使用SPSS统计分析2017—2019年在农业农村部种猪质量监督检验测试中心（广州）集中测定的359头杜洛克种猪生长性能测定成绩，通过5种模型估算杜洛克猪剩余采食量（RFI）与饲料效率、背膘厚、眼肌面积、日增重等生长指标的相关性，根据RFI高低分组进行了相关分析。发现5种模型估算的的RFI均与饲料效率有极显著相关（P＜0.01），都可用来估测杜洛克种猪饲料效率；5种模型的RFI与背膘厚、眼肌面积的关系表现出两种相反的趋势：a、b、d、e模型中，低RFI组背膘更厚；c模型中，低RFI组背膘更薄，所以可能低RFI组瘦肉率更低。同时c、d、e模型低RFI组表现出与生长速度更慢（P＜0.05）、c、d模型低RFI组表现出日增重更低的趋势（P＜0.05）。其呈现的规律提示可能低RFI杜洛克猪虽然饲料效率较好，但生长会更慢、瘦肉率会更低。所以选择RFI模型估算杜洛克种猪瘦肉率、生长速度相关指标时，需要考虑更多生产实际需求。
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改善动物的饲料效率并取得大量成就，为养殖产业抵抗风险、稳定发展提供了强大的动力。剩余采食量（Residual feed intake, RFI）在1963年即被定义为维持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。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，其变异可以遗传并呈现中到高的遗传力；所以利用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，可以有更多应用。
前期对农业农村部种猪质量监督检验测试中心（广州）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，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。本研究以2017—2019年集中测定的杜洛克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，选择杜洛克种公猪共359头。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肥育期的采食量（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）、料重比（Feedconversion 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超仪进行背膘厚、眼肌面积的测量，根据《种猪生产性能测定规程》要求，计算校正至100kg体重日龄、校正至100 kg体重背膘厚等性状。
1.2 估算方法
RFI的估算采取表1中的5种估算方法。表1式中，*表示乘号；ADFI为平均日采食量；OnBW为测定初期体重；OffBW为测定末期体重；MWT为测定中期体重；ADG为平均日增重；BF为平均背膘厚；LMA为眼肌面积；b1~b5为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 分析与讨论
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2。
注：“*”表示显著相关，标注“**”表示极显著相关。
各模型估算的RFI与杜洛克猪群的测定期料重比都有极显著正相关（P＜0.01），说明这几个模型估算的RFI都可以很好地反映杜洛克种猪的饲料效率的差异；RFIa、RFIb、RFId、RFIe与校正至100 kg体重背膘厚呈显著负相关（P＜0.05），说明大部分模型的估测都与瘦肉率呈现正相关，但RFIc与背膘厚呈极显著正相关（P＜0.01），有点特别。此外，各RFI又都表现出与眼肌面积负相关，但基本都不显著，也许低RFI的杜洛克猪虽然背膘更薄，同时眼肌面积可能也会更小。但总体而言，低RFI的杜洛克猪瘦肉率可能会更高。也许RFI与背膘厚的负相关性与其估算公式中背膘厚的系数是负数有关，但ADG的系数也是负数，而各模型估算的RFI与ADG均呈现正相关，所以相关系数与估算公式的系数关系不大，更重要的是与背膘厚、眼肌面积数据的变化趋势有关。
校正至100 kg体重日龄与各RFI都呈现负相关，且与RFIc、RFId、RFIe显著负相关（P＜0.05），可能低RFI的校正至100kg体重日龄会较大，可能比高RFI组长得稍慢，但其与RFIa、RFIb两个模型的结果差异不显著（P＞0.05）；同时5组RFI与校正30~100 kg体重日增重呈正相关（P＞0.05），表示低RFI组此阶段日增重会更小，但同时其校正至100 kg体重日龄又较大。分析其原因，有可能是低RFI的杜洛克猪虽然料重比低、瘦肉率高，但可能日增重较小、生长相对较慢。与长白、大白的相关数据相比，杜洛克的生长速度、增重都属中等偏低，可能RFI这种特点亦与其品种特性有关。此时RFI的这种规律有可能要求育种时要评估饲料效率与生长速度之间的取舍与平衡。
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组，测定指标组间差异对比见表3。
注：同列肩标不同大写字母表示差异极显著（P<0.01），不同小写字母表示差异显著（P<0.05），含相同字母表示差异不显著（P>0.05）
各个模型估算的RFI不同组间的测定期料重比都有极显著差异（P＜0.01），平均值从低到高的排序均为：低RFI组＜中RFI组＜高RFI组，与表2传递的信息相互呼应，很有力地再次揭示了杜洛克猪RFI与饲料效率的密切相关。
对于校正至100kg体重日龄和校正30~100kg体重日增重而言，a、b、e 3个模型的RFI分组都没有表现出明显的变化梯度，但c、d 2个模型一致体现出显著或极显著的梯度差异，这一点与表1的结果相呼应，可能RFI低的杜洛克猪在100kg之前日增重确实比较低、生长相对较慢。
对校正至100 kg体重膘厚而言，5组RFI呈现出了两种不同的趋势，a、b、d、e 4组低RFI组的数值均是最大值、中RFI组次之、高RFI组最小，而c组正好相反。c组与其他各组的不同点。在于估算模型的自变量不包含BF，至于这是不是它的结果与众不同的原因，有待研究。同时，对校正至100 kg体重眼肌面积而言，除e组外，各组均未显现梯度变化趋势。结合日增重指标，可以说a、b模型低RFI组瘦肉率显著低于高RFI组（P＜0.05），d组也有这个趋势但不显著（P＞0.05），而c、e组的结论刚好相反（P＜0.05），这跟表2显示的信息基本一致。暂时少数服从多数，认为低RFI组瘦肉率更高，也许是c组模型本身有问题，有待进一步研究。
2.3 各RFI分组与测定指标的相关性
对各模型估算的RFI分为低、中、高3组，测定分组操作与各指标的相关系数，结果见表4。
注：“*”表示显著相关，标注“**”表示极显著相关
表4显示，各RFI的分组情况与猪群测定期料重比均有极显著相关（P＜0.01），同时与校正至100kg体重眼肌面积、校正30~100 kg体重日增重之间亦表现出与表2、表3相印证之信息，揭示依大小为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（P＞0.05），但其均值亦显示少许趋势。此外，由于a、b、d模型估算的RFI与瘦肉率都呈现显著负相关（P＜0.05）或类似趋势，但c、e模型估算的结果似乎可以得出相反结论，与以前的研究结论接近，可能是由于品种的关系，也可能是由于模型估算公式需要更多研究改善。
3 结论与展望
5种模型估算的的RFI均与饲料效率有极显著相关，可有效评估杜洛克种猪饲料效率差异；5种模型的RFI与背膘厚、眼肌面积的关系表现出两种相反的趋势，a、b、d、e模型中，低RFI组背膘更厚，眼肌面积趋势不明显；c模型中，低RFI组背膘更薄，眼肌面积趋势不明显，所以可能低RFI组背膘更厚。同时c、d、e模型低RFI组表现出与生长速度更慢（P＜0.05）、c、d模型低RFI组表现出日增重更低的趋势（P＜0.05）。其呈现的规律提示可能低RFI猪虽然饲料效率较好，但生长会更慢、瘦肉率会更低，这可能与品种有关系，但不同的估算公式亦造成的不同结论，还需要进一步试验研究公式间的异同。
