La quantità e la qualità del colostro sono aspetti fondamentali da considerare in vitellaia in quanto esso rappresenta la fonte principale di anticorpi, di energia, carboidrati, lipidi, proteine, minerali e vitamine per i vitelli nelle prime ore di vita. Se è vero che la qualità del colostro è dettata per lo più dalla concentrazione di immunoglobuline, soprattutto G (IgG), è altrettanto vero che il colostro sia un alimento prezioso perché ricco di sostanze bioattive e di nutrienti essenziali per il neonato. Inoltre, il colostro è usato come ingrediente in diversi ambiti (ad es. industria farmaceutica) per cui una valutazione dettagliata della composizione, oltre che delle IgG, è raccomandata in quanto può valorizzare colostri di qualità eccellente o svelare situazioni in cui sia necessario agire con standardizzazioni mirate al fine di colmare talune carenze.
Oltre che favorire una sempre più mirata alimentazione per il vitello (precision feeding), la composizione dettagliata del colostro è interessante per quelle industrie che producono preparati contenenti colostro bovino, come cibi, integratori e medicinali. Ne deriva che diversi attori, non solo quelli del lattiero-caseario (allevatori e veterinari), possano essere interessati a capire quali siano le fonti di variazione di composti importanti come minerali e amino acidi essenziali (AA).
La presenza di minerali e AA essenziali nel colostro rende il primo pasto dei neonati cruciale per la salute e funzionalità del loro organismo (Blum e Hammon, 2000). Ad esempio, alcuni degli AA presenti sono cruciali per la sintesi di enzimi e di proteine, che raggiunge il picco nei bovini nelle prime fasi postnatali (Zanker et al., 2000), e svolgono dunque un ruolo fondamentale per la crescita e lo sviluppo. Gli AA favoriscono anche l’attività immunologica (Li et al., 2020) e possono essere utilizzati dall’organismo per produrre energia metabolica (NRC, 2001). D’altro canto, i minerali svolgono ruoli chiave ad esempio nella formazione e il mantenimento del tessuto scheletrico, nel funzionamento del sistema nervoso e muscolare (NRC, 2001). Non solo, i minerali sono parte integrante di composti/molecole fondamentali nelle prime ore di vita.
Per questo motivo, oltre a valutare la qualità intrinseca (IgG), responsabili dell’acquisizione di immunità passiva dei vitelli, avere la possibilità di determinare la concentrazione di questi nutrienti ad un costo ragionevole e in tempo reale risulterebbe utile sia a livello di allevamento, in un’ottica di precision feeding, sia a livello di stabilimento industriale per migliorare la produzione, la standardizzazione e la sicurezza di prodotti contenenti colostro bovino per uso umano. Attualmente, le analisi necessarie per quantificare AA e minerali nel colostro e altri prodotti lattiero-caseari sono prevalentemente metodi di riferimento (gold standard) che, seppur precisi, sono dispendiosi in termini di tempo e costi e non implementabili su larga scala in routine.
Nel latte, tale problematica è stata aggirata con l’adozione della spettroscopia infrarosso. La spettroscopia nel medio infrarosso (MIRS), infatti, è da anni riconosciuta dagli enti vigilanti ed equiparata alle analisi di laboratorio gold standard per caratteri come grasso totale, proteina totale, caseina e lattosio (De Marchi et al., 2014). La spettroscopia nel vicino infrarosso (NIRS), invece, si presta all’analisi di matrici solide e semisolide ed è la tecnologia ad oggi più popolare nel mondo lattiero-caseario per la rapida valutazione qualitativa di formaggio, yogurt, cagliata, ecc. (De Marchi et al., 2018).
Negli ultimi anni è stata testata l’abilità predittiva della MIRS e della NIRS per la concentrazione di IgG nel colostro bovino ed entrambe le tecnologie hanno dimostrato di poter fornire predizioni accurate di tale parametro qualitativo. Tuttavia, fino a pochi mesi fa nulla si sapeva in merito a minerali ed AA.
Prova sperimentale
In una prova sperimentale coordinata dal team del Prof. De Marchi (Università di Padova) e finanziata dall’Associazione Regionale Allevatori del Veneto (ARAV, Vicenza) con il progetto “ColoXInf”, è stato campionato il colostro alla prima mungitura in 678 bovine di razza Frisona entro 6 ore dal parto. I campioni, raccolti tra marzo 2019 e maggio 2020 provenivano da vacche allevate in 9 aziende commerciali del Triveneto. Maggiori dettagli circa il protocollo di campionamento e le aziende coinvolte sono reperibili nell’articolo di Costa et al. (2021).
