The data consisted of 435,390 test day milk yield records of primiparous cows in 659 herds calving from 2001 to 2011. Evaluation of persistency using best prediction methodology showed that the phenotypic correlation between this persistency measure and total milk yield was 0.450, while the best reference day, the heritability of persistency and 305 d milk yield estimated by this method, were day 130, 0.11 and 0.305, respectively. Heritabilities of milk yield persistency for Pers1 predicted breeding value from 106-205 days in milk, subtracted from predicted breeding value from 6-105 days in milk) and Pers2 (predicted breeding value from 206-305 days in milk subtracted from predicted breeding value from 6-105 days in milk) calculated by Random regression methodology were 0.09 to 0.185, respectively. The results showed that the best prediction method is powerful and accurate in measuring persistency. However, due to the flexibility of random regression methodology, some measures of persistency using this method can have higher heritability and genetic correlation with total milk yield compared to the best prediction methodology. It can therefore be concluded that calculation of persistency using random regression methodology is preferred to the best prediction method.
Milk production and persistency are two economic important traits in dairy cows. Persistency can be defined as the ability of a cow to continue producing milk at a high level after reaching the peak of lactation (
The original data set contained 637,902 records of test day milk yield of 76713 Iranian primiparous Holstein dairy cattle calving from 2001 to 2011. Wood’s incomplete gamma function was used to fit individual lactation curves, described as Yt=atbexp(-ct). The Wood model and its by-product parameters have proved powerful on fitting test day data in the tropical and sub-tropical regions (
- persistency of lactation
-ith test day yield
- standard yield on ith test day
- days in milk at ith test day
- days in milk at the reference date
- ith test day yield deviation from the standard yield
- ith test day days in milk deviation from the reference date
- total number of test day milk yield to calculate persistency
Nowadays, calculation of persistency is based on by-products of the random regression test day model (
- observation of test day n of cow l obtained in herd-year-season i
- fixed effect of herd-year season of production (8,597 classes).
- regression coefficient of age at calving as covariate (Linear and Quadratic terms).
- the coefficient of fixed regression for an average population curve (Legendre polynomial or Ali and Schaeffer functions).
- the mth lactation age of the lth animal in DIM (t= 5,… , 305).
- the order of orthogonal Legendre polynomial.
- additive genetic random regression coefficient for animal I.
- permanent environmental random regression coefficient for animal I.
- random residual error.
Different measures of persistency based on PBV were used in literature (
Selection based on partial PBV during lactation: (PBV from DIM 106-205 subtracted from PBV from DIM 6-105).
Selection based on partial PBV during lactation: (PBV from DIM 206-305 subtracted from PBV from DIM 6-105).
Furthermore, prediction of a 305 day breeding value for all animals, obtained by summing of PBVs for all days in milk of the lactation, as well as for the following criteria: PBV5-100 (Part1), PBV101-200 (Part2) and PBV201-305 (Part3), were calculated. According to the different measures of persistency, lower values of Pers1 or Pers2, indicate higher persistency because they are associated with slower rates of decline in production. The
The number of test day per cow ranged from 3 to 10, all cows were milked three times per day, both parents were known for all cows, age at calving was between 18 and 32 months and individual daily milk yields were between 2.5 and 60 kg. After editing, 435,390 test day records for milk yield remained of 48,955 dairy cows. The structure of data set and pedigree after editing is summarized in
The Pearson correlation coefficients between persistency (Ŝ) and 305 day milk yield at reference days from 120 to 130 days are indicated in
Heritabilities for different partial milk yields, parameters of the lactation curve (peak time, peak yield and total 305 d milk yield) and Ŝ, obtained by univariate animal models as well as the phenotypic correlations amongst these measures are presented in
The ranges of the heritability for different parts of lactation were between 0.23 and 0.30. This indicates that the highest heritability was obtained in the middle of lactation and lower heritabilities in the beginning and end of lactation, which is in agreement with the results of
Phenotypic correlations between partial yields and 305 d milk yield ranged from 0.88 to 0.99 in this study. The highest correlation was obtained between Part2 and 305 d milk yield. The phenotypic correlation between peak time and peak yield is low (0.12), which is in agreement with the finding of
The most values of Ŝ ranged from -3.8 to +3.8 in this dataset. The frequency histogram of persistency is shown in
Lactation curves of cows with the highest (Ŝ>3) and lowest (Ŝ<3) persistency, as defined by the best prediction methodology, are presented in
The heritability estimates of milk yield and the ratios of the permanent environment and residual to phenotypic variances as a function of stage of lactation were calculated and are shown in
The heritability estimate of the different measures of persistency (Pers1 and Pers2), partial milk yields, as well as genetic correlations between the predicted breeding values of these measures are presented in
The heritability of Pers1 and Pers2 were comparable to the findings of
The main reasons for differences in heritability estimates may be attributed to different orders of polynomial functions used in models for estimation of genetic and environmental effects and also due to differences in the structure of the datasets. The genetic correlations between PBV of partial milk yields, persistency and accumulated yield were positive and high (
In this study, the persistency of milk yield was evaluated using two methodologies, namely random regression and best prediction. In best prediction methodology, the phenotypic correlation between peak time and persistency was high and lactation curve of the cows with higher persistency was completely different compare to standard lactation curve. Heritability and genetic correlation among various persistency measures considerably depend upon the way that the persistency measure is defined. High positive genetic correlation between persistency measures of RRM and 305 d milk yield resulted in genetic improvement of total milk yield and consequently persistency. The heritability of Pers2 is higher than that of Pers1 and Ŝ. Although by using RRM, due to higher flexibility (different Legendre polynomial orders and functions fitted in fixed and random parts of the model and the possibility of defining various persistency measures based on PBVt) random regression model could be a preferable method for evaluation and selection of cows for persistency compared to best prediction and other methods.
