Stiftung Tierärztliche Hochschule Hannover (TiHo)

Computergestütztes Zuchtmanagement der Milchrinderherde des Lehr- und Forschungsgutes Ruthe

Pätsch, Imke Karen

The objective of the study was to develop a procedure for predicting breeding values of dairy cows of the Lehr- und Forschungsgut Ruthe including milk performance, fertility traits and health traits.   The data of 581 dairy cows from the „Lehr- und Forschungsgut Ruthe“ that belongs to the veterinary highschool of Hannover were included. The data were recorded between 1988 and 1999.   The estimation of the variance-covariance matrices was performed by multivariate REML procedures. The breeding values were predicted using BLUP. The evaluation was carried out using four different basic models for milk performance, fertility traits, health traits and productive life. The models included the additive genetic effect of the animals which were connected with the whole population by the relationship matrix. In addition to that a permanent environmental effect was included to estimate repeatabilities.   Using a multivariate test day model the estimated heritabilities for the milk, fat and protein yield were h2 = 29,63%, h2 = 16,01% and h2 = 22,76 %. For the fat and protein content as well as for the somatc cell score (SCS) the heritabilities were h2 = 25,23%, h2 = 27,32% and h2 = 12,05 %. The estimated repeatabilities (wp) for yield traits were between wp = 22% and wp = 24%. For fat and protein content they were lower with wp = 10,77% and wp = 7,23%. The estimation for SCS was wp = 18,62%. Additionally an animal specific repeatability (wt) was estimated. The results were clearly higher with values between wt = 31,11% and wt = 42,31% for yield traits, wt = 23,24% for fat content, wt = 31,22% for protein content and wt = 26,79% for SCS.   The additive genetic correlations between milk yield and fat and protein yield were very high and positive (rg > 0,78), whereas the additive genetic correlations between milk yield and fat and protein contend were clearly negative (rg < -0,54). Milk yield and SCS were correlated with rg = 0,14. There were high positive correlations between fat and protein yield and also between fat and protein content (rg > 0,76). Yield and content of fat and protein were correlated slightly negative (rg = -0,04 and rg = -0,20). For both fat traits negativ genetic correlations to SCS (rg = -0,01 and rg = -0,17) were found, whereas both protein traits correlated positive with SCS (rg = 0,21 and rg = 0,12).   For non return rate (NRR90) and calving interval (CI) heritabilities of h2 = 1,36% and h2 = 2,24% were estimated. Heritability for NRR90 for Cows only were h2 = 2,72% and for heifers only h2 = 10,75%. Repeatabilities for NRR90total were wp = 0,33% and wt = 1,60%. For CI repeatabilities of wp = 2,81% and wt = 4,84% were estimated. The traits NRR90total and CI correlated genetically with rg = -0,64.   