Влияние фенотипических показателей продуктивности коров-матерей на ростовые характеристики их дочерей на примере герефордского скота
DOI:
https://doi.org/10.7868/S3034519726020091Ключевые слова:
мясной скот, материнский эффект, масса телят при отъеме, продуктивность матери, прогностическая модель, кросс-валидация, ограничения моделиАннотация
В статье представлена количественная оценка вклада полного набора показателей продуктивности коров-матерей в изменчивость живой массы их дочерей при отъеме для проверки гипотезы о слабой прогностической ценности этих показателей. Материнские эффекты вносят существенный вклад в изменчивость продуктивных качеств потомства в мясном скотоводстве. Традиционно предполагается, что коровы, демонстрирующие высокую интенсивность роста, – лучшие матери. Однако эта связь может быть неоднозначной и включать антагонистические эффекты, когда отбор на собственный рост матери негативно сказывается на ее способности обеспечивать оптимальное развитие теленка. Исследование проводили на выборке из 42 пар "мать-дочь" герефордской породы. В качестве зависимой переменной использовали живую массу дочерей в 205-дневном возрасте, предикторов – полный набор продуктивных характеристик их матерей: возраст, живая масса при рождении, в 205 дн., в 12 и 15 мес., а также суммарный бонитировочный балл. Для построения наиболее парсимоничной и робастной модели применяли метод множественной линейной регрессии с последующим пошаговым обратным отбором предикторов на основе информационного критерия Акаике (AIC). Финальная модель прошла строгую диагностику на соответствие допущениям о нормальности распределения (критерий Шапиро-Уилка) и гомогенности дисперсии остатков (критерий Бреуша-Пагана). Финальная регрессионная модель, включающая в себя живую массу матери при рождении и ее суммарный бонитировочный балл, оказалась в целом статистически значимой (F = 3,271; p = 0,0486). Однако ее объясняющая способность была невысокой: около 10% общей изменчивости живой массы дочерей (скорректированный R2 = 0,0997). Влияние живой массы матери при рождении (p = 0,05) и ее бонитировочного балла (p = 0,0839) находилось на уровне статистической тенденции. Диагностические тесты подтвердили полную корректность модели (p> 0,05 для тестов Шапиро-Уилка и Бреуша-Пагана). Ключевой результат – перекрестная проверка, которая выявила низкую прогностическую устойчивость модели: R2 перекрестной проверки – 0,0479 при среднеквадратичной ошибке прогноза (RMSE) 19,05 кг, что свидетельствует о существенном переобучении. Низкая объясняющая способность и слабая прогностическая устойчивость модели доказывают, что фенотипические показатели роста матери – ненадежные предикторы для точного прогнозирования продуктивности потомства.
Библиографические ссылки
1. Барсукова М.А. Динамика численности и продуктивности племенного скота породы герефорд в Новосибирской области // Вестник российской сельскохозяйственной науки. 2024. № 5. С. 79-84. https://doi.org/10.31857/S2500208224050162.
2. Барсукова М.А., Иванова О.А., Афанасьева И.А. и др. Мониторинг живой массы племенного скота герефордской породы в условиях пастбищного содержания // Инновации и продовольственная безопасность. 2024. № 1(43). С. 10-19. https://doi.org/10.31677/2311-0651-2023-43-1-10-19.
3. Барсукова М.А., Нарожных К.Н., Себежко О.И., Иванова О.А. Анализ возрастных различий гематологических признаков скота породы герефорд // Вестник российской сельскохозяйственной науки. 2025. № 2. С. 84-90. https://doi.org/10.31857/S2500208225020173.
4. Гарт В.В., Куликова С.Г., Нарожных К.Н., Камалдинов Е.В. Раннее прогнозирование содержания молочного жира у голштинского скота на основе сопряжённой изменчивости с линейными признаками // Вестник НГАУ (Новосибирский государственный аграрный университет). 2024. № 4(73). С. 168-176. https://doi.org/10.31677/2072-6724-2024-73-4-168-176.
5. Горлов И.Ф., Сложенкина М.И., Анисимова Е.Ю. и др. Повышение продуктивного потенциала породных ресурсов крупного и мелкого рогатого скота Юга России на основе современных методов селекции // Вестник российской сельскохозяйственной науки. 2023. № 3. С. 76-82. https://doi.org/10.31857/2500-2082/2023/3/76-82.
6. Ключникова Н.Ф., Ключников М.Т., Ключникова Е.М. Сезонная изменчивость воспроизводительной способности коров // Вестник российской сельскохозяйственной науки. 2025. № 1. С. 67-70. https://doi.org/10.31857/S2500208225010154.
