Search

The objective of this study was to estimate genetic (co)variances for the Gompertz growth function parameters, asymptotic mature weight (A), the ratio of mature weight to birthweight (B) and rate of maturation (k), using alternative modelling approaches. The data set consisted of 51 893 live weight records from 10 201 growing pigs. The growth of each pig was modelled using the Gompertz model employing either a two-step fixed effect or mixed model approach or a one-step mixed model approach using restricted maximum likelihood for the estimation of genetic (co)variance. Heritability estimates for the Gompertz growth function parameters, A (0.40), B (0.69) and k (0.45), were greatest for the one-step approach, compared with the two-step fixed effects approach, A (0.10), B (0.33) and k (0.13), and the two-step mixed model approach, A (0.17), B (0.32) and k (0.18). Inferred genetic correlations (i.e. correlations of estimated breeding values) between growth function parameters within models ranged from -0.78 to 0.76, and across models ranged from 0.28 to 0.73 for parameter A, 0.75 to 0.88 for parameter B and 0.09 to 0.37 for parameter k. Correlations between predicted daily sire live weights based on the Gompertz growth curve parameters' estimated breeding values from 60 to 200 days of age between all three modelled approaches were moderately to strongly correlated (0.75 to 0.95). Results from this study provide heritability estimates for biologically interpretable parameters of pig growth through the quantification of genetic (co)variances, thereby facilitating the estimation of breeding values for inclusion in breeding objectives to aid in breeding and selection decisions.

Jalkaheikkous on hyvin yleinen sikojen hyvinvointiongelma ja se aiheuttaa sianlihan tuottajille taloudellista vahinkoa. PROHEALTH-hankkeen tavoitteena on löytää keinoja, joiden avulla voidaan vähentää sikojen jalkaheikkoutta ja nivelvaurioita (osteokondroosia). Tässä lihasikakokeessa tutkittiin erilaisten jalostustavoitteiden ja sukupuolen yhteyksiä sikojen jalkaheikkouteen ja osteokondroosin esiintymiseen.Tutkimuksessa käytettiin Figen Oy:n eläinaineksen sikoja ja selvitettiin kahden maatiaisrotuisen jalostuslinjan (Matriarkka tai Muskeli) ja sukupuolen (karju tai imisä) vaikutusta jalkaheikkouden ja osteokondroosin esiintymiseen. Jalostuslinjat muodostettiin samasta populaatiosta vanhempiensa keskimääräisten jalostusindeksien perusteella. Matriarkkalinjan sikojen vanhemmilla oli korkea H-indeksi (hedelmällisyys) ja Muskelilinjan sikojen vanhemmilla oli korkea K-indeksi (tuotanto-ominaisuudet ja teuraslaatu).Lihasikakokeessa 135 sikaa kasvatettiin 40 kg alkupainosta 120 kg loppupainoon. Siat kasvatettiin 11 sian karsinoissa sukupuolet erillään. Sioilla oli 5-vaiheinen yksilöllinen ruokinta (ad libitum), joka oli suunniteltu täyttämään jalostukseen kasvavien karjujen ravinnontarve. Sikojen sorkkien rakenne ja jalkojen virheasennot arvioitiin ja sioille tehtiin kävelytesti noin viikkoa ennen teurastusta. Verinäytteistä testattiin seerumin D-vitamiinin, fosforin, kalsiumin ja alkalisen fosfataasin pitoisuudet. Reisi- ja olkaluiden (n=270) nivelpintojen osteokondroosimuutokset luokiteltiin silmämääräisesti asteikolla 0–5 (0=ei muutoksia). Polvi- ja kyynärnivelten osteokondroosimuutokset luokiteltiin myös arvioimalla nivelestä sahattujen viipaleiden pinnat. Sian sorkan luista määritettiin ominaispaino ja murtolujuus. Tilastollinen malli sisälsi kiinteinä tekijöinä jalostuslinjan, sukupuolen, linja*sukupuolen ja satunnaisina tekijöinä erän, isän, pahnueen hierarkkisesti ja isän alla.Matriarkka- ja Muskelilinjojen siat kasvoivat keskimäärin 901 ja 870 g päivässä, rehuhyötysuhde oli 26.1 ja 25.8 MJ NE kg-1 ja lihaprosentti 62.8 ja 63.5% (P> 0.10). Jalostuslinjojen tai sukupuolten välillä ei ollut eroa jalkaheikkoudessa. Polvinivelen siivujen osteokondroosimuutosten jakaumassa ei ollut eroa jalostuslinjojen välillä, mutta karjuilla oli enemmän vakavampia osteokondroosimuutoksia kuin imisillä (P

The selection of animals for improved performance affects the profitability of pig fattening and has environmental consequences. The goal of this paper was to examine how changes in genetic and market parameters impact the biophysical (feeding patterns, timing of slaughter, nitrogen excretion) and economic (return per pig space unit) results describing pig fattening in a Finnish farm. The analysis can be viewed as focusing on terminal line breeding goals. An integrated model using recursive stochastic dynamic programming and a biological pig growth model was used to estimate biophysical results and economic values. Combining these models allowed us to provide more accurate estimates for the value of genetic improvement and, thus, provide better feedback to animal breeding programs than the traditional approach, which is based on fixed management patterns. Besides the benchmark scenario, the results were simulated for 5 other scenarios. In each scenario, genotype was improved regarding daily growth potential, carcass lean meat content, or the parameters of the Gompertz growth curve (maturing rate [], adult weight of protein [α], and adult weight of lipid mass []). The change in each parameter was equal to approximately 1 SD genetic improvement (ceteris paribus). Increasing , , daily growth potential, or carcass lean meat content increased the return on pig space unit by €12.60, €7.60, €4.10, or €2.90 per year, respectively, whereas an increase in decreased the return by €3.10. The genetic improvement in and resulted in the highest decrease in nitrogen excretion calculated in total or per kilogram of carcass gain but only under the optimal feeding pattern. Simulated changes in the Gompertz growth function parameters imply greater changes in ADG and lean meat content than changes in scenarios focusing on improving ADG and lean meat content directly. The economic value of genetic improvements as well as the quantity of nitrogen excreted during the fattening period largely depends on feeding. Improved genotypes can require changes in pig management pattern. Estimating the influence of the genotype on the nitrogen excretion without considering changes in the management pattern can result in flawed conclusions. To improve overall economic performance and to decrease the environmental footprint of fattening pig production, the pig producer can adjust the herd management pattern according to the pigs' genetics.

The objective of the present study was to estimate genetic co-variance parameters pertaining to live weight, feed intake, and 2 efficiency traits (i.e., residual feed intake and residual daily gain) in a population of pigs over a defined growing phase using Legendre polynomial equations. The data set used consisted of 51,893 live weight records and 903,436 feed intake, residual feed intake (defined as the difference between an animal's actual feed intake and its expected feed intake), and residual daily gain (defined as the difference between an animal's actual growth rate and its expected growth rate) records from 10,201 growing pigs. Genetic co-variance parameters for all traits were estimated using random regression Legendre polynomials. Daily heritability estimates for live weight ranged from 0.25 ± 0.04 (d 73) to 0.50 ± 0.03 (d 122). Low to moderate heritability estimates were evident for feed intake, ranging from 0.07 ± 0.03 (d 66) to 0.25 ± 0.02 (d 170). The estimated heritability for residual feed intake was generally lower than those of both live weight and feed intake and ranged from 0.04 ± 0.01 (d 96) to 0.17 ± 0.02 (d 159). The heritability for feed intake and residual feed intake increased in the early stages of the test period and subsequently sharply declined, coinciding with older ages. Heritability estimates for residual daily gain ranged from 0.26 ± 0.03 (d 188) to 0.42 ± 0.03 (d 101). Genetic correlations within trait were strongest between adjacent ages but weakened as the interval between ages increased; however, the genetic correlations within all traits tended to strengthen between the extremes of the trajectory. Moderate to strong genetic correlations were evident among live weight, feed intake, and the efficiency traits, particularly in the early stage of the trial period (d 66 to 86), but weakened with age. Results from this study could be implemented into the national genetic evaluation for pigs, providing comprehensive information on the profile of growth and efficiency throughout the growing period of the animal's life, thus helping producers identify genetically superior animals.

