1 Intensificación productiva y genética lechera: buscando el balance en la selección Ing. Agr. Jorge I. Urioste Depto. Producción Animal y Pasturas Facultad de Agronomía – Universidad de la República 1. Introducción La producción animal en Uruguay está recorriendo un camino de intensificación productiva (varios autores en este Congreso). Dicho camino se basa en cambios logrados en sus cuatro pilares: la nutrición, el manejo, la sanidad y la genética. En este último aspecto, buena parte del éxito de la empresa lechera pasa por utilizar un tipo de animal adaptado a nuestras condiciones de producción. En ese sentido, es deseable que la política de selección en ganado de leche tome en cuenta diversas características de importancia económica, incluyendo la mejora en caracteres productivos (leche, grasa, proteína), pero también en aquellos de fertilidad, salud de ubre, conformación, longevidad, condición corporal, facilidad de parto, etc. Algunas de las características mencionadas anteriormente son consideradas desde 1998 en la evaluación genética nacional de Holando, implementada en el marco de un Convenio integrado por la Asociación Rural del Uruguay (ARU), la Sociedad de Criadores de Holando, el Instituto Nacional para el Mejoramiento Lechero (INML), la Facultad de Agronomía y el Instituto Nacional de Investigación Agropecuaria (INIA). Estas son: kg Leche, kg y % grasa y proteína y tipo. El mérito genético para cada animal, expresado como Desvíos Esperados en la Progenie (DEP) es publicado anualmente a través de catálogos públicos de toros e informes personalizados a los productores involucrados sobre el perfil genético de sus vacas. A pesar de estos avances, existen evidentes peligros en la selección unilateral por una sola característica. Tomando como ejemplo la selección exclusivamente por producción de leche, la investigación nacional e internacional (e.g. Pryce et al., 1998; Windig et al., 2006; Frioni et al., este Congreso) ha identificado cambios dañinos en otras, por ejemplo un deterioro en la fertilidad de las vacas y un aumento a la susceptibilidad a enfermedades (por ejemplo, mastitis). Se debe además tener en cuenta el efecto de aceleración en la selección que puede lograrse a través de la genómica. Una manera de limitar estos riesgos pasa por la atención específica a estas características, y a realizar el mejor balance posible a través del uso de índices de selección. Los cruzamientos son otra herramienta muy eficaz de atender estos problemas, pero no serán tratados aquí. El objetivo de este trabajo es revisar conceptualmente estas áreas y sugerir caminos de avance. 2. Producción y Reproducción La capacidad genética de producción de leche de los animales, en particular de raza Holstein, ha aumentado notoriamente en las últimas décadas. Por ejemplo, según cita Frioni (2012, no publicado) entre 1980 y 2010 aumentó unos 364 kg en proteína en Estados Unidos, en tanto la ganancia en la producción de proteína en Canadá fue de 2.6 kg anuales entre los años 1998 y 2008. Sin embargo, simultáneamente se ha detectado un deterioro en el comportamiento reproductivo de los animales (e.g. Lucy et al., 2001 en Estados Unidos, Royal et al., 2002 en Inglaterra, Sewalem et al., 2010 en Canadá). Este deterioro se expresa en retrasos para reiniciar la actividad sexual posparto, en aumentos de servicios para lograr preñar nuevamente los animales y 2 consecuentemente en atrasos en el inicio de las lactancias y aumento de los costos de preñar las vacas (González-Recio et al., 2006). En Uruguay, desde el punto de vista fenotípico, se ha reportado un aumento del intervalo parto-concepción y parto a primer servicio entre los períodos de 1997-2001 y 2001-2005 (Rovere et al., 2007). En base a la información de 205 establecimientos (unos 190.000 partos), el promedio del período parto-1er. Servicio (P1S) fue de 98 días y el promedio del período parto-concepción (PC) de 131 días. Para el quinquenio siguiente (210.000 partos provenientes de 254 establecimientos), el promedio para P1S y para PC fue de 104 días y 150 días, respectivamente (Rovere et al., 2007). Uno de los principales factores que afectan la fertilidad son las altas tasas de producción individual, las cuales han sido reportadas como característica genéticamente antagónicas de la fertilidad (Nebel et al., 1993; Lucy et al., 2001; González-Recio. 