7. Попов Н.А. Определение коэффициентов наследуемости признаков молочности разными способами // Молочное и мясное скотоводство. 2025. № 3. С. 27-31. https://doi.org/10.33943/MMS.2025.98.98.006.
8. Aiken V.C.F., Fernandes A.F.A., Passafaro T.L. et al. Forecasting beef production and quality using large-scale integrated data from Brazil // Journal of Animal Science. 2020. Vol. 98. № 4. P. skaa089. et al.10.1093/jas/skaa089.
9. Berry D.P., Downing K. Relationship between cow parity and maternal parity on dairy cow lactation performance // JDS Communications. 2025. Vol. 6. № 4. P. 544-547. https://doi.org/10.3168/jdsc.2025-0775.
10. Bonifazi R., Calus M.P.L., ten Napel J. et al. Integration of beef cattle international pedigree and genomic estimated breeding values into national evaluations, with an application to the Italian Limousin population // Genetics Selection Evolution. 2023. Vol. 55. № 41. https://doi.org/10.1186/s12711-023-00813-2.
11. Condon T., Murphy C.P., Sleator R.D. et al. The association between calf birth weight and the postcalving performance of its dairy dam in the absence of dystocia // Journal of Dairy Science. 2024. Vol. 107. № 6. P. 3688-3699. https://doi.org/10.3168/jds.2023-24164.
12. Davis M.E., Simmen R.C.M. Heritability and Correlation Estimates for Serum Insulin-like Growth Factor I Concentration, Weight, Weight Gain, and Height in Angus Beef Cattle in a Long-Term Divergent Selection Study for Serum Insulin-like Growth Factor I (1989 to 2017) // Animals. 2024. Vol. 14. № 23. P. 3548. https://doi.org/10.3390/ani14233548.
13. Duwalage K.I., Wynn M.T., Mengersen K. et al. Predicting Carcass Weight of Grass-Fed Beef Cattle before Slaughter Using Statistical Modelling // Animals. 2023. Vol. 13. № 12. P. 1968. https://doi.org/10.3390/ani13121968.
14. Ergun O.F., Ozdemir V.F., Bayram B. Effects of Nongenetic Factors on the Birth Weight of Holstein Friesian and Swedish Red Calves under Organic Conditions // Turkish Journal of Agriculture - Food Science and Technology. 2025. Vol. 13. № 6. P. 1550–1554. https://doi.org/10.24925/turjaf.v13i6.1550-1554.7618.
15. Feng Y., Zhao W., Lu X. et al. Estimation of Genetic Parameters for Body Weight and Its Stability in Huaxi Cows from Xinjiang Region // Animals. 2025. Vol. 15. P. 2248. https://doi.org/10.3390/ani15152248.
16. Ferreira M.d., Renno L.N., Rodrigues I.I. et al. Effects of parity order on performance, metabolic, and hormonal parameters of grazing beef cows during pre-calving and lactation periods // BMC Veterinary Research. 2021. Vol. 17. № 311. https://doi.org/10.1186/s12917-021-03019-0.
17. McPhee M.J., Walmsley B.J., Dougherty H.C. et al. Live animal predictions of carcass components and marble score in beef cattle: model development and evaluation // Animal. 2020. Vol. 14. Supplement 2. P. s396-s405. https://doi.org/10.1017/S1751731120000324.
18. Senkal R.H., Al-Jubori O.S., K A.H. Evaluation of Breeding Values and Variance Components of Birth and Weaning Weights in the Holstein Cows Herd Based on Genetic Information // Archives of Razi Institute. 2022. Vol. 77. № 5. P. 1779-1783. https://doi.org/10.22092/ari.2022.357808.2105.
19. Zablotski Y., Voigt K., Hoedemaker M. et al. Perinatal mortality in German dairy cattle: Unveiling the importance of cow-level risk factors and their interactions using a multifaceted modelling approach // Plos One. 2024. Vol. 19. № 4. P. e0302004.
20. Zimmermann M.J., Kuehn L.A., Spangler M.L. et al. Comparison of different functions to describe growth from weaning to maturity in crossbred beef cattle // Journal of Animal Science. 2019. Vol. 97. № 4. P. 1523–1533. https://doi.org/10.1093/jas/skz045.
Работа выполнена в рамках проекта научной тематики «Формирование племенного стада герефордской породы мясного скота с улучшенной продуктивностью с использованием генетических методов селекции (FESF-2023-0002)», регистрационный номер 1023030200009-4-4.2.1.