Postpartum dysgalactia syndrome (PPDS) and locomotory disorders are common health problems in sows. Previous research suggests that they can cause substantial losses, reduce sow welfare, and result in premature removal of the sow from the herd. However, economic consequences of PPDS and locomotory disorders have not been investigated thoroughly. The goal of this study was to examine economic losses caused by PPDS and locomotory disorders and their impacts on sow longevity. A stochastic dynamic programming model, which maximizes return on sow space unit and assesses sow replacement under several scenarios, was developed. The state variables were litter size, parity number, and sow's health status. The model describes changes in the production parameters such as the number of piglets born and piglet mortality. Herd data originating from commercial sow herds and from a research farm were used to parameterize the model. Sow longevity, health, and economic results are related to each other. Eliminating the risk of PPDS from the model increased the value of sow space unit by €279 when compared to the baseline scenario. Eliminating the risk of locomotory disorders increased value by €110. Results suggest that these estimates correspond to about €29.1 and €11.5 in economic costs per housed sow during her lifetime. The estimated magnitude of losses was €300-€470 per affected sow for PPDS and €290-€330 per affected sow for locomotory disorders. However, realistically speaking, not all of these costs are avoidable. Due to premature replacement associated with these two disorders, the average number of litters that the sow would deliver during her lifetime is decreased by about 0.1-0.4 litters depending on the scenario. We also observed that the optimal lifetime of a sow is not a fixed number, but it depends on her productivity level as well as health status. In general, a healthy sow could stay in the herd until she has produced 6-10 litters. Research is needed to understand the structures and interactions underlying health impairments, performance, replacement policies, and farm economics, and to provide pork producers with management recommendations.

Rehukustannus on suurin yksittäinen kuluerä ja siksi se on sikojen jalostusvalinnassa taloudellisesti tärkeimpiä ominaisuuksia. Sioilla mittana käytetään yleensä rehunmuuntosuhdetta eli rehuyksikköä/elopainon kasvu kg (rehuyksikkö on 9.3 megajoulea nettoenergiaa). Sioilla rehunmuuntosuhteen mittaus rajoittuu yleensä lihasikoihin. Tilaoloissa saadaan vain kasvatuserä tai karsinakohtaisia rehunkulutustietoja, joten jalostusvalintaa varten rehunmuuntosuhteen mittaus toteutetaan koeasemalla. Rehunmuuntosuhteeseen vaikuttaa ennen kaikkea sian rasvoittuminen ja kasvunopeus, joiden periytymisaste on korkea tai ainakin kohtalainen. Siksi vakioidullakin ruokinnalla eläinten välillä on suuria eroja rehunmuuntosuhteessa. Myös niin sanotussa jäännösrehunkulutuksessa, eli rehunkulutuksessa, jossa on otettu huomioon kasvuun ja ylläpitoon kuluva energia, on vaihtelua. Käytännössä jäännösrehunkulutus on vielä vaikeampi mitata, koska siihen tarvitaan tieto eläimen kasvun koostumuksesta ainakin rasvan ja valkuaisen tarkkuudella. Tiloilla voidaan ruokintastrategialla vaikuttaa rehunmuuntosuhteeseen. Yleensä pyritään siihen, että sika kasvaa valkuaista geneettisen potentiaalinsa mukaisesti, mutta energian saantia rajoitetaan tarvittaessa kasvun loppuvaiheessa rasvan muodostumisen hillitsemiseksi. Tällöin päästään parhaaseen rehunmuuntosuhteeseen ja yleensä myös hyvään ruhon arvoon. Voimakas rajoitus hidastaa rasvan muodostumisen lisäksi myös valkuaisen kasvua ja lisää kasvuaikaa ja kokonaisrehunkulutusta. Energiaa kuluu myös elintoimintojen ylläpitoon, jolloin hitaalla kasvunopeudella ylläpitopäiviä tulee enemmän. Taloudellinen optimi on yleensä lievästi rajoitetulla ruokinnalla, mutta optimaaliseen rajoituksen voimakkuuteen vaikuttaa sika-aineksen geneettiset ominaisuudet, sukupuoli ja loppupainotavoite. Kun tarkastellaan rehunmuuntosuhteen geneettisiä tunnuslukuja, on tärkeää tietää, onko sikojen ruokinta ollut ruokahalun mukaista vai rajoitettua. Geneettisten korrelaatioiden ero eri ruokintastrategioilla riippuu myös ruokinnan rajoituksen voimakkuudesta ja sika-aineksen rasvoittumistaipumuksesta. Rehunmuuntosuhde on rajoitetulla ruokinnalla keskinkertaisesti ja geneettisesti suotuisasti korreloitunut lihaprosenttiin ja kasvunopeuteen ja myös lihakkuuden ja kasvunopeuden korrelaatio on suotuisa. Myös vapaalla ruokinnalla rehunmuuntosuhde on suotuisasti korreloitunut lihaprosenttiin mutta kasvun ja rehunmuuntosuhteen korrelaatio on nolla. Vapaalla ruokinnalla lihakkuuden ja kasvunopeuden välille muodostuu epäsuotuisa geneettinen korrelaatio. Monissa maissa, kuten myös Suomessa, rehunkulutusta mitataan koeasemaoloissa käyttäen yksilöllistä rehunkulutuksen seurantaa. Tässä tutkimuksessa tarkastellaan rehunmuuntosuhteen perinnöllisiä tunnuslukuja sekä koko lihasikajaksolta että erikseen kasvun eri vaiheissa. Aineistona käytetään Figen oy:n koeaseman ruokahalun mukaisesti ruokittujen sikojen yksilöllisiä rehunkulutus- ja kasvutietoja.

Meat quality is important both to consumers and to the meat processing industry. Commonly used measures of porcine meat quality are the pH and color of the meat. The purpose of this study was to identify SNP associated with these meat quality traits in Finnish Yorkshire using the Illumina PorcineSNP60 BeadChip. The association of each SNP with the quality traits was tested with a weighted linear model. The relatedness of samples was accounted for by a random polygenic genetic effect with the accompanying full relationship matrix. The original EBV from single-trait evaluations were deregressed before analysis. The statistical significance of SNP was established using the Bonferroni correction to adjust for multiple testing. Three genomic regions were significant for the meat quality traits. The PRKAG3 region on chromosome 15 was significant for pH measured from loin and ham and for a* (redness) measured from loin. The smallest P-value in the region was obtained for pH measured from loin (ASGA0070634, P-value = 3.8 × 10(-13)). The allele substitution effect (-0.047) of the unfavorable allele A corresponds to 1 SD of the polygenic effect. The second significant region, on chromosome 2 at around 31 megabases (Mb), was associated with pH and L* (lightness) measured from loin. The most significant SNP (ASGA0009814, P-value = 3.89 × 10(-10)) had an allele substitution effect of 0.86, corresponding to 0.7 SD of the polygenic effect of L*. The third region, located on chromosome 6 at around 83 Mb, was significant for a* measured from ham. The P-value of the best SNP (ALGA0035896) was 8.71 × 10(-7) and the allele substitution effect -0.38, corresponding to 0.5 SD of the polygenic effect of a*. The significant association of PRKAG3 with pH was not due to the known AA substitutions. The candidate gene on chromosome 2 associated with color L* is RCN1, which has a high affinity Ca(2+)-binding motif, the EF hand. The significant region on chromosome 6 for color a* contains several genes, so more data are needed to identify the causative gene. Our results indicate that instead of the known AA substitutions of PRKAG3, some yet-unknown AA substitutions are causative for the pH variation in Finnish Yorkshire. Also, a new major QLT for L* was found on chromosome 2. The significant SNP identified in this study can be used in marker-assisted selection.

The study compared properties of Finnish Landrace×Yorkshire crossbred sows mated with Finnish Landrace (FL), Norwegian Landrace (NL), Norwegian Duroc×Norwegian Landrace (NDL), or Swedish Hampshire (SH) boars. The focus was to study the cross-sectional area of loin, cross-sectional area and number of muscle fibres, loin colour and pH value as well as the ratio of water to protein in the loin. The four studied crosses were quite similar having only small differences in carcass and meat quality. The carcass lean content was the lowest in NDL. The loins of FL and NL were longer than the loins of NDL and of SH. The cross-sectional area of loin was the largest in SH. The loin of FL was lighter in colour and the loin of SH was redder than the loins of the other crosses studied. The protein content was lower and the ratio of water to protein higher in loin of SH than in the other crosses.