2006; Sewalem et al., 2010). Actualmente, diversas características reproductivas se han incluido en los índices de selección en diversos países (Bastin et al., 2011). Frioni et al. (este congreso), por su parte, analizan la evolución genética del intervalo interparto en la población Holando de Uruguay paralelamente al aumento en producción de leche (258.000 lactancias de 307 tambos entre 1995 y 2011), no notándose por el momento signos genéticos de deterioro reproductivo, aunque sí efectos ambientales marcados. De todos modos, se estimó una correlación genética desfavorable entre producción de leche e intervalo interparto (+0.74), con lo cual se deben extremar las precauciones en las políticas de selección, básicamente incluyendo medidas reproductivas tanto en los objetivos como en los índices de selección. . 3. Producción y salud (mastitis y recuento de células somáticas) La mastitis es una inflamación de la glándula mamaria asociada con considerables efectos económicos adversos en el ganado lechero. La variación genética en la susceptibilidad a la enfermedad existe, con heredabilidades entre 0,07 y 0,12 (por ejemplo, Lund et al., 1999; Heringstad et al., 2003). Sin embargo, en la mayoría de los países no se realizan registros de rutina de mastitis clínica (MC). En su lugar, internacionalmente se ha utilizado el recuento de células somáticas (RCS) en las evaluaciones genéticas (Mark et al., 2002; Miglior et al., 2005), basándose en la correlación genética positiva entre RCS y mastitis (por ejemplo, Heringstad et al., 2000; Carlén et al., 2004). Tanto la mastitis como el RCS tienen complejos orígenes biológicos (Harmon, 1994). A pesar de esto, el promedio de RCS por lactancia ha sido utilizado a menudo como un indicador de la primera. Un inconveniente de esta medida es que la naturaleza dinámica de la mastitis se ignora: tanto la mastitis clínica como subclínica (MSC) causan desvíos de una curva típica de RCS. Patógenos específicos implicados en casos de mastitis clínica afectan a la curva de modo diferente (de Haas et al., 2004). El uso de registros de RCS en el día de control lechero en un modelo de regresión aleatoria (por ejemplo, Reents et al., 1995) ha sido un avance en comparación con la lactancia promedio, pero el modelo polinomial no se adapta bien a los cambios drásticos en el RCS asociadas con casos de (sobre todo) MC. Por lo tanto, podría ser de utilidad explorar rasgos alternativos derivados de la curva de RCS, para mejorar las posibilidades de progreso genético en la selección contra MC. Los nuevos rasgos deben ser lo 3 suficientemente flexibles como para adaptarse a los cambios repentinos y drásticos en RCS, especialmente a causa de un caso de MC. Una opción es tratar de mejorar el carácter utilizado actualmente en la evaluación genética, por ejemplo un rasgo basado en RCS que esté más estrechamente relacionado con la MC. En la mayoría de los países se utiliza un promedio del (log de) RCS durante un período determinado en la lactancia s (por ejemplo, primeros 50 o 150 días) o un modelo de día de control, y el valor de cría estimado para el nivel medio (o quizás una suma de rasgos de RCS durante un período determinado sobre la base de los EBVs) es usado para propósitos de selección. En un estudio reciente (Urioste et al., 2010), se estudiaron algunos rasgos alternativos de RCS, que podrían definirse mediante la medidas de SCC a partir de observaciones semanales en un rebaño experimental y luego probaron si estos también serían útiles sólo con observaciones mensuales. El Desvío estándar de SCC dentro de la lactancia (SCCSD) y un indicador discreto de al menos un día con SCC superior a 500 000 células / ml (TD> 500) fueron los más fuertemente asociados con CM en ambos conjuntos de datos, semanal o mensual. En los datos semanales el número de días en el pico más amplio de RCS fue seleccionado y en el conjunto de datos mensual, número de picos de RCS (NPeak) y el número promedio de días por pico de RCS (AveDays) fueron elegidos. Las heredabilidades fueron en general entre 10 y 16% (excepto para el último rasgo, 5%). Las heredabilidades fueron similares en el conjunto de datos mensuales, lo que indica que estos rasgos podrían ser potencialmente útiles también en un conjunto de datos de campo. Para probar esto, los mismos rasgos fueron también estudiados en un gran conjunto de datos de campo (178.000, 116.000 y 64.000 registros en las tres primeras lactancias, respectivamente (Urioste et al., 2012). La heredabilidad se estimó en 0.12-0.17 para SCCSD, TD> 500 y AveDays, pero inferior, 0.06-0.10, para NPeak y TD41-80 (un indicador de al menos un día con RCS entre 41.000 y 80.000 células / ml). Todas las características, excepto TD41-80, fueron muy positivamente correlacionados genéticamente con mastitis clínica (0.67 a 0.82) y más aún con mastitis subclínica (0.94 a 0.99) en las tres lactancias. Como se esperaba, TD41-80 mostró una correlación negativa (de -0,22 a -0,50 con CM y -0,48 a -0,85 con MSC). Todos los rasgos alternativos, excepto TD41-80, se correlacionaron fuertemente entre sí dentro de la lactancia pero TD41-80 tuvo una correlación negativa de alrededor de 0.4-0.5 con otros caracteres en la primera lactancia. Estos estudios sugieren que es posible contribuir a la mejora en la resistencia a la mastitis por vías genéticas. En Uruguay, existen estudios en progreso sobre la variabilidad genética de RCS (Urioste, 2012, no publicado). 