировой селекционной практике (индекс стельности, Heat Detection, Pregnancy Rate и пр.) и позволит в дальнейшем не только эффективно организовывать технологические ритмы производства, но и эффективно конкурировать с зарубежными предприятиями в данной отрасли.

ЗАКЛЮЧЕНИЕ

В продолжение научно-исследовательской работы 2018-2019 гг. по темам: «Исследование и разработка методических подходов по оценке племенной ценности крупного рогатого скота молочного и мясного направлений на основе методов геномной оценки на территории РФ», «Прогнозирование моделей расчета племенной ценности крупного рогатого скота молочного и мясного направлений продуктивности с использованием методов геномной оценки на территории РФ» важны уточнение и оценка надежности, а также получение новых достоверных данных о продуктивности животных по селекционным признакам здоровья и воспроизводства, экстерьера, продуктивности и т. п. для осуществления точной оценки животных на региональном уровне Тюменской области для формирования базы исходных данных и результатов племенной оценки [39,52].

На сегодняшний день вопросы организации геномной селекции на территории Тюменской области остаются одними из наиболее важных в современной аграрной промышленности ввиду необходимости повышения продуктивных показателей популяции крупного рогатого скота черно-пестрой и голштинской пород, как наиболее распространенных в регионе. Известно, что порядка 70% продуктивных способностей голштинского скота, а также голштинизированных животных и российской черно-пестрой породы определяются преимущественно генетическими маркерами. Это позволило сформулировать в рамках проведенного исследования современную концепцию создания централизованного свода генетических данных, который обеспечит их систематизацию и накопление, а также позволит комплексно определить те проблемы молочного животноводства, которые могут быть решены путем коррекции в реализации тех или иных обнаруженных генов продуктивности, генетических аномалий, устойчивости к болезням, продуктивного долголетия и пр.

Анализ существующих систем менеджмента молочного животноводства позволил установить наличие в его структуре на ряде животноводческих предприятий таких блоков как: ветеринария, воспроизводство, доение, молодняк, вакцинации, перегруппировка поголовья, которые учитываются в программных продуктах DairyComp, DairyPlan, CEЛЕКС и пр., которые характеризуются отсутствием целостного подхода к структуризации и накоплению данных. Разделение на блоки в этих цифровых системах не позволяет в полной мере оценить генетический потенциал поголовья и обнаружить взаимосвязи комплекса показателей эффективности молочного производства.

Для реализации достоверного сопоставления и централизации данных крупнейших индустриальных молочных хозяйств региона в ходе проведенной работы сформирована система адаптации данных первичного учета на основе информационно-аналитической платформы, которая послужит технологической основой для единой открытой системы сбора первичных фенотипических данных и данных генотипирования, генетической идентификации животных молочного направления продуктивности.

Платформа разрабатывалась нами таким образом, чтобы получаемые в процессе лабораторных исследований данные генотипов по микросателлитным локусам и SNP, ветеринарного и зоотехнического (количественные и качественные показатели молочной продуктивности, содержание жира и белка в молоке, продолжительность лактации, сервис-период, сухостойный период и стельность) учета племенных животных в индустриальных молочных хозяйствах были легко интегрируемы в структуру полученной системы, необходимой для формирования генетических паспортов крупного рогатого скота (приложение В) и ускоренного анализа (адаптация данных, автоматизация процессов их сбора, извлечения, обработки, хранения и анализа).Разработка реализована на основе программно-определяемой архитектуры, построенной на базе свободного программного обеспечения с использованием открытых стандартов и в составе базовых технологических решений: серверная операционная система — Ubuntu Server 18.04 LTS/20.04 LTS; основной алгоритмический язык программирования серверной части — Python; графическая среда для интерактивных вычислений Jupiter Notebook; система статистического анализа R; открытые программные библиотеки базы Python для машинного обучения TensorFlow, Keras, для визуализации matplotlib, для обработки и анализа данных pandas и др.

В работе были проанализированы первичные фенотипические данные, полученные от сельхозтоваропроизводителей, собранные за один анализируемый период в одних условиях. По результатам анализа: продуктивность скота голштинской породы больше по: годовой удой — на 1,83%; средняя по жиру – на 3,69%; приросту – 23,69%, в сравнении с данными по черно-пестрой породе. Из представленных показателей у скота черно-пестрой породы возраст при первом отеле составил 793 дня, что на 60 дней больше чем у голштинской породы.

Генотипировано и представлено в виде базы данных информационно-аналитической платформы 317 животных молочного направления продуктивности (123 — черно-пестрой породы и 194 -голштинской породы) по 15 микросателлитным локусам (Eth3, Eth10, Eth225, Inra023, Ilst006, Tgla122, Tgla53, Tgla126, Tgla225, Tgla227, Bm1818, Bm2113, Bm1824, Cssm66, Csrm60, Sps115) генома крупного рогатого скота; диапазон длин фрагментов ДНК микросателлитных локусов животных варьировал от 81 до 300 п.н., Выявлен полиморфизм микросателлитных локусов в исследованных выборках молочного скота. Обнаруженные аллели микросателлитных маркеров отличались количественным составом и варьировал в диапазоне от 5 до 14 пар нуклеотидов при среднем показателе признака 7,53±0,68. Наиболее полиморфными оказались локусы Tgla122, Tgla227, Cssm66 и Tgla53, наименее — Bm1824, Eth3, Ilst6, Csrm60 и Tgla126.

В результате проведенного исследования (по SNP) получены данные по геному 100 голов молочного скота по маркерным генам продуктивности: бета-казеин «молоко А2» (CSN2) («milk A2»), гормона роста (GH), лактоглобуллина (LGB), каппа-казеина (CSN3), пролактина (PRL) и липидного обмена (DGAT1). Большинство животных были гетерозиготны, т.е. являлись носителями предпочтительных генотипов (аллелей) по исследуемым генам продуктивности.