Emakon pahnuekoko vaihtelee suuresti, ja pahnuekoon kasvaessa myös kuolleena syntyneiden porsaiden lukumäärä kasvaa. Suurin osa elävänä syntyneiden porsaiden kuolemista tapahtuu ensimmäisten elinpäivien aikana. Pieni syntymäpaino ja heikko elinvoima lisäävät porsaan riskiä menehtyä ensimmäisten elinpäivien aikana joko emakon ruhjomana tai nälkiintymisen ja kylmettymisen seurauksena. Toisaalta pienikin porsas voi kasvaa normaalisti teurastukseen saakka, mutta isompana syntyneitä hitaammin. Tämän tutkimuksen tavoitteena oli selvittää, miten pahnuekoko vaikuttaa porsaan syntymäpainoon ja sen hajontaan, ja mikä on syntymäpainon merkitys porsaan selviytymisen, kasvun ja teuraslaadun kannalta. Aineistona oli 59 norjanmaatiasrodun ensikkoa, jotka oli siemennetty duroc-karjuilla. Pahnueisiin syntyi yhteensä 665 porsasta, joista 45 syntyi kuolleena. Pahnueisiin syntyi keskimäärin 11,5 porsasta, joista 10,5 elävänä. Pahnueen porsaiden keskimääräinen syntymäpaino pieneni 45 g ja pahnueen pienimmän porsaan paino 81 g pahnuekoon kasvaessa porsaalla. Samalla myös syntymäpainojen variaatiokerroin suureni. Porsaan syntymäpainon ja kasvunopeuden välillä oli positiivinen korrelaatio. Syntymäpainon ja kasvun välinen yhteys on luonnollisesti suurin, kun porsaan ravinnon saanti on emakon tuottaman maidon varassa (r = 0,45, P < 0,001). Syntymäpainon ja kasvunopeuden välinen yhteys heikkeni porsaan kasvaessa, mutta vaikutti kuitenkin päiväkasvuun syntymästä teurastukseen saakka (r = 0,35, P < 0,001). Pieni syntymäpaino lisäsi porsaan riskiä menehtyä kasvatuksen aikana. Enintään 1 kg painoisina syntyneistä porsaista 37 % kuoli kasvatusaikana, ja näistä suurin osa jo ennen välitystä. Elävänä syntyneiden porsaiden kuolleisuus pieneni porsaiden syntymäpainon kasvaessa. Porsaan vieroituspaino ja kasvu ennen vieroitusta suurenivat lineaarisesti syntymäpainon kasvaessa. Syntymäpainon lisäksi imevien porsaiden kasvuun ja vieroituspainoon vaikutti emakon imettämien porsaiden lukumäärä. Kasvu hidastui ja vieroituspaino pieneni imetettävien porsaiden lukumäärän kasvaessa. Syntymäpainon ja välikasvatusajan kasvun välillä havaittiin käyräviivainen yhteys, kuten myös kasvussa syntymästä välitykseen. Kun analysointiin otettiin mukaan vain ongelmitta teurastukseen asti kasvaneet siat, emakon imettämien porsaiden lukumäärä vaikutti myös näiden vaiheiden kasvuun. Porsaan syntymäpainolla ei ollut kuitenkaan merkitsevää vaikutusta lihasikojen kasvuun. Sen sijaan syntymän ja teurastuksen välisen päiväkasvun välillä oli positiivinen yhteys ja elinikäinen päiväkasvu suureni lineaarisesti syntymäpainon kasvaessa. Syntymäpainolla oli käyräviivainen vaikutus sikojen teurastusikään, ja vaikutus oli erilainen tanskalaisen ja norjalaisen duroc-isälinjan jälkeläisissä. Tanskalaisen durocin jälkeläisillä pienimmät syntymäpainot pidensivät teurastusikää voimakkaammin kuin norjalaisen durocin jälkeläisillä Syntymäpaino ei kuitenkaan vaikuttanut merkitsevästi ruhon tai sen osien (kinkku, selkä, kylki, lapa) lihaprosenttiin. Tulosten perusteella porsaan syntymäpainolla on merkitystä porsaan selviytymisen ja kasvun kannalta. Syntymäpainon vaikutus on suurin imetyksen ja välikasvatuksen aikana, mutta se näkyy myös sikojen kasvunopeudessa syntymästä teurastukseen. Enintään kilon painoisilla porsailla on suurin riski menehtyä kasvatusaikana. Ne myös kasvavat porsasvaiheessa hitaasti ja selviävät harvemmin koko kasvatusajan ongelmitta teurastukseen saakka. Syntymäpaino vaikuttaa porsaiden kasvuun syntymästä välitykseen, muttei enää lihasikojen kasvuun. Pahnue- ja välikasvatusajan hitaammasta kasvusta johtuen siat saavuttavat teuraspainotavoitteen vanhempina. Syntymäpaino ei kuitenkaan vaikuta ruhojen lihakkuuteen.

Sianlihan laadulla on tärkeä merkitys teollisten lihatuotteiden eri prosessointivaiheissa ja kuluttajien käyttäessä tuorelihaa ruuan valmistukseen. Sianlihasta valmistetun ruuan tulee olla sekä maukasta, terveellistä että rakenteeltaan hyvää. Lihan laatuun vaikuttavat ominaisuudet mm. lihan pH ja väripisteet ovat olleet kansallisesti jalostettavia ominaisuuksista jo noin 20 vuoden ajan. Nykyinen lihan laatuominaisuuksien jalostaminen perustuu koeasemalla kasvatettujen eläinten ruhoista mitattuihin sisäpaistin ja kyljyksen pH-arvoon (noin 20h teurastuksesta), lihan vaaleuteen (L*) ja lihan punaisuuteen (a*). Lihan laatuominaisuuksiin vaikuttaa oletettavasti suuri joukko eri geenejä, tosin joitain suurivaikutteisia geenimuotoja esim. halotaanigeenissä ja RN-geenissä on myös olemassa eri osuuksilla eri roduissa. Tämän tutkimuksen tarkoituksena oli löytää kromosomialueita ja geenejä, jotka vaikuttavat lihan laatuominaisuuksiin. Tutkimuksessa määritettiin 328 Suomalaisen maatiaisrotuisen keinosiemennyskarjun ja 295 yorkshire-rotuisen keinosiemennyskarjun genotyypit noin 50 000 SNP (single nucleotide polymorhism) suhteen käyttämällä kaupallista Illumina PorcineSNP60 sirua. Tutkittavina muuttujina käytettiin kansallisesta jalostusarvostelusta saatuja jalostusarvon ennusteita eri lihanlaatuominaisuuksien suhteen. SNP assosiaatio lihanlaatuominaisuuksien suhteen testattiin painotetun lineaarisen mallin avulla, joka sisälsi SNP-vaikutuksen lisäksi eläinten sukulaisuudet huomioivan polygeenisen tekijän. Mallin painokerroin perustui jalostusarvojen ennusteiden luotettavuudelle. Tilastollisesti merkitseviksi SNP:ksi katsottiin SNP, jonka P-arvo oli alle 2,0E-06 (merkitsevyysraja määritetty Bonferroni-korjauksen avulla). Maatiaisrodulla kaksi SNP kromosomissa 7 (ASGA0037025, 130470366bp, P-arvo=8,6E-07 ja MARC0045334, 133942365bp, P-arvo=1,8E-06) olivat merkitseviä kyljyslihan a*-värin suhteen ja yksi SNP kromosomissa 15 (INRA0050276, 114169040 bp, P-arvo=7,1E-07) oli tilastollisesti merkitsevä sisäpaistin pH-arvon suhteen. Sama kromosomin 15 alue oli myös tilastollisesti merkitsevä yorkshirerodulla (15 eri SNP:ä, joista paras SNP. ALGA0087116, 113451557bp, P-arvo 4,7E-09) sekä kyljyksestä että sisäpaistista mitatun pH:n suhteen. Tilastollisesti merkitsevä alue on 2Mb pitkä ja se sisältää mm. tunnetun RN-geenin (PRKAG3-geeni). Yorkshirerodulla oli myös tilastollisesti merkitsevä SNP kromosomissa 6 (M1GA0008574, 46347641pb, P-arvo= 7,5E-07) kyljyksen a*-värin sekä kuuden SNP määrittämä alue kromosomissa 2 (paras SNP, MARC0005485, 26930095bp, P-arvo= 7,0E-08) kyljyksen L*-värin suhteen. Tulokset osoittavat, että kummassakin kotimaisessa sikarodussa on mahdollista muuttaa lihan laatuominaisuuksia haluttuun suuntaan myös SNP-markkeritiedon avulla.

