Uno studio sull’uso della spettroscopia all’infrarosso abbinata ad algoritmi di machine learning per la predizione del profilo proteico del latte bovino

Negli ultimi anni, una crescente attenzione è stata dedicata alla valutazione genetica delle frazioni proteiche del latte bovino al fine di migliorare la qualità del latte e le sue caratteristiche tecnologiche (Amalfitano et al., 2019). In questo contesto, metodi di high throughput phenotyping come la spettroscopia ad infrarosso con trasformata di Fourier (FTIR) offrono l’opportunità di poter misurare in modo efficiente e su larga scala nuovi caratteri che possono essere sfruttati in un’ottica di miglioramento genetico (Baba et al., 2021). Tra questi caratteri vi sono le frazioni proteiche del latte, la cui relazione con l’attitudine casearia del latte stesso è molto stretta.

In questo studio sono stati raccolti, in diversi periodi (un primo campionamento nel 2013 e un secondo tra il 2019 e il 2020) campioni di latte e spettri FTIR da 2.558 bovine di razza Frisona appartenenti a 38 allevamenti localizzati nel Nord Italia e caratterizzati da diversi sistemi produttivi. Le principali frazioni caseiniche e proteine del siero sono state determinate presso il laboratorio latte del Dipartimento DAFNAE dell’Università di Padova tramite cromatografia liquida ad alta prestazione (HPLC) e sono state espresse sia in g/L che in % di azoto totale (%N). Le predizioni FTIR sono state determinate tramite algoritmi di machine learning e diversi scenari di cross-validazione (CV) sono stati utilizzati per la loro validazione. Tra questi, è stato utilizzato uno scenario in cui gli animali senza pedigree sono stati assegnati alla popolazione di training e gli animali con pedigree in parte sono stati assegnati al set di training ed in parte al set di validazione esterna. I risultati ottenuti con questo approccio sono stati utilizzati per stimare i parametri genetici delle frazioni proteiche del latte predette con metodo FTIR e quelle determinate con metodo analitico (HPLC). In particolare, la stima della correlazione genetico additiva tra il dato predetto con l’infrarosso e misurato con HPLC, rappresenta il parametro principale per determinare l’efficacia dell’utilizzo dell’infrarosso quale strumento per il miglioramento genetico (per via indiretta) del profilo proteico del latte. Confrontando le predizioni FTIR dei diversi caratteri ed i dati HPLC, sono state osservate delle riduzioni nei valori di ereditabilità associate alla capacità predittiva dello FTIR (caratteri con R2 più alti mostravano minori variazioni nei valori di ereditabilità tra FTIR e HPLC). Le variazioni osservate erano comunque di lieve entità (tra −1.9 e −7.25% per g/L e tra −1.6 e −7.9% per %N). Le correlazioni genetiche tra le predizioni FTIR ed i dati analitici erano invece generalmente alte (>0.8).

I risultati ottenuti sembrano dunque supportare l’opportunità di utilizzare le predizioni FTIR delle frazioni proteiche del latte, ottenute nell’ambito dei programmi di screening dei controlli funzionali, come carattere strumento di selezione per il miglioramento indiretto della qualità del latte bovino e della sua attitudine casearia.

La presente nota è una sintesi del seguente articolo scientifico pubblicato sul Journal of Dairy Science dove è riportata tutta la letteratura citata: “Predicting milk protein fraction using infrared spectroscopy and a gradient boosting machine for breeding purposes in Holstein cattle” (2023) di L.F. Macedo Mota, V. Bisutti, A. Vanzin, S. Pegolo, A. Toscano, S. Schiavon, F. Tagliapietra, L. Gallo, P. Ajmone Marsan e A. Cecchinato.

Autori

Giuseppe Conte, Alberto Stanislao Atzori, Fabio Correddu, Antonio Gallo, Antonio Natalello, Sara Pegolo, Manuel Scerra – Gruppo Editoriale ASPA

Print Friendly, PDF & Email