荷兰荷斯坦牛的牛奶MIR预测采食量与其他性状之间的相关

image.png

光谱预测某个性状并，再进行遗传参数估计，并且以公牛EBV值估计不同性状之间的相关性

荷兰荷斯坦牛的牛奶MIR预测采食量与其他性状之间的相关。 2022

Correlations of feed intake predicted with milk infrared spectra and breeding values in the Dutch Holstein population.https://doi.org/10.3168/jds.2021-21579
背景：
饲料是乳制品生产的主要成本，奶牛之间的饲料效率存在很大的遗传差异。因此，育种者的目标是提高奶牛的饲料效率。然而，商业农场个体采食量的表型数据很少，准确的测量成本非常高。几项研究表明，来自牛奶样品的傅里叶变换红外光谱（牛奶红外线、牛奶红外线）的信息可用于预测能量平衡和能量摄入等表型，但这通常基于在实验环境下获得的小数据集。来自牛奶红外光谱的信息对育种值估计的附加价值是未知的。

目的：
(1) 从牛奶红外光谱中建立干物质摄入量 (DMI) 和残留 DMI (rDMI) 的预测方程；
(2) 将这些应用于荷兰商业奶牛场的牛奶红外光谱数据集；
(3) 估计这些性状的遗传参数；
(4) 估计这些预测与育种目标中其他性状之间的相关性。

试验与方法：
我们使用了每天记录个体采食量和每周测定牛奶 IR 光谱的喂养试验数据，以开发具有偏最小二乘回归的 DMI 和 rDMI 预测方程。
该数据集包含超过 7,600 条与 271 头奶牛的牛奶红外光谱相关的每周平均 DMI 记录。
这些方程应用于包含来自 676 个荷兰奶牛群的测试日信息的数据集，其中包含 78,488 头奶牛的 621,567 条记录。
用动物模型分析牛奶 IR 预测的 DMI 和 rDMI，以获得可能与育种值相关的遗传参数和父系效应估计值。

结果：
具有来自牛奶 IR 光谱的 10 个分量的偏最小二乘回归模型解释了验证集中大约 25% 的 DMI 变异和不到 10% 的 rDMI 变异。
牛奶红外光谱的几乎所有变化都被 7 个成分捕获；
其他成分对光谱变异的贡献很小，但降低了两种性状的预测误差。
对于大型喂养实验，从牛奶 IR 光谱预测 DMI 和 rDMI 的平均准确度分别为 0.47 和 0.26，日粮处理（分别为 0.43 至 0.55 和 0.21 至 0.34）之间和泌乳阶段之间的差异很小（范围分别从 0.24 到 0.59 和从 0.13 到 0.36），在泌乳早期具有最高的预测准确度。
预测的 DMI 和 rDMI 的估计遗传力分别为 0.3 和 0.4，这表明这两个预测性状的遗传潜力。
公牛估计的牛奶 IR 预测的 DMI 与荷兰官方育种值的相关性最强，产奶量 (0.33)、寿命 (0.26) 和生育率 (-0.27)，表明吃得更多的奶牛产奶更多、寿命更长，并且生育能力较差。
预测的 DMI 和 rDMI 的父系估计值与 DMI 的官方育种值的相关性很低（分别为 0.14 和 0.03）。这意味着将牛奶 IR 预测的 DMI 信息包括在 DMI 育种值的估计过程中的附加值将被认为不足以实际应用。

image.png