Feed and piglet are the largest variable cost items and important factors affecting the profitability of grow–finish pork production in most pork producing countries world-wide. Although a pig's potential to utilize energy and protein depends on its weight, age and genetic line, grow–finish pigs are typically fed with only 1 to 4 diets during the grow–finish phases of production. The goal of this study is to examine whether there are differences in feeding patterns, the timing of slaughter and return on pig space unit between 1) multi-phase feeding in which the quantity and protein content of the feed and the timing of slaughter are optimized on a daily basis, and 2) two-phase feeding in which feed quantity and slaughter decision are optimized daily but feed composition is predetermined for a given weight range. A stochastic dynamic programming model was used to evaluate different scenarios. The model maximizes return on capital invested in production facilities, which is critical for the competitiveness of pork production. The bio-economic model explicitly characterizes the growth process of grow–finish pigs and optimizes the timing of slaughter and daily amounts of protein and energy used in the feed. The growth of lipid mass and protein mass in the pig in a grow–finish group are modelled separately. The results suggest that a switch from the two-phase feeding to the multi-phase feeding shifts feeding regimen towards increased protein inclusion in the diets. It increases annual return on the operation by €1.35–€1.88 per pig space unit.

Teurastuksen ajoitus on tärkeä lihasikojen kasvatuksen kannattavuuteen vaikuttava tekijä. Liian aikaisin teurastettaessa osa sian kasvupotentiaalista jää käyttämättä ja liian myöhään teurastettaessa sian paras kasvupotentiaali on jo käytetty. Sikojen kasvukyvyssä ja siten teuraspainoissa voi kuitenkin olla suuria eroja, jolloin tuottajan ongelmana on valita koko kasvatuserän kannalta optimaalinen teurastusajankohta. Teurastuksen ajoituksen taloudellista merkitystä lisää se, että teurastamot maksavat alempaa hintaa niin sanotun kärkipainovälin ylittävistä tai alittavista ruhoista. Ruhojen hinnoittelusta ja painovaihtelusta aiheutuvien tulonmenetysten vähentämiseksi tuottaja voi lähettää siat teuraaksi joko yhdessä tai useammassa erässä. Tämän tutkimuksen tarkoituksena on selvittää, missä vaiheessa tuottajan kannattaa teurastaa sika, miten nopeasti kertatäyttöinen sikala kannattaa tyhjentää silloin, kun sikojen kasvukyky vaihtelee, ja miten paljon kertatäyttöisessä sikalassa on hyötyä teurastusten jaksottamisesta useaan erään. Tutkimuksessa verrattiin kahta erilaista sikalan tyhjennystapaa, joissa 1) kaikki siat lähetetään samana päivänä teuraaksi (kertatyhjenteinen sikala) tai 2) siat voidaan lähettää teuraaksi enintään kymmenessä yhtä suuressa erässä (jaksotettu teurastus). Molemmissa vaihtoehdoissa uudet porsaat tuodaan vasta viimeisten sikojen lähdettyä teuraaksi. Tutkimuksessa kehitettiin stokastinen dynaaminen optimointimalli, joka maksimoi sikapaikan tuoton. Tämä tavoite on tärkeä sikatalouden kilpailukyvyn kannalta, sillä tuotanto on pääomavaltaista. Mallissa kasvatuserän porsaat tuodaan sikalaan yhdessä erässä. Kunkin sian kasvu kuvataan mekanistista kasvumallia hyödyntäen. Malli optimoi teurastuksen ajoituksen kullekin ryhmän sialle ottaen huomioon muiden kasvatuserän sikojen painon, kasvukyvyn ja teurastuksen ajoituksen. Tulosten mukaan kasvatuserän nopeimmin kasvavat siat kannattaa teurastaa, kun ne saavuttavat kärkipainovälin ylärajan. Sen sijaan kasvatusryhmän hitaimmin kasvavat siat kannattaa myydä teuraaksi jo niiden ollessa kärkipainovälin alarajan tuntumassa. Tulos johtuu siitä, että hidaskasvuiset siat ovat muita sikoja heikompituottoisia ja siitä, että loppuja sikapaikkoja ei kannata makuuttaa tyhjillään muutaman hidaskasvuisen sian vuoksi. Tulosten mukaan mahdollisuus jakaa teurastukset useaan erään nostaa sikapaikan tuottoa 4,6 - 8,5 eurolla vuodessa, mikä esimerkiksi 500 sian sikalassa vastaa tuhansien eurojen lisätuottoa vuodessa. Matala sianlihan hinta, kapea kärkipainoväli ja sikatalouden tukien irrottaminen tuotannosta lisäävät teurastusten jaksottamisen kannattavuutta ja pidentävät sikalan tyhjennysaikaa. Myös tilalla käytetty eläinaines, kuten rotuyhdistelmä, vaikuttaa optimaaliseen teurastustapaan. Kun sikojen kasvukyvyn hajonta lisääntyy 15 %, sikapaikan tuotto laskee tulosten mukaan 3,2 euroa vuodessa. Tulokset viittaavatkin siihen, että lihasikala voi parantaa kilpailukykyään, jos se kiinnittää huomiota porsaiden tasalaatuisuuteen ja teurastuksen ajoitukseen.

Rotuja vertailevien tutkimusten puutteiden vuoksi ei ole selvää käsitystä siitä, mikä käytettävissä olevista rotuyhdistelmistä on koko tuotantoketjun kannalta taloudellisesti järkevin. Rotuja vertailtaessa on tarkasteltava niiden eroja koko tuotantoketjussa, ei vain yksittäisiä ominaisuuksia jossain tuotantovaiheessa. Tässä raportoidut porsaiden tuotantotulokset ovat tutkimuksesta, jossa selvitetään lihantuotanto-ominaisuuksien sekä lihan laadun taloudellinen arvo koko tuotantoketjun kannalta sekä kokonaisuuden kannalta kustannustehokkain risteytysohjelma. Kokeeseen tuotettiin yhteensä 81 pahnuetta (kaikkiaan 945 porsasta). Koeporsaat tuotettiin kotimaisten maatiais- ja yorkshirerotujen risteytysensikoilla. Isinä olivat suomenmaatiais-, norjanmaatiais-, norjanduroc x maatiais- ja ruotsinhampshirekarjut (M, NM, DM ja H). Siemennyksiin käytettiin yksilökarjujen spermaa ja isinä mahdollisimman monta eri karjua. Ensimmäiset pahnueet tuotettiin siten, että kutakin roturyhmää kohti siemennettiin kuusi ensikkoa. Seuraavissa pahnueissa käytettävä isärotu oli aina eri rotu kuin aikaisemmin tuotettujen pahnueiden rotu, jolloin emäaineksen vaikutus tuloksiin saatiin minimoiduksi. Tiineysaikana annettiin tiineysrehua 2,4 ry/pv 1. tiineydessä ja 2. ja 3. tiineydessä samaa rehua kuntoluokan edellyttämät annokset. Imetysaikana annettiin rehua 2,5 ry/pv emakon ylläpitoon ja 0,6 ry/pv/porsas. Syntymä- ja vieroituspainot punnittiin. Porsaskuolemat merkittiin pahnuekortille. Joitakin pahnueita jouduttiin tasaamaan, tasaus tehtiin vuorokauden sisällä syntymästä. Heikoille ja pienille porsaille annettiin tarvittaessa syntymän jälkeen elvytysvalmistetta. Vieroitusikä oli keskimäärin 28 päivää. Värillisillä roduilla (DM, H) siemennetyille emakoille syntyi hieman enemmän porsaita (yhteensä ja elävänä) kuin maatiaisroduilla (M, NM) siemennetyille emakoille. Vieroitusvaiheessa NM-porsaita oli vähiten pahnuetta kohti, mutta niiden vieroituspaino oli suurin. Tämä heijastui myös pahnuepainoon vieroitettaessa, joka oli suurin NM-porsailla. Porsaiden kuolleisuus M-pahnueissa oli suurin syntyessä, mutta pienin syntymän ja vieroituksen välillä. Tästä ilmeisesti johtui, että vieroitettujen porsaiden lukumäärässä vain NM-pahnueet erottuivat joukosta. Porsaiden kokonaiskuolleisuus syntymän ja vieroituksen välillä oli pienin M-pahnueissa ja suurin DMpahnueissa. Tämän tutkimuksen aineisto oli kuitenkin niin pieni, että pahnuetasolla isärotujen välisten erojen testaaminen tilastollisesti ei ollut mielekästä. Porsaiden päiväkasvu pahnueaikana oli 283-298 g/pv. H-porsaat kasvoivat hitaimmin ja NM-porsaat nopeimmin, mutta erot eivät olleet tilastollisesti merkitseviä. Tuotannollis-taloudellisesti edullisimman isärotuvaihtoehdon määrittämiseksi on analysoitava porsaiden koko elinkaaren tuotantotulokset.

