陳焱森，上官愛(ài)哨，陳明新，馬亞賓，李春芳，徐為民，程春寶，熊琪，張淑君

（1.華中農(nóng)業(yè)大學(xué)、動(dòng)物遺傳育種與繁殖教育部實(shí)驗(yàn)室，武漢 430070; 2.湖北省農(nóng)業(yè)科學(xué)院畜牧獸醫(yī)研究所、動(dòng)物胚胎工程及分子育種湖北省重點(diǎn)實(shí)驗(yàn)室，武漢 430064; 3.河北省畜牧良種工作站、河北省牛種質(zhì)資源技術(shù)創(chuàng)新中心，石家莊 050061；4.湖北省畜禽育種中心DHI測(cè)定實(shí)驗(yàn)室，武漢 430070）

抗病育種為牛抵抗疾病提供了一種新途徑，但疾病性狀數(shù)據(jù)收集需要花費(fèi)巨大的人力與資金，導(dǎo)致很難得到大規(guī)模的相關(guān)數(shù)據(jù)進(jìn)行遺傳評(píng)估，并且人工記錄數(shù)據(jù)存在不準(zhǔn)確問(wèn)題，會(huì)影響遺傳評(píng)估的準(zhǔn)確性?？蒲腥藛T一般通過(guò)檢查牛血液或牛奶中生物標(biāo)記物來(lái)確定牛的亞臨床疾病。在國(guó)外（如比利時(shí)、荷蘭和美國(guó)等）研究人員基于中紅外光譜（MIR）開(kāi)發(fā)了便于大規(guī)模檢測(cè)的預(yù)測(cè)模型。目前，先使用MIR預(yù)測(cè)與疾病相關(guān)的生物標(biāo)記物，再對(duì)牛健康狀況進(jìn)行判斷是主要方法[1,2]，另外也可以直接使用MIR對(duì)牛健康狀況進(jìn)行判別[3]。此外，最近還有研究將兩者相結(jié)合進(jìn)行判別[4,5]。

酮病主要是因?yàn)榕Ｔ诋a(chǎn)后能量攝入不足，造成體內(nèi)能量負(fù)平衡，導(dǎo)致牛的脂肪與蛋白被動(dòng)員，使體內(nèi)酮體累加[6]。其會(huì)對(duì)牛的產(chǎn)奶量和繁殖性能產(chǎn)生負(fù)面影響[7]，還會(huì)增加后續(xù)疾病的風(fēng)險(xiǎn)，例如皺胃偏移[8]。研究證實(shí)的酮病與亞臨床酮病生物標(biāo)記物有：丙酮（Acetone, Ac）、β-羥丁酸（β-hydroxybutyrate, BHBA）[9,10]，并且有研究表明亞臨床酮病患牛產(chǎn)后幾周血液中的非酯化脂肪酸（NEDA）、葡萄糖和鈣的濃度都與健康牛差異顯著[11～13]。自2012年以來(lái)，奶牛酮病已經(jīng)成為荷蘭牛奶記錄計(jì)劃中常規(guī)檢查項(xiàng)目之一[14]。

機(jī)體能量平衡被打破時(shí)，會(huì)增加牛發(fā)生生產(chǎn)疾?。ㄅR床或亞臨床）、減少生產(chǎn)量和降低繁殖率的風(fēng)險(xiǎn)[15]。然而，由于缺乏快速、簡(jiǎn)便和廉價(jià)的能量平衡測(cè)量方式，阻礙了其被納入日常管理決策或育種計(jì)劃[16]。哺乳期奶牛身體能量狀態(tài)特征包括能量平衡和能量值，并且還包括能量攝入的相關(guān)特征[17]。能量平衡（Energy balance, EB）計(jì)算可為牛奶中的能量攝入和輸出差以及維持（使用體重預(yù)測(cè)維持）提供參考[18]，并且有研究表明，檸檬酸在牛能量負(fù)平衡期間的變化最大[19]。

