文|郑法途说

编辑|郑法途说

前言

持续的全球变暖预计将对猪肉生产产生巨大影响。

先前的研究已经报道了季节对日本猪群体的生产和繁殖性状的影响，观察到的影响可能与环境温度的季节性变化有关。

使用在日本获得的公共天气和田间表现数据调查了环境温度对雌性繁殖性状的影响。

然而，很少有研究调查了环境温度对猪肉生产的影响。

Takada等人获得并分析了热环境中实验饲养的猪的生长性能数据，然后预测了全球变暖对平均日增重(ADG)、平均日采食量和饲料效率(增重/饲料)的影响。

然而，Takada等人的实验设置在某些方面偏离了实际饲养情况，包括仅使用阉割的雄性，饲养开始时的体重(42.1±2.1kg)，饲养期(3周)，相对湿度为60±10%，室温为23±1℃，28±1℃，30±1℃和33±1℃。

先前的研究使用了一个平台线性回归模型，根据室外温度和温湿度指数(THI)来评估热量的影响。

平稳线性回归分析可以提供关于猪开始受到热影响时的环境温度及其在热环境中的预期表现的信息。

然而，坪线性回归分析还没有应用于日本饲养的猪的表型数据。

在这里，我们对日本宫崎县单一农场饲养的纯种杜洛克猪的ADG进行了高原线性回归分析，该分析基于最近的自动气象数据采集系统(AMeDAS)观测的日平均温度数据。

此外，使用平台线性回归分析的结果评估了运输时温度对船龄的影响。

作为一种额外的尝试，如Zumbach等人(2008年)开发的热负荷函数，比较了不同阈值温度值和考虑累积热负荷的周期长度的累积热负荷指标的性能。

材料和方法

表型数据

在2015年10月13日和2021年9月8日期间，可用在日本家畜育种中心宫崎站收集的2268头30公斤至105公斤的纯种杜洛克猪的性能测试记录。

关于饲养环境的详细信息，请参考小川奈那等人(2020年)和矢崎等人(2020年)。

数据包括测试开始和结束时的年龄表型信息(分别为D30和d 105)，在30公斤和105公斤之间的性能测试期间的ADG，以及在D105时通过超声波(B型；超级眼肉900；日本东京富士平工业株式会社)。

对于2268头猪，表型记录为BF在0.5和5.0 cm之间，测试结束时体重在80 kg和130 kg之间，LMA在15和60 cm2之间，ADG在300和1500 g之间，与日本国家遗传评估中实施的数据编辑相似。

公共气象数据

从日本气象厅主页获得了距日本国家家畜育种中心宫崎站约6公里的Kobayashi AMeDAS站(32° 00N，130 57 E，276 m a.s.l .)的日平均环境温度数据。

请注意，没有关于每日相对湿度的信息。之前对宫崎县养猪场的研究报告称，在最近的气象站测得的农场内外温度具有很高的决定系数(> 0.8)。

平稳线性回归分析

对测试结束时的日平均环境温度(T)进行了ADG的平稳线性回归分析:

其中I是个体，a是截距，b是回归系数，c是T的阈值，ε是随机误差。

标量a、b和c使用leven Berg–Marquardt迭代算法(Moré，1978)进行估算，该算法也称为阻尼最小二乘法，用于解决非线性最小二乘法问题。

使用AgroReg 1.2.1软件包中的plateau.linear函数进行数值分析的R 4.1.2。

leven Berg–Marquardt算法中a和b的初始值是使用R中的lm函数获得的回归截距和回归系数的最小二乘估计，c的初始值是t的平均值。

给定T下D105的期望值计算如下:

E(D30|T) 是给定T的D30的期望值，在本研究中假设为常数。

例如，假设全球持续变暖，举例说明了2020年气温变化对D105的影响，以及气温上升1℃和2℃的情况。

此外，在T+2℃的设置下，并假设一个更耐热的群体，我们举例说明的情况下b 和 c比估计值要大。

累积热负荷指标的开发

函数Id(the,per)被开发来表示在第d天体重达到105 kg的猪的性能测试期间的累积热负荷；

其中，Td j是d j日的每日环境温度，thr是温度阈值，per是考虑热负荷的周期。

注意，当per = 0时，该回归对应于平稳线性回归分析。

thr值从15°C变为25°C，间隔0.1°C。per值从0变为50天，间隔1天。

在r中使用lm函数对ADG的各个指标进行了一系列单线性回归分析。

为了消除噪声并加强温度数据的季节性变化，还对2020年的T进行了以下定期回归分析:

其中 Ti是第 i 天的每日环境温度，μ是截距或节律的中线估计统计量 （MESOR），α是振幅，等于

，ω 是角频率，等于 360/n，n 是基本周期，在本分析中等于 366，因为 2020 年是闰年，β1和β2是回归系数，tj是周期 （tj= 1， ...， n）， θ 是相相，等于

