vetpressАграрная наукаAgrarian science0869-81552686-701XРедакция журнала "Аграрная наука"10.32634/0869-8155-2024-384-7-69-73vetpress-3158Research ArticleЗООТЕХНИЯZOOTECHNICSКонструирование прогнозного индекса для получения новых высокоценных генотипов коровConstruction of a predictive index to create new high-value genotypes of cowshttps://orcid.org/0000-0002-4225-5533РомановаЕ. А.RomanovaE. A.

Елена Анатольевна Романова - младший научный сотрудник 

Московское шоссе, 55А, Пушкин, Санкт-Петербург, 196601

Elena Anatolyevna Romanova - Junior Research Assistant 

55А Moscow highway, Pushkin, St. Petersburg, 196601

splicing86@gmail.comhttps://orcid.org/0009-0005-5704-4420ТулиноваО. В.TulinovaO. V.

Ольга Васильевна Тулинова - кандидат сельскохозяйственных наук 

Московское шоссе, 55А, Пушкин, Санкт-Петербург, 196601

Olga Vasilyevna Tulinova - Candidate of Agricultural Sciences 

55А Moscow highway, Pushkin, St. Petersburg, 196601

tulinova59@mail.ruВсероссийский научно-исследовательский институт генетики и разведения сельскохозяйственных животных — филиал Федерального исследовательского центра животноводства — ВИЖ им. академика Л.К. ЭрнстаРоссияAll-Russian Research Institute of Genetics and Breeding of Farm Animals — branch of L.K. Ernst Federal Research Center for Animal HusbandryRussian Federation202423072024076973Copyright © Романова Е.А., Тулинова О.В., 20242024Романова Е.А., Тулинова О.В.Romanova E.A., Tulinova O.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vetpress.ru/jour/article/view/3158

Цель данного исследования — разработка прогнозного индекса APIndex для животных отечественной айрширской популяции молочного скота с использованием генетико-математической модели. В обработку вошли фенотипические данные 65753 коров из 34 племенных хозяйств 8 регионов РФ. Согласно базовой модели индекса I AYR, разработанного в предыдущих исследованиях, проведена оценка пробанда AIAYR и родителей: SIAYR — для быков-отцов, DIAYR — для матерей коров с использованием собственных оценок племенной ценности EBV методом BLUP AM. С помощью однофакторного дисперсионного анализа ANOVA установлены значимые влияния факторов индексной оценки отцов и матерей на зависимую переменную величины индекса пробанда, которые составили 20,9% и 17,7%. В результате вычисления силы влияния и коэффициентов регрессии разработан прогнозный индекс для пробанда, позволяющий оценить потомство еще до получения его фенотипических данных. Подтверждением качества разработанной модели прогнозного индекса послужили высокие достоверные коэффициенты корреляции с AIAYR (r = 0,807, p ≤ 0,001), SIAYR (r = 0,889, p ≤ 0,001) и DIAYR (r = 0,515, p ≤ 0,001). Таким образом, сконструированный индекс APIndex может быть использован в качестве инструмента прогнозирования индексной оценки животных для получения новых высокоценных генотипов и элиминации нежелательных особей с помощью выявленных отрицательных оценок.

The purpose of this study is to develop a predictive index APIndex for animals of the domestic AYRshire dairy cattle population using a genetic and mathematical model. The processing included phenotypic data of 65,753 cows from 34 breeding farms in 8 regions of the Russian Federation. According to the basic model of the I AYR index, developed in our previous studies, the proband AI AYR and parents were assessed: SIAYR — for fathers of bulls, DIAYR — for mothers of cows using our own estimates of the breeding value EBV using the BLUP AM method. Using one-way analysis of variance ANOVA, significant influences of the index assessment factors of fathers and mothers on the dependent variable of the proband index value were established, which amounted to 20.9% and 17.7%. As a result of calculating the strength of influence and regression coefficients, a predictive index for the proband was developed, which allows one to evaluate the offspring even before obtaining their phenotypic data. The quality of the developed predictive index model was confirmed by high reliable correlation coefficients with AIAYR (r = 0.807, p ≤ 0.001), SIAYR (r = 0.889, p ≤ 0.001) and DIAYR (r = 0.515, p ≤ 0.001). Thus, the constructed index APIndex can be used as a tool for predicting the index assessment of animals and obtaining new highly valuable genotypes and eliminate unwanted individuals using identified negative scores.