鑒于國(guó)外已經(jīng)在相關(guān)領(lǐng)域進(jìn)行了一些研究，并且部分國(guó)家已經(jīng)應(yīng)用到奶牛遺傳育種中，本文現(xiàn)對(duì)其進(jìn)行總結(jié)，以期為我國(guó)科研工作者開(kāi)展相關(guān)工作提供借鑒。

1 MIR預(yù)測(cè)奶牛酮病的研究

Hansen首次報(bào)道了基于MIR檢測(cè)奶牛酮病的方法，該方法使用多元校正法建立了預(yù)測(cè)牛奶中Ac的模型，其在預(yù)測(cè)集中的決定系數(shù)（Coefficient of determination, R2）與均方根誤差（RMSE）分別為0.81和0.27mmol/L，可將奶牛分為健康和可能患酮病牛（牛奶丙酮閾值為0.9mmol/L），但模型只能基于牛奶中自然含有的丙酮進(jìn)行模型建立，人為添加的不行[20]。

Heuer等采用偏最小二乘回歸法（Partial least square regression, PLS）建立了基于MIR的預(yù)測(cè)牛奶中Ac濃度的模型，首先選出MIR的1450cm-1～1200cm-1波段并進(jìn)行二階導(dǎo)數(shù)預(yù)測(cè)處理，交叉驗(yàn)證誤差為0.21mmol/L；當(dāng)亞臨床酮病的閾值為0.4～1.0mmol/L時(shí)，通過(guò)預(yù)測(cè)丙酮濃度來(lái)判斷奶牛是否患有亞臨床酮病，其靈敏度為95%～100%，特異性為96%～100%；假設(shè)亞臨床酮病患病率范圍為10%～30%，相應(yīng)的陽(yáng)性預(yù)測(cè)值≥76%，陰性預(yù)測(cè)值＞ 98%[21]。

Roos等同樣使用PLS法建立了基于MIR的牛奶中Ac和BHBA的預(yù)測(cè)模型，并評(píng)估其用于檢測(cè)亞臨床酮病的準(zhǔn)確性。該研究使用分段流動(dòng)分析法對(duì)1 080份牛奶樣的Ac和BHBA濃度進(jìn)行測(cè)定，作為參照數(shù)據(jù)，傅立葉變模紅外光譜（FTIR）預(yù)測(cè)結(jié)果與Ac和BHBA參照數(shù)據(jù)之間的相關(guān)系數(shù)分別為0.72與0.64，在驗(yàn)證集中的標(biāo)準(zhǔn)誤差（SE）分別為0.184和0.064mmol/L；假設(shè)Ac與BHBA的閾值分別為0.15和0.10mmol/L，檢測(cè)到Ac或BHBA高值的靈敏度為69%～70%，特異性為95%，假陽(yáng)性為25%～27%，假陰性為6%～7%，該作者認(rèn)為MIR預(yù)測(cè)的Ac和BHBA對(duì)于篩選亞臨床酮病的奶牛以及用于評(píng)估亞臨床酮病的畜群管理是有價(jià)值的[9]。Knegsel等使用Roos等建立的上述預(yù)測(cè)模型，用于評(píng)估奶牛是否患高酮血癥，并將該方法與乳脂肪與蛋白質(zhì)比率進(jìn)行比較，其中奶?；几咄Y定義為血漿BHBA濃度≥1200μmol/L，結(jié)果預(yù)測(cè)Ac和BHBA與乳脂肪蛋白比（66%）相比，前者檢測(cè)高酮血癥的敏感性更高（80%）[22]。

Drift等通過(guò)研究認(rèn)為，單一使用MIR預(yù)測(cè)牛奶Ac或BHBA濃度作為牛奶高酮血癥篩選指標(biāo)精確度有限，其重新構(gòu)建了具有隨機(jī)群體效應(yīng)的多變量邏輯回歸模型，使用胎次、季節(jié)、脂肪與蛋白質(zhì)比率以及MIR預(yù)測(cè)牛奶Ac和BHBA作為預(yù)測(cè)變量，該診斷模型在測(cè)試日檢測(cè)高酮血癥的最佳截止值（定義為靈敏度和特異性的最大總和）下，具有82.4%的靈敏度和83.8%的特異性，但其認(rèn)為所提出的模型不適用于個(gè)體檢測(cè)，而適用于群體監(jiān)測(cè)[23]。隨后Drift等也利用Roos等建立的模型預(yù)測(cè)了1 565頭奶牛的牛奶Ac和BHBA濃度，并使用動(dòng)物模型對(duì)二者進(jìn)行了遺傳參數(shù)評(píng)估，結(jié)果對(duì)應(yīng)的遺傳力估計(jì)值分別為0.16和0.10，該研究為減少奶牛泌乳早期高酮血癥的育種提供了借鑒[24]。

