Математические методы в племенной оценке мелкого  рогатого скота

Цель. Традиционно прогноз племенной оценки производителей мелкого рогатого скота по значениям хозяйственно полезных признаков их потомков ведется  методами статистического анализа. В то же время существует метод прогнозирования на основе использования смешанной биометрической модели. Решение системы уравнений, которая описывает смешанную биометрическую модель, связано с определенными трудностями , обусловленными особенностью  матрицы  системы.  Предлагается  в  прогнозе  использовать  интегрированные  математические пакеты, где система уравнений решается несколькими способами с последующим анализом результатов . Представляет интерес сравнение  оценок, полученных с использованием статистических методов, и оценок с помощью смешанной биометрической модели.   

Материал и методы. Исходными данными являлись значения живой массы  баранчиков  цигайской  породы  –  потомков  группы  из  16  барановпроизводителей,  принадлежащих  к  восьми  генетическим  группам.  Прогноз  племенной оценки проводится с помощью статистических методов с использованием трех статистических тестов, а также с использованием смешанной биометрической модели.   

Результаты.  Установлено ,  что  прогноз  племенной  оценки  производителей  с  помощью смешанной биометрической модели существенно уточняет ранг каждого производителя в оцениваемой группе.   

Заключение. Выявленное уточнение прогноза племенной ценности связано с  учетом в смешанной модели эффектов генетических групп, к которым принадлежат производители, а также степенью родства между ними. Также, смешанная модель позволяет вычленить из общей оценки эффекты окружающей среды. Решение системы уравнений несколькими способами позволит повысить  достоверность полученного прогноза.  

1. Deniskova T.E., Dotsev A.V., Traspov A.A., Brem G., Zinovieva N.A., Selionova M.I., Kunz E., Medugorac I., Reyer H., Wimmers K., Barbato M. Population structure and genetic diversity of 25 russian sheep breeds based on wholegenome genotyping // Genetics, Selection, Evolution. 2018. V. 50. N 1. P. 29‐34. Doi: 10.1186/s12711‐018‐0399‐5

2. Селионова М.И., Бобрышова Г.Т. Овцеводство Ставропольского края, настоящее и будущее // Овцы, козы, шерстяное дело. 2016. N 1. С. 4‐7.

3. Trukhachev V.I., Skripkin V.S., Yatsyk O., Krivoruchko A., Selionova M.I. The polymorphism of REM‐1 gene in sheep genome and its influence on some parameters of meat productivity // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2016. V. 7. N 3. P. 2351‐2357.

4. Ostapchuk P.S., Yemelianov S.А., Skorykh L.N., Konik N.V., Kolotova N.A. Model of tsigai breed' meat quality improvement in pure breeding // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2018. V. 9. N 3. P. 756‐764.

5. Skorykh L.N., Kopylov I.A., Efimova N.I., Starodubtseva G.P., Khainovsky V.I. Immunogenetic markers in selection of sheep // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2017. V. 8. N 6. P. 529‐534.

6. Лакин Г.Ф. Биометрия. М.: Высшая школа, 1990. 350 с.

7. Плохинский Н.А. Биометрия. 2‐е издание. М.: Издательство МГУ, 1970. 367 с.

8. Кузнецов В.М. Методы племенной оценки животных с введением в теорию BLUP. Киров: Зональный НИИСХ Северо‐Востока, 2003. 358 с.

9. Катков К.А., Бобрышов С.С., Скорых Л.Н.. Копылов В.Н., Афанасьев М.А. Оценка племенной ценности баранов‐производителей методом BLUP // Главный зоотехник. 2018. N 5. С. 25‐32.

10. Katkov K., Skorykh L.N., Pashtetsky V.S., Pashtetsky A.V., Ostapchuk P.S. Mathematical prediction of breeding value in sheep // Research Journal of Pharmaceutical, Biological and Chemical Sciences. 2018. V. 9. N 6. P. 16451649.

11. Косова Е.Н., Катков К.А., Вельц О.В., Плетухина А.А., Серветник О.Л., Хвостова И.П. Компьютерные технологии в научных исследованиях. Учебное пособие. Ставрополь: Издательство СКФУ, 2015. 241 с.

12. Катков К.А., Хвостова И.П., Лебедев В.И., Косова Е.Н., Плетухина А.А., Серветник О.Л., Вельц О.В., Крамаренко М.Г. Основы компьютерного моделирования. Ставрополь: Издательство СКФУ, 2013. 220 с.

13. Катков К.А., Бобрышова Г.Т., Скорых Л.Н., Копылова О.С., Афанасьев М.А. Алгоритм проверки статистической значимости различий хозяйственно полезных признаков между различными генеалогическими группами животных // Вестник АПК Ставрополья. 2018. N 2(30). С. 86‐90. Doi: 10.31279/2222‐9345‐2018‐7‐30‐86‐90

14. Данко П.Е., Попов А.Г., Кожевникова Т.Я. Высшая математика в упражнениях и задачах. В 2‐х ч. Ч. II: Учеб. пособие для вузов. М.: Высшая школа, 1999. 416 с.

15. Румшинский Л.З. Математическая обработка результатов эксперимента. Справочное руководство. М.: Главная редакция физико‐математической литературы изд‐ва «Наука», 1971. 192 с.