This paper's objectives were to estimate the genetic (co)variance components of the Gompertz growth curve parameters and to evaluate the relationship of estimated breeding values (EBV) based on average daily gain (ADG) and Gompertz growth curves. Finnish Yorkshire central test station performance data was obtained from the Faba Breeding (Vantaa, Finland). The final data set included 121,488 weight records from 10,111 pigs. Heritability estimates for the Gompertz growth parameters mature weight (alpha), logarithm of mature weight to birth weight ratio (beta) and maturation rate (kappa) were 0.44, 0.55 and 0.31, respectively. Genotypic and phenotypic correlations between the growth curve parameters were high and mainly negative. The only positive relationship was found between alpha and beta. Pearson and Spearman rank correlation coefficients between EBV for ADG and daily gain calculated from Gompertz growth curves were 0.79. The Spearman rank correlation between the sire EBV for ADG and Gompertz growth curve parameter-based ADG for all sires with at least 15 progeny was 0.86. Growth curves differ significantly between individuals and this information could be utilized for selection purposes when improving growth rate in pigs.

Lihaprosentti on taloudellisesti tärkeimpiä ominaisuuksia sianjalostuksessa. Toisaalta luunmurtumat ja osteokondroosi aiheuttavat hylkäyksiä ruhontarkastuksessa. Lihakkuutta parannettaessa on oltava varma, ettei eläimille aiheuteta luusto- tai nivelongelmia. Tutkimuksen tavoite oli selvittää luuston lujuuden ja osteokondroosin periytyvyys ja tutkia, ovatko nämä kaksi korreloituneet lihakkuuteen. Luuston lujuuden geneettisestä vaihtelusta on erittäin vähän tietoja. Tutkimus kuului osana suurempaan hankkeeseen "Suomalaisen sian teuraslaadun kehittäminen, mittaus ja genetiikka". Aineisto koostui 426 maatiais- ja 326 yorkshiresiasta. Sukulaistiedot saatiin Faba Jalostukselta. Lihakkuusmittoja olivat Hennessy-lihaprosentti, vanha ja uusi koesikojen lihaprosentti ja eri lajitelmien saannot ruhosta. Murtolujuus mitattiin luiden kolmipistetaivutuksella ja osteokondroosi visuaalisesti. Aineisto analysoitiin ’restricted maximum likelihood’ –menetelmällä (DMU-ohjelma) soveltaen eläinmallia. Lihakkuusominaisuuksien periytymisasteet olivat kohtalaisia tai korkeita (0,15 – 0,42). Murtolujuuden periytymisaste (0,27) samoin kuin reisiluun alapään osteokondroosin (0,26) periytymisaste oli kohtalainen, joten niitä pystytään tarvittaessa valinnalla muuttamaan. Lihakkuuden ja murtolujuuden korrelaatio oli matala. Ei ole siis huolta siitä, että lihakkuuden parantaminen heikentäisi murtolujuutta. Sen sijaan lihakkuuden ja osteokondroosin korrelaatio oli epäsuotuisa. Parempaa lihakkuutta valittaessa on seurattava nivelten kunnon muutoksia.

A method based on Taylor series expansion for estimation of location parameters and variance components of non-linear mixed effects models was considered. An attractive property of the method is the opportunity for an easily implemented algorithm. Estimation of non-linear mixed effects models can be done by common methods for linear mixed effects models, and thus existing programs can be used after small modifications. The applicability of this algorithm in animal breeding was studied with simulation using a Gompertz function growth model in pigs. Two growth data sets were analyzed: a full set containing observations from the entire growing period, and a truncated time trajectory set containing animals slaughtered prematurely, which is common in pig breeding. The results from the 50 simulation replicates with full data set indicate that the linearization approach was capable of estimating the original parameters satisfactorily. However, estimation of the parameters related to adult weight becomes unstable in the case of a truncated data set.

Kasvun mallintamiseen on käytetty monia matemaattisia menetelmiä. Gompertzin funktio on osoittautunut sopivaksi kuvaamaan sikojen kasvua. Sian kasvu noudattaa epälineaarista, s:n muotoista käyrää, jota voidaan kuvata helposti Gompertzin funktiolla. Kasvukäyrän tärkeimmät tekijät ovat aikuispaino ja aikuistumissuhde eli kasvun suhteellista nopeutta kuvaava kerroin. Aikuispainon ja aikuistumissuhteen avulla voidaan laskea sian paino missä tahansa iässä. Tässä tutkimuksessa tarkoituksena on laskea geneettiset tunnusluvut suoraan kasvukäyrän eri parametreille ja tutkia mahdollisuutta käyttää niitä jalostusarvostelussa. Tutkimusaineisto koostui vuosilta 2000 – 2005 kantakoeasemilta kerätyistä sikojen punnitustiedoista. Aineistossa oli kaikkiaan 122071 havaintoa 10111 yorkshire-rotuisen sian viikoittaisesta painosta 30 -100 kg välillä. Sikakohtaiseen elopainoaineiston analysointiin käytettiin menetelmää, joka perustuu Gompertzin funktion linearisointiin Taylorin sarjan avulla. Tätä varten on MTT:llä kehitetty MiX99- ja DMU-ohjelmiin perustuva sovellus. Menetelmässä iteratiivisesti vuorotellaan kasvukäyrän parametrien ja varianssikomponenttien estimointia siten, että kasvukäyrän parametrien estimointi suoritetaan MiX99:llä ja tämän jälkeen lasketaan niiden varianssikomponentit DMU:lla. MiX99 ja DMU ohjelmia vuorotellaan, kunnes päästään lähelle todellisia ratkaisuja ja varianssikomponenttien ja kiinteiden tekijöiden muutos iterointikierrosten välissä on tarpeeksi pieni. Kasvukäyrän parametrien periytymisasteet olivat suhteellisen korkeita (0.31 ja 0.54 välillä). Jotta voitiin verrata, miten hyvin kasvukäyrämallin ja jalostusavojen laskennassa käytössä olevan kantakoekasvun antamat jalostusarvot täsmäävät, kasvukäyristä laskettiin keskimääräiset päiväkasvut karjuille 30 ja 100 kg välillä. Karjuista valittiin lähempään tarkasteluun ne, joilla oli vähintään 15 jälkeläistä aineistossa. Kun nämä karjut listattiin käyristä lasketun keskimääräisen kasvunopeuden suhteen paremmuusjärjestykseen, voitiin havaita, että 10 parhaan karjun joukossa 8 oli samoja molemmilla malleilla. Kantakoekasvun ja kasvukäyrämallien antamat jalostusarvot siis vastaavat hyvin toisiaan. Kasvukäyrämalli on kuitenkin luotettavampi, koska erot alku- tai loppupainossa eivät vaikuta yhtä paljoa. Kasvukäyrämallia käytettäessä voidaan valita myös itse kasvukäyrän muotoa, ei pelkästään keskimääräistä kasvunopeutta. Kasvukäyrän parametreja ei tällä hetkellä valita missään sian jalostusohjelmassa suoraan. Jalostusohjelmien suunnittelussa olisi kuitenkin tärkeää tuntea alkukasvun, lihasikavaiheen kasvun ja aikuispainon, samoin kuin aikuistumissuhteen väliset geneettiset yhteydet. Käyrän tuntemisen myötä voidaan myös ympäristötekijät mallintaa paremmin sekä suunnitella sikojen ruokinta ja teurastusajankohta tarkemmin.

