Использование комплексного показателя для оценки параметров продуктивности у овец породы российский мясной меринос

Автор: Катков К.А., Криворучко А.Ю., Каниболоцкая А.А.

Журнал: Вестник аграрной науки @vestnikogau

Рубрика: Сельскохозяйственные науки

Статья в выпуске: 4 (91), 2021 года.

Бесплатный доступ

Оценка животных одновременно по нескольким хозяйственно-полезным признакам является необходимой для выявления связи генотипа с фенотипом. Она позволяет получить комплексный числовой показатель, на основании которого возможно ранжирование животных. Такой подход позволяет выявить наиболее значимые признаки для формирования фенотипа и продуктивности животных, лучших особей, а также определить эффективную стратегию селекционной работы. Для формирования комплексного показателя продуктивности животных был использован метод главных компонент. Из используемой выборки исходных данных определяли максимальные, минимальные и срединные значения. Затем в пространстве главных компонент вычислили координаты векторов, соответствующих всем оцениваемым животным, и рассчитывали близость этих векторов к опорным точкам, с последующим формированием групп: «Голова», «Ядро» и «Хвост». Расчеты проводились с помощью интегрированного математического пакета MATLAB. Установили, что 82% дисперсии объясняют первые шесть главных компонент. Расчет показателя «общность» выявил два наиболее значимых показателя, участвующих в формировании мясной продуктивности: толщина жира и бедренной мышцы. Результаты расчета комплексного показателя продуктивности позволили выявить три группы. Четыре особи выделили в группу «Голова», две - «Хвост», остальные животные в выборке относились к группе «Ядро». Представленный алгоритм формирования комплексного показателя продуктивности животных позволяет провести их оценку одновременно по нескольким хозяйственно полезным признакам для последующего исследования его связи с генотипом. При этом такая оценка не накладывает существенных ограничений на количество используемых признаков, однако позволяет выявить наиболее значимые при формировании мясной продуктивности.

Еще

Метод главных компонент, переменные, эффективность, снижение размерности, мясная продуктивность

Короткий адрес: https://sciup.org/147236972

IDR: 147236972   |   DOI: 10.17238/issn2587-666X.2021.4.62

Список литературы Использование комплексного показателя для оценки параметров продуктивности у овец породы российский мясной меринос

  • Скорых Л.Н., Абонеев Д.В. Эффективность промышленного скрещивания северокавказских овец при разных сроках отъема молодняка с использованием морфометрических показателей плацент // Известия Тимирязевской сельскохозяйственной академии. 2009. № 5. С. 70-75.
  • Скорых Л.Н., Вольный Д.Н., Абонеев Д.В. Рост и развитие молодняка овец, полученных в результате промышленного скрещивания // Зоотехния. 2009. № 11. С. 26-28.
  • Два подхода к формированию селекционных индексов в овцеводстве / К.А. Катков, Л.Н. Скорых, П.С. Остапчук, С.А. Емельянов, A.B. Паштецкая // Вестник АПК Ставрополья. 2019. № 2 (34). С. 8-14.
  • Михальский А.И., Новосельцева Ж.А. Методы компьютерного анализа данных в задачах по мониторингу и совершенствованию управления стадом // Проблемы биологии продуктивных животных. 2019. №1. С. 95-111.
  • Михайлов Н.В., Кабанов В.Д., Каратунов Г.А. Селекционно-генетические аспекты оценки наследственных качеств животных. Новочеркасск: ДонГАУ, 1996. 63 с.
  • Катков К. А., Омаров A.A. Использование метода обобщенного показателя качества при оценке мелкого рогатого скота // Вестник аграрной науки. 2020. № 4(85). С. 56-65.
  • Combined GWAS and 'guilt by association'-based prioritization analysis identifies functional candidate genes for body size in sheep / A. Kominakis [et al.] // Genetics Selection Evolution. 2017. T. 49. №. 1. P. 1-16. DOI 10.1186/s12711-017-0316-3.
  • Буйлов C.B., Винников H.И., Хамицаев B.C. Методика оценки мясной продуктивности овец. Дубровицы, Московская область: ВИЖ, 1978. 49 с.
  • Порядок и условия проведения бонитировки племенных овец тонкорунных пород, полутонкорунных пород и пород мясного направления продуктивности / М-во сельского хозяйства Российской Федерации. Москва: Росинформагротех, 2013. 58 с.
  • Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1989. 607 с.
  • Нелинейный метод главных компонент // URL: http://pca.narod.ru/ (дата обращения: 30.04.2021).
  • Зиновьев А.Ю. Визуализация многомерных данных. Красноярск: Изд-во КГТУ, 2000. 180 с.
  • Дьяконов А.Г. Анализ данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (Практикум на ЭВМ кафедры математических методов прогнозирования): учебное пособие. М.: Издательский отдел факультета ВМК МГУ имени М.В. Ломоносова, 2010. 278 с.
  • Сергеев А.Г., Латышев М.В., Мищенко З.В. Математическое моделирование задач метрологии. Стандартизации и сертификации в MATLAB. Электронное учебное пособие. Владимир: Изд-во Владимирского государственного университета, 2003. 314 с.
  • Информационные технологии: учебное пособие / К.А. Катков, И.П. Хвостова, В.И. Лебелев [и др.]. Ставрополь: Изд-во СКФУ, 2014. 254 с.
Еще
Статья научная