Всероссийский научно-исследовательский институт физиологии, биохимии и питания животных – филиал Федерального государственного бюджетного научного учреждения «Федеральный научный центр животноводства – ВИЖ имени академика Л.К. Эрнста»
Цель работы – систематизация концептуальных и методических аспектов использования новых информационных технологий в животноводстве, в том числе в плане развития теории и практики донозологического мониторинга физиологических функций и раннего прогнозирования жизнеспособности высокопродуктивных коров. Рассмотрены основные составляющие новых IT в животноводстве – технологии сбора, передачи и хранения данных, использование технологий Big Data в системах физиологического мониторинга, когнитивные технологии, моделирование продукционных процессов. Проанализированы открывающиеся перспективы для оценки и прогнозировании жизнеспособности высокопродуктивных животных. Новые технические средства для сбора физиологически значимой информации позволяют кардинально увеличить объём измерительных данных, получаемых на всей субпоуляции и на протяжении всей жизни животного, что резко повышает возможности для мониторинга, диагностики и оптимизации сложных многофакторных продукционных процессов. Новизна этого подхода состоит в переносе акцентов от борьбы с «болезнями продуктивности» к вопросам их профилактики на основе исключения факторов риска на всех этапах онтогенеза, создания адаптивных систем кормления, внедрения новых методов медицинской интроскопии, дистанционной диагностики и физиологического мониторинга, а также поддержания комфортных условий (welfare) эксплуатации высокопродуктивных животных. Для успешного применения BD-технологий большое значение имеет наличие развитой «аналитики» (статистического анализа, вычислительного моделирования т.д.), поэтому на первых этапах критическим фактором обычно бывает дефицит подготовленных профильных специалистов. Требованием времени стал заказ на организацию системы «Зоофизтеха», по аналогии с существующими в области земледелия/растениеводства институтами агрофизического профиля. В конечном счёте, целью разведения и воспроизводства молочного скота должно быть получение популяций высокоудойных коров со сбалансированным соотношением объёма вымени и функциональных резервов висцеральных систем, обеспечивающим оптимальный уровень синтеза компонентов молока, исключающим возникновение метаболических дисфункций и снижение качества молочной продукции.
$11. Вайсерман А.М., Войтенко В.П., Мехова Л.В. Эпигенетическая эпидемиология возраст-зависимых заболеваний. // Онтогенез. 2011. Т. 42. № 1. С. 30-50.
$12. Гаврилов Л.А., Гаврилова Н.С. Биология продолжительности жизни. М.: Наука, 1991.
$13. Гродзинский Д.М., Войтенко В.П., Кутляхмедов Ю.А., Кольтовер В.К. Надёжность и старение биологических систем. Киев: Наукова думка, 1987. 176 с.
$14. Джапаров Д.Э. Эпигенетика старения: прорывное направление геронтологии? // Успехи геронтологии. 2018. Т. 31. № 5. С. 628-631
$15. Зотин А.И. Термодинамический подход к проблемам развития, роста и старения. М.: Мир, 1974.
$16. Кудрин А.Г., Загороднев Ю.П. Зоотехнические основы повышения пожизненной продуктивности коров. М.: Колос, 2007. 95 с.
$17. Михальский А.И., Новосельцева Ж.А. Применение методов машинного обучения в задачах продуктивного животноводства. // Проблемы биологии продуктивных животных. 2018. № 4: С. 98-109.
$18. Михальский А.И., Новосельцева Ж.А. Методы компьютерного анализа данных в задачах по монито-рингу и совершенствованию управления стадом // Проблемы биологии продуктивных животных. 2019. № 1. C: 95-111.
$19. Мищенко В.А., Черных О.Ю. Проблема патологии печени у молочных коров. // Ветеринария Кубани. 2014. № 2. С. 11-12.
$110. Новосельцев В.Н., Аркинг Р., Новосельцева Ж.А., Яшин А.И. Междисциплинарное моделирование системных механизмов репродукции и старения // Проблемы управления. 2004. № 4. С. 27-40.
$111. Один В.И. Кризис геронтологии: к вопросу о первичном здоровье в XX веке // Успехи геронтологии. 2011. Т. 24. № 1. С. 11-23.
$112. Озернюк Н.Д., Зотин А.И., Юровицкий Ю.Г. Оогенез как модель уклонения живой системы от стационарного состояния // Онтогенез. 1971. Т. 2. № 6. С. 565-57.
$113. Прошина О., Лоскутов Н. Воспроизводство стада: потерянная страница. // Животноводство России. 2011. № 9. С. 40-41.
$114. Сельцов В.И., Молчанова Н.В., Калиевская Г.Ф., Тохов М.Х. Продуктивное долголетие – комплексный показатель в селекции крупного рогатого скота. // В сб.: Продуктивное долголетие крупного рогатого скота молочных пород (информационный обзор). Подольск-Дубровицы: ВИЖ, 2012. С. 9-27.
$115. Черепанов Г.Г. Имитационная модель процессов ферментации в рубце и всасывания метаболитов у жвачных животных // Тезисы докл. межд. конф.: Механизмы функционирования висцеральных систем. СПб: Ин-т физиологии им И.П. Павлова, 2001: 396-397.
$116. Черепанов Г.Г, Системно-кинетические принципы и модели в теории питания продуктивных животных. Боровск: изд. ВНИИФБиП, 2002: 163 с.
