Оптимизация генетических и технологических факторов при разведении молочного скота в условиях малых и средних предприятий

• Автор: Сидорова, Виктория Юрьевна
• Шифр специальности: 06.02.01
• Научная степень: Докторская
• Год защиты: 2009
• Место защиты: Дубровицы Московской обл.
• Количество страниц: 315 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Селекционно-генетические программы и планы племенной работы как основа мероприятий по улучшению качеств крупного рогатого скота
1.2. Генетические и технологические факторы и их значение для программ селекции животных при выведении высокопродуктивных стад
1.2.1. Концепции распределения аллелей в генетических комплексах и их влияние на процессы селекции и разведения животных в молочном скотоводстве
1.2.2. Вторичные (технологические ) селекционные признаки молочного скота и их значение в современной зоотехнической науке
1.3. Анализ статистических данных для программ и планов контроля методов разведения
1.4. Моделирование процессов разведения при создании высокопродуктивных стад в молочном скотоводстве

2. МАТЕРИАЛ И МЕТОДИКА ИССЛЕДОВАНИЙ

3. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ
3.1. ОПРЕДЕЛЕНИЕ ОСНОВНЫХ ФАКТОРОВ ЭФФЕКТИВНОЙ ДЕЯТЕЛЬНОСТИ НЕБОЛЬШОЙ ФЕРМЫ И ВЕЛИЧИН СОСТАВЛЯЮЩИХ ИХ ПАРАМЕТРОВ
3.1.1. Определение свойств признаков количественной генетики фактора «Генотип»
3.1.2. Определение свойств признаков качественной генетики фактора «Генотип»
3.1.3. Практическое использование свойств признаков количественной и качественной генетики фактора «Генотип» для оптимизации селекционного процесса
3.2. ТЕХНОЛОГИЧЕСКИЕ ПАРАМЕТРЫ КОРМОВОЙ БАЗЫ И РАЦИОНЫ КОРМЛЕНИЯ ПРИ РАЗВЕДЕНИИ МОЛОЧНОГО СКОТА
3.3. ТЕХНОЛОГИЧЕСКИЕ ПАРАМЕТРЫ УСЛОВИЙ СОДЕРЖАНИЯ, ОЗДОРОВЛЕНИЯ И УХОДА ПРИ РАЗВЕДЕНИИ СКОТА НА ФЕРМАХ МАЛОЙ И СРЕДНЕЙ ПРОИЗВОДСТВЕННОЙ МОЩНОСТИ