Most diseases had low heritabilities with h2 < 10%. Only heritabilities for metritis (h2 = 12,22%) and interdigital papilloma (h2 = 21,84%) exceeded 10%. Except for reproductive diseases (h2 = 7,11) and milk fever (h2 = 7,22) heritabilities even decreased below  5%. Repeatabilities were estimated wp = 0,62% up to wp = 14,19% respectively wt = 1,51% up to wt = 30,82%. The results were highest for interdigital papilloma and lowest for ketosis. Genetic correlations between groups of diseases differed from rg = -0,24 to rg = 0,89. A genetic correlation of rg = 0,89 was found between mastitis and reproductive diseases. Metabolic diseases correlated positive to reproductive diseases (rg = 0,31). Mastitis and ‚diseases without mastitis‘ had a genetic correlation of rg = 0,77. For productive life a heritability of h2  = 8,16% was found.   Genetic correlations between yield traits and CI were estimated rg > 0,64. CI was correlated negative to fat contend (rg = -0,21) and protein contend (rg = -0,59). For NRR90 negativ genetic correlations to milk yield, fat yield, protein yield and protein contend were found with rg < -0,33 down to rg = -0,77. The correlations to fat yield and SCS were estimated rg = 0,17 and rg = 0,07. Genetic correlations between milk yield and diseases were mainly positive. Negativ correlations to milk yield of rg = -0,63, rg = -0,70 and rg = -0,20 were estimated only for ovarian cysts, retained fetal membranes and heel horn erosion. Metabolic diseases were highly positive genetically correlated to milk yield with rg > 0,55. Correlations between diseases and fat and protein yield were mainly estimated to be positive, wheras correlations to fat and protein content were mainly found to be negative. SCS correlated to reproductive diseases with rg = 0,91 and to mastitis rg = 0,38.   Maternal and cytoplasmic effects were found to be low. Maternal effects had a fraction of 0,62% to 9,96% of phenotypic variance with a maximum for productive life and minimum for NRR90. Correlations between direct and maternal genetic effects were found to be negative with values between -0,07 and -1,0. Cytoplasmic effects had a fraction of <0,01% up to 5,37% of phenotypic variance. For milk yield, fat and protein content values between 4,3%, 3,8% and 5,3% were found. Lower values were estimated for fat and protein yield (0,21% and 0,31%). Fractions close to zero were found for NRR90 and productive life.   For fat yield, protein yield, SCS, NRR90, reproductive diseases, mastitis, diseases without mastitis, metabolic diseases and claw disorders breeding values were estimated. These values were economically weighted and, except for diseases without mastitis, summarized to a total merit index (TMI). All values were standardized on an average of 100 and a standard deviation of 12. The total merit indices ranged from DM -206,06 to DM 257,00.   The influence of the single breeding values on the total merit score were estimated. Very good or very bad TMI´s were mainly influenced by the protein yield (about 70%). The summarized breeding values of diseases, NRR90 and productive life had an influence of about 15%. TMI´s closer to the mean value were higher influenced by non-milk-performance traits (up to 69%).   These results led to the conclusion that developing a TMI can be very useful for selecting cows with a mean milk performance. In addition to that a combination of the breeding value with the permanent environmental effect to a production value can simplify the selection of cows.   A farm specific estimation of variance-components and breeding values enables the farmer to develop a herd specific selection programme and offers estimations that are not influenced by different environmental effects between herds.  