，e 是错误。标量μ，β1和β2使用使用 R 的 lm 函数估计。

在给定 t 下 T 的期望值如下：

还使用预期T计算指标值，然后进行单回归分析。

结果和讨论

平稳线性回归分析

2268头猪的表型平均标准偏差值在测试开始时为30.8±1.2千克，D30为70.6±7.6天，测试结束时为106.4±1.6千克，D105为143.5±10.9天，ADG为1049.3±108.8克，体重在30至105千克之间，BF为2.8±0.6厘米，LMA为33.8±3.2厘米，与之前的研究结果相似。

获得了以下平稳线性回归方程(图1):

根据该方程，当T > 21.1°C时，T每增加1°C，ADG预计减少12.6g。

Hara等人(2022年)提供了日本国家家畜育种中心宫崎站和小林站在同一天的畜舍日最高温度散点图。

当小林站的日最高温度为20°C时，宫崎站的日最高温度大致在10°C至20°C之间。

Takada等人(2008年)将23±1°C作为最佳温度范围。

Huynh等人(2005年)指出，在现代西方猪中，当温度超过22℃时，热应激的生理迹象可能开始出现。

坪线性回归方程的决定系数和赤池信息标准(AIC)分别为0.08和27，525.0。

使用AgroReg软件包中的plateau.quadratic函数进行了plateau-quadratic回归分析，以修改T影响的模型。

然而，当T > 22.0°C时，使用向下凸的二次曲线(拐点在27.2°C附近)获得了回归方程(决定系数为0.08)，这与Takada等人(2008年)估计的向上凸的二次曲线不一致。

使用AgroReg软件包中的linear.plateau函数进行的线性平台回归分析得出了一个回归方程，当T < 9.5°C时，ADG每降低1°C增加7.2 g，决定系数为0.00。

使用lm函数对T上的ADG进行线性和二次回归分析，但是决定系数都低于平台-线性回归模型的决定系数（分别为0.03和0.07），并且AIC值分别比平台-线性回归模型的决定系数高109.8和30.5个点。

考虑T以外的影响，对ADG进行了平稳线性回归分析，校正了性别、出生年份和测试结束时体重（线性协变量）对T的影响。

结果，获得了一个决定系数为0.09的回归方程，其中当T > 21.4°C时，T每增加1°C，ADG减少13.1 g。

当使用修正的ADG时，决定系数的值比使用未修正的ADG时稍高，这是由于通过修正其他影响减少了误差方差，尽管获得的回归方程彼此相似。

还进行了ADG的平稳线性回归分析，校正了性别、出生年份、测试结束时的体重(线性协变量)和测试结束时的季节(六个水平:1月至2月、3月至4月、…、11月至12月)对T的影响，但所得回归方程的决定系数为0.01。

其中当T > 18.3°C时，T每增加1°C，ADG减少3.0 g。这可能是由于温度的季节性变化，并且在ADG的表型变异性中可能存在混杂或重叠，这可以通过这些效应来解释。

Hara等人(2022年)报告了分娩季节和月份解释的总出生数、活产数和死产数的表型变异性与分娩日日最高温度解释的表型变异性之间的正相关关系(二次回归)。

还对BF和LMA进行了平稳线性回归分析:

然而，两者的决定系数都是0.00。

在这项研究中，我们采用了基于日本国家猪遗传评估的数据编辑。

因为热应激会增加猪的死亡率和发病率，热应力的影响可能被低估。

还进行了使用BF和LMA校正性别、出生年份和测试结束时体重的影响的回归分析。

然而，结果并没有改善。

环境温度升高对生长性能的影响

2020年T的平均值、最小值和最大值分别为16.8°C、12月31日的0.2°C和8月18日的30.9°C(图2a)。

在2020年期间，5月4日至10月12日之间有125天T > 21.1，约为34% (= 125/366)。

8月18日的E(D105|T)为149.9天，比T < 21.1时的E(D105|T)的140.7天长了约9天。

假设D105是运输年龄，延迟的D105预计会对猪肉生产产生负面影响，例如由于育肥日延长导致的总采食量增加和由于胴体运输减少导致的胴体价格波动。

这项研究没有饲料摄入量的数据。Takada等人(2008年)观察到，在炎热条件下，平均日采食量和饲料效率下降，同时ADG下降。

饲料效率的下降可能是由于维持和增加的能量分配的平衡。

还对D105进行了平稳线性回归分析，但所得回归方程的决定系数为0.04，低于ADG的决定系数。

当2020年T的值加上1 C时，5月4日至10月13日T > 21.1 C的天数为136天，8月18日E(D105|T)为150.9天(图2a)。

加入2 C时，5月1日至11月19日期间T > 21.1 C的天数为158天，8月18日E(D105|T)为152.0天。

因此，全球变暖可能会加剧一年中热量影响显现的天数比例，以及热量影响的程度。

当b的时候在T+2°C条件下从12.6变为10，T超过阈值的天数相同，8月18日的E(D105|T)为149.4天(图3)。

当c的时候在T + 2 C条件下由21.1变为22.0，5月1日至10月13日期间T超过阈值的天数为136天，8月18日的E(D105|T)为151.0天(图2b)。因此，这两种变化都提高了耐热性，尽管它们的具体效果不同。