4. Balance a través de definición de objetivos y criterios de selección ¿Cómo buscar un balance entre distintos rasgos de interés, idealmente incluyendo otras características además de las de producción? El primer paso en el diseño de un programa de selección consiste en definir sus objetivos, identificando los rasgos biológicos que inciden en el beneficio económico de un sistema de producción y definiendo la ponderación de cada uno de ellos al momento de la selección de los animales. Las condiciones productivas determinan los valores económicos de las características que inciden en el beneficio económico de las empresas lecheras y por lo tanto en la ponderación de los criterios de selección utilizados (Groen, 1989). La mayor causa de ineficiencias en los programas de selección ha sido objetivos inapropiados, poniendo demasiado énfasis en algunos 4 rasgos, comparados con otros de producción, fertilidad, salud, etc. (Goddard, 1998). 1989; López-Villalobos et al., 2000; Pruzzo et al., 2001; Pérez-Cabal et al., 2006). Luego de la definición inicial de una combinación de características biológicas con importancia económica directa en los rodeos comerciales (objetivos de selección), se debe definir aquella combinación de características solo importantes porque aportan información sobre las características económicamente importantes (criterios de selección). Tomando los datos de Rovere (2010) como referencia, los valores económicos calculados castigan el volumen de leche (0.03 US$/litro), el mayor peso vivo (-0.08 US$/kg) y el peor desempeño reproductivo (-0.05 US$/día), y premian el contenido de sólidos, muy en particular el contenido de proteína (grasa: +0.17 y proteína: +1.42 US$/kg). Este tipo de ponderaciones económicas señalan a una vaca de mediano porte, alto contenido de sólidos en la leche, especialmente proteína, sin excesiva producción de leche, y buen desempeño reproductivo como el perfil del animal sustentable biológica y económicamente en nuestras condiciones de producción. En Uruguay, Rivero (2004) y Rovere (2010) derivaron valores económicos para volumen, producción de grasa, proteína y peso vivo al nivel de establecimiento remitente a industria, obteniendo valores económicos negativos para volumen y peso vivo, mientras que la grasa y la proteína presentaron valores económicos positivos, siendo el valor económico relativo de la proteína superior al de la grasa en todos los escenarios estudiados. Adicionalmente, Rovere (2010) obtuvo valores económicos negativos para la variable intervalo interparto. Estos resultados concuerdan con los de otros sistemas donde los sistemas de pago están basados en los sólidos de la leche (Groen, En la Figura 1 se presenta la importancia relativa (base 100, luego de estandarizar los valores económicos de cada característica según su desvío estándar genético) que tienen las distintas características, tanto en nuestro país como en países de destacada producción lechera (Miglior et al., 2005). Figura 1. Importancia relativa de cada característica en el objetivo de selección de diversos países (IRL: Irlanda; HOL: Holanda; USA: Estados Unidos (índice quesero); AUS: Australia; NZL: Nueva Zelanda; UY (I): Uruguay (Intensivo); UY(B): Uruguay (Base)) (Fuente: Miglior et al., 2005; datos propios) 5 Es inmediatamente obvia la importancia primordial que recibe la producción de proteína, la importancia positiva pero menor de la grasa, y el castigo notorio al volumen de leche y al tamaño de las vacas. En las características reproductivas existe cierta discrepancia, explicada mayormente porque algunos países utilizan porcentaje de preñez como característica, en lugar de intervalo interparto o intervalo parto-concepción. Debido al deterioro de características de salud y fertilidad señalado anteriormente, la mayoría de los países están ahora incluyendo un número cada vez mayor de rasgos no productivos y funcionales (por ejemplo, la conformación, la longevidad, la salud de la ubre, la facilidad de parto, facilidad de trabajo) en sus objetivos nacionales de selección (Bastin et al., 2011). Estos autores estimaron las consecuencias de la selección para nuevos rasgos de robustez y rasgos de calidad de la leche en la ganancia genética en otros rasgos de importancia económica. La selección de rasgos de producción solamente conduce a grandes mejoras en el rendimiento, especialmente en