Моделирование лактационных кривых удоя, компонентов молока и метаболитов обмена веществ коров голштинской породы

В последние годы встречается множество исследований популяционного характера, посвященных анализу компонентного состава молока коров, нацеленных на более детальное изучение изменчивости показателей под влиянием генетических и средовых факторов. Исследовательскую базу составили наблюдения из 14 племенных стад голштинского скота. Популяционно-генетические исследования компонентов состава молока коров проводили в периоды контрольных доений (общее число образцов молока более 36 тыс. шт.). С показателями таких биомаркеров, как ацетон, БГБ и мочевина, были исследованы 11,5 тыс. голов животных. На основе использования нелинейной функции проведено моделирование лактационных кривых суточного удоя, основных компонентов молока и метаболитов обмена веществ. Стандартная форма описания лактационной кривой показала самый большой уровень точности — 93,5%, в то же время процентное содержание жира и белка описывает обратные формы. Коэффициент детерминации содержания массовой доли белка в течение лактации составил 83,9%, а жира — лишь 63,7%. Вместе с тем процент достоверности модели лактационной кривой содержания массовой доли лактозы составил 68,4%. Содержание следов молярной концентрации мочевины в молоке моделируется несколько хуже, а коэффициент детерминации равен 46,8%. Достоверность модели стандартных лактационных кривых для следов ацетона и БГБ в молоке коров голштинской породы составила 41,6% и 26,0% соответственно. Результаты анализа динамики изменения удоя и применение разработанных регрессионных уравнений лактационных кривых продемонстрировали перспективность их использования для низконаследуемых признаков с целью определения функциональных качеств животных в разрезе течения лактации по периодам.

1. Кудинов А.А., Смарагдов М.Г. Выявление QTLs у молочного скота полногеномным ассоциативным анализом. Генетика и разведение животных. 2018; (1): 22–27. https://doi.org/10.31043/2410-2733-2018-1-22-27

2. Сермягин А.А., Быкова О.А., Лоретц О.Г., Костюнина О.В., Зиновьева Н.А. Оценка геномной вариабельности продуктивных признаков у животных голштинизированной чернопестрой породы на основе GWAS анализа и ROH паттернов. Сельскохозяйственная биология. 2020; 55(2): 257–274. https://doi.org/10.15389/agrobiology.2020.2.257rus

3. Zaalberg R.M., Shetty N., Janss L., Buitenhuis A.J. Genetic analysis of Fourier transform infrared milk spectra in Danish Holstein and Danish Jersey. Journal of Dairy Science. 2019; 102(1): 503–510. https://doi.org/10.3168/jds.2018-14464

4. Costa A. et al. Invited review: Milk lactose — Current status and future challenges in dairy cattle. Journal of Dairy Science. 2019; 102(7): 5883–5898. https://doi.org/10.3168/jds.2018-15955

5. Otwinowska-Mindur A., Ptak E., Makulska J., Jarnecka O. Modelling Extended Lactations in Polish Holstein–Friesian Cows. Animals. 2021; 11(8): 2176. https://doi.org/10.3390/ani11082176

6. Ковальчук С.Н. Гены-кандидаты устойчивости крупного рогатого скота к маститу (обзор). Проблемы биологии продуктивных животных. 2021; (3): 20–31. https://doi.org/10.25687/1996-6733.prodanimbiol.2021.3.20-31

7. Delhez P., Colinet F., Vanderick S., Bertozzi C., Gengler N., Soyeurt H. Predicting milk mid-infrared spectra from first-parity Holstein cows using a test-day mixed model with the perspective of herd management. Journal of Dairy Science. 2020; 103(7): 6258–6270. https://doi.org/10.3168/jds.2019-17717

8. Du C. et al. Genetic Analysis of Milk Production Traits and MidInfrared Spectra in Chinese Holstein Population. Animals. 2020; 10(1): 139. https://doi.org/10.3390/ani10010139

9. Tiplady K.M. et al. Comparison of the genetic characteristics of directly measured and Fourier-transform mid-infrared-predicted bovine milk fatty acids and proteins. Journal of Dairy Science. 2022; 105(12): 9763–9791. https://doi.org/10.3168/jds.2022-22089

10. Kostensalo J. et al. Short communication: Predicting blood plasma non-esterified fatty acid and beta-hydroxybutyrate concentrations from cow milk—addressing systematic issues in modelling. Animal. 2023; 17(9): 100912. https://doi.org/10.1016/j.animal.2023.100912

11. Buitenhuis A.J., Poulsen N.A. Estimation of heritability for milk urea and genetic correlations with milk production traits in 3 Danish dairy breeds. Journal of Dairy Science. 2023; 106(8): 5562–5569. https://doi.org/10.3168/jds.2022-22798

12. Alemu T.W., Santschi D.E., Cue R.I., Duggavathi R. Reproductive performance of lactating dairy cows with elevated milk β-hydroxybutyrate levels during first 6 weeks of lactation. Journal of Dairy Science. 2023; 106(7): 5165–5181. https://doi.org/10.3168/jds.2022-22406

13. Shetty N., Difford G., Lassen J., Løvendahl P., Buitenhuis A.J. Predicting methane emissions of lactating Danish Holstein cows using Fourier transform mid-infrared spectroscopy of milk. Journal of Dairy Science. 2017; 100(11): 9052–9060. https://doi.org/10.3168/jds.2017-13014

14. Ali T.E., Schaeffer L.R. Accounting for covariances among test day milk yields in dairy cows. Canadian Journal of Animal Science. 1987; 67(3): 637–644.

15. Sherchand L., McNew R.W., Kellog D.W., Johnson Z.B. Selection of a mathematical model to generate lactation curves using daily milk yields of Holstein cows. Journal of Dairy Science. 1995; 78(11): 2507–2513. DOI:10.3168/jds.S0022-0302(95)76880-1

16. Costa A., Bovenhuis H., Penasa M. Changes in milk lactose content as indicators for longevity and udder health in Holstein cows. Journal of Dairy Science. 2020; 103(12): 11574–11584. https://doi.org/10.3168/jds.2020-18615