Оценка генетики размеров тела и уровня активности свиней с использованием автоматизированной оценки позы

Научные отчеты, том 12, Номер статьи: 15384 (2022) Цитировать эту статью

2325 Доступов

2 цитаты

11 Альтметрика

Подробности о метриках

Свиноводство быстро меняется из-за технического прогресса и социально-экологических факторов. Новые технологии точного животноводства, такие как системы компьютерного зрения, имеют решающее значение для масштабного автоматического фенотипирования новых признаков, поскольку устойчивость и поведение свиней приобретают все большее значение в целях селекции. Однако в настоящее время основными препятствиями являются индивидуальная идентификация, обработка данных и наличие адекватного программного обеспечения (с открытым исходным кодом). Общая цель этого исследования состояла в том, чтобы расширить возможности взвешивания свиней за счет автоматизированных измерений размеров тела и уровня активности с использованием автоматизированной видеоаналитической системы: DeepLabCut. Кроме того, эти данные были объединены с информацией о родословной для оценки генетических параметров для программ разведения. Мы проанализировали 7428 записей за период откорма 1556 откормочных свиней (отец Пьетрен и помесная мать) с двухнедельными интервалами между регистрациями у одной и той же свиньи. Нам удалось точно оценить соответствующие части тела со средней ошибкой отслеживания 3,3 см. Показатели тела, извлеченные из видеоизображений, имели высокую наследственность (61–74%) и значимо генетически коррелировали со среднесуточным привесом (rg = 0,81–0,92). Признаки активности были наследственными от низкой до умеренной степени (22–35%) и имели низкую генетическую корреляцию с производственными признаками и физическими отклонениями. Мы продемонстрировали простой и экономичный метод извлечения параметров размеров тела и характеристик активности. Эти черты были оценены как наследственные и, следовательно, могут быть выбраны. Эти результаты представляют ценность для организаций по разведению свиней, поскольку они предлагают метод автоматического фенотипирования новых производственных и поведенческих признаков на индивидуальном уровне.

На свинину уже приходится почти 40% мирового производства мяса, но ожидается, что мировой спрос на нее будет расти еще больше1. Свиноводство все чаще сталкивается с такими проблемами, как экологическая устойчивость, благополучие животных, эффективность ведения сельского хозяйства и глобальная конкуренция. Инновации в генетике считаются решающими для решения этих проблем2,3. Признаки, связанные с устойчивостью и устойчивостью, сейчас так же важны для программ разведения животных, как и те, которые связаны с (вос)производством2. Очевидно, что существует потребность в прецизионных технологиях животноводства для оптимизации высокопроизводительного фенотипирования свиней, что по сей день остается сложным, трудоемким и дорогостоящим4.

Системы компьютерного зрения (CVS) могли бы обеспечить неинвазивное фенотипирование состава тела, поведения и физических отклонений у свиней, но практического применения автоматизированной оценки морфологических и/или поведенческих признаков мало. Фернандес и др.5 использовали 3D-камеры с видом сверху для прогнозирования массы тела, глубины мышц и количества жира на спине у откормочных свиней. В других исследованиях CVS использовалась для оценки положения и позы тела6, агрессии7, поведения свиноматок8 и кормления9,10. Лишь несколько исследований проанализировали генетику этих фенотипов4. У мясного скота наследственность и генетические корреляции оценивались с использованием анализа изображений признаков туш11. Кроме того, генетические параметры окраски шерсти и экстерьерные признаки были оценены у молочного скота с использованием изображений из веб-каталогов12.

Сообщается, что морфологические признаки свиней, такие как длина, ширина и высота тела, наследуются от умеренной до высокой степени, при этом оценки наследуемости (h2) варьируются от 20 до 60%13,14,15. Было показано, что поведенческие черты также передаются по наследству, но оценки h2 значительно различаются3. Эти оценки чаще всего основывались на ручной оценке поведенческих черт, которые подвержены предвзятости наблюдателя16. Например, показатели активности во время взвешивания оценивались как наследственные от низкого до умеренного (h2 = 10–23%), хотя на эти оценки влияют факторы окружающей среды3,17,18,19. Примечательно, что Отт и др.16 показали, что показатели активности CVS сильно коррелируют с наблюдениями на людях (r = 0,92). Другие исследования связали изменения показателей активности в загоне с кусанием хвоста, инфекциями16,20,21,22 или остаточным потреблением корма23. Между прочим, связь между активностью во время взвешивания и агрессией в загоне была от низкой до умеренной (r = 0,15–0,60)3,24.