Koeck等使用MilkoScan FT+（Foss, Hiller?d, Denmark）自帶的BHBA預(yù)測(cè)模型，對(duì)加拿大荷斯坦牛初乳期BHBA進(jìn)行了預(yù)測(cè)，并使用單變量動(dòng)物模型對(duì)其進(jìn)行了遺傳分析，使用雙變量動(dòng)物模型對(duì)其與脂肪蛋白比、體況評(píng)分、臨床酮病和移位皺胃的遺傳相關(guān)性進(jìn)行了分析，結(jié)果發(fā)現(xiàn)在泌乳不同階段，牛奶BHBA遺傳力估計(jì)值為0.14～0.29，第一個(gè)測(cè)試日牛奶BHBA、脂肪蛋白比、身體狀況評(píng)分與臨床酮病的遺傳相關(guān)分別為0.49、-0.35與0.48（均為中度遺傳相關(guān)），而與皺胃移位的遺傳相關(guān)性接近于零（0.07）[25]。隨后Koeck等又定義了不同的BHBA，并研究不同BHBA與酮病的表型和遺傳相關(guān)，定義的BHBA有：牛奶第一個(gè)測(cè)試日BHBA（5-40 DIM, BHBAFirst）、最大牛奶BHBA（5-100 DIM, BHBAMax）、標(biāo)準(zhǔn)偏差牛奶BHBA（5-100 DIM, BHBASD），三者的遺傳力分別為0.13、0.12與0.02，酮病和牛奶BHBA性狀之間的表型相關(guān)性低（0.14～0.19），但遺傳相關(guān)較高，分別為0.70、0.64和0.82[26]。

Vosman等使用Drift等建立的酮病預(yù)測(cè)模型，對(duì)來(lái)自125萬(wàn)頭奶牛的250萬(wàn)個(gè)MIR數(shù)據(jù)進(jìn)行酮病預(yù)測(cè)，并用多性狀公畜模型估算酮病遺傳參數(shù)，結(jié)果發(fā)現(xiàn)，第一、二、三胎次的酮病遺傳力分別為0.16、0.13與0.18，所有胎次酮病遺傳力為0.24，并且第一和第二胎、第三胎次酮病之間的遺傳相關(guān)分別為0.81與0.58，第二和第三胎次酮病之間的遺傳相關(guān)為0.74[14]。

Grelet等從盧森堡、法國(guó)和德國(guó)的商業(yè)和實(shí)驗(yàn)農(nóng)場(chǎng)收集牛奶樣品，通過(guò)流動(dòng)注射分析測(cè)定Ac（548個(gè)樣品）與BHBA（558個(gè)樣品）濃度，使用PLS法基于MIR分別建立了預(yù)測(cè)模型，結(jié)果Ac與BHBA預(yù)測(cè)模型的外部驗(yàn)證決定系數(shù)（Validation coefficient of determination, R2V）與SE分別為0.67與0.196mmol/L、0.63與0.083mmol/L[10]。

