По всем вопросам звоните:

+7 495 274-22-22

УДК: 636.3.082:636.3.034 DOI:10.33920/sel-03-2004-03

Алгоритм формирования матриц оцениваемых эффектов при племенной оценке мелкого рогатого скота с использованием смешанной биометрической модели

К. А. Катков канд. техн. наук, доцент, ФГБНУ «Северо-Кавказский федеральный научный аграрный центр», Россия, Ставропольский край, г. Михайловск, e-mail: kkatkoff @mail.ru
Л. Н. Скорых д-р биол. наук, доцент, ФГБНУ «Северо-Кавказский федеральный научный аграрный центр», Россия, Ставропольский край, г. Михайловск, e-mail: smu.sniizhk@yandex.ru
П. С. Остапчук канд. с.-х. наук, ФГБУН «Научно-исследовательский институт сельского хозяйства Крыма», Россия, г. Симферополь, e-mail: ostapchuk_p@niishk.ru
Т. А. Куевда канд. биол. наук, ФГБУН «Научно-исследовательский институт сельского хозяйства Крыма», Россия, г. Симферополь, e-mail: green28t@yandex.ru
Р. И. Прошляков соискатель, ФГБНУ «Северо-Кавказский федеральный научный аграрный центр», Россия, Ставропольский край, г. Михайловск, e-mail: smu.sniizhk@yandex.ru

В статье рассматривается вопрос применения смешанной биометрической модели для племенной оценки мелкого рогатого скота. Такая модель племенной оценки предполагает большое количество матричных операций. При этом объемы формирующихся матриц прямо пропорциональны числу животных в оцениваемой выборке, а также числу их потомков. В представленной работе приведен алгоритм формирования матриц оцениваемых эффектов, имеющих большую размерность. Эта задача является наиболее трудоемкой при использовании смешанной биометрической модели. В настоящее время существует большое количество математических пакетов, которые предоставляют широкие возможности для проведения вычислений. Особое место в данном ряду занимает интегрированный математический пакет MATLAB, предназначенный конкретно для проведения матричных операций. Авторы в своей работе опираются на использование именно этого пакета. При этом представленный в работе алгоритм обладает свойством универсальности и может быть применен пользователями в любом другом программном продукте. Так как матрицы оцениваемых эффектов состоят из нулей и единиц, то в работе предлагается двухэтапная процедура формирования этих матриц. На первом этапе создается нулевая матрица необходимой размерности. На втором этапе, в соответствии с данными о количестве оцениваемых животных, числе стад, по которым распределены потомки, количестве и принадлежности оцениваемых животных к генетическим группам, определяются элементы матрицы, в которых нули заменяются на единицы. Преимущество предлагаемого алгоритма состоит в его универсальности, а представление алгоритма в виде блок-схемы позволит оформить его в виде отдельной процедуры-подпрограммы.

Литература:

1. Абонеев В. В. Эффективность использования баранов мясо-шерстных и мясных пород на кавказских матках товарных стад / В. В. Абонеев, Л. Н. Скорых, Д. В. Абонеев // Аграрная наука. – 2009. – № 12. – С. 17–19.

2. Алгоритм проверки статистической значимости различий хозяйственно полезных признаков между различными генеалогическими группами животных / К. А. Катков, Г. Т. Бобрышова, Л. Н. Скорых и др. // Вестник АПК Ставрополья. – 2018. – № 2(30). – С. 86–90.

3. Два подхода к формированию селекционных индексов в овцеводстве / К. А. Катков, Л. Н. Скорых, П. С. Остапчук и др. // Вестник АПК Ставрополья. – 2019. – № 2 (34). – С. 8–14.

4. Ефимова Н. И. Шерстная продуктивность потомков от производителей импортной селекции / Н. И. Ефимова, Л. Н. Скорых, И. А. Копылов // Сб. науч. тр. Всеросс. науч.-иссл. ин-та овцеводства и козоводства. – 2015. – Т. 2. – № 8. – С. 17–21.

5. Катков К. А. Формирование комбинированного селекционного индекса в овцеводстве / К. А. Катков // Вестник аграрной науки. – 2019. – № 5(80). – С.75–83.

6. Копылов И. А. Мясность молодняка овец породы советский меринос и их помесей с австралийскими баранами / И. А. Копылов, Л. Н. Скорых, Н. И. Ефимова // Овцы, козы, шерстяное дело. – 2017. – № 2.- С. 26–27.