Sikojen tärkeimmät valintatavoitteet kantakokeessa ovat olleet kasvunopeus, rehunmuuntosuhde, liha- % ja kyljysselästä mitattu punaisen lihan laatu (loppu-pH ja väri). Punaisen lihan laatu on epäsuotuisasti korreloitunut muihin valittaviin ominaisuuksiin, ja sen osalta tavoitteena on aikaisemmin ollut pitää laatu ennallaan muita ominaisuuksia parannettaessa. Kyljysselän lihan laadun seuranta ei välttämättä takaa sian muiden lihasten laadun säilymistä muuttumattomana. Siksi kinkun eri lihasten laatua selvitettiin vuonna 1999 tuhannen sian otoksella. Tulosten perusteella sisäpaistin laatu (semimembranosus) päätettiin ottaa mukaan kantakoeindeksiin vuonna 2000. Sekä kyljyksen että kinkun laadun suhteen tavoitteeksi otettiin loppu-pH-arvon nostaminen ja värin tummentaminen. Koska lihan laadun periytymisasteet ovat matalia, olivat vuoden 1999 pienestä aineistosta estimoitujen geneettisten korrelaatioiden keskivirheet suuria. Tässä tutkimuksessa oli tavoitteena laskea luotettavat estimaatit kansalliseen sikojen jalostusarvostelulaskentaan käyttäen hyväksi kantakoetoiminnassa vuodesta 2000 vuoden 2003 loppuun asti kertynyttä suurempaa aineistoa Aineisto saatiin Suomen Kotieläinjalostus Osuuskunnalta (SKJO) ja se sisälsi havainnot yhteensä 7685 yorkshire- ja 7467 maatiaissiasta. Näille liitettiin sukulaisuustiedot. Tutkitut ominaisuudet olivat keskimääräinen kasvunopeus 30 kg -100 kg, lihaprosentti, lihan väri (L* vaaleus, a* punaisuus ja b* keltaisuus) ja loppu-pH mitattuna sekä kyljysselästä että kinkun sisäpaistista. Rodut analysoitiin erikseen monenominaisuuden eläinmallilla käyttäen DMU-ohjelmistoa. Laatuominaisuuksien tilastollisessa mallissa oli kiinteinä tekijöinä sukupuoli, ikä kokeen alussa, viive teurastuksesta leikkuuseen ja satunnaisina tekijöinä eläimen additiivinen geneettinen vaikutus, pahnue, teurastuserä (samalta asemalta samana päivänä teurastamoon lähetettyt siat) ja satunnainen jäännöstermi. Kasvunopeuden ja liha-% mallissa malli oli muutoin samanlainen, mutta teurastuserän sijasta oli kasvatuserä kiinteänä tekijänä ja viive oli jätetty pois. Periytymisasteet vaihtelivat 0,33 – 0,39 kasvunopeudessa, 0,39 – 0,47 lihaprosentissa, 0,12 – 0,20 pH:ssa, 0,10 – 0,32 vaaleudessa ja 0,26 – 0,43 punaisuudessa. Geneettiset korrelaatiot kasvunopeuden ja lihanlaatuominaisuuksien välillä olivat useimmissa tapauksissa matalia (alle 0,15). Sen sijaan geneettiset korrelaatiot lihaprosentin ja lihan laadun (erityisesti sisäpaistin laadun) välillä olivat korkeampia ja epäsuotuisia. Kyljysselästä ja sisäpaistista mitattujen samojen lihanlaatuominaisuuksien geneettiset korrelaatiot olivat korkeita, mutta kuitenkin selvästi alle yhden, eli pelkän kyljysselän sisällyttäminen valintaohjelmaan ei takaa hyvää kinkun laatua. Johtuen epäsuotuisasta korrelaatiosta taloudellisesti tärkeän lihaprosentin ja lihan laadun välillä, on lihan laatu säilytettävä jalostustavoitteissa. Korrelaatio ei kuitenkaan ole niin voimakas, etteikö oikealla tavoitteiden asettelulla liha-% voida parantaa laadun siitä kärsimättä. Tässä tutkimuksessa estimoituja perinnöllisiä tunnuslukuja käytetään hyväksi kansallisessa sikojen jalostusarvojen laskennassa. Lihan laadun valinnan tehostamisen jälkeen lasketut geneettiset trendit osoittavat, että lihan laatu on muuttunut toivottuun suuntaan.

Eradication measures of a contagious animal disease may force farmers to keep ready-to-slaughter animals on the farm. As feeding heavy animals may reduce carcass quality and farmer income, farmers can adjust their feeding policy in order to decrease losses from delayed slaughter. The problem is interesting also from society's point of view because eradication measures can affect a large number of farms when a single farm is infected. A dynamic programming model is developed to study optimal hog feeding strategies when the timing of slaughter is restricted. The model takes into account carcass quality, its effects on timing of slaughter under given prices, and animal density on the farm. The results show that farmers suffer substantial losses due to delayed slaughter, and can minimize the losses by reducing energy feeding. The results give information on designing compensation schemes so that all farmers have economic incentives to implement preferred eradication policy.

Heritabilities and genetic correlations for different prolificacy traits were estimated to assess possibilities of selection for high number of piglets weaned. Three litter-size traits: total number of piglets born (TNB), number of piglets born alive (NBA), number of piglets weaned (NW); four piglet survival traits: number of stillborn piglets (NSB), percent of stillborn piglets (NSB%), piglet mortality between birth and weaning (PM), percent of dead piglets during suckling (PM%); and three traits measuring time intervals: age at first farrowing (AFF), first farrowing interval (FFI), and gestation length (GL) were analysed. The Finnish national litter recording scheme provided data on the first parity litters of 11 329 Landrace and 8 362 Large White pigs born between 1986 and 2000. The heritabilitiy estimates were moderate for AFF and GL (0.24–0.37), and low for all the other traits (0.03–0.11). The genetic correlations between TNB and PM (0.68 in Landrace and 0.43 in Large White) and between NBA and PM (...