Belay等使用牛奶MIR建立了預(yù)測(cè)血液BHBA濃度的預(yù)測(cè)模型，使用血糖儀Optium Xido （Abbott, Winey, UK）測(cè)量了波蘭牛的826個(gè)血液BHBA濃度，使用PLS法建立血液BHBA（對(duì)數(shù)轉(zhuǎn)換）預(yù)測(cè)模型的R2V與SE分別為0.43與0.2397mmol/L，作者認(rèn)為其不足以確定奶牛個(gè)體血液BHBA濃度的準(zhǔn)確值；又使用其建立的模型對(duì)158 028個(gè)數(shù)據(jù)進(jìn)行血液BHBA濃度預(yù)測(cè)，比較了間接預(yù)測(cè)（IP，只使用預(yù)測(cè)的BHBA）與直接預(yù)測(cè)（DP，將MIR降低為5或10個(gè)得分）對(duì)育種值評(píng)估的影響，結(jié)果使用單變量方差結(jié)構(gòu)（即IP）比多變量協(xié)方差結(jié)構(gòu)（即DP）結(jié)果更好[27]。同年，Belay等又采用其建立的預(yù)測(cè)模型對(duì)挪威奶牛的血液BHBA濃度進(jìn)行了預(yù)測(cè)，并進(jìn)行遺傳參數(shù)估計(jì)，再結(jié)合臨床酮病與牛奶生產(chǎn)性狀（產(chǎn)奶量、乳脂率、乳蛋白率與乳糖率）進(jìn)行遺傳相關(guān)分析，結(jié)果哺乳期不同階段預(yù)測(cè)血液BHBA濃度的遺傳力估計(jì)值范圍為0.250～0.365，臨床酮病遺傳力估計(jì)值為0.078；在第一個(gè)測(cè)試日預(yù)測(cè)的血液BHBA與臨床酮病遺傳相關(guān)性為0.469、與牛奶生產(chǎn)性狀為中度遺傳相關(guān)（產(chǎn)奶量為0.277、乳蛋白率為-0.367、乳脂率為0.033）[28]。

Chandler等分別采集658頭和468頭奶牛的血樣與牛奶樣品（泌乳天數(shù)在5～20d之間），檢測(cè)了血樣的BHBA濃度與牛奶的MIR數(shù)據(jù)，使用線性回歸算法基于MIR建立了血樣BHBA的預(yù)測(cè)模型，預(yù)測(cè)模型的R2與SE分別為0.43與0.2397mmol/L；再以血液BHBA濃度≥1.2mmol/L為閾值，鑒定出高酮血癥患牛，使用儀器（Foss Analytical，Hiller?d，Denmark）檢測(cè)得到牛奶BHBA和Ac的濃度，結(jié)果多元線性回歸模型與邏輯回歸模型判別高酮血病準(zhǔn)確率分別為81.3%～97.8%與82.6%～97.3%[1]。

2 MIR預(yù)測(cè)奶牛能量狀態(tài)的研究

Mcparland等建立了基于MIR的荷斯坦牛能量狀態(tài)預(yù)測(cè)模型，使用PLS法對(duì)268頭牛（418個(gè)哺乳期）的數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)模型在數(shù)據(jù)的不同獨(dú)立子集上進(jìn)行外部驗(yàn)證，結(jié)果預(yù)測(cè)直接能量平衡與有效能量攝入量模型的R2與SE分別為0.75與0.95MJ/d、0.87與0.98MJ/d，該方法可能是預(yù)測(cè)大規(guī)模個(gè)體母牛能量狀態(tài)的可行方法[17]。隨后其又使用該方法對(duì)荷斯坦牛能量狀態(tài)建立了預(yù)測(cè)模型，考慮了飼養(yǎng)管理（兩種TMR日糧與放牧）、地區(qū)（英國(guó)和愛(ài)爾蘭）與奶牛品種（荷斯坦與弗里斯牛），并加入了產(chǎn)奶量作為自變量，結(jié)果預(yù)測(cè)的直接能量平衡、體能量含量和能量攝入的準(zhǔn)確度（即多次測(cè)定系數(shù)的平方根）分別為0.47～0.69、0.51～0.56和0.76～0.80，進(jìn)一步證明了此方法的可行性[18]。

Mcparland等進(jìn)一步建立了基于MIR的泌乳奶牛能量攝入預(yù)測(cè)模型，共收集378頭放牧牛1 535個(gè)能量攝入數(shù)據(jù)，使用PLS將牛奶MIR光譜數(shù)據(jù)與能量攝入相關(guān)聯(lián)，預(yù)測(cè)模型的R2為0.68，但當(dāng)將產(chǎn)奶量作為預(yù)測(cè)變量包含在內(nèi)時(shí)，可提高預(yù)測(cè)模型準(zhǔn)確性（R2=0.70）[29]。