Ziel dieser Arbeit war die Entwicklung einer Zuchtwertschätzung für die Milchkühe des Lehr- und Forschungsgutes Ruthe, die neben der Milchleistung auch Fruchtbarkeits- und Gesundheitsmerkmale beinhaltet.   Die Daten von 581 Milchkühen des Lehr- und Forschungsgutes Ruthe, welches an die Tierärztliche Hochschule Hannover angegliedert ist, wurden ausgewertet. Die Daten wurden zwischen 1988 und 1999 erfasst.   Die Varianz-Kovarianz-Analyse wurde mittels eines multivariaten REML- Verfahrens durchgeführt. Die Zuchtwerte wurden mit der BLUP-Methode geschätzt. Die Auswertung wurde anhand von vier Grundmodellen durchgeführt, für Milchleistung, Fruchtbarkeitsmerkmale, Gesundheitsmerkmale und Nutzungsdauer. In den Modellen wurde der additiv-genetische Effekt des Tieres berücksichtigt und über die Verwandtschaftsmatrix mit der Population verbunden. Zusätzlich wurde ein permanenter Umwelteffekt zur Schätzung von Wiederholbarkeiten berücksichtigt.   Die mit einem multivariaten Testtagsmodell geschätzten Heritabilitäten lagen für die Milchmenge, die Fettmenge und die Eiweißmenge bei h2  = 29,63%, h2  = 16,01% und h2  = 22,76%. Für den Fettgehalt und den Eiweißgehalt sowie für den Somatic Cell Score (SCS) lagen die Heritabilitäten bei h2  = 25,23%, h2  = 27,32% und h2  = 12,05%.   Die geschätzten Wiederholbarkeiten (wp) für Milchmenge, Fett- und Eiweißmenge lagen zwischen  wp = 22% und wp = 24%. Für den Fett- und Eiweißgehalt waren sie geringer mit wp = 10,77% und wp = 7,23%. Der Schätzwert für den SCS lag bei wp = 18,62%. Zusätzlich wurde eine tierspezifische Wiederholbarkeit (wt) geschätzt. Die Ergebnisse waren deutlich höher mit Werten zwischen wt = 31,11% und wt = 42,31% für Milch-, Fett- und Eiweißmenge, wt = 23,24% für Fettgehalt, wt = 31,22% für Eiweißgehalt und wt = 26,79% für den SCS.   Die additiv genetischen Korrelationen zwischen Milchmenge und Fett- und Eiweißmenge waren sehr hoch positiv (rg > 0,78), während die additiv genetischen Korrelationen zwischen Milchmenge und Fett- und Eiweißgehalt deutlich negativ waren (rg < -0,54). Milchmenge und SCS waren mit rg = 0,14 korreliert. Zwischen Fett- und Eiweißmenge sowie Fett- und Eiweißgehalt ergaben sich hoch positive Korrelationen (rg > 0,76). Menge und Gehalt von Fett und Eiweiß waren miteinander gering negativ korreliert (rg = -0,04 und rg = -0,20). Für beide Fettmerkmale wurden negative genetische Korrelationen zum SCS (rg = -0,01 und rg = -0,17) gefunden, während beide Eiweißmerkmale positiv korrelierten (rg = 0,21 und rg = 0,12).   Für die Non Return Rate (NRR90) und die Zwischenkalbezeit (ZKZ) wurden Heritabilitäten von h2  = 1,36% und h2  = 2,24% geschätzt. Die Heritabilität für die NRR90 der Kühe lag bei h2  = 2,72% und die der Färsen bei h2  = 10,75%. Wiederholbarkeiten für die NRR90gesamt waren wp = 0,33% und wt = 1,60%. Für die ZKZ wurden Wiederholbarkeiten von wp = 2,81% und wt = 4,84% geschätzt. Die Merkmale NRR90gesamt und ZKZ korrelierten genetisch mit rg = -0,64. Die meisten Erkrankungen hatten geringe Heritabilitäten mit h2  < 10%. Nur die Erblichkeiten für puerperale Gebärmutterentzündung (h2 = 12,22%) und Limax (h2 = 21,84%) überschritten 10%. Außer für gynäkologische Erkrankungen (h2  = 7,11%) und Gebärparese (h2 = 7,22%) unterschritten die Heritabilitäten sogar 5%. Wiederholbarkeiten zwischen wp = 0,62% und wp = 14,19%, bzw. wt = 1,51% bis wt = 30,82% wurden geschätzt. Die höchsten Werte wurden für Limax geschätzt, die geringsten für Ketose.   