Основные принципы и методы прогнозирования продуктивных качеств свиней

14.04.2015

Важнейшей проблемой в животноводстве является оценка племенных и продуктивных качеств животных в раннем возрасте. Отбор молодняка для ремонта стада обычно ведут по происхождению, внешнему виду и развитию, т. е. по таким свойствам, которые слабо связаны с будущей продуктивностью, отражают какую-то одну ее сторону, или вообще не несут информации о развитии признаков, по которым ведется селекция. Повысить точность оценки и отбора молодняка, а значит, и эффект селекции можно лишь при наличии надежных методов определения продуктивности в молодом возрасте.
У сельскохозяйственных животных прогноз продуктивных качеств опирается на взаимосвязь и скоррелированность различных частей, систем и функций организма, образующихся в процессе развития под воздействием генотипа и факторов среды. В целостном организме, в котором все клетки в полной гармонии участвуют в самых разнообразных процессах, никакие изменения не могут обнаружиться в одной части его без того, чтобы не вызвать соответствующих изменений во всех остальных частях.
С учетом этих закономерностей успешно применяют межсистемный и параметрический методы прогнозирования. Межсистемный прогноз заключается в том, что по состоянию одной системы (прогнозирующей) с определенной вероятностью определяют изменение или поведение в будущем другой системы (прогнозируемой). Обе системы должны быть связаны корреляционно во времени и одна по отношению к другой, иметь, кроме прямых, обратные связи. В животноводстве этот метод прогнозирования является доминирующим и наиболее перспективным в селекционноплеменной работе: по какому-то одному или группе признаков, оцениваемых в раннем возрасте, делают заключение о продуктивности животных в старшем возрасте. Параметрический прогноз основан на использовании специфических внутренних связей в структуре той или иной системы и заключается в предсказании развития продуктивного признака у взрослых животных по развитию того же признака у молодых.
Актуальной проблемой современного свиноводства является ускорение темпов совершенствования существующих и создания новых пород и линий. В связи с этим трудно переоценить значение оценки основных селекционируемых признаков животных в молодом возрасте, которая позволяет в несколько раз сократить численность молодняка на выращивании, проводить отбор в группу ремонта не вообще от лучших родителей, а направленно — с учетом целей селекции, повысить значение селекционного дифференциала, так как лучших отбирают из лучших, и тем самым поднять эффект селекции.
При прогнозировании продуктивности животных особенно перспективен метод математического моделирования, дающий оценку процессов и явлений путем построения математических моделей и их исследования.
Использование генетико-математического моделирования в селекции животных позволяет на основании комплексной оценки селекционного материала с одновременным учетом всех изучаемых признаков установить взаимосвязь между величиной исследуемого признака и факторами, влияющими на нее. Математически эта связь выражается в виде уравнений. В простейшем случае, когда признак пропорционально зависит от одного фактора, получают обычные уравнения линейной регрессии. Однако в большинстве реальных ситуаций число факторов, влияющих на определенный признак, довольно велико (по крайней мере больше одного) и зависимость между ними отнюдь не пропорциональна. В таких случаях уравнения усложняются, но при этом построенная модель становится более точной.
Так как практически все продуктивные признаки животных обусловлены плейотропным действием генов и определяются множеством селекционно-генетических факторов, прогнозирование их связано с обработкой информации по большому числу показателей.
Всегда считалось, что оценка по комплексу признаков более точная, чем по одному-двум признакам. Однако исследовать биологические системы со многими признаками довольно сложно. Практически невозможно оценить «на глаз» взаимосвязь между пятьюдесятью и большим числом признаков, поэтому обычно ограничиваются изучением двух-трёх признаков, но точность такой оценки естественно, значительно ниже, так как не учитывают взаимодействия между остальными признаками.
Изучать многопризнаковые биологические системы можно методом корреляционных плеяд (П.В. Терентьев), максимального корреляционного пути (Л.К. Выханду), последовательного статистического анализа (А. Вальд). Суть их сводится к тому, что каждый показатель в отдельности несет недостаточно информации, но она накапливается с увеличением числа учитываемых признаков, и уже комплекс их дает более полную и объемную характеристику всей системы и связи ее с другими системами. Наиболее полно этим задачам отвечают метод линейных дискриминантных функций, включающий специально разрабатываемые таблицы прогноза, и корреляционно-регрессионный анализ, при котором в качестве моделей используют уравнения и системы уравнений.
Применение генетико-математических методов в сочетании с новейшей вычислительной техникой для ранней оценки продуктивности свиней позволяет точнее оценить их генотип и фенотип, интенсивнее использовать в селекционном процессе высокопродуктивных животных и в конечном итоге — повысить уровень и эффект селекции уже в ближайшее время.