Стаття

Отримано 02.05.2023

Доопрацьовано 18.07.2023

Прийнято 29.08.2023

Взято з Том 27, № 3, 2023

Сторінки 80 -89

Karatieieva, О., & Posukhin, V. (2023). The use of entropy and information analysis to estimate the milk productivity of the Black-and-White dairy breed cows depending on their lineal affiliation. Ukrainian Black Sea Region Agrarian Science, 27(3), 80-89. https://doi.org/10.56407/bs.agrarian/3.2023.80

Використання ентропійно-інформаційного аналізу для оцінки молочної продуктивності корів чорно-рябої молочної породи залежно від їх лінійної приналежності

Олена Каратєєва Вадим Посухін

В сучасних реаліях важливе місце для ефективного ведення галузі скотарства є вірно здійснений селекційно-племінний процес з відбором корів, які відмічаються найвищими показниками сукупності продуктивних якостей. В даному випадку застосування ентропійно-інформаційного аналізу є одним із найбільш доцільних, оскільки дає можливість оцінити господарсько корисні якості тварин максимально повно. Мета дослідження полягає в оцінці та аналізі міри організованості біологічної системи продуктивних ознак молочної худоби під впливом спадкових факторів, таких як вік та походження корів. В ході дослідження були використані загальноприйняті в зоотехнії методики та методи з використанням інформаційно-ентропійного аналізу, які адаптовані та модифіковані у тваринництві. Одержані дані з проведення ентропійно-інформаційного аналізу демонструють, що для великої рогатої худоби чорно-рябої породи різної лінійної належності рівень організованості систем коливається – R від 0,009 до 1,341 біт. При чому, найбільш стабільною ознакою, з точки зору мінливості, виявився вміст жиру в молоці, рівень безумовної ентропії у розрізі лактацій дорівнював 3,333-4,550 біт, що вказує на менший вплив дезорганізованих факторів на рівень прояву даної ознаки, а більшу її залежність від спадкових чинників, тобто походження. Хоча в цілому достовірного впливу лінійної належності корів на показники безумовної ентропії та організованості системи не встановлено, але спостерігався вплив вікового фактора на показники ентропії. Таким чином, досліджуване поголів'я за основними селекційними ознаками, за виключенням вмісту жиру в молоці, не характеризується одноманітністю та консолідованістю, що вказує на широкий діапазон мінливості і слугує пластичним матеріалом як для селекційно-племінної роботи, так і для підвищення рівня молочної продуктивності. Використання емпіричних даних теорії інформації може бути своєрідним маркером при прогнозуванні спадкових ознак тієї чи іншої продуктивності, оскільки, ентропійно-інформаційний аналіз надає більш ширші та глибші значення мінливості ознаки

теорія інформації; надій; вміст жиру в молоці; ентропія; організованість системи; міра хаосу

[1] Antamonov, Yu.G. (1977). Modeling of biological system. Kyiv: Naukova dumka.

[2] ARRIVE Guidelines. (n.d.). Retrieved from https://arriveguidelines.org/.

[3] Borowska, A., Szwaczkowski, T., Kamiński, S., Hering, D.M., Kordan, W., & Lecewicz, M. (2018). Identification of genome regions determining semen quality in Holstein-Friesian bulls using information theory. Animal Reproduction Science, 192, 206-215. doi: 10.1016/j.anireprosci.2018.03.012.

[4] Breve, M.M., Pimenta-Zanon, M.H., & Lopes, F.M. (2022). BASiNETEntropy: An alignment-free method for classification of biological sequences through complex networks and entropy maximization. arXiv:2203.15635. doi: 10.48550/arXiv.2203.15635.

[5] Chanda, P., Costa, E., Hu, J., Sukumar, S., Van Hemert, J., & Walia, R. (2020). Information theory in computational biology: Where we stand today. Entropy, 22(6), 627. doi: 10.3390/e22060627.

[6] de Andrade, E.C., Pinheiro, P.R., de Paula Barros, A.L.B., Nunes, L.C., Pinheiro, L.I.C.C., Pinheiro, P.G.C.D., & Filho, R.H. (2022). Towards machine learning algorithms in predicting the clinical evolution of patients diagnosed with COVID-19. Applied Sciences, 12(18), 8939. doi: 10.3390/app12188939.

[7] Dehghanzadeh, H., Ghaderi-Zefrehei, M., Mirhoseini, S.Z., Esmaeilkhaniyan, S., Haruna, I. L., & Najafabadi, H.A. (2020). A new DNA sequence entropy-based Kullback-Leibler algorithm for gene clustering. Journal of Applied Genetics, 61, 231-238. doi: 10.1007/s13353-020-00543-x.

[8] Delbrück, M. (1962). Knotting problems in biology. Proceedings of Symposia in Applied Mathematics, 14, 55-63. Retrieved from https://www.jstor.org/stable/community.31022230.

[9] Erill, I. (2012). Information theory and biological sequences: Insights from an evolutionary perspective. In Information Theory: New Research (pp. 1-28). New York: Nova Science Publishers.

[10] Fan, R., Zhong, M., Wang, S., Zhang, Y., Andrew, A., Karagas, M., & Moore, J.H. (2011). Entropy‐based information gain approaches to detect and to characterize gene‐gene and gene‐environment interactions/correlations of complex diseases. Genetic Epidemiology, 35(7), 706-721. doi: 10.1002/gepi.20621.

[11] Fuentes, S., Viejo, C.G., Tongson, E., Dunshea, F.R., Dac, H.H., & Lipovetzky, N. (2022). Animal biometric assessment using non-invasive computer vision and machine learning are good predictors of dairy cows age and welfare: The future of automated veterinary support systems. Journal of Agriculture and Food Research, 10, 100388. doi: 10.1016/j.jafr.2022.100388.

