Отчет за 2021

В ходе выполнения работ было проанализировано 75 показателей фенотипических параметров экстерьера, откормочной и мясной продуктивности бычков абердин-ангусской породы. База данных содержит материалы биометрических исследований экспериментальной группы молодняка. Предварительно были изучены взаимосвязи между основными показателями, которые показали, что живая масса, а также высота в холке и крестце животного имели слабую и отрицательную зависимость с выходом мяса на кости: r=-0,037…-0,096 (не достоверно). При этом для ширины груди за лопатками и обхвата груди отмечались положительные взаимосвязи с выходом мяса, соответственно, r=0,279 (p<0,001) и r=0,100. Проведенная детализация для признаков мясной продуктивности составит научную основу для разработки системы генетической оценки животных по выходу ценных отрубов и качеству мясной продукции, а также позволит уточнить регионы в геноме, ассоциированные с выходом мышечной массой особей, параметрами роста и развития.

В рамках проекта была разработана трёхмерная математическая модель формы тела движущихся животных на основе мультисенсорных данных, камер глубины RGB-D. Трёхмерная математическая модель формы тела движущихся животных задается облаком точек в трехмерном пространстве. В рамках проекта были разработаны новые методы построения плотной трехмерной математической модели формы животного по набору изображений и карт глубины, снятых с помощью Kinect-камеры. Была произведена количественная оценка точности модели, оценка устойчивости к внешним искажающим факторам, таким как неравномерное и слабое освещение, а также подвижность животного. В рамках проекта был разработан алгоритм быстрого приближенного геодезического расстояния на облаке точек. Эксперимент показал, что ошибки измерения предложенного алгоритма быстрого приближения геодезических расстояний на облаке точек не превышают 1%. В рамках проекта был разработан быстрый алгоритм нормализации позы для облака точек. Точность и скорость предложенного алгоритма нормализации позы на реальных данных превосходит точность и скорость современных алгоритмов. Также в рамках проекта был предложен алгоритм быстрого расчета объема объекта как облака точек, который основан на воксельном представлении облака точек и метода срезов. Объем является важным параметром для анализа морфологии объекта. Предложенный алгоритм расчета объема объекта на реальных данных по точности и быстродействию превосходит современные алгоритмы.

В рамках проекта была разработана система автоматической измерения трехмерных морфологических характеристик движущихся животных по математической модели с точностью, превосходящей существующие системы измерений. Система является бесконтактной и позволяет проводить автоматические измерения трехмерных изометрических инвариантов и традиционных характеристик, а также параметров тела крупного рогатого скота, таких как линейные и интегральные характеристики вдоль заданных линий и локальных областей, геодезических расстояний, периметров поперечных сечений и т. д. Были проведены реальные эксперименты с крупным рогатым скотом, основная цель которых – оценка точности измерения морфологических параметров животных с последующей общей, объективной оценкой их экстерьера по промерам. В бесконтактном режиме была построена плотная трехмерная модель каждого животного с помощью предложенной системы и вычислены в автоматическом режиме для каждого животного те же самые характеристики. Отметим высокую точность измерения морфологических характеристик в предложенной системе, ошибка измерений в системе не превышает 5%. Предложенная система позволяет решать задачу бесконтактного обмера подвижных животных с помощью трех камер глубины. Кроме того, разработанная система способна точно прогнозировать живой вес крупного рогатого скота на основе полученных бесконтактных измерений и изображений RGB-D.

В результате выполнения работ по проекту осуществлено выделение и контроль качества ДНК молодняка крупного рогатого скота, отобранных для генотипирования по SNP-маркерам (n = 96), по результатам которого установлено, что концентрации двухцепочечной ДНК в представленных образцах варьировали от 15 до 114 нг/мкл. На основании проведенного контроля качества все образцы были признаны пригодными для проведения полногеномного генотипирования. Проведено генотипирование молодняка с использованием ДНК-чипа Bovine GGP HD BeadChip (Illumina Inc., USA), по результатам которого создана база полногеномных генотипов, отвечающая установленным критериям качества (число генотипированных животных с результативностью генотипирования более 95% составило 100,0%).

