大白猪剩余采食量的不同估算模型间比较及与饲料效率等指标的相关分析

李 亮 樊福好曹长仁 谢水华 刘建营 郭建超

（广东省畜牧技术推广总站，广东广州 510520）

改善动物的饲料效率是养殖从业者永恒的追求目标。此外，随着饲料原料价格波动和环保日渐被重视，为了更系统化地提高饲料效率，研究人员从遗传、配合饲料、饲料添加剂、生产管理等多个方面进行了探索并取得大量成就，为养殖产业抵抗风险、稳定发展提供了强大的动力[1]。剩余采食量（Residual feed intake,RFI）在1963年被定义为维持动物体代谢过程和生产所需期望饲料采食量与实际采食量的差值，用于估测动物的饲料效率[2]。且有研究证明RFI是独立于采食量、平均日增重等表型的独立性状[3]，其变异可以遗传并呈现出中到高的遗传力[4]；因此，利用RFI选种可以降低饲料采食量而不降低增重，是提高动物种群经济效益的有效选择性状，被认为可以作为一种更加准确的评价饲料效率的指标，在选种上具备更大的优势，可以有更广泛的应用[5]。

农业农村部种猪质量监督检验测试中心（广州）每年开展2次种公猪集中测定，已持续开展了23年，积累了大量数据。分析这些数据、挖掘相关信息，对种猪的遗传信息研究有着深远的意义，对猪场的种猪性能评定工作的改善和种猪推广起着重要作用；充分挖掘测定数据中隐含的其他信息并进行统计分析，亦有助于为猪场制订合适的选种策略提供更多参考。前期对种猪测定数据统计发现不同品种间猪的各项测定指标会有差异[6]，各个品种群内RFI与各项指标的关系也呈现出了一定的关系[7]，但RFI的不同评估模型的比较和选择、创新是需要研究的内容。

本研究以2017—2019年农业农村部种猪质量监督检验测试中心（广州）集中测定的种公猪测定数据为基础，使用统计工具SPSS，分析不同RFI评估模型以及RFI与背膘、眼肌面积、日增重等标准测定指标之间的关系，以期为后期研究提供更多的基础数据和研究思路，助力育种和生产的发展。

1 材料与方法

1.1 数据采集

在2017—2019年农业农村部种猪质量监督检验测试中心（广州）所进行的种猪测定所得数据中，选择360头大白种公猪。受测种公猪于体重25 kg左右开始用美国奥斯本和广东广兴自动喂料系统测定其育肥期的采食量（Feed Intake,FI）、平均日采食量（Average feed intake,ADFI）、增重 （Weight gain,WG）、平均日增重 （Average daily weight gain,ADG）、料肉比（Feed conversion ratio,FCR）、眼肌面积（loin muscle area,LMA）等指标，使用荷兰Pie Medical公司Aquila Vet型B超仪测定其背膘厚和眼肌面积，根据《种猪生产性能测定规程》的要求，计算校正至100 kg体重日龄、校正至100 kg体重背膘厚等性状。

1.2 估算方法

RFI的估算采取以下4种估算方法[8]。

式①中，ADFI：平均日采食量；OnBW：测定初期体重；OffBW：测定末期体重；MWT：测定中期体重；ADGA：平均日增重；BFA：平均背膘厚；b1～b5：对应性状的回归系数。

式②中，ADFI：平均日采食量；ADG：平均日增重；AMBW：平均测定中期体重；BF：背膘厚；b1～b3：对应性状的回归系数；ei：残差。

式③中，DFI：平均日采食量；OnBW：测定初期体重；ADG：平均日增重；b1～b2：对应性状的回归系数。

式④中，DFI：平均日采食量；OnBW：测定初期体重；ADG：平均日增重；BF：背膘厚；b1～b3：对应性状的回归系数。

在个体生产性能记录的基础上，利用SPSS建立多重线性回归模型，得到全群RFI的线性表型回归系数，代入公式算出每个个体的RFI，再通过SPSS相关功能分析不同模型RFI与测定指标的相关性。将RFI升序排列并等分为高、中、低3个组，分析测定指标的组间差异及分组的影响。选择SPSS数据分析软件的单因素ANOVA或非参数检验进行数据分析，应用事后LSD或Tamhane进行多重比较，结果以“平均数±标准差”表示。使用Pearson或Spearman分析各指标的相关性。

2 结果与讨论

2.1 不同估算模型结果与测定指标相关性

分析不同模型的估算RFI与测定指标相关性，结果如表1。

猪群的测定期料肉比与各模型估算的RFI都有极显著正相关（＜0.01），说明这4个模型估算的RFI都可以很好地反映饲料效率的差异；校正至100 kg体重眼肌面积与RFIa、RFIb、RFId有显著负相关（＜0.05），且与RFIc呈现不显著负相关（＞0.05），虽然显著程度不同，但各RFI都表现出与眼肌面积的负相关，再结合与背膘厚的正相关（＞0.05），表示低RFI的猪可能瘦肉率会更高。

2.2 RFI低、中、高组测定指标的差异

对各模型估算的RFI分为低、中、高3个组，测定指标组间差异对比见表2。

各个模型估算的RFI不同组间的测定期料肉比都有极显著差异（＜0.01），料肉比平均值从低到高的排序均为：低RFI组＜中RFI组＜高RFI组，与表1传递的信息相互呼应，很有力地再次揭示了RFI与饲料效率的密切相关。

此外第③个模型（RFIc）的高RFI组校正100 kg体重背膘厚极显著大于低RFI组（＜0.01），但与中RFI组差异不显著（＞0.05），虽然3个组的背膘厚呈现梯度变化，但低、中RFI组间背膘厚差异也不显著（＞0.05），平均值从低到高排序为：低RFI组＜中RFI组＜高RFI组。同时其他各RFI的组间差异虽然不显著（＞0.05），但同样显示出与第③模型相同的变化趋势，结合眼肌面积的变化趋势，可以判断RFI确实能够在一定程度上反映猪的瘦肉率，这与表1的信息有所呼应。对于校正至100 kg体重日龄和校正30～100 kg体重日增重而言，RFI的组间差异不显著（＞0.05），且其均值亦未表现较明显的变化趋势，可能确无直接联系。

2.3 各RFI分组与测定指标的相关性

各品种猪群根据RFI分为低、中、高3个组，测定分组操作与各指标的相关系数（见表3）。

表3显示，各RFI的分组情况与猪群测定期料肉比均有极显著相关（＜0.01），同时与校正至100 kg体重眼肌面积、校正30～100 kg体重日增重之间亦表现出与表1、表2相似的信息，揭示依据大小为RFI分组确有必要，依此作选种依据应符合生产所需。其他指标与分组无显著相关（＞0.05），但其均值亦显示少许趋势。

表1 不同模型的估算RFI与测定指标相关性

表2 各模型低、中、高RFI组间测定指标差异

表3 根据RFI大小分组与各指标的相关系数

3 结论与展望

使用各模型估算的RFI与各项指标的关系显示出相近的特征，说明使用上述公式都可以较好地反映出种猪各项性状，区别只在于需要取得何种指标，可根据生产实际选择合适的模型。

由于RFI常被用于反映由遗传背景决定的代谢差异，因此，建议如果生产条件允许，可根据平均日增重、背膘厚、眼肌面积等遗传测定指标估算RFI；同时，由于RFI一般是用于对比、相关分析，所以估算模型中常数项的存在意义不大，实际计算中可以忽略回归公式的常数项。此外，根据RFI选种对后代的体型、性格、爱好、性取向、运动量、产仔数、肉质等指标是否有影响，还需要进行更多的研究。