ПРИМЕНЕНИЕ МОРФОМЕТРИЧЕСКИХ ПРИЗНАКОВ ДЛЯ ПРОГНОЗИРОВАНИЯ ЦВЕТОВЫХ ХАРАКТЕРИСТИК МЯСА СИБИРСКОГО ОСЕТРА ЛЕНСКОЙ ПОПУЛЯЦИИ, РАЗВОДИМОГО В УСЛОВИЯХ УСТАНОВКИ ЗАМКНУТОГО ВОДОСНАБЖЕНИЯ

Осетровые рыбы являются уникальными и ценными видами, обусловленными их долгой продолжительностью жизни, крупным размером и высокой экономической ценностью. В северном полушарии осетровые (Acipenseridae) долгое время считались ценными рыбными ресурсами, главным образом для производства икры

Большинство видов осетровых находятся под угрозой исчезновения и включены в Конвенцию о международной торговле видами дикой фауны и флоры, находящимися под угрозой исчезновения (СИТЕС). Так, в настоящее время основным источником продукции осетровых является аквакультура

Сибирский осетр (Acipenser baerii) является одним из наиболее распространенных видов, используемых в аквакультуре из-за его быстрого роста и производства икры. В настоящее время сибирский осетр находится под угрозой вымирания и включен в Красную книгу Международного союза охраны природы

Цвет мяса является одной из ключевых характеристик, определяющих товарный вид и, как следствие, привлекательность продукции для конечного потребителя. По этой причине цвет – одна из важнейших характеристик мясной продукции, вопрос исследования которой поднимается в странах с развитой мясной отраслью

Одним из направлений подобных исследований является поиск зависимостей между цветом мяса и характеристиками, анализ которых возможен прижизненно. Зависимости были обнаружены у ряда видов сельскохозяйственных животных с генетической

Считается, что факторами среды, в наибольшей степени влияющими на цветовые характеристики мяса, являются условия кормления, возраст убоя и наличие предубойных стрессовых факторов

Оптические технологии, в частности мультиспектральная визуализация приобретают все большее значение в исследованиях и промышленных применениях для измерения показателей мяса и мясопродуктов в режиме реального времени, которые позволяют получать более точные результаты, не разрушая мясо

Нахождение зависимостей между индивидуальными характеристиками животных и элементами спектра цвета их мяса, с учётом наследуемости этих признаков, представляет интерес с селекционной точки зрения. Возможность достоверного прогноза цвета мяса без необходимости постубойного анализа откроет перспективы селекции на определенный оттенок мяса, который, в свою очередь, может быть сопряжен как с уникальными вкусовыми, так и с иными потребительскими качествами.

Целью исследования являлась оценка точности прогноза цвета мяса осетровых рыб на основании их бонитировочных (морфометрических) характеристик.

Для достижения обозначенной цели были поставлены следующие задачи:

1) сформировать выборку из записей о морфометрических признаках и характеристиках цвета мяса по шкале L*a*b* (не менее 50 особей сибирского осетра ленской популяции);

2) рассчитать уровень корреляционной взаимосвязи между измеряемыми показателями и спектрометрическими параметрами цвета мяса;

3) построить модели линейной регрессии для оценки зависимости цветовых параметров мяса от морфометрических признаков рыб;

4) провести анализ полученных моделей и сформулировать вывод о точности прогноза в рамках примененного подхода.

Материалом исследования были данные двух измерений и убойных показателей особей сибирского осетра ленской популяции (n=50), содержащихся в экспериментальной установке замкнутого водоснабжения (УЗВ) на базе ФГБНУ ФИЦ ВИЖ им. Л.К. Эрнста, мощностью до 1500 кг. Возраст рыбы на момент эксперимента составил 12 месяцев. Рыбы содержались при температуре 19–21 °С, среднее содержание растворенного кислорода составило 10 мг/л, плотность посадки – до 40 кг/м2. Все технологические параметры, влияющие на рост, развитие, жизнеспособность рыбы (плотность посадки, водообмен, качество воды), находились в пределах нормы.

Для оценки динамики темпов роста и развития, каждой особи присваивали индивидуальной номер (мечение осуществлялось микрочипом Animal ID). Микрочип вводился внутримышечно под 3-4 жучку (костяной нарост, характерный для осетровых рыб) спинного отдела. Активация микрочипа производилась при помощи сканера РТ-200.