В ходе выполнения исследований было выполнено выделение ДНК и создан банк ДНК молодняка крупного рогатого скота абердин-ангусской породы (n=96). Набор данных для 96 племенных животных абердин-ангусской породы содержит данные по генотипированию экспериментальной группы молодняка по 150 тыс. SNP. В ходе проведения исследований было проведено генотипирование 96 голов молодняка экспериментальной популяции крупного рогатого скота абердин-ангусской породы с использованием ДНК-чипа ДНК-чипа Bovine GGP HD BeadChip, по результатам которого получены полногеномные генотипы для всех животных.

Для проведения полногеномных ассоциативных исследований была сформирована база данных фенотипических признаков бычков абердин-ангусской породы. База данных содержит материалы контрольного убоя экспериментальной группы молодняка. Набор данных для 96 племенных животных абердин-ангусской породы содержит данные по весовому и линейному росту, потерях при стрессе, итоговый грейдинг туш, выход мяса, выход мяса на кости, вес передних четвертин, вес задних четвертин, выход субпродуктов (23 вида), выход частей передней четверти (19 видов), выход частей задней четверти (15 видов), Установлено, что показатели мясных отрубов имели более высокую изменчивость относительно выхода субпродуктов, параметров экстерьера. Корреляционный анализ показал положительную достоверную связь между шириной груди за лопатками и выходом мяса на кости, что потенциально можно использовать для прижизненной оценки мясной продуктивности животных.

Выполнены тестовые полногеномные ассоциативные исследования, по результатам которых определены хромосомные регионы, связанные с развитием хозяйственно-ценных признаков (живая масса, высота в холке и крестце, обхват груди за лопатками, ширина груди, выход мяса на кости). Многомерное шкалирование показало кластеризацию на три группы, в этой связи для анализа ассоциаций была учтена популяционная структура данной выборки. Результаты многомерного шкалирования установили неоднородность выборки по уровню генетической вариации. Тестовый анализ полногеномных ассоциаций выявил потенциальные локусы количественных признаков на хромосомах крупного рогатого скота.

Отчет за 2022

В результате проведенных исследований геномной архитектуры экспериментальной популяции молодняка абердин-ангусской породы на основании анализа 106828 SNP, прошедших контроль качества, идентифицировано 25 островков ROH, встречающихся в геноме более 50% животных. Общая протяженность островков ROH составила 11,493 Mb. Размер отдельных островков варьировал от 0,038 до 1,812 Mb. Из 25 идентифицированных нами регионов, 13 перекрываются с регионами, несущими «отпечатки селекции» идентифицированными ранее в других породах крупного рогатого скота, из которых 5 регионов, были выявлены в других популяциях абердин-ангусской породы.

Проведенная структурная аннотация показала наличие внутри идентифицированных островков ROH 87 генов, которые были распределены между 17 различными островками ROH. Функциональная аннотация показала наличие 84 генов с известными функциями, описанными в терминах генной онтологии. Среди островков ROH был обнаружен регион на BTA14, включающий гены XKR4, TMEM68, TGS1, LYN, RPS20, MOS, PLAG1 и CHCHD7, который перекрывался с известными «отпечатками селекции» в геноме крупного рогатого скота ряда пород (абердин-ангусская, герефордская, лимузин, шароле, бельгийская голубая, симментальская, голштинская, ярославская, холмогорская). Регион PLAG1-CHCHD7 во многих породах крупного рогатого скота является сильным геном-кандидатом, ответственным на рост, размеры туловища, включая высокорослость. Полученные данные подтверждают действие направленного отбора на повышение высокорослости, размеров туловища и живой массы в исследуемой популяции крупного рогатого скота абердин-ангусской породы.

По результатам проведенных полногеномных ассоциативных исследований выявлено 12 полногеномных и суггестивных SNP, ассоциированных с показателями экстерьера (высота в холке, высота в крестце, обхват груди за лопатками), которые распределялись между восемью аутосомами крупного рогатого скота (BTA1, BTA2, BTA3, BTA5, BTA6, BTA17, BTA21 и BTA29). Один SNP, локализованный на BTA5, был ассоциирован со всеми тремя изучаемыми показателями. Четыре SNP, расположенные на BTA1, BTA3 и BTA21, показали достоверную связь с двумя изучаемыми показателями (высота в холке и высота в крестце).