Porsaiden ripulit ovat varsinkin vieroitusvaiheessa yleisiä. Ne aiheuttavat jonkin verran kuolleisuutta ja hidastavat porsasvaiheen kasvunopeutta. Se miten ripuli vaikuttaa myöhempään kasvuun ja teurasominaisuuksiin, jää usein selvittämättä, koska porsasvaiheen tiedot eivät seuraa porsaan mukana myöhempiin vaiheisiin. Tässä kokeessa seurattiin porsasajan ripulin vaikutusta sekä välitysvaiheen kasvuun, lihasikavaiheen kasvuun sekä teurasominaisuuksiin Rotupossu-hankkeessa kerätyn aineiston pohjalta. Koe tehtiin MTT:een Hyvinkään koesikalassa. Ripulihavainnot oli kerätty karsinakohtaisesti päivittäin vieroituksen jälkeen välikasvatusvaiheessa. Keston lisäksi myös ripulin vaikeusaste merkittiin ylös ja ripulin kestoa ja vaikeutta kuvaamaan käytettiin näistä muodostettua ripuli-indeksiä. Ripulitiedot koostettiin selittäviksi muuttujiksi summaamalla ripuli-indeksit (0-40) ja jakamalla ne seitsemään luokkaan. Täydelliset kasvu- ja teurastiedot oli koottu sekä varsinaiseen rotuvertailuun otetuille (311 sikaa) että rotuvertailututkimuksessa syntyneille, mutta kokeen ulkopuolella kasvatetuille porsaille (439 sikaa). Koska vaikutukset olivat molemmissa osa-aineistossa samansuuntaiset ja ripulihavainnot oli tehty vaiheessa, kun porsaita ei ollut jaettu kokeeseen, kaikki siat käsiteltiin yhdessä. Aineisto analysoitiin SAS 9.2 ohjelmistolla käyttäen sekamallia. Mallissa oli satunnaistekijänä pahnue, ja kiinteinä rotu, sukupuoli, koeluokka (rotuvertailu tai muu käyttö) ja luokiteltu ripuli-indeksi sekä kiinteiden tekijöiden yhdysvaikutukset. Yhdysvaikutukset eivät olleet tilastollisesti merkitseviä, joten ne jätettiin lopullisissa analyyseissä pois. Tutkitut muuttujat olivat kasvunopeus vieroituksesta välitykseen (välikasvatusvaihe), kasvunopeus välityksestä teurastukseen (lihasikavaihe), lihaprosentti ja teurastappio. Ripulihavaintoja oli eniten kahden viikon sisällä vieroituksesta, jonka jälkeen ne olivat harvinaisia. Välitysvaiheen kasvunopeuteen ei ripuli-indeksillä ollut mitään vaikutusta. Paras lihasikavaiheen kasvu oli jonkin verran ripulia sairastaneiden karsinoiden porsailla. Voimakas ja pitkäkestoinen ripuli (ripuliluokka 6 -7) näytti heikentävän kasvunopeutta, mutta tämäkään vaikutus ei ollut tilastollisesti merkitsevä. Lihaprosentti näytti hieman paranevan ripuli-indeksiluokan kasvaessa. Teurastappion ja ripulin välillä ei ollut havaittavissa mitään yhteyttä. Vaikka rotuyhdistelmissä oli jonkin verran eroja ripuliin sairastuvuudessa, ei ripulin huomioon ottaminen tilastollisessa mallissa vaikuttanut rotuyhdistelmien eroihin. Koska ripulihavainnot olivat pahnue/karsinakohtaisia, ne eivät täysin kuvaa yksittäisen eläimen sairastavuutta ja sen vaikutusta mitattuihin ominaisuuksiin. Porsaat kuitenkin jakaantuivat välikasvatuksen jälkeen useaan karsinaan ja ruokinnoille, jonka vuoksi esim. pahnueen keskiarvotuloksia ei voitu käyttää yksilötulosten sijasta tuotantotulosten kuvaajana.Tässä tutkimuksen sikojen lievällä vieroitusripulilla ei ollut tilastollisesti merkitsevää vaikutusta sikojen kasvuun eikä teurasominaisuuksiin eikä myöskään rotuvertailun tuloksiin.

ei saatavilla

Data from six progeny-testing (1994–1997) and one performance-testing (1991–1998) stations were compiled and subsequently used in the estimation of genetic parameters for overall leg action and the five most severe symptoms of leg weakness: buck-kneed, small inner claws, legs turned out on the fore legs, small inner claws and upright pasterns on the hind legs. Overall leg action was assessed using a scale from 1 to 5. Leg traits were recorded differently in the testing methods (four classes in the progeny-testing and two classes in the performance-testing). Observations used for analysis were rescaled into frequency normalised scores. Final data contained records of 6115 Large White (LW) and 7043 Landrace (LR) pigs. Pedigree information included all animals born after the year 1986. Variance components were estimated by the restricted maximum likelihood method, using a statistical model that included additive genetic animal and litter as random effects and interactions between station∗year∗season as a fixed effect. Heritability estimates were low for overall leg action (0.06 for LR and 0.05 for LW) and low to moderate (0.01–0.17) for individual leg traits. The proportion of variance due to common litter environment ranged from 0.03 to 0.14, and in all cases was significantly greater than zero. There was a strong genetic correlation between buck-kneed on the fore legs and overall leg action (0.88±.07 in LR and 0.98±.09 in LW), whereas correlations between other traits were highly variable across breeds and had large standard errors. Overall leg action and buck-kneed on the fore legs were unfavourably correlated with fat and lean percentages, whereas standard errors of the other genetic correlations between leg and production traits were too high to allow conclusions to be drawn.

Tutkimuksessa selvitettiin joidenkin sian kasvua kuvaavien muuttujien periytyvyytta. Suomen kotielainjalostusosuuskunnan kantakoeaineistosta poimittiin yhteensa 8745 yorkshire- ja maatiaisrotuisen sian tiedot. Kokeen aikana elaimet oli punnittu viikoittain. Jokaisen sian punnitustietoihin sovitettiin kolmannen asteen polynomifuntio ika=f(paino), jota kaytettiin kuvaamaan yksittaisen sian kasvurytmia ja kasvunopeutta. Kasvuominaisuuksien ja ruhon laadun periytymisasteet ja ominaisuuksien valiset korrelaatiot estimoitiin kayttaen REMLia ja elainmallia.Sovitetun polynomifunktion selitysaste (R2) oli 98,5%:lla sioista yli 0,99. Sikojen paino funktion kaannepisteessa eli maksimikasvun kohdalla oli keskimaarin 72 kg, ika 126 vrk ja paivakasvu 1111 g/vrk. Keskimaarainen paivakasvu painovalilla 30-90 kg oli 957 g/vrk. Lyhyilla painovaleilla 30-50 kg, 50-70 kg ja 70-90 kg keskimaaraiset paivakasvut olivat vastaavasti 829 g/vrk, 1042 g/vrk ja 1046 g/vrk. Kaannepisteen elopainon periytymisastearvio oli 0,08 ja kasvuominaisuuksien periytymisastearviot vaihtelivat alkukasvun 0,14:sta koko jakson 0,23:een. Geneettiset korrelaatiot eri painovalien keskimaaraisten kasvujen valilla olivat 0,45-0,95. Nopeakasvuisten ja lihakkaiden elainten kasvu hidastui suuremmassa elopainossa kuin hidaskasvuisten elainten. Ruhon laadun ja kasvunopeuden valilla ei ollut epasuotuista geneettista yhteytta. Vahainen perinnollinen vaihtelu funktion kaannepisteen sijainnissa saattaa johtua noudatetusta rajoitetusta ruokintanormista.

Osteochondrosis (OC) is a major factor causing joint problems that affect animal welfare and pork production profitability. Strong bones are also important in the slaughtering process, especially as broken bones can lead to rejections of parts of the carcass. In this study, 326 Finnish Yorkshire and 464 Finnish Landrace test station pigs were examined post mortem for bone strength and osteochondral lesions. The objective was to estimate genetic parameters for OC and bone strength and their genetic and phenotypic correlations with carcass meat percentage. Two formulas were used for lean meat percentage, the first one (Hennessy meat-%) comprising two fat thickness measurements and one muscle depth measurement, and the second one (test station meat-%) also including the weight of lean meat in ham. Finnish Yorkshire had stronger bones than Finnish Landrace on average, but also more OC in the proximal end of the humerus (36%) and the distal end of the femur (51%) than Finnish Landrace (29% and 31% OC in the humerus and femur, respectively). By using the data on both breeds, the OC heritability estimated was 0.05 in the humerus and 0.26 in the femur. The estimated heritability of bone strength was also moderate (0.26). Test station meat-% showed higher heritability (0.40) than meat-% based on the Hennessy formula (0.29). Genetic correlations between meat percentage and the other studied traits were weak and associated with high standard errors. The results show that a mild form of OC is common in both Finnish pig breeds; bone strength and OC in the distal end of the femur are moderately heritable and can be improved through selection; and selection for high meat percentage does not seem to affect bone strength or OC.