The Center of Animal Breeding of Iran is greatly acknowledged for supplying the data used in this study.
Los datos consintieron de 435 390 registros del rendimiento del día de pesaje de leche en vacas primíparas de 659 rebaños con partos de 2001 a 2011. La evaluación de la persistencia a través de la metodología de mejor predicción demostró que la correlación fenotípica de esta medida de persistencia y el rendimiento lechero total fue 0.450, mientras que el mejor día de referencia, la heredabilidad de la persistencia y el rendimiento lechero estimados a los 305 d por este método fueron el día 130, 0.11 y 0.305, respectivamente. Las heredabilidades de la persistencia del rendimiento lechero para Pers1 (valor genético predicho de 106 a 205 días en la leche, restado del valor genético predicho de 6 a105 días en la leche) y Pers2 (valor genético predicho de 206 a 305 días en la leche, restado del valor genético predicho de 6 a105 días en la leche), calculados por la metodología de regresión aleatoria, fueron de 0.09 a 0.185, respectivamente. Los resultados demostraron que el método de mejor predicción es potente y exacto para medir persistencia. Sin embargo, debido a la flexibilidad de la metodología de regresión aleatoria, algunas medidas de persistencia utilizadas en este método pueden tener alta heredabilidad y correlación genética comparado con el método de mejor predicción. Por lo tanto, se puede concluir que es preferible calcular la persistencia con la metodología de regresión aleatoria que con el método de mejor predicción.
La producción de leche y la persistencia son dos características económicas importantes en vacas lecheras. La persistencia se puede definir como la habilidad de la vaca de continuar produciendo leche a un alto nivel después de haber alcanzado el pico de lactancia (
Los datos originales contenían 637 902 registros del rendimiento durante el día de pesaje de leche de 76 713 vacas lecheras primíparas Holstein iraníes con partos de 2001 a 2011. La función gamma incompleta de Wood se utilizó para ajustar las curvas de lactancia, descritas como Yt=atbexp(-ct) . El modelo de Wood y sus parámetros derivados han demostrado que son fuertes para ajustar los datos del día de pesaje en las regiones tropicales y sub-tropicales (
- persistencia de la lactancia
-rendimiento del i-ésimo día de pesaje
- rendimiento estándar en el i-ésimo día de pesaje
- días de lactancia en el i-ésimo día de pesaje d0= días de lactancia en la fecha referenciada
- desviación del rendimiento del i-ésimo día de pesaje del rendimiento estándar
- desviación de los días de lactancia del i-ésimo día de pesaje de la fecha referenciada
- número total de días de prueba del rendimiento lechero para calcular la persistencia
Actualmente, los cálculos de persistencia se basan derivados del modelo de regresión aleatoria del día de pesaje (
- observación del día de pesaje n de la vaca 1 obtenida en rebaño-año-estación i
-efectos fijos de rebaño-año-estación de producción (8 597 clases)
- coeficiente de regresión de edad al parto como covariable (en términos lineales y cuadráticos)
- el coeficiente de regresión fija para una curva de promedio de población (funciones Legendre polinomial o Ali y Schaeffer)
- m-ésimo edad de lactancia del primer animal en días de lactancia (t= 5, … , 305)
- orden de la polinómica Legendre ortogonal
- coeficiente de regresión aleatoria genético de aditivo para animal I
- coeficiente de regresión aleatoria medioambiental permanente para animal I
- error residual aleatorio
Las differente medidas de persistencia basadas en VGP se utilizaron en la literatura (
Selección basada en la VGP parcial durante la lactancia (VGP de los días de lactancia 106-205 sustraído del VGP de los días de lactancia 6-105):
Selección basada en la VGP parcial durante la lactancia (VGP de los días de lactancia 206-305 sustraído del VGP de los días de lactancia 6-105):
