1. 牛奶尿素浓度的遗传分析及其与奶牛选定感兴趣的性状的遗传关系。（Y. Chen et al., 2021; DOI:https://doi.org/10.3168/jds.2021-20659）
目的:
估计奶牛前 3 胎的牛奶尿素浓度 (MU) 的遗传参数及其与产奶性状、寿命和功能性状的遗传相关性。
数据：
编辑后的数据集包括 1994 年至 2020 年期间收集的 2,356 头牛的 560,739 头奶牛的前 3 胎的 9,107,349 MU 测试日记录。为了估计 MU 的遗传参数，109 个随机选择的牛群的数据，总共使用了 770,016 个 MU 测试日记录。
模型：
用多性状（奇偶性）随机回归模型估计遗传参数和估计的育种值。牛群测试日、产犊年龄-年季节和牛奶班天数（每 5 天为一个班）用作固定效应，而牛群年产犊年、永久环境和动物的影响使用随机回归和 2 阶勒让德多项式。
结果：
前 3 胎中 5 至 365 天牛奶中 MU 的平均日遗传力和重复性分别为 0.19、0.22、0.20 和 0.48、0.48、0.47。前 3 胎中 MU 之间估计的平均遗传相关性介于 0.96 至 0.97 之间。所选公牛（n = 1,900）的 MU 平均每日估计育种值范围为 -9.09 至 7.37 mg/dL。近10年来，MU的遗传趋势逐渐增强。 MU 与 11 个感兴趣的性状之间的遗传相关性范围从 –0.28（产奶量）到 0.28（体细胞评分）。
结论：这项研究的结果可用作开发 MU 常规遗传评估并将其纳入比利时瓦隆地区遗传选择计划的第一步。
2. 奶牛的氮平衡因牛奶尿素氮育种值和食用车前草或多年生黑麦草而异. 2021.
背景：
牧区乳制品生产系统中氮 (N) 使用效率低下，导致环境恶化，这是由于尿液中氮排泄物浓度过高，渗入水道以及排尿事件导致的 N2O 排放到大气中。
目的：
本研究的目的是测量和评估采食 100% 多年生黑麦草 (Lolium perenne L.) 或 100% 车前草 (Plantago lanceolata L.) 的泌乳奶牛的总氮平衡 饮食。
方法：
16 头经产泌乳的荷斯坦-弗里斯兰 × 泽西奶牛与 MUNBV 不同，被安置在代谢箱中 72 小时，在那里收集和测量摄入量和排泄量。结果：
未检测到 MUNBV 对总氮排泄的影响；然而，在每次排尿事件中检测到不同的排泄特征。当食用黑麦草日粮时，与高 MUNBV 奶牛相比，低 MUNBV 奶牛的尿尿素氮浓度 (g/event) 降低了 28%。与食用黑麦草的高和低 MUNBV 奶牛相比，无论其 MUNBV 值如何，食用大蕉的奶牛尿尿素氮 (g/event) 分别降低了 62% 和 48%。吃大蕉的奶牛也将更多的 N 分配到粪便中。
结论：
这些结果表明，用黑麦草日粮和大蕉日粮饲养低 MUNBV 奶牛将降低尿尿素氮负荷率，从而降低硝酸盐浸出值，从而减少牧区奶牛生产系统对环境的影响。
3. MUN_BV不同的牛行为的变化
Dairy cows with different milk urea nitrogen breeding values display different grazing behaviours. 2021.https://doi.org/10.1016/j.applanim.2021.105429.
image.png
目的：本研究的目的是描述多胎奶牛的昼夜放牧行为模式，这些奶牛的牛奶尿素 N 育种值 (MUNBV) 不同，以及这些差异在不同草场组成（多年生黑麦草 [RG; Lolium perenne L. ] 或黑麦草与车前草 [Plantago lanceolata L.; RGPL]) 和泌乳阶段（泌乳早期和晚期）。
方法：在泌乳早期的 24 头动物和泌乳晚期的 16 头奶牛安装了颚运动记录仪，在泌乳早期，12 头奶牛被分配到黑麦草饮食，12 头奶牛被分配到车前草饮食，在泌乳后期，8 头奶牛被分配到黑麦草饮食8头奶牛被分配到大蕉饮食。对于每种饮食，在两个泌乳阶段的动物中，有一半被归类为 MUNBV 高，另一半被归类为 MUNBV 低。
结果：
低 MUNBV 动物在一天中每咬咀嚼次数更多（P < 0.01），MUNBV 减少一个单位，导致前两次放牧期间每次咀嚼多咬 0.07 次，并且放牧的时间分布也存在差异与高 MUNBV 奶牛。
MUNBV 降低一个单位会导致在哺乳期和草地组成的两个阶段的第一次放牧期间每口咀嚼量增加 0.11 ± 0.02。
摄食行为对摄食的物理特征和瘤胃功能有很大影响。
结论：
本研究的结果表明，不同的 MUNBV 奶牛放牧相同的草料，在摄食的口服处理和昼夜膳食模式方面应用不同的放牧策略。这些结果为在 MUNBV 不同的奶牛中观察到的表型差异提供了潜在的解释变量。
4 澳大利亚和新西兰奶牛的牛奶尿素氮GWAS和基因组预测.2022
背景
尿氮泄漏是奶牛的环境问题。可以使用诸如牛奶尿素氮 (MUN) 等指标性状来选择减少尿氮泄漏。先前的一项研究结果表明，澳大利亚的 MUN (AUS) 和新西兰的 MUN (NZL) 之间的遗传相关性仅为低至中度（0.14 和 0.58 之间）。在这种情况下，另一种选择是基于全基因组关联研究 (GWAS) 选择序列变体，以提高基因组预测的准确性。 GWAS 还可用于检测与 MUN 相关的数量性状基因座 (QTL)
目标
是使用来自 33,873 头奶牛的MUN 记录和估算的全基因组序列数据进行国内 GWAS 和 国家间的meta-GWAS，比较在澳大利亚和新西兰的 MUN GWAS 中检测到的 QTL，并使用从 meta-GWAS 中选择的序列变体来提高基于联合 AUS-NZL 参考集的 MUN 的预测准确性。
结果
使用 meta-GWAS，我们检测到 MUN 的 14 个 QTL，位于染色体 1、6、11、14、19、22、26 和 X 染色体上。
三个最显着的 QTL 包括 6 号染色体上的酪蛋白基因、11 号染色体上的 PAEP 和 14 号染色体上的 DGAT1。
我们选择了 50,000 个序列变体，它们对 AUS 中的 MUN 和 NZL 中的 MUN 具有相同的作用方向，并且在GWAS的荟萃分析。选定的序列变体在澳大利亚的 MUN 和新西兰的 MUN 之间产生了 0.95 的遗传相关性，并大大提高了两国的预测准确性。
结论
两国之间的数据共享可以提高 GWAS 的能力，并使用基于meta-GWAS 选择的多国参考人群和序列变体可以提高基因组预测的准确性。
网友评论