先前关于猪耐热性的遗传改良的研究使用了反应范数模型分析，该模型是使用坪线性回归模型的随机回归模型。

正如我们在本研究中所做的，对期望值变化的研究对于评估基于反应规范模型方法的结果的耐热性选择的效果是重要的。

相比之下，在这项研究中，D30被假定为常数，尽管D30也可能受到热的影响。需要进一步的研究来详细模拟猪的生长特征。

累积热负荷指标的探索

以下预测方程是通过周期性回归分析获得的(图3a):

其最小值和最大值分别为1月27日的7.3℃和7月28日的26.3℃，决定系数为0.87。

正如所料，当改变阈值、周期长度和T的类型(实现的与预期的)时，指标的模式是不同的(图3b)。

对于ADG的回归分析，当用已实现的T来计算时Id(the,per) ，当thr = 23.3°C和per = 43天时，获得最大AIC值27，402.5，相应的决定系数为0.13(图3 C，d)。

当使用预期的T，或 E(T|t) 基于周期性回归分析，在thr为24.2℃和per为50天时获得最小AIC值27，396.4，相应的决定系数为0.13。

在这项研究中，使用期望T来计算指标并没有实质性地改善结果。

可能的原因是，仅在2020年使用公共温度数据进行周期性回归分析，并且周期性回归残差可能包含关于更剧烈和严重的热应激的信息，尤其是在更热的季节，这无法通过使用预期t来捕捉。

我们还分析了BF和LMA，但这两个性状的最大决定系数值均< 0.01。这可能是由于热负荷的影响在BF和LMA不如ADG显著，尽管这里获得的结果应该使用不同的数据集进行确认。

在本研究中，thr的上限设定为25.0°C，因为预期T的最大值估计为26.3°C，而根据本研究中30-105kg的1500g ADG的上限(即75，000/1500 = 50)，per的最大值为50。

请注意，不同动物的测试时间长度(从30到105公斤的天数)不同，热应激对较重的猪的影响可能更严重以及ADG和饲养条件的定义可能在不同的研究中有所不同。

因此，应该进行更复杂的研究，以确定累积热负荷的合适指标及其对猪生长性能的影响。

结论

在这项研究中，数据编辑是根据日本国家猪遗传评估ADG。

本次评估中使用的操作模型包括测试结束时按季节划分的地区（三个级别：北海道县和东北地区、冲绳县和九州地区等）的影响（性状记录），因此，我们在测试结束时使用了日温度数据。

平台线性回归分析的决定系数高于线性和二次回归分析的决定系数。

然而，热环境对ADG的影响可能是长期的，在ADG性能试验期间热负荷的总影响可能比本研究中估计的更严重。

作为进一步的尝试，我们用网格搜索法检查了累积热负荷指标的性能，这些指标在阈值温度值和考虑热负荷的周期长度方面有所不同。

一些病例给出了比平稳线性回归分析更高的决定系数，尽管有可能与季节的影响混淆，并且在本研究中只进行了线性回归分析。

这项研究分析了在日本较热的宫崎县的一个农场收集的数据。

当分析从多个县（如主岛北部和南部的县）收集的数据时，结果会有所不同，因为它们之间的温度可能不同，而季节的影响可能假设是相同的。

在这种情况下，使用温度信息可能解释某一性状的表型变异，而这种变异是通过考虑地区和季节的影响而没有捕捉到的。今后，应评估各种热应激指标的表现。

我们使用日平均温度作为指标来表达热量的影响，同时也可以使用日最低和最高温度以及几天的累积。

此外，还研究了考虑环境温度、相对湿度、THI和风速等信息的热应力的更详细建模，并期待进一步的进展。

另一方面，这些结果的可重复性应该使用来自不同杜洛克种群和不同品种如日本长白猪和大白猪种群的不同数据集来验证。

最近，有人提出热应激在转录组和蛋白质组水平上对猪有各种影响和热应激可能有多代效应。

确定热应激指标的研究和使用公共天气数据预测耐热性育种值的方法也进行了研究。

因此，开发对猪进行遗传改良以应对气候变化的方法将是有价值的。