Tutkimuksessa verrattiin maatiais- ja yorkshire-sikarotuja keskenaan maarittamalla histokemiallisesti longissimus- lihaksen lihassolutyyppien ominaisuuksia. Lisaksi selvitettiin histokemiallisten ominaisuuksien suhdetta elaimen kasvuun ja ruhon laatuun. Kasiteltavina muuttujina olivat ika, paivakasvu, elopaino, teuraspaino, pH 1 - ja pH 2 -arvot, ulkofileen poikkipinta- ala seka ruhon liha- ja rasvaprosentit. Lihassolut maaritettiin myosiini ATPaasimenetelmalla ja luokiteltiin kolmeen ryhmaan: I, IIA ja IIB. Lihassolujen lukumaara laskettiin jakamalla fileen poikkipinta-ala keskimaaraisella lihassolun poikkipinta-alalla.Maatiaisen longissimus-lihaksessa oli tyypin I lihassolujen poikkipinta-ala pienempi ja tyypin IIB lihassolujen poikkipinta-ala suurempi kuin yorkshiren longissimus-lihaksessa. Leikkojen longissimus-lihaksessa tyypin IIB lihassolut olivat suurempia kuin imisien longissimus-lihaksessa. Rotu ja sukupuoli eivat vaikuttaneet ulkofileen lihassolujen maariin. Maatiaisessa pH 1 -arvot olivat alhaisempia kuin yorkshiressa. Imisissa oli ruhon lihamaara suurempi ja rasvamaara pienempi kuin leikoissa. Myos ulkofileen poikkipinta-ala oli imisissa suurempi kuin leikoissa. Eri elainyksiloiden histokemialliset, kasvu ja ruhon laatuominaisuudet vaihtelivat paljon. Histokemialliset ominaisuudet eivat vaikuttaneet elaimen kasvuun ja ruhon laatuominaisuuksiin.

The objective of this study was to estimate genetic associations of prolificacy traits with other traits under selection in the Finnish Landrace and Large White populations. The prolificacy traits evaluated were total number of piglets born, number of stillborn piglets, piglet mortality during suckling, age at first farrowing, and first farrowing interval. Genetic correlations were estimated with two performance traits (ADG and feed:gain ratio), with two carcass traits (lean percent and fat percent), with four meat quality traits (pH and L* values in longissimus dorsi and semimembranosus muscles), and with two leg conformation traits (overall leg action and buck-kneed forelegs). The data contained prolificacy information on 12,525 and 10,511 sows in the Finnish litter recording scheme and station testing records on 10,372 and 9,838 pigs in Landrace and Large White breeds, respectively. The genetic correlations were estimated by the restricted maximum likelihood method. The most substantial correlations were found between age at first farrowing and lean percent (0.19 in Landrace and 0.27 in Large White), and fat percent (-0.26 in Landrace and -0.18 in Large White), and between number of stillborn piglets and ADG (-0.38 in Landrace and -0.25 in Large White) and feed:gain (0.27 in Landrace and 0.12 in Large White). The correlations are indicative of the benefits of superior growth for piglets already at birth. Similarly, the correlations indicate that age at first farrowing is increasing owing to selection for carcass lean content. There was also clear favorable correlation between performance traits and piglet mortality from birth to weaning in Large White (r(g) was -0.43 between piglet mortality and ADG, and 0.42 between piglet mortality and feed:gain), but not in Landrace (corresponding correlations were 0.26 and -0.22). There was a general tendency that prolificacy traits were favorably correlated with performance traits, and unfavorably with carcass lean and fat percents, whereas there were no clear associations between prolificacy and meat quality or leg conformation. In conclusion, accuracy of estimated breeding values may be improved by accounting for genetic associations between prolificacy, carcass, and performance traits in a multitrait analysis.

Genome-wide SNP data provide a powerful tool to estimate pairwise relatedness among individuals and individual inbreeding coefficient. The aim of this study was to compare methods for estimating the two parameters in a Finnsheep population based on genome-wide SNPs and genealogies, separately. This study included ninety-nine Finnsheep in Finland that differed in coat colours (white, black, brown, grey, and black/white spotted) and were from a large pedigree comprising 319 119 animals. All the individuals were genotyped with the Illumina Ovine SNP50K BeadChip by the International Sheep Genomics Consortium. We identified three genetic subpopulations that corresponded approximately with the coat colours (grey, white, and black and brown) of the sheep. We detected a significant subdivision among the colour types (F(ST) = 5.4%, P0.0625) and pairs of closely related animals (e.g. the full- or half-sibs). Nevertheless, we also detected differences in the two parameters between the approaches, particularly with respect to the grey Finnsheep. This could be due to the smaller sample size and relative incompleteness of the pedigree for them.We conclude that the genome-wide genomic data will provide useful information on a per sample or pairwise-samples basis in cases of complex genealogies or in the absence of genealogical data.

Background: One of the most commonly used quality measurements of pork is pH measured 24 h after slaughter. The most probable mode of inheritance for this trait is oligogenic with several known major genes, such as PRKAG3. In this study, we used whole-genome SNP genotypes of over 700 AI boars; after a quality check, 42,385 SNPs remained for association analysis. All the boars were purebred Finnish Yorkshire. To account for relatedness of the animals, a pedigree-based relationship matrix was used in a mixed linear model to test the effect of SNPs on pH measured from loin. A bioinformatics analysis was performed to identify the most promising genes in the significant regions related to meat quality. Results: Genome-wide association study (GWAS) revealed three significant chromosomal regions: one on chromosome 3 (39.9 Mb-40.1 Mb) and two on chromosome 15 (58.5 Mb-60.5 Mb and 132 Mb-135 Mb including PRKAG3). A conditional analysis with a significant SNP in the PRKAG3 region, MARC0083357, as a covariate in the model retained the significant SNPs on chromosome 3. Even though linkage disequilibrium was relatively high over a long distance between MARC0083357 and other significant SNPs on chromosome 15, some SNPs retained their significance in the conditional analysis, even in the vicinity of PRKAG3. The significant regions harbored several genes, including two genes involved in cyclic AMP (cAMP) signaling: ADCY9 and CREBBP. Based on functional and transcription factor-gene networks, the most promising candidate genes for meat pH are ADCY9, CREBBP, TRAP1, NRG1, PRKAG3, VIL1, TNS1, and IGFBP5, and the key transcription factors related to these genes are HNF4A, PPARG, and Nkx2-5. Conclusions: Based on SNP association, pathway, and transcription factor analysis, we were able to identify several genes with potential to control muscle cell homeostasis and meat quality. The associated SNPs can be used in selection for better pork. We also showed that post-GWAS analysis reveals important information about the genes' potential role on meat quality. The gained information can be used in later functional studies.

Background Good genetic progress for pig reproduction traits has been achieved using a quantitative genetics-based multi-trait BLUP evaluation system. At present, whole-genome single nucleotide polymorphisms (SNP) panels provide a new tool for pig selection. The purpose of this study was to identify SNP associated with reproduction traits in the Finnish Landrace pig breed using the Illumina PorcineSNP60 BeadChip. Methods Association of each SNP with different traits was tested with a weighted linear model, using SNP genotype as a covariate and animal as a random variable. Deregressed estimated breeding values of the progeny tested boars were used as the dependent variable and weights were based on their reliabilities. Statistical significance of the associations was based on Bonferroni-corrected P-values. Results Deregressed estimated breeding values were available for 328 genotyped boars. Of the 62 163 SNP in the chip, 57 868 SNP had a call rate > 0.9 and 7 632 SNP were monomorphic. Statistically significant results (P-value < 2.0E-06) were obtained for total number of piglets born in first and later parities and piglet mortality between birth and weaning in later parity, and suggestive associations (P-value < 4.0E-06) for piglet mortality between birth and weaning in first parity, number of stillborn piglets in later parity, first farrowing interval and second farrowing interval. Two of the statistically significant regions for total number of piglets born in first and later parities are located on chromosome 9 around 95 and 79 Mb. The estimated SNP effect in these regions was approximately one piglet between the two homozygote classes. By combining the two most significant SNP in these regions, favourable double homozygote animals are expected to have 1.3 piglets (P-value = 1.69E-08) more than unfavourable double homozygote animals. A region on chromosome 9 (66 Mb) was statistically significant for piglet mortality between birth and weaning in later parity (0.44 piglets between homozygotes, P-value = 6.94E-08). Conclusions Three separate regions on chromosome 9 gave significant results for litter size and pig mortality. The frequencies of favourable alleles of the significant SNP are moderate in the Finnish Landrace population and these SNP are thus valuable candidates for possible marker-assisted selection.