In breve, ciascun campione, inizialmente conservato in azienda a -20 °C, è stato scongelato a temperatura ambiente, analizzato mediante specifici kit di immunodiffusione radiale (Costa et al., 2021) per determinare la concentrazione di IgG e delle altre frazioni immunoglobuliniche, ossia A (IgA) e M (IgM). Successivamente, mediante gold standard ICP-OES sono stati determinati i seguenti minerali: calcio (Ca), fosforo (P), zolfo (S), potassio (K), magnesio (Mg), sodio (Na), zinco (Zn) e ferro (Fe). Con la cromatografia liquida, infine, è stato possibile determinare (HPLC) il contenuto dei seguenti AA: leucina (Leu), lisina (Lys), treonina (Thr), valina (Val), fenilalanina (Phe), arginina (Arg), isoleucina (Ile), istidina (His), triptofano (Trp) e metionina (Met).
In parallelo, un’aliquota di ogni campione è stata scansionata per acquisire lo spettro infrarosso con due specifici strumenti operanti rispettivamente in MIRS e in NIRS (FOSS A/S, Hillerød, Danimarca). Associando i valori ottenuti dalle analisi di laboratorio (fenotipi reference) agli spettri, è stato possibile sviluppare dei modelli di predizione che consentono di stimare con un certo grado di precisione il contenuto delle componenti del colostro, riducendo i tempi e i costi di analisi per i futuri campioni.
Modelli predittivi
Il grafico 1 riporta il valore del coefficiente di determinazione (R2) che fornisce l’indicazione della precisione con la quale le tecnologie MIRS e NIRS predicono il contenuto dei componenti ricercati nei campioni di colostro. Le linee colorate indicano le soglie massime sotto le quali il modello di predizione risulta insufficiente (rosso; R2<0,50), garantisce una valutazione qualitativa del parametro ovvero la possibilità di distinguere un contenuto alto o basso (giallo; 0,50≤R2≤0,65), buono per una quantificazione approssimativa (verde chiaro; 0,66≤R2≤0,81), e ottimo per un accurato controllo della qualità (verde scuro; 0,82≤R2≤0,90; Williams, 2003).
Grafico 1. Bontà dei modelli di predizione sviluppati con spettroscopia nel medio infrarosso di amminoacidi e minerali nel colostro bovino
I modelli sviluppati sono stati applicati a campioni il cui reale contenuto reference di AA e minerali, seppur noto, era stato mascherato per mimare l’applicazione a campioni estranei, o più comunemente noti come “esterni”. Si è potuta riscontrare una buona accuratezza della tecnologia MIRS per la quantificazione approssimativa di tutti gli AA (0,70≤R2≤0,81), fatta eccezione per Isoleucina e Metionina la cui precisione di predizione era inferiore (rispettivamente R2 = 0,64 e R2 = 0,60). Nel caso di R2 come quelli riscontrati per Isoleucina e Metionina la predizione è indicata solo per scopo di screening, ovvero per discriminare campioni con contenuto elevato e basso; una predizione puntuale della concentrazione non è pertanto possibile con R2 al di sotto di una certa soglia. Ciò significa che, nel caso dell’Istidina è risultato evidente come il modello MIRS fosse incapace di predirne in modo soddisfacente il contenuto (R2 = 0,48). Per 7 AA su 10 il NIRS ha ottenuto risultati migliori, soprattutto per Lisina e Fenilalanina i cui modelli hanno raggiunto un’ottima precisione con un R2 di 0,83 e 0,86, rispettivamente. Per quanto riguarda i minerali, invece, il MIRS ha complessivamente predetto meglio rispetto al NIRS, ad eccezione di S e Fe, garantendo modelli per uno screening approssimativo del contenuto di Ca, P, S e Mg (0,66≤R2≤0,80). Per gli altri minerali, la precisione dei modelli era insufficiente ai fini della loro applicazione per la raccolta di dati fenotipici puntuali (Na e Zn) o insufficiente ad una qualsiasi applicazione in campo (K e Fe). Il NIRS ha prodotto modelli applicabili per S (R2 = 0,87) e P (R2 = 0,52).