Измерение морфометрических признаков проводились одним оператором по 13 пластическим признакам в соответствии с методическими рекомендациями В. Д. Крыловой и Л. И. Соколова (1981)

Рисунок 1 - Измерение морфометрических признаков сибирского осетра при помощи штангенциркуля

DOI:10.23670/IRJ.2023.137.63.1

Рисунок 2 - Измерение морфометрических признаков сибирского осетра при помощи измерительной ленты

DOI:10.23670/IRJ.2023.137.63.2

Для определения индивидуальной массы тела каждую особь взвешивали на электронных весах Mertech M-ER 326 AFU-32.1 Post II LCD с точностью ± 2,5 грамм ГОСТ OIML R 76-1-2011 «Весы неавтоматического действия. МП». Значение максимальной нагрузки 32 кг, минимальной 0,1 кг. (рис.3).

Рисунок 3 - Весы электронные Mertech M-ER

DOI:10.23670/IRJ.2023.137.63.3

Измерение цветовых характеристик мяса проводилось при помощи портативного спектрофотометра (колориметра) Konica Minolta CM-700d (рис. 3а). Данный прибор характеризует цветовые характеристики в рамках системы L*a*b*, представляющей собой трехкоординатную модель, где L*∈[0, 100], где 0 – чёрный, 100 – белый; a*∈[-128, 127], где -128 – зеленый, 127 – пурпурный; b*∈[-128, 127], где -128 – голубой, 127 – жёлтый (рис. 3б)

[17]

.

Определение цвета мяса производилось в пяти точках среза участка между 2-3 позвонком (рис. 4, 5). Затем для каждой особи определялось среднее значение по шкалам спектра, которые в дальнейшем использовались для анализа.

Рисунок 4 - Участок, на котором производилось взятие образца для определения цвета мяса

DOI:10.23670/IRJ.2023.137.63.4

Рисунок 5 - Точки измерения цветового спектра мяса рыб

DOI:10.23670/IRJ.2023.137.63.5

Коэффициенты корреляции между признаками определялись по формуле Пирсона:

,

где n – количество наблюдений (пар значений),

xi и yi – соответствующие значения двух переменных для каждого наблюдения,

 – средние значения переменных x и y, соответственно.

Уравнения множественной регрессии в общем виде имели форму:

где y – независимая переменная (признак, для которого строится линейное уравнение), – свободный член уравнения, – коэффициенты регрессии для предикторов от 1 до p (признаков, влияние которых на независимую переменную оценивается в рамках уравнения), – остаток (разница между прогнозируемым на основе уравнения и наблюдаемым значениями).

Коэффициенты в уравнении линейной регрессии, таким образом, демонстрируют, насколько значение признака y меняется при изменении соответствующего предиктора на 1.

Для определения коэффициентов линейной регрессии в уравнениях использовался метод наименьших квадратов, сводившийся к решению системы уравнений:

где X – матрица размером n×p, где n – количество наблюдений, p – количество предикторов в уравнении,

– матрица ковариации предикторов,

– вектор коэффициентов размером m×1,

Y – вектор значений наблюдений размером n×1,

– матрица ковариации предикторов с зависимой переменной.

Решение, таким образом, имело вид:

где  – обратная матрица .

Обработка данных осуществлялась при помощи языка программирования R в среде разработки RStudio. Подбор уравнений линейной регрессии осуществлялся при помощи алгоритма пошаговой регрессии (stepwiseregression) на основе информационного критерия Акаике, реализованного в библиотеке MASS

Основные описательные характеристики морфометрии выборки приведены в таблице 1.

Спектр осетрового мяса также был получен путем измерения 5-ти точек в разрезе 2 и 3 позвонка (рис.2б). Цвет рыбного филе, в сравнение с мясом млекопитающих, имеет более светлый оттенок, относящийся к зелено-желтому спектру. Это также подтверждается исследованием цветовых характеристик мяса сибирского осетра и его помесей, проведенным Jankowska et al (2005)

Полученные статистические параметры свидетельствуют о следующей общей картине спектра:

· Среднее значение яркости L* составляет 52,44, что соответствует средней светлоте мяса.

· Значение красного цветового тона a* равно -1,19. Это говорит о преобладании серо-зеленоватых оттенков.

· Значение желтого тона b* составило 7,44. Это указывает на небольшую долю желтизны.

· Ошибки среднего арифметического находились в диапазоне 0,20…0,47, то есть данные достаточно однородные.

Разнообразие признаков, выраженное в коэффициентах вариации, демонстрирует картину, свидетельствующую о низкой вариабельности яркости мяса (Cv = 6,38%), высокой вариабельности цветового тона a* (Cv = 120,03%) и средней вариабельности спектра b* (Cv = 42,45%). Высокая однородность показателей яркости мяса объясняется тем, что измерения осуществлялись в закрытом помещении при фиксированных условиях освещения, в то же время, высокий разброс значений красно-зеленого тона a* свидетельствует о неразличимых вкраплениях крови в некоторых точках образцов, которыми был вызван наблюдаемый разброс значений.