Además, se calculó la predicción de un valor genético a los 305 días de todos los animales, que se obtuvo de la suma de los VGP para todos los días de lactancia, así como por los siguientes criterios: VGP5-100 (Parte1), VGP101-200 (Parte2) and VGP201-305 (Parte3). De acuerdo con las diferentes medidas de persistencia, los bajos valores de Pers1 o Pers2, indican una mayor persistencia porque están asociados a bajas tasas de disminución de la producción. El software
El número de días de prueba por vaca varió de 3 to 10. Todas las vacas se ordeñaron tres veces al día y se conocían a ambos progenitores. La edad de parto estuvo entre 18 y 32 meses, y el rendimiento lechero diario individual estuvo entre 2.5 y 60 kg. Después de editar, quedaron 435 390 registros de días de prueba de rendimiento lechero de 48 955 vacas lecheras. La estructura de los datos y el pedigrí después de editar se resumió en la
Los coeficientes de correlación de Pearson entre la persistencia (Ŝ) y el rendimiento lechero a los 305 d en los días de referencia desde 120 a 130 días se indican en la
La
Las tasas de heredabilidad para las diferentes partes de lactancia estuvieron entre 0.23 y 0.30. Esto indica que la mayor heredabilidad se obtuvo en medio de la lactancia y los valores más bajos se encontraron al inicio y al final de la lactancia, que concuerda con los resultados de
Las correlaciones fenotípicas entre rendimientos parciales y el rendimiento lechero a los 305 d osciló entre 0.88 y 0.99 en este estudio. La mayor correlación se obtuvo entre Part2 y el rendimiento lechero a los 305 d. La correlación fenotípica entre el tiempo máximo y el rendimiento máximo es bajo (0.12), lo cual concuerda con lo encontrado por
la mayoría de los valores de Ŝ oscilaron entre -3.8 and +3.8 en esta base de datos. El histograma de frecuencia de la persistencia aparece en la
Las curvas de lactancia de vacas con la mayor (Ŝ>3) y menor (Ŝ<3) persistencia, como se define en la metodología de mejor predicción, aparecen en la
Los estimados de heredabilidad en rendimiento lechero y la proporción de medio ambiente permanente y varianza fenotípica residual como función de la etapa de lactancia se calcularon y se muestran en la
El estimado de heredabilidad de las distintas medidas de persistencia (Pers1 and Pers2), rendimientos lecheros parciales, así como correlaciones genéticas entre los valores genéticos predichos de estas medidas se presentan en la
Las heredabilidades de Pers1 and Pers2 con comparables con los resultados de
Las razones principales para las diferencias en los estimados de heredabilidad pueden atribuirse a las diferencias en el orden de las funciones polinómicas utilizadas en los modelos para la estimación de los efectos genéticos y medioambientales, y también debido a las diferencias en la estructura de las bases de datos. Las correlaciones genéticas entre los VGP de los rendimientos lecheros parciales, persistencia y rendimiento acumulado fueron positivos y altos (
La persistencia del rendimiento lechero se evaluó en este estudio con el uso de dos metodologías (regresión aleatoria y mejor predicción). En la metodología de mejor predicción, la correlación fenotípica entre el tiempo máximo y la persistencia fue alta y la curva de lactancia de las vacas con mayor persistencia fue completamente diferente a la curva de lactancia estándar. La heredabilidad y la correlación genética entre varias medidas de persistencia dependen considerablemente de la manera en que se define la medida de persistencia. La alta correlación genética positiva entre las medidas de persistencia del RRM y el rendimiento lechero a los 305 d resultaron en un mejoramiento genético del rendimiento lechero total y, consecuentemente, de la persistencia. La heredabilidad de Pers2 es mayor que la de Pers1 y Ŝ. Por lo tanto, por el uso del modelo de regresión aleatoria, debido a su flexibilidad (funciones y ordenes polinómicas Legendre diferentes ajustadas en partes fijas y aleatorias del modelo y la posibilidad de definir varias medidas de persistencia basadas en los VGPt), podría ser el modelo preferible para la evaluación y selección de vacas por persistencia comparado con el de mejor predicción y otros métodos.
Se agradece al Center of Animal Breeding de Iran por proveer los datos utilizados en este estudio.