Mcparland等又估計(jì)了基于MIR預(yù)測(cè)能量攝入（energy intake ，EI）和EB的遺傳參數(shù)，首先其根據(jù)1 270個(gè)測(cè)試日記錄的實(shí)際采食量和能量數(shù)據(jù)，使用PLS法建立了適合試驗(yàn)牛群的EB和EI預(yù)測(cè)模型，結(jié)果其交叉驗(yàn)證準(zhǔn)確度分別為0.75與0.73；對(duì)94 653個(gè)MIR數(shù)據(jù)進(jìn)行EI與EB預(yù)測(cè)，再使用動(dòng)物模型評(píng)估各性狀的方差組分，計(jì)算對(duì)應(yīng)遺傳力與遺傳相關(guān)，結(jié)果預(yù)測(cè)EI與EB的遺傳力分別為0.20與0.10，而實(shí)際測(cè)量性狀（使用1270個(gè)數(shù)據(jù)）的遺傳力估計(jì)值分別為0.35與0.16；測(cè)量和預(yù)測(cè)EI之間的遺傳相關(guān)性為0.84，測(cè)量和預(yù)測(cè)EB之間的遺傳相關(guān)性為0.54，表明基于MIR預(yù)測(cè)EI或EB的選擇將改善奶牛真實(shí)的EI或EB[16]。

Grelet等為研究奶牛泌乳早期的負(fù)能量平衡狀態(tài)，從盧森堡、法國(guó)和德國(guó)的商業(yè)和實(shí)驗(yàn)農(nóng)場(chǎng)收集牛奶樣品，通過(guò)流動(dòng)注射分析測(cè)定檸檬酸鹽（506個(gè)樣品），使用基于MIR的PLS法建立了預(yù)測(cè)模型，其模型的R2與SE分別為0.86與0.76mmol/L[10]。

Müllera等建立了基于MIR的奶牛EB預(yù)測(cè)模型，以自動(dòng)稱重槽計(jì)算對(duì)65頭德國(guó)荷斯坦牛的EB進(jìn)行了計(jì)算，使用線性回歸模型以牛奶MIR、牛奶成分以及奶牛胎次和泌乳階段信息相結(jié)合建立預(yù)測(cè)模型，結(jié)果在前4個(gè)泌乳周中，多胎母牛與初產(chǎn)母牛的EB預(yù)測(cè)模型交叉驗(yàn)證決定系數(shù)（Cross-calidation coefficient of determination, R2CV）分別為0.55與0.83，在第5～10個(gè)泌乳周中，多胎母牛與初產(chǎn)母牛EB預(yù)測(cè)模型的R2分別為0.57與0.71；同時(shí)采集了585個(gè)血樣樣本（來(lái)自相同的65頭牛），進(jìn)行血清BHBA濃度檢測(cè)，使用相同線性回歸模型建立了血清BHBA濃度預(yù)測(cè)模型，其R2為0.42；當(dāng)以血液BHBA大于1 200μmol/L為閾值時(shí)，判別EB模型的靈敏度為44%～75%，特異性為93%～97%[2]。

表1 應(yīng)用MIR預(yù)測(cè)奶牛疾病文獻(xiàn)的研究總結(jié)

Mineur等嘗試直接使用MIR判別奶牛是否患有跛足疾病，使用偏最小二乘判別分析（Partial least square discriminate analysis, PLS-DA）對(duì)9 811條數(shù)據(jù)進(jìn)行了預(yù)測(cè)模型的建立，其中對(duì)MIR數(shù)據(jù)進(jìn)行了兩種預(yù)處理（一階導(dǎo)數(shù)+標(biāo)準(zhǔn)化正態(tài)變換，二階導(dǎo)數(shù)+標(biāo)準(zhǔn)化正態(tài)變換），并根據(jù)奶牛品種、胎次、跛足的嚴(yán)重程度劃分為不同的子集進(jìn)行了模型建立，結(jié)果不同預(yù)處理模型靈敏度不同，不同子集下得到的結(jié)果差異也較大，靈敏度為25%～85%，特異性為58%～92%。作者認(rèn)為應(yīng)進(jìn)一步增加其他信息來(lái)提高模型的準(zhǔn)確性[3]。