Genetische Korrelationen zwischen Krankheitsgruppen lagen zwischen rg = -0,24 und rg = 0,89. Eine genetische Korrelation von rg = 0,89 wurde zwischen Mastitis und gynäkologischen Erkrankungen gefunden. Stoffwechselerkrankungen korrelierten positiv mit gynäkologischen Erkrankungen (rg = 0,31). Mastitis und ‚Krankheiten außer Mastitis‘ hatten eine genetische Korrelation von rg = 0,77. Für die Nutzungsdauer wurde eine Heritabilität von h2  = 8,16% gefunden.   Zwischen Milch-, Fett-, Eiweißmenge und ZKZ wurden genetische Korrelationen von rg > 0,64 gefunden. Die ZKZ korrelierte negativ zu Fettgehalt (rg = -0,21) und Eiweißgehalt (rg = -0,59). Für die NRR90 wurden negative genetische Korrelationen zu Milchmenge, Fettmenge, Eiweißmenge und Eiweißgehalt gefunden mit rg < -0,33 bis zu rg = -0,77. Die Korrelationen zu Fettgehalt und SCS lagen bei rg = 0,17 und = 0,07. Genetische Korrelationen zwischen Milchmenge und Krankheiten waren hauptsächlich positiv. Negative Korrelationen zur Milchmenge wurden mit rg = -0,63, rg = -0,70 und rg = -0,20 nur für Ovarialzysten, Nachgeburtsverhaltung und Ballenfäule gefunden. Stoffwechselerkrankungen waren hoch positiv zur Milchmenge korreliert mit rg > 0,55. Korrelationen zwischen Krankheiten und Fett- und Eiweißmenge wurden hauptsächlich positiv geschätzt, während für die Korrelationen zu Fett- und Eiweißgehalt hauptsächlich negative Werte gefunden wurden. Der SCS korrelierte zu gynäkologischen Krankheiten mit rg = 0,91 und zu Mastitis mit rg = 0,38.   Für maternale und zytoplasmatische Einflüsse wurden geringe Effekte gefunden. Maternale Effekte hatten einen Anteil von 0,62% bis 9,96% an der phänotypischen Varianz mit einem Maximum der Nutzungsdauer und einem Minimum für die NRR90. Die Korrelationen zwischen direktem und maternal genetischem Effekt waren negativ mit Werten zwischen -0,07 und -1,0. Zytoplasmatische Effekte hatten einen Anteil von <0,01% bis 5,37% an der phänotypischen Varianz. Für Milchmenge, Fett- und Eiweißgehalt wurden Werte zwischen 4,3% und 5,3% gefunden. Geringere Werte wurden für Fett- und Eiweißmenge geschätzt (0,21% und 0,31%). Anteile nahe Null wurden für die NRR90 und die Nutzungsdauer gefunden.   Für die Fettmenge, die Eiweißmenge, den SCS, die NRR90, gynäkologische Erkrankungen, Mastitis, Krankheiten außer Mastitis, Stoffwechselerkrankungen und Klauenerkrankungen wurden Zuchtwerte geschätzt. Diese Werte wurden ökonomisch gewichtet und zu einem Gesamtzuchtwert zusammengefaßt. Alle Werte wurden auf den Mittelwert 100 und eine Standardabweichung von 12 standardisiert. Die Gesamtzuchtwerte lagen zwischen DM -206,06 und DM 257,00.   Der Einfluss der Einzelzuchtwerte auf den Gesamtzuchtwert wurde geschätzt. Sehr gute oder sehr schlechte Gesamtzuchtwerte wurden hauptsächlich von der Eiweißmenge (ca. 70%) beeinflusst. Die summierten Einzelzuchtwerte für Krankheiten, NRR90 und Nutzungsdauer hatten einen Einfluß von etwa 15%. Gesamtzuchtwerte näher am Mittelwert wurden stärker von Nicht-Milchleistungmerkmalen beeinflusst (bis zu 69%). Diese Ergebnisse führten zu der Schlußfolgerung, daß die Entwicklung eines Gesamtzuchtwertes sehr nützlich für die Selektion von Kühen mit durchschnittlicher Milchleistung sein kann.   Zusätzlich kann die Kombination von Zuchtwert und permanentem Umwelteffekt zu einem Produktionswert die Kuhselektion vereinfachen.   Eine betriebsspezifische Schätzung von Varianzkomponenten und Zuchtwerten ermöglicht dem Landwirt die Entwicklung eines herdenspezifischen Selektionsprogrammes und bietet Schätzwerte, die nicht von unterschiedlichen Umwelteffekten zwischen verschiedenen Herden beeinflusst werden.  

Quote

Citation style:

Pätsch, Imke Karen: Computergestütztes Zuchtmanagement der Milchrinderherde des Lehr- und Forschungsgutes Ruthe. Hannover 2002. Tierärztliche Hochschule.

Rights

Use and reproduction:
All rights reserved

Export