奶牛产犊难易程度的遗传背景

《Journal of Dairy Science》：Genetic background of calving ease in beef-on-dairy

产犊难易的遗传参数估计及模型比较，基于肉牛与奶牛杂交的231,842（第一泌乳期）和1,291,660（前三泌乳期）条CE记录。采用线性与阈值模型分析直接和母体遗传效应，发现母体遗传力（0.02-0.26）高于直接遗传力（0.01-0.01），且阈值模型在计算效率上较低。线性模型与阈值模型排名相关系数达0.86以上，验证显示线性模型在数据有限时更高效准确，建议优先使用。

　　在现代畜牧业中，牛的繁殖管理对于提高生产效率和经济效益至关重要。特别是在乳肉杂交体系中，通过将未被选为替换母牛的雌性个体与肉牛公牛进行交配，已经成为一种常见做法。这一策略不仅能够提升多余幼牛的市场价值，还能通过杂交优势（heterosis）改善后代的生产性能。然而，这一过程可能带来一些挑战，尤其是在妊娠期（如妊娠长度）和幼牛体型（如体重和大小）的变化方面，这些变化可能对母牛的健康和生产性能产生负面影响。因此，评估和优化分娩难易度（calving ease, CE）这一性状的遗传参数，对于乳肉杂交体系的可持续发展具有重要意义。

在本研究中，研究人员使用线性模型和阈值模型对乳肉杂交体系中的CE性状进行了分析。CE被定义为一个分类性状，通常分为5个等级，分别代表无问题、轻微问题、需要帮助、需要较大助力和极端困难。为了简化分析，研究者将CE评分转化为二元性状，其中评分1表示易产（无问题），评分2、3、4、5表示难产。这一转化有助于更清晰地识别遗传变异，并便于后续的遗传评估。

通过分析231,000条第一泌乳期的CE记录和120万条第一至第三泌乳期的CE记录，研究者发现难产的发生率约为15%。在使用第一泌乳期数据时，直接和母性遗传力分别为0.01 ± 0.002和0.02 ± 0.002；而在考虑第一至第三泌乳期数据时，直接和母性遗传力分别增加到0.01 ± 0.002和0.19 ± 0.002。值得注意的是，母性遗传力始终高于直接遗传力，这可能是由于母性永久环境效应未能被准确估计，从而导致母性遗传力的高估。此外，当考虑更多泌乳期时，母性遗传力显著上升，这可能反映了更多的环境因素与母性遗传效应之间的混淆。

为了验证不同模型的可靠性，研究者采用了一种基于线性回归的验证方法（LR方法）。结果显示，线性模型在仅使用第一泌乳期数据时表现优于阈值模型。线性模型的EBV（育种值）在评估中显示出较低的偏差和较高的稳定性，同时计算时间也显著缩短。例如，仅使用第一泌乳期数据时，线性模型需要约5分钟的计算时间，而阈值模型则需要45分钟。这种计算效率的差异在实际应用中具有重要意义，尤其是在需要进行常规遗传评估的生产环境中，线性模型的高效性使其成为首选。

在评估不同模型对EBV排序的一致性时，研究者发现线性模型和阈值模型在直接效应上的相关性高达0.86以上，而在母性效应上，乳用品种的相关性显著高于肉用品种，甚至接近于1。这种差异可能源于母性效应在乳用品种中更为显著，而在肉用品种中由于缺乏母牛的遗传信息，难以准确估计母性效应。此外，对于肉用品种的公牛而言，母性效应的估计结果往往接近于零，甚至出现负值，这表明在这些品种中，母性效应的遗传贡献较小。

研究还发现，当使用线性模型进行遗传评估时，能够更有效地区分高和低EBV公牛的后代表现。在仅使用第一泌乳期数据的情况下，线性模型在区分高产和低产公牛后代时的差异更大，大约有10个百分点的差异，而阈值模型的差异则较小，约为4个百分点。这种能力对于选择具有优良CE性状的公牛至关重要，因为能够更准确地预测后代的分娩难易度，有助于减少难产的发生率，从而降低母牛的健康风险和生产损失。

在实际应用中，乳肉杂交体系的遗传评估面临一些挑战。首先，数据结构的限制，例如缺乏详细的父系家谱信息，使得遗传参数的估计变得复杂。其次，CE性状的低遗传力意味着直接选择的效果可能有限，因此需要结合其他性状进行综合评估。此外，由于杂交后代通常不用于繁殖，因此母性效应的遗传评估可能受到限制。这些因素都表明，需要进一步完善数据收集和分析方法，以提高遗传评估的准确性和实用性。

研究还指出，尽管CE的遗传力较低，但仍然存在遗传变异，这表明通过选择具有优良CE性状的肉牛公牛，可以在一定程度上改善杂交后代的分娩性能。因此，建议在遗传评估中考虑CE性状，尤其是在肉牛公牛的选择过程中。同时，研究者建议在数据结构有限的情况下，优先使用线性模型，因为其计算效率更高，且EBV的可靠性更强。此外，为了提高母性效应的估计准确性，需要更多的重复记录和更深入的家谱信息。

总体而言，本研究为乳肉杂交体系中的CE性状遗传评估提供了重要的理论和实践依据。通过比较线性模型和阈值模型的优劣，研究者发现线性模型在计算效率和EBV可靠性方面具有明显优势，尤其是在数据结构有限的情况下。同时，研究也强调了母性效应在遗传评估中的重要性，以及如何通过改进数据收集和分析方法来提高遗传评估的准确性。未来的研究可以进一步探索更大规模的数据集，以更全面地评估母性永久环境效应和母性加性效应，从而为乳肉杂交体系的遗传改良提供更坚实的科学基础。