作者：Genesus Inc. 遗传学家张春艳博士
在商品猪生产中，饲料是最大的生产成本组成部分，占总成本的 55-65%。 提高饲料效率一直是猪育种和选择计划的优先事项。 饲料转化率 (FCR) 是平均每日采食量 (ADFI) 与平均每日增重 (ADG) 的简单比率，历史上用于选择饲料效率。 然而，生长猪的效率比简单的 FCR 更复杂，并且受生长猪的生物学驱动（https://genesus.com/feed-intake-growth-and-health/）。 仅在 FCR 上进行选择不会导致采食量和生长的最佳变化，这两个经济上重要的性状。
采食量是生长的主要驱动力，ADFI 和 ADG 之间的遗传相关性相对较高（0.32 – 0.84）（Hoque 等人，2009；Jiao 等人，2014）。 因此，人们普遍认为猪必须多吃才能长得更快。 然而，采食量与生长之间的相关性并不完美（即小于 1），因此有机会识别和选择生长较快而采食量较低的动物。 生长速度和采食量都会显着影响盈利能力，但它们的经济价值并不相同，而且权重方向相反。 与 FCR 上的直接选择相比，另一种选择策略是使用一种选择指数，该指数提高了生长速度，同时限制了采食量的变化。
此外，饲料效率还受瘦肉和脂肪沉积率以及日粮能量利用的影响（https://genesus.com/feed-intake-growth-and-health/）。 ADFI 与脂肪以及 ADFI 与腰部深度之间的中度至高度遗传相关性 (0.22-0.57) (Jiao et al., 2014; MacNeil & Kemp, 2015) 证明了这些影响。 包含这些遗传相关性状提高了生长和采食量估计育种值 (EBV) 的准确性，从而提高了饲料效率的遗传改良率。
此外，利用基因组信息为改善这些具有不利遗传相关性的性状（例如 ADFI 和 ADG）提供了优势。 预计正相关性状具有更多共同的遗传标记，但并非所有影响性状的标记都是相同的。 基因组评估和选择可以利用不常见的标记来有效识别与预期相关性相反的动物，从而在所需方向上更快地推动选择。 此外，收集个体动物的采食量数据非常昂贵，限制了具有实际采食量数据的动物数量。 利用基因组信息，即使对于没有采食数据的动物，也将为所有动物（包括没有采食数据的动物）提供更准确的 EBV。 更准确的 EBV 会导致更高的遗传改良率。
作为一家全球养猪公司，Genesus 在我们的基因改良计划中考虑了所有这些策略。 自 2004 年以来，我们一直在收集个体采食量以及多种饲料效率成分特征，包括生长速度（第 120 天，以 120 公斤/265 磅的年龄测量）、超声波和胴体脂肪和腰部深度。 Genesus 在基因组评估和选择研究方面投入巨资，并使用定制的 SNP（单核苷酸多态性，一种遗传标记）芯片，其 SNP 超过 60K，其中包括许多与饲料效率成分性状相关的 SNP。
通过基因组评估多性状模型，我们能够获得准确的ADFI和Day120基因组EBV，然后在选择指标中对ADFI和Day120进行优化选择。 通过这种方式，我们可以选择具有遗传能力的猪，在采食量变化最小的情况下实现更快的生长，从而提高 FCR。 下图显示了我们杜洛克人群中 ADFI 和 Day120 的遗传趋势以及计算出的 FCR EBV。 从 2017 年开始，当这两个性状都包含在选择指数中并得到适当强调时，它显示出生长速度持续提高（达到 120 公斤/265 磅的天数减少），同时限制了 ADFI 的变化。 结果表明，通过增加生长和基本不变的采食量，FCR 一直在稳步提高。
.png)
我们通过将先进的知识和技术整合到我们的遗传改良计划中，继续努力进一步提高整体生长和饲料效率以及生产者的利润。 目标是为种猪提供遗传能力，以使猪肉生产者的利润最大化。 我们的基因改良计划包括重大的研发投资，专注于为客户持续改进。
参考文献列表：
Hoque 等人，2009 年。畜牧科学， https://doi.org/10.1016/j.livsci.2008.05.016
焦等人，2014. 动物科学杂志， https://doi.org/10.2527/jas.2013-7338
MacNeil & Kemp，2015 年。加拿大动物科学杂志， https://doi.org/10.4141/cjas-2014-089
这篇文章是由Genesus写的