Исходя из представленных статистических показателей следует, что цвет мяса характеризуется средней светлотой, серо-зеленоватым оттенком и небольшой долей желтизны. Полученные значения достаточно однородны, чтобы в дальнейшем использоваться в качестве эталонных.

Картины распределения, наблюдаемые по каждому спектру, представлены на рисунках 6-8.

Рисунок 6 - Распределение значений спектра L* в выборке

DOI:10.23670/IRJ.2023.137.63.7

Рисунок 7 - Распределение значений спектра a* в выборке

DOI:10.23670/IRJ.2023.137.63.8

Рисунок 8 - Распределение значений спектра b* в выборке

DOI:10.23670/IRJ.2023.137.63.9

Наблюдаемая картина распределения по каждому спектру также подтверждает ранее сделанные выводы: в наибольшей степени нормальному распределению соответствует спектр L*, в наименьшей – a*.

Визуально распределение цвета образцов представлено на рисунке 9.

Рисунок 9 - Визуализация результатов измерения цвета филе осетровых в рамках модели цветового спектра CIELAB

DOI:10.23670/IRJ.2023.137.63.10

Небольшая выборка объясняется сложностью в получении необходимого материала. Осетр является ценной рыбой по своему качественному составу мяса и растет в производственных условиях 4-5 лет. В связи с чем, выборка клинически здоровых особей затруднительна для исследования убойных показателей и выборка данных может считаться репрезентативной. Исследуемая популяция сибирского осетра, в сравнение с литературными данными имеет более светлый цвет филе, спектрально насыщенного зеленовато-желтым оттенком. Предположительно, на данный аспект влияют, в первую очередь, происхождение осетровых, а также условия содержания в условиях замкнутого водоснабжения и кормления.

Были определены корреляционные взаимосвязи элементов L*a*b*-спектра с результатами морфометрии выборки осетровых, результаты представлены в таблице 2.

Исходя из результатов корреляционного анализа, можно сделать следующие выводы о корреляционных связях морфометрических показателей осетровых рыб и параметров L*a*b*-спектра цвета их мяса:

Диапазон коэффициентов корреляции варьировал в следующих пределах:

- для L*: от -0,18 до 0,22 (слабая отрицательная (с длиной головы) и положительная (с длиной хвостового стебля) корреляции);

- для a*: от 0,06 до 0,71 (незначительная (с длиной всей рыбы) и сильная положительная (с массой тела) корреляция);

- для b*: от +0,20 до +0,75 (слабая (с петковентральным и вентроанальным расстоянием) и сильная положительная (с массой тела) корреляция).

Из этого следует, что построение регрессионных моделей для показателей спектра цвета мяса на основе морфометрических признаков принципиально возможно. Предварительно, на основании корреляционного анализа можно сделать вывод, что в наибольшей степени L*- спектр будет прогнозироваться на основании характеристик, описывающих длину тела рыбы, а a* и b*- спектры в существенной степени будут зависеть от показателя убойной массы.

Характеристики полученных уравнений регрессии представлены в таблице 3.

Малые значения p-критерия свидетельствуют о статистической значимости сформированных моделей. Коэффициент детерминации – это показатель, демонстрирующий долю объясненного моделью разнообразия значений признака, выражаемого параметром дисперсии. Таким образом, в наибольшей степени была объяснена дисперсия признака b*. В целом, значения коэффициентов детерминации находились на среднем уровне (R2 = 0,424…0,597), из чего можно сделать вывод о необходимости дальнейшего пополнения выборки данных для достижения большей степени репрезентативности. Также стоит отметить, что доля дисперсии, объясненной взаимосвязями с морфометрическими характеристиками, не учитывает такие не задействованные в исследовании предикторы, как pH и внутренняя морфология. Важно также отметить, что в рамках исследования применялась методология линейной регрессии, не учитывающая случайную вариацию, обусловленную такими эффектами, как, например, возрастная группа или бассейн содержания.

Параметры остатков по каждому исследуемому элементу спектра представлены в таблице 4.

Исходя из полученных параметров можно сделать вывод, что наименьшее отклонение от нуля (стремление ошибки прогноза к нулю является одним из допущений, характеризующих линейные модели) в среднем демонстрировали ошибки прогноза признака L*, однако значение ошибки среднего, превосходившее этот параметр в несколько раз, свидетельствует о большом размахе вариации ошибки, что подтверждается абсолютными значениями, а также коэффициентом вариации. Такие же выводы можно сделать по ошибкам прогноза признака b*. Что касается значений красно-зеленой цветовой координаты (a*), ошибки прогноза этой цветовой характеристики характеризовались наименьшим значением как ошибки среднего, так и размаха вариации, что свидетельствует о том, что модель, составленная для прогноза этой составляющей спектра, наиболее оптимально объясняла изменчивость из всех исследованных цветовых параметров.

Подбор моделей по критерию Акаике позволил сформировать следующие наиболее оптимальные модели для прогноза элементов спектра цвета мяса:

где BL – длина всей рыбы, CW – масса тела, PV – пектовентральное расстояние, pl1 – длина хвостового стебля, SC – толщина тела, h – высота хвостового стебля, CC – обхват тела, – остаток.

Сопоставление наблюдаемых и спрогнозированных на основе регрессионных моделей представлено на рисунках 10-12.

Рисунок 10 - Соотношение наблюдаемых (L*) и спрогнозированных (L*’) значений спектра L*

DOI:10.23670/IRJ.2023.137.63.14

Рисунок 11 - Соотношение наблюдаемых (a*) и спрогнозированных (a*’) значений спектра a*

DOI:10.23670/IRJ.2023.137.63.15

Рисунок 12 - Соотношение наблюдаемых (b*) и спрогнозированных (b*’) значений спектра b*

DOI:10.23670/IRJ.2023.137.63.16

Соотношение полученных спрогнозированных значений с наблюдаемыми для всех трёх спектров свидетельствует о том, что отклонение при подобном размере выборки и уровне детерминации в моделях зачастую существенно, что подтверждает озвученный ранее тезис о необходимости увеличения выборки для достижения более надёжного результата.

Достоверный прогноз цвета мяса на основании морфометрических признаков видится перспективным направлением для оценки характеристик продукции (филе рыбы) без необходимости проведения убоя животных. Подобная практика может представлять интерес для селекционных целей, однако, генетическая обусловленность цветовых характеристик мяса в разведении осетровых в России является малоизученным вопросом. Стоит отметить, что апробированная методология прогнозирования, примененная в исследовании, имеет ряд существенных ограничений по сравнению с более гибкими методами типа смешанных моделей. В частности, линейная регрессия предполагает линейную зависимость между предикторами и откликом и не учитывает возможные нелинейные эффекты, случайные вариации, коррелированность данных и отклонения от нормального распределения у остатков. Кроме того, линейные модели не дают доверительных интервалов прогноза и могут быть неустойчивы к выбросам данных. Все эти факторы снижают надежность и точность получаемых с помощью данного подхода прогнозов по сравнению со смешанными моделями, позволяющими более гибко учитывать особенности реальных данных. В свою очередь, ключевым недостатком смешанных моделей является их зависимость от количества и классифицируемости данных. Структура первичного материала, находившегося в распоряжении исследовательского коллектива, не имела ярко выраженной групповой структуры, а также характеризовалась небольшим объемом. В связи с этим, несмотря на перечисленные ограничения, в качестве методологии был выбран метод линейной регрессии.

Дальнейшая работа в направлении, обозначенном в нашем исследовании, при создании более репрезентативной выборки, позволит выявить как морфометрические признаки, так и эффекты, не связанные с линейным взаимодействием, на основании которых будет возможен более достоверный прогноз характеристик цвета мяса рыбы, как одного из важнейших показателей товарного вида продукции. Это позволит разработать генетические подходы к формированию племенного и товарного стада данного объекта аквакультуры.

Проведенный корреляционный анализ продемонстрировал существенную степень взаимосвязанности хроматических характеристик мяса осетровых (координаты a* и b*) с промерами, характеризовавшими рост и развитие животного (длина и обхват тела, пектовентральное расстояние, масса тела). Полученные значения являются свидетельством того, что также изменчивость изучаемых характеристик может объясняться возрастом животного, а ввиду наличия положительной зависимости с массой и длиной тела, можно прогнозировать, что в дальнейшем мясо в выборке будет более красных и желтых оттенков. Для ахроматической цветовой координаты (L*) не было выявлено столь же существенных взаимосвязей, что было связано в первую очередь с низкой вариабельностью этого показателя.

Результативность применения методологии прогноза, основанного на линейной регрессии, главным образом выраженная в коэффициентах детерминации сформированных моделей, варьировала в пределах R2 = 0,424…0,597. Подобные значения свидетельствуют о том, что модели хоть и не были идеально точны, всё же объясняли значительную долю изменчивости цветовых характеристик мяса осетровых рыб.