индексная оценкасила влиянияайрширская породакоэффициент корреляциикоэффициент регрессииANOVABLUPindex scorestrength of influenceAyrshire breedcorrelation coefficientregression coefficientANOVABLUPИсследования проведены в рамках выполнения научных исследований Министерства науки и высшего образования РФ по теме № 124020200029-4. В исследованиях использованы материалы Селекционного центра по айрширской породе (Всероссийский научноисследовательский институт генетики и разведения сельскохозяйственных животных — филиал Федерального государственного бюджетного научного учреждения «Федеральный исследовательский центр животноводства — ВИЖ им. академика Л.К. Эрнста»).The research was carried out as part of the scientific research of the Ministry of Science and Higher Education of the Russian Federation on topic No. 124020200029-4. The research used materials from the Ayrshire Breeding Center (Russian Research Institute of Farm Animal Genetics and Breeding — Branch of the L.K. Ernst Federal Research Center for Animal Husbandry).ReferencesLegarra A., González-Diéguez D., Vitezica Z.G. Computing strategies for multipopulation genomic evaluation. Genetics Selection Evolution. 2022; 54: 10. https://doi.org/10.1186/s12711-022-00705-xLegarra A., González-Diéguez D., Vitezica Z.G. Computing strategies for multipopulation genomic evaluation. Genetics Selection Evolution. 2022; 54: 10. https://doi.org/10.1186/s12711-022-00705-xMisztal I., Aguilar I., Lourenco D., Ma L., Steibel J.P., Toro M. Emerging issues in genomic selection. Journal of Animal Science. 2021; 99(6): skab092. https://doi.org/10.1093/jas/skab092Misztal I., Aguilar I., Lourenco D., Ma L., Steibel J.P., Toro M. Emerging issues in genomic selection. Journal of Animal Science. 2021; 99(6): skab092. https://doi.org/10.1093/jas/skab092Mei Q., Liu H., Zhao S., Xiang T., Christensen O.F. Genomic evaluation for twoway crossbred performance in cattle. Genetics Selection Evolution. 2023; 55: 17. https://doi.org/10.1186/s12711-023-00792-4Mei Q., Liu H., Zhao S., Xiang T., Christensen O.F. Genomic evaluation for twoway crossbred performance in cattle. Genetics Selection Evolution. 2023; 55: 17. https://doi.org/10.1186/s12711-023-00792-4Селионова М.И., Евстафьева Л.В., Коновалова Е.Н., Белая Е.В. Маркерассоциированная и геномная селекция мясного скота. Тимирязевский биологический журнал. 2023; 2: 37–48. https://doi.org/10.26897/2949-4710-2023-2-37-48Selionova M.I., Evstafieva L.V., Konovalova E.N., Belaya E.V. Marker-assisted and Genomic Selection of Beef Cattle. Timiryazev Biological Journal. 2023; 2: 37–48 (in Russian). https://doi.org/10.26897/2949-4710-2023-2-37-48Столповский Ю.А., Свищева Г.Р., Пискунов А.К. Геномная селекция. II. Перспективные направления. Генетика. 2020; 56(10): 1107–1114. https://doi.org/10.31857/S0016675820100124Stolpovsky Yu.A., Svishcheva G.R., Piskunov A.K. Genomic Selection. II. Latest Trends and Future Trajectories. Russian Journal of Genetics. 2020; 56(10): 1155–1161. https://doi.org/10.1134/S1022795420100129Калашников А.Е., Голубков А.И., Щегольков Н.Ф., Гостева Е.Р. Проблемы и вопросы при прогнозировании генетической племенной ценности сельскохозяйственных животных. Вестник НГАУ (Новосибирский государственный аграрный университет). 2022; 4: 77–96. https://doi.org/10.31677/2072-6724-2022-65-4-77-96Kalashnikov A.E., Golubkov A.I., Schegolkov N.F., Gosteva E.R. Problems and issues in forecasting the genetic breeding value of agricultural animals. Bulletin of NSAU (Novosibirsk State Agrarian University). 2022; 4: 77–96 (in Russian). https://doi.org/10.31677/2072-6724-2022-65-4-77-96Дунин И.М., Суслина Е.Н., Григорян Л.Н., Тяпугин Е.Е., Дунин М.И., Аджибеков В.К. Отечественное животноводство на пороге третьего десятилетия ХХI века. Зоотехния. 2021; 1: 7–10. https://doi.org/10.25708/ZT.2020.43.55.002Dunin I.M., Suslina E.N., Grigoryan L.N., Tyapugin E.E., Dunin M.I., Adzhibekov V.K. Domestic livestock raising on the threshold of the third decade of the XXI century. Zootechniya. 2021; 1: 7–10 (in Russian). https://doi.org/10.25708/ZT.2020.43.55.002Гавриленко В.П., Катмаков П.С., Бушов А.В. Индексная селекция симментальских коров-первотелок. Вестник Ульяновской государственной сельскохозяйственной академии. 