Хотя полученные данные требуют уточнения на большей выборке, они расширяют наше понимание оценки действия искусственного отбора на изменчивость генома и будут полезны для разработки системы маркер-ориентированной и геномной селекции крупного рогатого скота абердин-ангусской породы. Был разработан метод надежной нормализации позы скота на основе слияния 2-D и 3-D подходов для трехмерных облаков точек, снятых с нескольких RGB-D камер. Этот метод объединяет информацию двухмерных изображений и трехмерных данных для повышения надежности методов. В частности, благодаря внедрению методы обнаружения двухмерных объектов, оптимизируются оценка и сегментация животного. Обширные эксперименты с многоракурсными RGB-D данными животных, показывают, что предложенный метод является более надежным и практичным, чем существующие методы. Предложенный метод может быть использован в системе измерения тела, которая может применяться для мониторинга здоровья, взвешивания и так далее. Кроме того, предложенный метод может работать с различными видами животных, обеспечивая удовлетворительные исходные данные для других алгоритмов, таких как анализ поведения животных и извлечение скелета.

Предложена модель прогнозирования живого веса герефордских коров на основе линейных промеров. Было показано, что алгоритм машинного обучения ExtraTreesRegressor, использующий как морфометрические измерения, так и возраст коров, дает результаты точнее, чем обычные алгоритмы регрессии для прогнозирования массы тела. Для улучшения прогнозирования веса были использованы следующие алгоритмы предварительной обработки: обнаружение выбросов, нормализация и оптимизация гиперпараметров. Также была собрана база данных с открытым доступом, содержащая морфометрические измерения и возраст 1523 герефордских коров и модели для прогнозирования живой массы.

Предложена модель прогнозирования живого веса свиней пород дюрок, ландрас и йоркшир с использованием длины тела, обхвата груди, высоты холки, глубины груди, ширины груди, обхвата пясти, веса при рождении, веса при отъеме и возраста при отъеме. Мы обнаружили убедительные доказательства лучшей производительности алгоритмов машинного обучения по сравнению с традиционной линейной моделью с использованием различных оценочных показателей. Было установлено, что модель StackingRegressor обеспечивает более точный прогноз живого веса свиней, превосходя традиционную линейную модель. Результаты исследования показывают, что модель StackingRegressor может быть использована для прогнозирования живого веса свиней. Более того, алгоритмы обнаружения выбросов, нормализации, оптимизации гиперпараметров и обобщения стека могут быть использованы для повышения точности прогнозирования живого веса свиней.

Предложена модель прогнозирования живого веса герефордских коров на основе регрессии изображений. Используется только RGB-изображения и карты глубины для прогнозирования живого веса крупного рогатого скота. Лучшей моделью для нашего исследования является предложенная модель с MAPE 9,1%, использующая RGB-изображения и карты глубины. Были показаны результаты на реальных наборах данных, которые демонстрируют, что предложенная модель может достичь уровня точности измерения веса, сравнимого с тем, который достигается при традиционном взвешивании. Предложен новый метод выделения скелета кривой, специально разработанный для неполных облаков точек животного. По сравнению с известными и общими методами извлечения скелета, были исключены ошибки соединения; кроме того, предложенный алгоритм эффективен и имеет важные преимущества при обработке облаков точек скота с большим количеством точек.

Отчет за 2023

Проведено пополнение банка ДНК молодняка животных, выделение и контроль качества ДНК, а также генотипирование молодняка крупного рогатого скота по SNP-маркерам с использованием ДНК-чипов высокой плотности. В результате создана база полногеномных генотипов животных, отвечающая критериям качества. Была изучена взаимосвязь между мясной продуктивностью и морфологическими особенностями крупного рогатого скота породы абердин-ангус с использованием ультразвуковых, трехмерных оптических приборов и визуальной оценки. В ходе исследования были изучены анатомо-морфологические особенности животных, а также проведен корреляционный анализ для определения взаимосвязи между размерами тела, убойными характеристиками и оценкой развития мышечных и жировых тканей. В результате исследования было установлено, что сочетание различных методов оценки увеличивает точность прогнозирования. Полученные результаты могут быть использованы для селекции и отбора животных с высокой мясной продуктивностью, а также для разработки более точных моделей прогнозирования мясной продуктивности.