Effetto dell’ordine di parto e della stagione
Per la prima volta ci si è potuti avvalere di un grande numero di campioni per valutare l’effetto dell’ordine di parto della vacca e della stagione di parto sulla concentrazione di AA e minerali. Durante tutte le stagioni, le componenti studiate non presentavano differenze significative tra campioni provenienti da vacche con diverso ordine di parto. In particolare gli AA presentavano un pattern poco chiaro (Grafico 2), avendo valori più alti nelle primipare e nelle pluripare con ordine di parto ≥3, probabilmente dovuto ad un effetto di concentrazione legato alla quantità di colostro prodotta.
Il contenuto di minerali era invece influenzato dall’ordine di parto in modo indipendente per ciascun elemento (Grafico 3), ad esempio Ca, P, Mg e Na erano più abbondanti nel colostro di vacche primipare, mentre S in vacche con ordine di parto più avanzato. È bene tenere in considerazione che per alcuni elementi, il volume di colostro prodotto dalla vacca alla prima mungitura può essere impattante. Infatti, in vacche ad alta produzione può avvenire un fenomeno di diluizione dei componenti, mentre, come avviene per il latte, ci si può aspettare l’opposto (concentrazioni elevate, effetto concentrazione) in vacche la cui produzione di colostro è scarsa alla prima mungitura, ad es. <2 litri.
Grafico 2. Medie stimate (LSM) per l’effetto ordine di parto di (a) AA essenziali (mg/100g tal quale) e (b) minerali (mg/100g) determinati con metodo di riferimento.
Il triptofano e quasi tutti i minerali sono stati influenzati significativamente dalla stagione di parto (Grafico 3). Per quanto riguarda i minerali, infatti, solo Fe e Zn sono risultati essere uguali nelle diverse stagioni (Grafico 3). In breve, a parità di i) ordine di parto, ii) azienda di provenienza e iii) anno di parto, le vacche che hanno partorito in primavera avevano un contenuto inferiore di triptofano rispetto all’autunno. Per quanto riguarda il contenuto minerale, non è stato possibile individuare un andamento regolare (Grafico 3), ma è risultato chiaro come ci fosse un effetto stagionale. La concentrazione di Ca, ad esempio, è risultata essere maggiore in autunno e primavera rispetto all’estate; per quanto riguarda lo Zn è risultato più concentrato il colostro di vacche che avevano partorito nelle stagioni calde rispetto all’inverno.
Grafico 3. Medie stimate (LSM) per l’effetto stagione di parto di (a) AA essenziali (mg/100g tal quale) e (b) minerali (mg/100g) determinati con metodo di riferimento.
Considerando come varia la qualità dei foraggi nel corso delle stagioni, ci si aspettava una certa fluttuazione in alcune componenti colostrali. La dieta fornita agli animali nei giorni precedenti al parto, come la dieta somministrata il giorno del parto, è determinante per il trasferimento di certi minerali e AA nelle secrezioni mammarie. Ciò spiega anche perchè l’effetto della stalla, che include pratiche aziendali e composizione della razione, è risultato sempre significativo, fatta eccezione per Ca, Zn e Fe.
Correlazioni
La correlazione tra tutti gli AA e le immunoglobuline era sempre significativa e positiva, con un’intensità mediamente attorno a 0,54 (Tabella 1). Chimicamente, infatti, gli AA possono essere associati ad altri contenuti proteici, ivi comprese le IgG. I minerali invece non hanno mostrato una forte correlazione con le IgG, ad eccezione di S; questo perchè probabilmente i minerali potrebbero associati ad altri composti, anche non organici.
Tabella 1. Correlazioni di Pearson1 calcolate tra le diverse frazioni immunoglobuliniche e gli AA e i minerali.
Per poter considerare un colostro di qualità sufficiente, la concentrazione di IgG deve essere uguale o superiore a 50 g/L (Godden, 2008). Tale soglia, infatti, garantisce un adeguato (sufficiente) trasferimento passivo dell’immunità al vitello nelle prime ore di vita. In questo studio, erano assai pochi i campioni con IgG sotto soglia (n = 88) e quindi classificabili come di cattiva qualità. Dunque, al fine di comparare AA e minerali di campioni con IgG alte e basse, sono stati creati i seguenti raggruppamenti:
- bassa qualità (IgG < 70 g/L)
- buona qualità (IgG ≥ 70 g/L).
Pertanto, la soglia minima è stata innalzata da 50 a 70 g/L. I risultati dell’analisi discriminate hanno rivelato come esista una relazione tra qualità (IgG) del colostro ed AA essenziali, in particolare Valina, Fenilalanina, Metionina. Tra i minerali, solo S è risultato un composto che poteva essere diverso in campioni con IgG alte e basse. L’analisi suggerisce che, nota la concentrazione di Valina, Fenilalanina, Metionina e S dei campioni, sarebbe possibile classificare correttamente i campioni in base alla qualità; in particolare, si raggiungerebbe una corretta classificazione del 77,7% dei campioni di alta qualità e l’81,55% di quelli di bassa qualità.