[12] Fukuda, O., Nabeoka, N., & Miyajima, T. (2013). Estimation of marbling score in live cattle based on ICA and a neural network. In 2013 IEEE International Conference on systems, man, and cybernetics (pp. 1622-1627). Manchester: IEEE. doi: 10.1109/SMC.2013.280.

[13] Gray, R.M. (2011). Entropy and information theory. New York: Springer Science & Business Media.

[14] Karatieieva, H., Galushko, I., Kravchenko, H., & Gill, M. (2021). Use of entropic and information analysis of living weight of dairy cows for productivity. Scientific Papers. Series D. Animal Science, 64(2), 58-63. Retrieved from https://animalsciencejournal.usamv.ro/pdf/2021/issue_2/Art7.pdf.

[15] Knowles, T.P., Fitzpatrick, A.W., Meehan, S., Mott, H.R., Vendruscolo, M., Dobson, C.M., & Welland, M.E. (2007). Role of intermolecular forces in defining material properties of protein nanofibrils. Science, 318(5858), 1900-1903. doi: 10.1126/science.1150057.

[16] Kramarenko, O.S., Kuzmichova, N.I., & Zhuk, I.O. (2019). Entropy and information analysis of cow’s milk production. Taurida Scientific Herald, 106, 185-190. Retrieved from http://www.tnv-agro.ksauniv.ks.ua/archives/106_2019/28.pdf.

[17] Krishnan, P.T., Raj, A.N.J., Balasubramanian, P., & Chen, Y. (2020). Schizophrenia detection using MultivariateEmpirical Mode Decomposition and entropy measures from multichannel EEG signal. Biocybernetics and Biomedical Engineering, 40(3), 1124-1139. doi: 10.1016/j.bbe.2020.05.008.

[18] Kwon, M.S., Park, M., & Park, T. (2014). IGENT: Efficient entropy based algorithm for genome-wide gene-gene interaction analysis. BMC Medical Genomics, 7(1), 1-11. doi: 10.1186/1755-8794-7-S1-S6.

[19] Landete-Castillejos, T., & Gallego, L. (2000). The ability of mathematical models to describe the shape of lactation curves. Journal of Animal Science, 78(12), 3010-3013. doi: 10.2527/2000.78123010x.

[20] Lemay, D.G., Lynn, D.J., Martin, W.F., Neville, M.C., Casey, T.M., Rincon, G., …, Rijnkels, M. (2009). The bovine lactation genome: Insights into the evolution of mammalian milk. Genome Biology, 10, 1-18. doi: 10.1186/gb-2009-10-4-r43.

[21] Lishout, F.V., Mahachie John, J.M., Gusareva, E.S., Urrea, V., Cleynen, I., Théâtre, E., & Steen, K.V. (2013). An efficient algorithm to perform multiple testing in epistasis screening. BMC Bioinformatics, 14(1), 1-10. doi: 10.1186/1471-2105-14-138.

[22] Liu, S., Dong, F., Hao, J., Qiao, L., Guo, J., Wang, S., & Cui, J. (2023). Combination of hyperspectral imaging and entropy weight method for the comprehensive assessment of antioxidant enzyme activity in Tan mutton. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, 291, 122342. doi: 10.1016/j.saa.2023.122342.

[23] Machado, J.T., Rocha-Neves, J.M., & Andrade, J.P. (2020). Computational analysis of the SARS-CoV-2 and other viruses based on the Kolmogorov’s complexity and Shannon’s information theories. Nonlinear Dynamics, 101(3), 1731-1750. doi: 10.1007/s11071-020-05771-8.

[24] Mueller, J.P., Getachew, T., Rekik, M., Rischkowsky, B., Abate, Z., Wondim, B., & Haile, A. (2021). Converting multi-trait breeding objectives into operative selection indexes to ensure genetic gains in low-input sheep and goat breeding programmes. Animal, 15(5), 100198. doi: 10.1016/j.animal.2021.100198.

[25] Narinc, D., Karaman, E., Aksoy, T., & Firat, M.Z. (2013). Investigation of nonlinear models to describe long-term egg production in Japanese quail. Poultry Science, 92(6), 1676-1682. doi: 10.3382/ps.2012-02511.

Nezhlukchenko, T.I. (1999). The use of informational and statistical methods to assess the level of consolidation of a new type of sheep of the Askanian thin-fleece breed. Animal Breeding and Genetics, 31-32, 167-168. Retrieved from http://www.irbis-nbuv.gov.ua/.

[26] Pidpala, T.V., Kramarenko, O.S., & Zaitsev, Y.M. (2018). The use of entropy analysis to assess the development of traits in Holstein dairy cattle. Scientific Messenger of LNU of Veterinary Medicine and Biotechnologies. Series: Agricultural Sciences, 20(84), 3-8. doi: 10.15421/nvlvet8401.

[27] Plokhinsky, N.A. (1964). Heritability. Novosibirsk: Department of SO AS USSR.

[28] Ritchie, M.D., & Van Steen, K. (2018). The search for gene-gene interactions in genome-wide association studies: Challenges in abundance of methods, practical considerations, and biological interpretation. Annals of Translational Medicine, 6(8), 157. doi: 10.21037%2Fatm.2018.04.05.

[29] Schrödinger, E. (1944a). The affine connexion in physical field theories. Nature, 153(3889), 572-575. doi: 10.1038/153572a0.

[30] Schrödinger, E. (1944b). What is life? The physical aspect of the living cell and mind. Cambridge: Cambridge University Press.

[31] Shannon, C.E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(3), 379-423. doi: 10.1002/j.1538-7305.1948.tb01338.x.

[32] Shannon, K. (1983). Works on information theory and cybernetics. Moscow: Ripol Classic.