3.4. ПАРАМЕТРЫ ОПРЕДЕЛЕНИЯ СТОИМОСТИ ТЕХНОЛОГИЧЕСКИХ РЕЖИМОВ И ОТДЕЛЬНЫХ ПРОИЗВОДСТВЕННЫХ ОПЕРАЦИЙ НА ФЕРМЕ В УСЛОВИЯХ ЧАСТНОЙ СОБСТВЕННОСТИ
3.5. ОПТИМИЗАЦИЯ ПАРАМЕТРОВ ОСНОВНЫХ ФАКТОРОВ. ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО
РАЗМЕРА ПРЕДПРИЯТИЯ 18
3.6. ХАРАКТЕРИСТИКА АНАЛИТИЧЕСКИХ БЛОКОВ И
СТРУКТУРЫ ПРОГРАММ АНАЛИЗА И УПРАВЛЕНИЯ СЕЛЕКЦИЕЙ В МОЛОЧНОМ СКОТОВОДСТВЕ
3.6.1. Операционные структуры
3.7. МОДЕЛИРОВАНИЕ ПРОЦЕССОВ УПРАВЛЕНИЯ
СТАДОМ НА НЕБОЛЬШИХ ФЕРМАХ
3.7.1. Перспективные направления производственного
использования основных факторов и их составляющих
3.7.2. Процентно-долевое влияние основных факторов и их
составляющих в моделях
3.8. Экономический эффект от внедрения индивидуальных
программ разведения молочного скота в небольших стадах
4. ЗАКЛЮЧЕНИЕ
5. ВЫВОДЫ
6. СВЕДЕНИЯ О ПРАКТИЧЕСКОМ ИСПОЛЬЗОВАНИИ
НАУЧНЫХ РЕЗУЛЬТАТОВ
7. ПРАКТИЧЕСКИЕ ПРЕДЛОЖЕНИЯ ПРОИЗВОДСТВУ
8. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
9. ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ
Актуальность темы. Современные методы популяционной генетики позволяют с большой точностью определять эффективные пути совершенствования животных на основании индивидуальной и групповой оценки их племенных качеств, что превращает селекцию, по словам Н.И. Вавилова, в «область знания, направляемую волей человека».
Дальнейшее развитие методов популяционного анализа молочных стад в форме систем информационного обеспечения отрасли предусмотрено Постановлением Правительства Российской Федерации № 446 от 14 июля 2007 года «О Государственной программе развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008- 2012 годы» и Федеральным законом «О развитии малого и среднего предпринимательства в Российской Федерации».
Определенную роль в исследование проблем генетического анализа популяций и определение средовых модификаций внесли ведущие российские и зарубежные ученые - JI.K. Эрнст, Н.И. Стрекозов, В.Н. Виноградов, Н.З. Басовский, Э.Х. Гинзбург, Е.К. Меркурьева, Н.Г. Дмитриев, В.М. Кузнецов. Д.В. Карликов. Ю.Н. Григорьев, П.Н. Прохоренко, Ж.Г. Логинов, H.A. Попов, A.B. Баранов, В.И. Цысь, Ф.М. Мухамедгалиев, и др., а также P.M. Van Randen, G.R. Wiggans, H.D. Norman, R.L. Powell, K.A. Weigel.
Основными производителями продукции животноводства в Российской Федерации являются крупные и сверхкрупные предприятия с одной стороны, и мелкие и средние хозяйства с другой. По данным зоотехнического учета племенных хозяйств Московской области, разводящих скот черно-пестрой породы, 42% из них имеют в среднем поголовье молочных коров 360,8 голов, 34% хозяйств - 788,5 коров, и только 24% хозяйств содержат 1226,8 и более голов коров.
Выявление и использование в молочном скотоводстве закономерностей одновременного влияния генетических и технологических факторов позволяет повысить общую эффективность производственной деятельности небольшых хозяйств.
Вместе с тем анализ деятельности животноводческих предприятий АПК России в условиях рыночной экономики показал, что, не смотря на

молочного жира 0,393 (44). По черно-пестрому скоту коэффициент
повторяемости удоя составлял 0,407 - 0,518, а содержания жира в молоке 0,52-0,574(198).
В.Л. Петухов (207) установил, что этот показатель может варьировать в зависимости от уровня продуктивности в пределах 0,363-0,634. По данным P.P. Тейнберга и др. (263) эти коэффициенты соответственно равнялись 0,511 и 0,493.
Степень повторяемости признака имела важное значение для отбора: чем она больше, тем надежнее отбор по первоначальным значениям и тем более достоверно можно определить племенные возможности животного. Известно, что чем в большей мере тот или иной признак зависил от средовых условий (кормление, содержание), тем ниже степень повторяемости. Наиболее высокая повторяемость наблюдалась по морфологическим (экстерьерным) и качественным показателям, а низкая характеристика присуща количественным признакам. Степень повторяемости измеряли коэффициентами корреляции, взятыми в разные периоды. Так, повторяемость удоев за первые 3 мес лактации и за 305 дней колебалась от 0,4 до 0,55. Повторяемость этих показателей в условиях однотипного кормления была повышена и составляла 0,7-0,9.
В селекционной практике широко использовали фенотипические и генетические корреляционные связи между признаками. Их применение давало возможность при отборе по одному признаку оказывать влияние на изменение другого. При этом Е.К. Меркурьева и др. (188) предложили использовать различные варианты расчета коэффициента корреляции для больших и малых выборок: для малых выборок г = £tx х ty/n, где t — нормированное отклонение; для больших выборок при обработке методом сумм : r= Cx+Cy-Cd/2x/CxCy, где Сх, Су, Cd - дисперсия признаков х, у, d.
Конечно, создать максимальное давление отбора по сопряженным признакам трудно. Однако, это позволяет усилить в результате отбора