Множественные регрессионные модели для оценки содержания Zn в молоке коров
https://doi.org/10.32634/0869-8155-2024-389-12-153-157
Аннотация
Актуальность. Регулярный ветеринарно-санитарный контроль безопасности и качества продукции животного происхождения не подразумевает исследование цинка. Хотя роль и значимость данного элемента во многом обусловлены его количеством. При этом содержание цинка в молоке непостоянно и обусловлено его содержанием в почвах и кормах, физиологией молочной коровы. После продолжительных исследований цинка в молоке мы рассчитали ряд уравнений множественной регрессии для прогнозирования уровня цинка по данным его биохимического анализа в целях минимизации затрат.
Методы. Анализ биохимических показателей молока коров выполнен с помощью системы MilkoScan 7 / Fossomatic 7 DC (Дания). Исследование цинка — на атомно-абсорбционном спектрометре с дейтериевой и Зеемановской коррекцией ZEEnit 650 P.
Результаты. Среднее содержание цинка в молоке установлено на уровне 3017,7 мкг/л. Степень влияния данных биохимического анализа на результирующую переменную (Zn) показала высокую значимость массовой доли жира, температуры замерзания и рН (р = 0,006; 0,0001; 0,00003 соответственно). Уравнение характеризуется высоким коэффициентом множественной корреляции (0,92) и значимо по F-критерию = 5,41E-43, скорректированное значение R2 = 0,83, что можно считать хорошим результатом. Работа с регрессионными моделями прогнозирования позволяет провести предварительную оценку уровня цинка в молоке по данным его биохимического анализа без дополнительной финансовой нагрузки на производство и лучше контролировать его содержание в молоке.
При поддержке: Работа выполнена при финансовой поддержке Министерства науки и высшего образования РФ в рамках выполнения государственного задания № 124020200032-4 (FGGN-2024-0016
Об авторе
О. А. Воронина
Федеральный исследовательский центр животноводства — ВИЖ им. академика Л.К. Эрнста
Россия
Россия
Оксана Александровна Воронина, кандидат биологических наук, старший научный сотрудник отдела физиологии и биохимии сельскохозяйственных животных
пос. Дубровицы, 60, Подольск, Московская обл., 142132
Список литературы
1. Khan I.T., Nadeem M., Imran M., Ullah R., Ajmal M., Jaspal M.H. Antioxidant properties of Milk and dairy products: a comprehensive review of the current knowledge. Lipids in Health and Disease. 2019; 18: 41. https://doi.org/10.1186/s12944-019-0969-8
2. Clark S., García M.B.M. A 100-Year Review: Advances in goat milk research. Journal of Dairy Science. 2017; 100(12): 10026‒10044. https://doi.org/10.3168/jds.2017-13287
3. Haenlein G.F.W. Goat milk in human nutrition. Small Ruminant Research. 2004; 51(2): 155‒163. https://doi.org/10.1016/j.smallrumres.2003.08.010
4. Silanikove N., Leitner G., Merin U., Prosser C.G. Recent advances in exploiting goat’s milk: quality, safety and production aspects. Small Ruminant Research. 2010; 89(2‒3): 110‒124. https://doi.org/10.1016/j.smallrumres.2009.12.033
5. Verruck S., Dantas A., Prudencio E.S. Functionality of the components from goat’s milk, recent advances for functional dairy products development and its implications on human health. Journal of Functional Foods. 2019; 52: 243‒257. https://doi.org/10.1016/j.jff.2018.11.017
6. Olechnowicz J., Tinkov A., Skalny A., Suliburska J. Zinc status is associated with inflammation, oxidative stress, lipid, and glucose metabolism. The Journal of Physiological Sciences. 2018; 68(1): 19‒31. https://doi.org/10.1007/s12576-017-0571-7
7. Kim J., Lee J., Ryu M.-S. Cellular Zinc Deficiency Impairs Heme Biosynthesis in Developing Erythroid Progenitors. Nutrients. 2023; 15(2): 281. https://doi.org/10.3390/nu15020281
8. Banaszak M., Górna I., Przysławski J. Zinc and the Innovative Zinc-α2Glycoprotein Adipokine Play an Important Role in Lipid Metabolism: A Critical Review. Nutrients. 2021; 13(6): 2023. https://doi.org/10.3390/nu13062023
9. Wang C. et al. Effects of zinc sulfate and coated zinc sulfate on lactation performance, nutrient digestion and rumen fermentation in Holstein dairy cows. Livestock Science. 2021; 251: 104673. https://doi.org/10.1016/j.livsci.2021.104673