Полногеномный анализ ассоциаций с фенотипическими характеристиками выявил значимые однонуклеотидные полиморфизмы (SNP) в геномах молодняка крупного рогатого скота. Это может быть использовано для разработки систем геномной и маркер-ориентированной селекции. Полученные результаты могут быть полезны для исследований в области структурного генома животных и племенного животноводства.

Разработана и апробирована технология автоматизированной прижизненной продуктивной оценки крупного рогатого скота на основе генотипических и фенотипических показателей. Для прогнозирования продуктивности было предложено использовать систематическую оценку животных с помощью основных генетических параметров (коэффициентов корреляции, наследуемости и регрессии) на основе таких данных, как измерение морфологических характеристик животных, полученных с помощью автоматизированной бесконтактной системы измерения тела на основе захвата RGB-D изображений. Была использована система захвата изображений RGB-D для измерения живой массы коров-матерей, а также живой массы и размеров тела их телят (высота в холке, высота в крестце, косая длина туловища, глубина груди, обхват груди, обхват пясти). Корреляционный анализ показал, что основными маркерными показателями для прогнозирования мясной продуктивности являются живая масса и размеры животных при рождении. Кроме того, подтверждены высокие положительные достоверные коэффициенты корреляции между отдельными признаками (живая масса, размеры животных), что позволяет использовать косвенный отбор для повышения эффективности селекции. Определено, что наиболее значимыми показателями являются живая масса, промеры и генетические параметры при рождении, которые позволяют прогнозировать мясную продуктивность животных с уровнем точности от 90% до 98%.

В рамках данного проекта была предложена и апробирована методика количественного анализа локальной трехмерной формы скота для оценки состояния его организма. В ходе работы была собрана база данных крупного рогатого скота породы Ангус, для которых диапазон истинного BCS составляет 3,0 — 8,0. Этот универсальный метод, который может быть применен к различным видам животных. Он использует соответствия точек в трехмерной форме для точного расчета разницы между формами, а затем сопоставляет значение разницы с диапазоном оценки состояния тела. Для оценки крупного рогатого скота были выбраны области ребер, позвонков и маклоков мясного скота, и в соответствии с этим методом были получены прогнозные значения BCS для этих трех областей. На основе этих трех групп прогнозируемых значений в качестве входных данных и истинных значений в качестве целевых, была построена и обучена глубокая модель FNN.

Затем для оценки эффективности была применена 1000-кратная кросс-валидация. Точность определения ребер, позвонков, маклоков и многокомпонентных комбинаций с ошибкой менее 1 составляет 87,61%, 87,65%, 80,07% и 91,33%, соответственно. Предложенный метод количественного анализа локальной трехмерной формы скота для оценки состояния его организма может автоматически предоставлять оценку тела животного BCS более быстро, объективно и точно, чем ручная оценка, и, как ожидается, заменит существующие методы ручной оценки. В рамках данного проекта были проанализированы данные 100 голов мясного скота.

Показатели точности значения BCS в пределах 0,5, 1 и 0,5 составили 100%, 87,61% и 92,09% соответственно. По сравнению с предыдущими методами оценки состояния тела, предложенный метод является более точным и универсальным. Кроме того, этот метод изначально предоставляет значения разницы между формами, а не сопоставленные значения BCS, поэтому он может применяться для многих других видов скота. Был предложен новый подход к распознаванию морды крупного рогатого скота с использованием изображений RGB на основе глубокой сверточной нейронной сети. В настоящее время биометрическая идентификация животных является серьезной проблемой в компьютерном зрении и животноводстве. Модель глубокого обучения была реализована с использованием дополнительных методов дополнения данных и тонкой настройки нейронной сети. В качестве предварительно обученных нейронных сетей были выбраны модели VGGFACE и VGGFACE2. В результате была выбрана предварительно обученная нейронная сеть VGGFACE2 для распознавания морды крупного рогатого скота с точностью 97,1%.