Luke等開(kāi)發(fā)了基于MIR預(yù)測(cè)奶牛瘤胃pH值的預(yù)測(cè)模型，共收集了144個(gè)奶牛瘤胃pH值測(cè)量值，pH指標(biāo)包括平均pH、pH低于6的時(shí)間和擠奶之間pH曲線下的面積、采集牛奶樣品時(shí)的pH，使用PLS法建立預(yù)測(cè)瘤胃模型的R2在0.22～0.59之間；當(dāng)奶牛亞急性瘤胃酸中毒（SARA）定義為瘤胃pH值小于6且超過(guò)180min時(shí)，使用PLS-DA建立判別奶牛SARA模型的敏感性為81%，特異性為72%[30]。

Koster等使用隨機(jī)森林算法，并基于牛奶代謝物和酶、牛奶的免疫γ球蛋白部分上的聚糖、牛奶MIR來(lái)描述泌乳早期奶牛的代謝不平衡狀態(tài)，其中牛奶代謝物和酶包括牛奶葡萄糖、葡萄糖-6-磷酸、BHBA、乳酸脫氫酶、N-乙酰-β-d-氨基葡萄糖苷酶、異檸檬酸、免疫球蛋白聚糖（19個(gè)峰）與牛奶MIR（1 060個(gè)波點(diǎn)降維為15個(gè)主要成分），結(jié)合使用或不使用其他奶牛信息（泌乳天數(shù)、胎次、產(chǎn)奶量）用于建立預(yù)測(cè)模型，結(jié)果使用牛奶代謝物和酶以及奶牛泌乳天數(shù)或MIR建立的預(yù)測(cè)模型最好，預(yù)測(cè)平衡的準(zhǔn)確性為80%，不平衡的準(zhǔn)確性為88%）[4]。

Luke等也同樣研究了奶牛代謝不平衡預(yù)測(cè)模型的建立，其是通過(guò)血液BHBA、脂肪酸、尿素、Ca、Mg、白蛋白和球蛋白濃度來(lái)將奶牛分類，首先以PLS法建立了基于MIR的上述指標(biāo)預(yù)測(cè)模型，結(jié)果血液BHBA、脂肪酸和尿素預(yù)測(cè)模型的 R2分別為0.48、0.61和0.90，但Ca、Mg、白蛋白和球蛋白濃度的預(yù)測(cè)效果很差（0.06≤R2≤0.17），使用PLS-DA法基于預(yù)測(cè)指標(biāo)建立的判別代謝不平衡預(yù)測(cè)模型，靈敏度為25%～100%，特異性為6%～99%[30]。

4 小結(jié)

從上述研究中，可以看出MIR具有預(yù)測(cè)奶牛健康狀況的潛力，并且結(jié)合奶牛其他信息（如產(chǎn)奶量）能提高預(yù)測(cè)模型的準(zhǔn)確性，現(xiàn)在研究人員普遍認(rèn)為此方法可以判別奶牛群體的健康狀況，但對(duì)于個(gè)體水平的準(zhǔn)確性有待提高。

隨著我國(guó)牛遺傳育種的發(fā)展，對(duì)獲得大量、有效的奶牛疾病性狀數(shù)據(jù)以進(jìn)一步完善我國(guó)牛遺傳評(píng)估體系的預(yù)望日益迫切。本綜述介紹的基于MIR預(yù)測(cè)法提供了一個(gè)很好的途徑，但上述研究均是基于國(guó)外牛群建立的模型，我國(guó)需要建立基于我國(guó)牛群的預(yù)測(cè)模型，以利于我國(guó)牛遺傳育種的進(jìn)一步發(fā)展。