$117. Черепанов Г.Г., Токарев Т.Ю., Макар З.Н. Косвенная оценка транспорта метаболитов в клетку in vivо по данным измерения их артерио-венозного баланса. // Рос. физиол. журн. им. И.М.Сеченова. 2003, Т. 89. № 8. С. 1021-1028.
$118. Черепанов Г.Г., Макар З.Н. Адаптивные изменения активности транспорта аминокислот в секреторные клетки молочной железы при сдвигах нутритивного статуса. //Российский физиологический журнал, 2005, Т. 10. С. 1182-1194.
$119. Черепанов Г.Г. Обоснование концепции о ключевой роли конститутивной резистентности для жизнеспособности и длительности использования высокопродуктивных животных // Проблемы биологии продуктивных животных. 2014. № 4. С. 5-34.
$120. Черепанов Г.Г. Михальский А.И. Проблема поиска возможных подходов для оценки потенциала жизнеспособности и продления сроков использования высокопродуктивных животных // Проблемы биологии продуктивных животных. 2016. № 1. С. 5-25.
$121. Черепанов Г.Г. Исследование динамики выживаемости коров дойного стада: анализ производственных данных и вычислительное моделирование // Проблемы биологии продуктивных животных. 2018. № 2. С. 101-111. DOI: 10.25687/1996-6733.prodanimbiol.2018.2.101-111
$122. Чирихина В.А., Коровушкин А.А. Физиологический и продуктивный статус коров джерсейской породы в процессе адаптации после длительного транспортного стресса. // Проблемы биологии продуктивных животных. 2021. № 1. С. 65-74.
$123. Adriaens I., Friggens N.C., Ouweltjes W.., Scott H., Aernouts B., Statham J. Productive life span and resilience rank can be predicted from on-farm first-parity sensor time series but not using a common equation across farms. // J. Dairy Sci. 2020. Vol. 103. nr 8. P. 7155-7171. DOI: 10.3168/jds.2019-17826
$124. Bastin C., Loker S., Gengler N., Sewalem A., Miglior F. Genetic relationships between body condition score and reproduction traits in Canadian Holstein and Ayrshire first-parity cows. // J. Dairy Sci. 2010. Vol. 93. P. 2215-2228.
$125. Bewley J.M., Boehlje M.D., Gray A.W., Hogeveen H., Eicher S.D., Schutz M.M. Assessing the potential value for an automated dairy cattle body condition scoring system through stochastic simulation. // Agric. Financ. Rev. 2010. Vol. 70. P. 126-150. DOI: 10.1108/00021461011042675
$126. Britt J.H., Cushman R.A., Dechow C.D., Dobson H., Humblot P., Hutjens M.., Jones G.A., Ruegg P.S., Sheldon I.M., Stevenson J.S. Invited review: learning from the future-a vision for dairy farms and cows in 2067. // J. Dairy Sci. 2018. Vol. 101. nr 5. P. 3722-3741. DOI: 10.3168/jds.2017-14025
$127. Cherepanov G.G., Danfaer A., Cant J.P. Simulation analysis of substrate utilization in the mammary gland of lactating cow // J. Dairy Res. 2000. Vol. 67. P. 171-188.
$128. Cherepanov G.G. A morpho-physiological conception and model of animal growth. // J. Anim. Feed Sci. 2001. Vol. 10. P. 385-397.
$129. Cherepanov G. G., Makar Z. N. Simulation modeling of substrate homeostasis of mammary secretory cells. Russian Agricultural Sciences. 2007. Vol. 33. nr 2. P. 114-117.
$130. Cherepanov G.G., Makar Z.N. Analysis of relationship between viability of cows, herd turnover rate, and milk production efficiency (system and algorithm modeling). Russian Agricultural Sciences. 2015. Vol. (1-2). P. 54-59. DOI: 10.3103/S106836741502007X
$131. Cherepanov G.G. Prediction of viability of cows: a new look at the old problem // Agricultural Research and Technology. Open Journal (ARTOAJ). 2018. Vol. 141. Issue 5: ARTOAJ.MS.ID.555931. DOI: 10.19080/ARTOAJ.2018.14.555931
$132. Dechow C.D., Rogers G.W., Clay J.S. Heritability and correlations among body condition score loss, body condition score, production and reproductive performance. // J. Dairy Sci. 2002. Vol. 85. P. 3062-3070.
$133. Neethirajan S. Recent advances in wearable sensors for animal health management. // Sensing and Bio-Sensing Research. 2017. Vol. 12. P. 15-29 <https://doi.org/10.1016/j.sbsr.2016.11.004>
$134. Roche J.R., Friggens N.C., Kay J.K., Fisher M.W., Stafford K.J., Berry D.P. Invited review: Body condition score and its association with dairy cow productivity, health, and welfare. // J. Dairy Sci. 2009. Vol. 92. nr 12. P. 5769-5801. DOI: 10.3168/jds.2009-2431
$135. Vaupel J.W., Manton K.G., Stallard E. Thе impact of geterogeneity in individual frailty on the dynamics of mortality. Demography. 1979. Vоl. 16. P. 439-454.
$136. Vaupel J.W. Biodemography of human aging // Nature. 2010. Vol. 404. nr. 7288. P. 536-542.