Conclusione
I risultati dello studio hanno dimostrato come MIRS e NIRS possano essere utilizzati per predire la composizione dettagliata del colostro, inclusa la concentrazione di 10 AA essenziali per il vitello nelle prime fasi di vita. Prestazioni soddisfacenti sono state raggiunte per Ca, P, S e Mg nel caso di MIRS (R2 ≥ 0,66) e per S (R2 = 0,87) nel caso di NIRS. Nonostante possano essere perfezionati, i modelli dimostrano come questa tecnologia già in uso per il latte possa trovare applicazione anche per l’analisi del colostro. Avere la possibilità di determinare la composizione del colostro con strumenti da laboratorio e/o portatili/tascabili rappresenta un’opportunità nell’era della zootecnia di precisione per scopi di precision feeding e per la valutazione in campo della qualità del colostro. Non solo: anche l’industria che acquista il colostro e lo utilizza per le diverse preparazioni (integratori, latte in polvere, ecc) potrà beneficiare di questi studi.
Infine, i risultati hanno mostrato come ci sia una certa influenza non solo della stagione di parto ma anche dell’ordine di parto della vacca e che sia necessario in futuro tenere in considerazione il volume di colostro prodotto dall’animale per poter verificare se sussista un effetto diluizione (o concentrazione). *
Autore: Arianna Goi (DAFNAE, Università di Padova)
Coautori: Massimo De Marchi (DAFNAE, Università di Padova) e Angela Costa (DVM, Università di Bologna)
Sinossi: Journal of Dairy Science 2023 (vol. 106) “Minerals and essential amino acids of bovine colostrum: Phenotypic variability and predictive ability of mid- and near-infrared spectroscopy” di A. Goi, M. De Marchi e A. Costa. https://doi.org/10.3168/jds.2023-23459
Bibliografia
Blum, J. W., H. M. Hammon. 2000. Colostrum effects on the gastrointestinal tract, and on nutritional, endocrine and metabolic parameters on neonatal calves. Livest.Prod. Sci. 66:151–159. https://doi.org/10.1016/S0301-6226(00)00222-0
Zanker, I. A., H. M. Hammon, J. W. Blum. 2000. Plasma amino acid pattern during the first month of life in calves fed the first colostrum at 0–2 or at 24–25 hours after birth. J. Vet. Med. A. 46, 101–121. https://doi.org/10.1046/j.1439-0442.2000.00271.x
Li, M., W. Li, F. Kong, S. Kang, X. Liang, H. Han, J. Wu, Y. Zheng, Q. Li, X. Yue, and M. Yang. 2020. Metabolomics methods to analyze full spectrum of amino acids in different domains of bovine colostrum and mature milk. European Food Research and Technology, 246(1), 213–224. https://doi.org/10.1007/s00217-019-03385-y
National Research Council (NRC). 2001. Nutrient Requirements of Dairy Cattle. 7th rev. ed. Natl. Acad. Sci., Washington, DC
De Marchi, M., V. Toffanin, M. Cassandro, and M. Penasa. 2014. Invited review: Mid-infrared spectroscopy as phenotyping tool for milk traits. J. Dairy Sci. 97:1171–1186. https://doi.org/10.3168/jds.2013-6799
De Marchi, M., M. Penasa, A. Zidi, and C. L. Manuelian. 2018. Invited review: Use of infrared technologies for the assessment of dairy products – Applications and perspectives. J. Dairy Sci. 101:10589–10604. https://doi.org/10.3168/jds.2018-15202
Costa, A., A. Goi, M. Penasa, G. Nardino, L. Posenato, and M. De Marchi. 2021. Variation of immunoglobulins G, A, and M and bovine serum albumin concentration in Holstein cow colostrum. Animal. 15:100299. https://doi.org/10.1016/j.animal.2021.100299
Williams, P. C. 2003. Near-infrared technology getting the best out of light. A short course in the practical implementation of near infrared spectroscopy for the user (1.1 ed.), PDK Projects Inc, Nanaimo, Canada. P. 109.
Godden, S. M. 2008. Colostrum management for dairy calves. Vet. Clin. North Am. Food Anim. Pract. 24:19-39. https://doi.org/10.1016/j.cvfa.2007.10.005