Моделирование селекционного прогресса по молочной продуктивности в популяции симментальского скота России, основанного на оценке племенной ценности EBV

Исследования проводили с целью оценки племенной ценности быков-производителей (в модификации Sire Model) и коров (в модификации Animal Model) симментальской породы России в соответствии с методологией наилучшего линейного несмещенного прогноза (BLUP) за 2005–2020 гг. Общее поголовье дочерей при оценке быков-производителей составляло 61998 голов, коров – 44140 голов. По результатам оценки племенной ценности (EBV – Estimated Breeding Value) категорию абсолютные улучшатели «++» и улучшатели «+» по удою имели 18,9 % быков-производителей, нейтральные – 62,2 %. Отбор быков-улучшателей племенной категории «++» и «+» по удою дочерей может повысить темпы генетического прогресса на 351…782 кг молока, не снижая при этом выход молочного жира и белка. В группу отцов быков-производителей целесообразно отбирать особей со значениями оценки EBV по удою более +856 кг молока, +34 кг молочного жира и +28 кг молочного белка, после уточнения оценок по качеству потомства. Наиболее эффективной для повышения удоя следует признать стратегию по отбору коров для будущих генераций по племенной категории удой «++» и «+» (+388…+774 кг молока, +15,9…+31,6 кг жира и +12,5…+24,9 кг белка), для улучшения компонентного состава молока – по категории массовая доля белка «+» (соответственно +116,9 кг, +5,93 кг и +4,97 кг). В группу матерей быков целесообразно отбирать коров с оценками EBV по первой лактации более +783 кг молока, по выходу жира +33 кг, белка +25 кг. Животных, получивших племенные категории EBV «-» и «--», необходимо исключать из процесса воспроизводства племенных ресурсов.

1. Whole genome scan uncovers candidate genes related to milk production traits in Barka cattle / W. Ayalew, X. Wu, G. M. Tarekegn, et al. // International Journal of Molecular Sciences. 2024. Vol. 25. No. 11. Article 6142. URL: https://www.mdpi.com/1422-0067/25/11/6142 (дата обращения: 15.05.2024). doi: 10.3390/ijms25116142.

2. Efficient estimation and applications of cross-validated genetic predictions to polygenic risk scores and linear mixed models / J. Mefford, N. Zaitlen, D. Park, et al. // Journal of Computational Biology. 2020. Vol. 27. No. 4. P. 599–612. doi: 10.1089/cmb.2019.0325.

3. Selection response due to different combination of antagonistic milk, beef, and morphological traits in the Alpine Grey cattle breed / E. Mancin, C. Sartori, N. Guzzo, et al. // Animals. 2021. Vol. 11. No. 5. Article 1340. URL: https://www.mdpi.com/2076-2615/11/5/1340 (дата обращения: 17.05.2024). doi: 10.3390/ani11051340.

4. Отраднов П. И., Сермягин А. А. Оценка быков-производителей по качеству потомства в стадах с разным уровнем продуктивности для выявления взаимодействия генотипа со средой // Достижения науки и техники АПК. 2022. Т. 36. № 11. С. 56–61. doi: 10.53859/02352451_2022_36_11_56.

5. Современная оценка племенной ценности крупного рогатого скота молочного направления продуктивности / Д. Ю. Суслов, А. В. Воеводин, С. А. Холев и др. // Молочное и мясное скотоводство. 2018. № 1. С. 9–12. doi: 10.25632/MMS.2018.1.12715.

6. Improving breeding value reliability with genomic data in breeding groups of Charolais / M. Brzakova, Z. Vesela, J. Vareka, et al. // Genes. 2023. Vol. 14. No. 12. Article 2139. URL: https://www.mdpi.com/2073-4425/14/12/2139 (дата обращения: 15.05.2024). doi: 10.3390/genes14122139.

7. Genomic selection using single-step genomic BLUP on the number of services per conception trait in Thai–Holstein crossbreeds / W. Boonkum, V. Chankitisakul, M. Duangjinda, et al. // Animals. 2023. Vol. 13. No. 23. Article 3609. URL: https://www.mdpi.com/2076-2615/13/23/3609 (дата обращения: 16.05.2024). doi: 10.3390/ani13233609.

8. Evaluation of genome-enabled prediction for carcass primal cut yields using single-step genomic best linear unbiased prediction in Hanwoo cattle / M. Naserkheil, H. Mehrban, D. Lee, et al. // Genes. 2021. Vol. 12. No. 12. Article 1886. URL: https://www.mdpi.com/2073-4425/12/12/1886 (дата обращения: 23.05.2024). doi: 10.3390/genes12121886.

9. Improving breeding value reliability with genomic data in breeding groups of Charolais / M. Brzakova, Z. Vesela, J. Vareka, et al. // Genes. 2023. Vol. 14. No. 12. Article 2139. URL: https://www.mdpi.com/2073-4425/14/12/2139 (дата обращения: 15.05.2024). doi: 10.3390/genes14122139.

10. Bull breeding soundness assessment using artificial neural network-based predictive models / L. F. Marin-Urias, P. J. Garcia-Ramirez, B. Dominguez-Mancera, et al. // Agriculture. 2024. Vol. 14. No. 1. Article 67. URL: https://www.mdpi.com/2077-0472/14/1/67 (дата обращения: 21.05.2024). doi: 10.3390/agriculture14010067.

11. Кудинов А. А., Петрова А. В., Племяшов К. В. Применение метода BLUP Animal Model для оценки племенной ценности коров айрширской породы Ленинградской области // Генетика и разведение животных. 2017. № 2. С. 79–85.

12. Преимущества оценки племенной ценности признаков молочной продуктивности крупного рогатого скота методом BLUP / Р. В. Березовик, Н. М. Храмченко, Е. Р. Макаро и др. // Зоотехническая наука Беларуси. 2022. Т. 57. № 1. С. 4–14. doi: 10.47612/0134-9732-2022-57-1-4-14.

13. Генетическая ценность симментальских быков-производителей зарубежной селекции при переоценке на базе племенных ресурсов России / А. А. Сермягин, Л. П. Игнатьева, С. А. Шеметюк и др. // Молочное и мясное скотоводство. 2019. № 7. С. 13–18. doi: 10.33943/MMS.2019.7.42226.

14. Игнатьева Л. П. Характеристика современной популяции крупного рогатого скота симментальской по роды России // Пермский аграрный вестник. 2021. № 4 (36). С. 100–108. doi: 10.47737/2307-2873_2021_36_100.

15. Masuda Y. Introduction to BLUPF90 suite programs Standard Edition. University of Georgia, 2019. 199 p.

16. Романова Е. А., Тулинова О. В. Оценка эффективности моделирования отбора коров айрширской по роды по полифакторному селекционному индексу // Молочное и мясное скотоводство. 2022. № 3. С. 16–20. doi: 10.31043/2410-2733-2023-2-28-35.

17. К вопросу о принципах линейного разведения в молочном скотоводстве / С. Н. Харитонов, Е. Е. Мельникова, О. Ю. Осадчая и др. // Генетика и разведение животных. 2018. № 2. С. 13–19. doi: 10.31043/2410-2733-2018-2-13-19.