7. Кузнецов В. М. Методы племенной оценки животных с введением в теорию BLUP / В. М. Кузнецов. – Киров: Зональный НИИСХ Северо-Востока, 2003. – 358 с.

8. Откормочные и мясные качества полутонкорунного молодняка в зависимости от возраста их отъема от маток / В. В. Абонеев, А. А. Омаров, Л. Н. Скорых, Е. В. Никитенко // Зоотехния. – 2014. – № 1. – С. 29–31.

9. Оценка племенной ценности баранов-производителей методом BLUP / К. А. Катков, С. С. Бобрышов, Л. Н. Скорых и др. // Главный зоотехник. – 2018. – № 5. – С. 25–32.

10. Повышение конкурентоспособности тонкорунных овец породы советский меринос / Н. И. Ефимова, Е. Н. Чернобай, С. Н. Шумаенко, Т. И. Антоненко // Вестник Курской государственной сельскохозяйственной академии. – 2018. – № 7. – С. 104–109.

11. Селионова М. И. Овцеводство Ставропольского края, настоящее и будущее / М. И. Селионова, Г. Т. Бобрышова // Овцы, козы, шерстяное дело. – 2016. – № 1. – С. 4–7.

12. Скорых Л. Н. Продуктивные качества овец при разных сроках отъема в условиях Ставропольского края и Саратовской области / Л. Н. Скорых, Н. В. Коник // Овцы, козы, шерстяное дело. – 2015. – № 2. – С. 24–26.

13. Скорых Л. Н. Рост и развитие молодняка овец, полученных в результате промышленного скрещивания / Л. Н. Скорых, Д. Н. Вольный, Д. В. Абонеев // Зоотехния. – 2009. – № 11. – С. 26–28.

14. Mathematical prediction of breeding value in sheep / K. Katkov, L. Skoryk, V. S. Pashtetsky et al. // Research Journal of Pharmaceutical, Biological and Chemical Sciences. – 2018. – Vol. 9. – No. 6. – P. 1645– 1649.

15. Model of Tsigai breed’ meat quality improvement in pure breeding / P. S. Ostapchuk, S. А. Yemelianov et al. // Research Journal of Pharmaceutical, Biological and Chemical Sciences. – 2018. – Vol. 9. – No. 3. – P. 756–764.

Одним из путей выявления племенной ценности животных является их оценка по значению хозяйственно полезных признаков потомков [1, 4, 6, 8, 10–13, 15]. Широкое распространение получил метод BLUP (Best Linear Unbiased Prediction – наилучший линейный несмещенный прогноз), в котором используется смешанная биометрическая модель, учитывающая генотип животного, среду его обитания и случайные факторы [2, 7]. Наибольшее распространение метод BLUP получил при оценке племенной ценности крупного рогатого скота. Что касается мелкого рогатого скота, то в данной отрасли этот метод используется крайне редко, что, возможно, связано с большой численностью поголовья, увеличивающего объем математических расчетов [9, 14]. Число потомков, по значению хозяйственно полезных признаков, по которым оцениваются производители, достаточно велико и часто составляет величины ~102 . В настоящее время на рынке вычислительных услуг представлено большое количество интегрированных математических пакетов, позволяющих проводить вычисления с матрицами большого объема [3].

Актуальность проведенной работы заключается в том, что представленный алгоритм позволит исследователям самостоятельно разрабатывать программы, использующие смешанную биометрическую модель совместно с другими методами племенной оценки животных. Так, например, можно применить метод индексной оценки животных, использующий комбинированный селекционный индекс. Такой индекс сочетает в себе оценку животного по собственной продуктивности, а также оценку по качеству потомства. При этом оценка проводится по нескольким хозяйственно полезным признакам [5].

является построение алгоритма формирования матриц оцениваемых эффектов, используемых в математической модели метода BLUP.

Для проведения исследований применялся интегрированный математических пакет MATLAB. В качестве исходных данных для проверки адекватности представленного алгоритма использовали данные бонитировки овец цигайской породы, полученные во ФГБУН «Научноисследовательский институт сельского хозяйства Крыма».

Для Цитирования:
К. А. Катков, Л. Н. Скорых, П. С. Остапчук, Т. А. Куевда, Р. И. Прошляков, Алгоритм формирования матриц оцениваемых эффектов при племенной оценке мелкого рогатого скота с использованием смешанной биометрической модели. Главный зоотехник. 2020;4.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: