L’esplorazione di varianza, autocorrelazione e asimmetria delle deviazioni dalle curve di lattazione può essere usata come indicatore per selezionare bovine più resilienti
Introduzione
Le vacche differiscono nella loro capacità di far fronte a disturbi ambientali come agenti patogeni, ondate di calore e cambiamenti nella composizione e nella quantità degli alimenti. Una vacca che non è influenzata da questi disturbi, o che ritorna rapidamente al suo normale livello di funzionamento, è etichettata come resiliente (Colditz e Hine, 2016; Berghof et al., 2019b). La resilienza potrebbe essere migliorata attraverso la selezione genetica, ma per farlo è necessario misurarla nelle singole vacche. Diversi studi hanno quantificato le risposte e il recupero da un disturbo sperimentale negli animali (Friggens et al., 2016; Revilla et al., 2019). Tuttavia, tali esperimenti non possono essere effettuati regolarmente negli allevamenti commerciali. Inoltre, si concentrano su un singolo tipo di disturbo, mentre il nostro obiettivo è migliorare la resilienza generale a disturbi sconosciuti.
In alternativa, è possibile utilizzare un approccio basato sui dati. Scheffer et al. (2018) ha proposto metodi per quantificare la resilienza nelle vacche utilizzando dati misurati di frequente. Questi metodi si basano sul presupposto che le vacche siano costantemente soggette a disturbi sconosciuti, che provocano fluttuazioni nei tratti misurati frequentemente. Le bovine con poche fluttuazioni sono meno colpite dai disturbi rispetto a quelle con più fluttuazioni. Pertanto, il pattern delle fluttuazioni dovrebbe essere informativo sulla resilienza. Sono stati suggeriti diversi indicatori di resilienza che descrivono le fluttuazioni nei tratti misurati frequentemente, come la varianza del tratto, che indica la variabilità del tratto misurato frequentemente, l’autocorrelazione lag-1 del tratto, che indica estensioni di valori superiori o inferiori al livello previsto e asimmetria del tratto (Scheffer et al., 2018; Berghof et al., 2019b). Fino ad ora, è stato difficile convalidare gli indicatori di resilienza mettendoli in relazione alla risposta ai disturbi, a causa della mancanza di dati sui disturbi. Tuttavia, l’analisi genetica può essere utilizzata per comprendere meglio la biologia di un tratto e, come tale, aumentare la nostra comprensione di nuovi indicatori di resilienza, simili alla convalida di tratti valutati soggettivamente come il BCS (Veerkamp et al., 2002). Un tratto che viene spesso misurato e che mostra una risposta ai disturbi è la produzione di latte. La varianza della produzione di latte è stata studiata da diversi ricercatori.
Elgersma et al. (2018) hanno mostrato che la varianza della produzione giornaliera di latte registrata era ereditabile e che le vacche con una varianza inferiore avevano una salute della mammella geneticamente migliore, meno chetosi e una migliore longevità. Pertanto, la varianza della produzione giornaliera di latte ha un potenziale come indicatore di resilienza. Tuttavia, Elgersma et al. (2018) non ha tenuto conto della forma della curva di lattazione, che dovrebbe influenzare il livello di varianza nella produzione di latte.
Altri studi hanno dimostrato una variazione genetica nella varianza ambientale nella produzione di latte utilizzando un modello di regressione casuale, che ha tenuto conto della forma della curva di allattamento (Rönnegård et al., 2013; Vandenplas et al., 2013; Ehsaninia et al., 2019). Tuttavia, questi autori hanno utilizzato test-day record, che non sono abbastanza frequenti da rilevare tutte le fluttuazioni della produzione di latte. Nel complesso, vi sono margini di miglioramento nell’utilizzo della varianza nella produzione di latte come indicatore di resilienza. Inoltre, l’autocorrelazione e l’asimmetria della produzione giornaliera di latte registrata possono fornire ulteriori informazioni sulla resilienza. Lo scopo di questo studio era quello di esplorare l’uso della varianza, dell’autocorrelazione e dell’asimmetria delle deviazioni nel livello giornaliero di produzione del latte dalla curva di lattazione come indicatori per l’allevamento di vacche resilienti. Sono stati esplorati 4 metodi per adattarsi alla curva di lattazione: media mobile, mediana mobile, regressione del quantile e curva di Wilmink. E’ stata stimata l’ereditarietà di tutti gli indicatori di resilienza, nonché le correlazioni genetiche tra gli indicatori di resilienza e le correlazioni genetiche tra i metodi di adattamento alle curve. Inoltre, sono state stimate correlazioni genetiche tra gli indicatori di resilienza e la salute, la produzione, la longevità, la fertilità e i tratti metabolici.
Abstract
La capacità di una vacca di far fronte ai disturbi ambientali, come agenti patogeni o ondate di calore, è chiamata resilienza. Per migliorare la resilienza attraverso l’allevamento, abbiamo bisogno di indicatori di resilienza, che potrebbero essere basati sui pattern di fluttuazione della produzione di latte causati da questi disturbi. Lo scopo di questo studio era di esplorare 3 tratti che descrivono le fluttuazioni nella produzione di latte come indicatori per l’allevamento di vacche resilienti: la varianza, l’autocorrelazione e l’asimmetria delle deviazioni dalle curve di lattazione individuali.
Sono stati utilizzati dati giornalieri di produzione di latte di 198.754 vacche primipare, registrati da sistemi di mungitura automatica. Innanzitutto, è stata stimata la curva di lattazione di ogni bovina utilizzando 4 metodi diversi: media mobile, mediana mobile, regressione quantile e curva di Wilmink. E’ stata quindi calcolata la varianza trasformata in log (LnVar), l’autocorrelazione lag-1 (rauto) e l’asimmetria (Skew) delle deviazioni giornaliere da queste curve come indicatori di resilienza. È stata eseguita un’analisi genetica degli indicatori di resilienza e sono state stimate le correlazioni genetiche tra gli indicatori di resilienza e le caratteristiche di salute, longevità, fertilità, metabolica e produzione. Le ereditarietà differivano tra LnVar (da 0,20 a 0,24), rauto (da 0,08 a 0,10) e l’asimmetria (da 0,01 a 0,02) e le correlazioni genetiche tra gli indicatori erano da deboli a moderate. Per rauto e Skew, le correlazioni genetiche con salute, longevità, fertilità e tratti metabolici erano deboli o l’opposto rispetto a quello che ci aspettavamo. Pertanto, rauto e Skew hanno un valore limitato come indicatori di resilienza. Tuttavia, un minore LnVar era geneticamente associato a una migliore salute della mammella (correlazioni genetiche da -0,22 a -0,32), migliore longevità (da -0,28 a -0,34), minore chetosi (da -0,27 a -0,33), migliore fertilità (da -0,06 a -0,17) ), BCS più elevato (da -0,29 a -0,40) e maggiore assunzione di sostanza secca (da -0,53 a -0,66) allo stesso livello di produzione di latte. Queste correlazioni supportano LnVar come indicatore di resilienza. Tra tutti e 4 i metodi di adattamento alla curva, LnVar basato sulla regressione quantile aveva sistematicamente le più forti correlazioni genetiche con i tratti di salute, longevità e fertilità. Pertanto, la regressione quantile è considerata il miglior metodo di adattamento alla curva. In conclusione, LnVar basato sulle deviazioni da una curva di regressione quantile è un promettente indicatore di resilienza che può essere usato per allevare le vacche più resilienti.
Parole chiave: resilienza, varianza, produzione di latte, sistema di mungitura automatica, vacca da latte.
EXPLORATION OF VARIANCE, AUTOCORRELATION, AND SKEWNESS OF DEVIATIONS FROM LACTATION CURVES AS RESILIENCE INDICATORS FOR BREEDING
Poppe,1* R. F. Veerkamp,1 M. L. van Pelt,2 and H. A. Mulder1
1-Wageningen University and Research, Animal Breeding and Genomics, PO Box 338, 6700 AH Wageningen, the Netherlands
2-Cooperation CRV, Animal Evaluation Unit, PO Box 454, 6800 AL Arnhem, the Netherlands
Journal of Dairy Science Vol. 103 No. 2, 2020