В №3 (n-11) и №4 (n-6) группах выявлено наибольшее число животных с генотипом А2А2 по предпочтительному гену бета-казеина «Молоко А2», а также наименьшее число животных с отсутствием предпочтительного генотипа (аллелей). Молоко от таких животных показано людям с непереносимостью молока (отсутствие ß-казеина A1) и применимо для производства детского питания.

Максимальное количество гетерозигот (n-16) по гену CSN2 «молоко А2» обнаружено в №4 группе животных, наименьшее количество выявлено в группе №2 (n-11). В группах №1 и №3 их количество было одинаковым (n-12).

Во всех группах животных (№1-4) максимальное количество животных были гетерозиготные GH^LV по гену гормона роста, связанного с регуляцией соматического роста особей, удоя и молочного жира в молоке. Наибольшее количество гетерозиготных GH^LV животных (n-12) установлено в группе №3, чуть меньше (n-11) выявлено в группе №2. Наименьшее их количество обнаружено в группах №1 и №4 и составляет n-7 и n-8 соответственно. В исследованных выборках животных с генотипом GH^LL не обнаружено.

По гену лактоглобуллина (LGB) у молочного скота число животных с предпочтительным генотипом LGB^BB варьирует до 3 (№3-4 группы животных), количество гетерозиготных животных LGB^AB составило до 17 (№1); и до 16 (№2) гомозиготных животных LGB^AA с наименьшим содержанием казеина в молоке.

Генотип ВВ каппа – казеина (CSN3) является важным с экономической точки зрения селекционным критерием продуктивности для молочных пород крупного рогатого скота, т.к. отвечает за белковомолочность (высокие показатели белка) и технологические свойства молока (качественные показатели по выходу сыра и органолептическими свойствами). Тестирование животных по вышеобозначенному гену во всех группах (№1-4) животных выявило максимальное количество гомозигот с генотипом CSN3^ВВ в диапазоне от 12 до 21. Наименее значимый генотип CSN3^АА установлен у животных в диапазоне от 1 до 3.

У крупного рогатого скота молочного направления продуктивности ген пролактина (PRL) является идеальным кандидатом для анализа связи локусов количественных признаков (QTL) c показателями молочной продуктивности, а также дополнительным критерием отбора при селекции. Наименьшее количество животных (n-1) с желаемым генотипом PRL^GGбыло установлено в №3 группе. Количество животных с генотипом PRL^АА во всех группах варьировало в диапазоне от 15 до 12,а с генотипом PRL^GА в диапазоне от 9 до 10.

Животных с генотипом DGAT1^КА составило до 14 (№2). Наименьшие и равные значения (n-9) по данному генотипу были обнаружены в группах №1 и №3. Во всех группах выявлены животные с генотипом DGAT1^АА и их количество составило в диапазоне от 0 до 4.

Полученные результаты генотипирования крупного рогатого скота молочного направления продуктивности с помощью SNP-анализа позволяют нам выявлять генотипы (аллели) животных с генетическими аномалиями: НН1, CVM, STAT5A, STAT1, STAT3. Тестирование четырех групп животных молочного направления продуктивности (по 25 голов в каждой группе) показало наличие в группе №1 двух особей (гетерозиготных по летальному генотипу НН1), у которых были обнаружены летальные аллели гаплотипа фертильности НН1. Наличие данной аномалии связывают с эмбриональной смертностью на разных сроках стельности коров.
В группе №4 выявлена одна особь (гетерозиготная по летальному генотипу CVM), которая является носителем комплексного порока развития позвоночника у голштинского скота. Потомство от таких животных погибает в раннем эмбриональном периоде, либо вскоре после рождения.

Полученные сведения позволили протестировать разработанную систему адаптацииданных первичного учета, генотипирования и продуктивности животных и были внесены в нее для формирования единой информационной системы оценки племенной ценности крупного рогатого скота молочного направления с перспективой использования в геномной оценке.

В продолжении тематики НИР 2021 года «Разработка информационной среды и базы данных первичного учета крупного рогатого скота для использования в геномной оценке сельскохозяйственных животных» будет создана информационная среда, которая позволит оценить генетический потенциал поголовья крупного рогатого скота, рассчитать племенную ценность животных, а также совершенствовать генофонд по региону в направлении повышения молочной продуктивности, уровня гетерогенности и грамотного ведения селекционно-племенной работы в области животноводства с перспективой использования в геномной селекции.

ВЫВОДЫ

Разработана система адаптации данных первичного учета на основе информационно-аналитической платформы (автоматизация процессов сбора, извлечения, обработки, хранения и анализа).
Проведена сравнительная характеристика программных продуктов ИАС “СЕЛЭКС. Молочный скот” и DairyComp 305. Установлено наличие в их структуре ряда таких блоков как ветеринария, воспроизводство, доение, молодняк, вакцинации, перегруппировка поголовья. Обнаружено отсутствие целостного и централизованного подхода к структуризации и накоплению данных, которое не позволяет оценить генетический потенциал поголовья, вести учет аномалий, обнаружить взаимосвязи комплекса показателей эффективности молочного производства. Выявлена возможность оперативной выгрузки первичных данных из существующих и наиболее применяемых в Тюменском регионе цифровых систем и их адаптации в разработанную информационно-аналитическую платформу.
Разработана система адаптации данных первичного учета, исследований по микросателлитным и SNP-маркерам,генам молочной продуктивности и генетическим аномалиям крупного рогатого скота молочного направления продуктивности для интеграции данных в информационно-аналитическую платформу.

Список использованной литературы

Приложения

Автор НИР

ФГБОУ-ВО-ГАУ-Северного-Зауралья

Животноводство