2018; 2: 119–124. https://doi.org/10.18286/1816-4501-2018-2-119-124Gavrilenko V.P., Katmakov P.S., Bushov A.V. Index selection of Symmental first-calf heifers. Vestnik of Ulyanovsk State Agricultural Academy. 2018; 2: 119–124 (in Russian). https://doi.org/10.18286/1816-4501-2018-2-119-124Salem M.M.I., Nasr M.A.F., Amin A.M.S. Principal component analysis of breeding values for birth weight milk and reproductive traits of the Egyptian buffalo. Tropical Animal Health and Production. 2021; 53: 183. https://doi.org/10.1007/s11250-021-02625-2Salem M.M.I., Nasr M.A.F., Amin A.M.S. Principal component analysis of breeding values for birth weight milk and reproductive traits of the Egyptian buffalo. Tropical Animal Health and Production. 2021; 53: 183. https://doi.org/10.1007/s11250-021-02625-2Косяченко Н.М., Абрамова М.В., Ильина А.В. Комплексные модели в оценке генотипа ремонтного молодняка. Вестник АПК Верхневолжья. 2017; 4: 30–34. https://www.elibrary.ru/ymjiyaKosyachenko N.M., Abramova M.V., Ilyina A.V. Complex models in evaluating the genotype of replacement young stock. Herald of Agroindustrial complex of Upper Volga region. 2017; 4: 30–34 (in Russian). https://www.elibrary.ru/ymjiyaAmaya A., Martínez R., Cerón-Muñoz M. Selection indexes using principal component analysis for reproductive, beef and milk traits in Simmental cattle. Tropical Animal Health and Production. 2021; 53: 378. https://doi.org/10.1007/s11250-021-02815-yAmaya A., Martínez R., Cerón-Muñoz M. Selection indexes using principal component analysis for reproductive, beef and milk traits in Simmental cattle. Tropical Animal Health and Production. 2021; 53: 378. https://doi.org/10.1007/s11250-021-02815-yShook G.E. Major Advances in Determining Appropriate Selection Goals. Journal of Dairy Science. 2006; 89(4): 1349–1361. https://doi.org/https://doi.org/10.3168/jds.S0022-0302(06)72202-0Shook G.E. Major Advances in Determining Appropriate Selection Goals. Journal of Dairy Science. 2006; 89(4): 1349–1361. https://doi.org/https://doi.org/10.3168/jds.S0022-0302(06)72202-0Wellmann R., Gengler N., Bennewitz J., Tetens J. Defining valid breeding goals for animal breeds. Genetics Selection Evolution. 2023; 55: 80. https://doi.org/10.1186/s12711-023-00855-6Wellmann R., Gengler N., Bennewitz J., Tetens J. Defining valid breeding goals for animal breeds. Genetics Selection Evolution. 2023; 55: 80. https://doi.org/10.1186/s12711-023-00855-6Bijma P., Dekkers J.C.M. Predictions of the accuracy of genomic prediction: connecting R2, selection index theory, and Fisher information. Genetics Selection Evolution. 2022; 54: 13. https://doi.org/10.1186/s12711-022-00700-2Bijma P., Dekkers J.C.M. Predictions of the accuracy of genomic prediction: connecting R2, selection index theory, and Fisher information. Genetics Selection Evolution. 2022; 54: 13. https://doi.org/10.1186/s12711-022-00700-2Stockton M.C., Wilson R.K., Feuz D.M., Stalker L.A., Funston R.N. Using measurable physical characteristics to forecast beef heifer maturity: The identification of a maturity index. Journal of Animal Science. 2013; 91(9): 4462–4468. https://doi.org/10.2527/jas.2012-5885Stockton M.C., Wilson R.K., Feuz D.M., Stalker L.A., Funston R.N. Using measurable physical characteristics to forecast beef heifer maturity: The identification of a maturity index. Journal of Animal Science. 2013; 91(9): 4462–4468. https://doi.org/10.2527/jas.2012-5885Троценко И.В., Иванова И.П. Анализ уровней повторяемости оценок продуктивной способности коров. Молочнохозяйственный вестник. 2021; 4: 103–114. https://doi.org/10.52231/2225-4269_2021_4_103Trotsenko I.V., Ivanova I.P. Analysis of the repeatability levels in estimating the productive capacity of cows. Molochnokhozyaistvenny Vestnik. 2021; 4: 103–114 (in Russian). https://doi.org/10.52231/2225-4269_2021_4_103Романова Е.А., Тулинова О.В. Построение региональных селекционных индексов для коров айрширской популяции РФ. Генетика и разведение животных. 2023; 2: 28–35. https://doi.org/10.31043/2410-2733-2023-2-28-35Romanova E.А., Tulinova O.V. Construction of regional breeding indices for cows of the Ayrshire population of the Russian Federation. Genetics and breeding of animals. 2023; 2: 28–35 (in Russian). https://doi.org/10.31043/2410-2733-2023-2-28-35

The authors declare that there are no conflicts of interest present.