10. Ianni A., Innosa D., Martino C., Grotta L., Bennato F., Martino G. Zinc supplementation of Friesian cows: Effect on chemical-nutritional composition and aromatic profile of dairy products. Journal of Dairy Science. 2019; 102(4): 2918‒2927. https://doi.org/10.3168/jds.2018-15868
11. Hill G.M., Shannon M.C. Copper and Zinc Nutritional Issues for Agricultural Animal Production. Biological Trace Element Research. 2019; 188(1): 148‒159. https://doi.org/10.1007/s12011-018-1578-5
12. Burmistrov D.E. et al. Bacteriostatic and cytotoxic properties of composite material based on ZnO nanoparticles in PLGA obtained by low temperature method. Polymers. 2022; 14(1): 49. https://doi.org/10.3390/polym14010049
13. Gudkov S.V. et al. A mini review of antibacterial properties of ZnO nanoparticles. Frontiers in Physics. 2021; 9: 641481. https://doi.org/10.3389/fphy.2021.641481
14. Воронина О.А., Боголюбова Н.В., Зайцев С.Ю. Минеральные элементы в составе молока коров. Мини-обзор. Сельскохозяйственная биология. 2022; 57(4): 681‒693. https://doi.org/10.15389/agrobiology.2022.4.681rus
15. Hassan A., Sada K.-K., Ketheeswaran S., Dubey A.K., Bhat M.S. Role of Zinc in Mucosal Health and Disease: A Review of Physiological, Biochemical, and Molecular Processes. Cureus. 2020; 12(5): e8197. https://doi.org/10.7759/cureus.8197
16. Дубовец Н.И., Казнина Н.М., Орловская О.А., Сычева Е.А. Проблема дефицита цинка в рационе питания населения и биотехнологические подходы к ее решению. Молекулярная и прикладная генетика. 2021; 31: 147‒158. https://doi.org/10.47612/1999-9127-2021-31-147-158
17. Акимов С.С. Моделирование продуктивности хозяйства молочного животноводства. Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2022; (1): 25‒32. https://doi.org/10.18137/RNU.V9187.22.01.P.025
18. Munir N. et al. Heavy metal contamination of natural foods is a serious health issue: a review. Sustainability. 2022; 14(1): 161. https://doi.org/10.3390/su14010161
19. Gudkov S.V. et al. Do iron oxide nanoparticles have significant antibacterial properties?. Antibiotics. 2021;10(7): 884. https://doi.org/10.3390/antibiotics10070884
20. Kuramshina N. et al. Heavy metals content in meat and milk of Orenburg region of Russia. International Journal of Pharmaceutical Research. 2019; 11(1): 1031–1035. https://www.elibrary.ru/zsxhdf
21. Контэ А.Ф., Игнатьева Л.П. Многофакторный регрессионный анализ показателей типа телосложения коров-первотелок черно-пестрой голштинизированной породы Подмосковья. Вестник Ульяновской государственной сельскохозяйственной академии. 2020; (4): 226‒231. https://www.elibrary.ru/pohzqo
22. Катков К.А., Скорых Л.Н., Паштецкий В.С., Остапчук П.С., Куевда Т.А. Математические методы в племенной оценке мелкого рогатого скота. Юг России: экология, развитие. 2019; 14(3): 101‒110. https://doi.org/10.18470/1992-1098-2019-3-101-110
23. Бястинова Л.М. Использование многофакторных регрессионных моделей при прогнозировании в сфере сельского хозяйства Якутии. Экономика и природопользование на Севере. 2023; (4): 102‒110. https://doi.org/10.25587/2587-8778-2023-4-102-110
24. Melnikova E. et al. Application of Genomic Data for Reliability Improvement of Pig Breeding Value Estimates. Animals. 2021; 11(6): 1557. https://doi.org/10.3390/ani11061557
25. Zhou X., Zheng N., Su C., Wang J., Soyeurt H. Relationships between Pb, As, Cr, and Cd in individual cows’ milk and milk composition and heavy metal contents in water, silage, and soil. Environmental Pollution. 2019; 255(2): 113322. https://doi.org/10.1016/j.envpol.2019.113322
Рецензия
Для цитирования:
Воронина О.А. Множественные регрессионные модели для оценки содержания Zn в молоке коров. Аграрная наука. 2024;(12):153-157. https://doi.org/10.32634/0869-8155-2024-389-12-153-157
For citation:
Voronina O.A. Multiple regression models for estimating the Zn content in cowʹs milk. Agrarian science. 2024;(12):153-157. (In Russ.) https://doi.org/10.32634/0869-8155-2024-389-12-153-157
Просмотров:
105
Послать статью по эл. почте 