producción de proteína (53%). Sin embargo, dicha selección resultó en niveles superiores de RCS (+6%), y con un pobre desempeño reproductivo (-25%). Estos resultados concuerdan con los sugeridos por varios autores. Índices de selección con énfasis equilibrado en rasgos productivos y no productivos (34 a 45% de énfasis en los rasgos de producción) resultaron en mejoras de leche, grasa y proteína (ganancia genética de +10% a +21 %), pero también en ganancias genéticas favorables en la mayoría de los otros rasgos. Por último, la selección con un escenario de sólo el 19% énfasis en la producción, produjo baja ganancia genética para producción de leche, grasa y proteína (ganancia genética entre 1% y +6%), pero con grandes mejoras en características funcionales: +24% para la longevidad, -25% para el RCS y el 17% para la fertilidad. Estos resultados deben alentar la investigación en Uruguay, dirigiéndolas hacia otras características como las mencionadas en este trabajo. 5. Conclusiones finales • Las características reproductivas y de salud presentan correlaciones genéticas desfavorables con rasgos de producción. La mayoría de los países están tomando recaudos a esta situación, incluyéndolas en sus planes de selección. En Uruguay hay avances al respecto, pero falta aún mucho por hacer. • La definición de objetivos e índices de selección es una necesidad para que los planes de selección sean eficientes. • Los resultados obtenidos en nuestro país para la ponderación de las distintas características presentan tendencias esperables en su signo, determinados por el sistema de pago, así como el mayor consumo esperado en vacas de mayor peso. No parece haber diferencias sustanciales en la selección para un sistema más pastoril y otro con mayor producción en base a concentrados. • Los resultados concuerdan en general con los obtenidos en otros estudios basados en sistemas pastoriles (Australia, Irlanda, Nueva Zelanda) En el mediano plazo, nuestro país debiera incluir caracteres de reproducción y células somáticas en sus objetivos e índices de selección. • 6. Referencias BASTIN, C., D.P. BERRY, M.P. COFFEY, E. STRANDBERG, J.I. URIOSTE, R.F. VEERKAMP, AND N. GENGLER. 2011. Consequences of selection for milk quality and 6 robustness traits. 2011 Interbull Meeting, Stavanger, Norway , 2011. CARLÉN, E., E. STRANDBERG, A. ROTH. 2004. Genetic parameters for clinical mastitis, somatic cell score, and production in the first three lactations of Swedish Holstein cows. J. Dairy Sci. 87:3062–3070. DE HAAS, Y., R. F. VEERKAMP, H. W. BARKEMA, Y. T. GRÖHN, , Y.H. SCHUKKEN. 2004. Associations between pathogen-specific cases of clinical mastitis and somatic cell count patterns. J. Dairy Sci. 87:95–105. GODDARD, M.E. 1998. Consensus and debate in the definition of breeding objectives. In: Symposium in Honor of Professor Charles Smith. J Dairy Sci 81:8-18. GROEN, A. F. 1989. Cattle breeding goals and production circumstances. Ph. D. Thesis, Department of Farm Management and Department of Animal Breeding, Wageningen Agricultural University, Wagenigen, The Netherlands. 167 p. HARMON, R. J. 1994. Physiology of mastitis and factors affecting somatic cell counts. J. Dairy Sci. 77:2103–2112. HERINGSTAD, B., G. KLEMETSDAL, J. RUANE. 2000. Selection for mastitis resistance in dairy cattle: A review with focus on the situation in the Nordic countries. Livest. Prod. Sci. 64:95–106. HERINGSTAD, B., R. REKAYA, D. GIANOLA, G. KLEMETSDAL, K. A. WEIGEL. 2003. Genetic change for clinical mastitis in Norwegian cattle: A threshold model analysis. J. Dairy Sci. 86:369–375. LÓPEZ-VILLALOBOS, N.; GARRICK, D. J.; HOLMES, C. W.; BLAIR, H. T.; SPELMAN, R. J. 2000. Profitabilities of some mating systems for dairy herds in N Z. J. Dairy Sci. 83: 144-153. LUCY, M. C. 2001. Reproductive loss in high-producing dairy cattle: where will it end? J. Dairy Sci. 84:1277-1293. LUND, M. S., J. JENSEN, P. H. PETERSEN. 1999. Estimation of genetic and phenotypic parameters for clinical mastitis, somatic cell production deviance, and protein yield in dairy cattle using Gibbs sampling. J. Dairy Sci. 82:1045–1051. MADALENA, F.E. 2000. Valores Econômicos para a Seleção de Gordura e Proteína do Leite. Revista Brasileira Zootecnia 29: 678-684. MARK, T., W. F. FIKSE, U. EMANUELSON, J. PHILIPSSON. 2002. International genetic evaluations of holstein sires for milk somatic cell count and clinical mastitis. J. Dairy Sci. 85:2384–2392. MIGLIOR, F.; MUIR, B. L.; VAN DOORMAL, B.J. 2005. Selection Indices in Holstein Cattle of Various Countries. J. Dairy Sci. 88: 1255 – 1263. NEBEL, R. L.; McGILLIARD, M. L. 1993. Interaction of high milk yield and reproductive performance in dairy cows. J. Dairy Sci. 75:725-731. PÉREZ-CABAL, M.A.; GONZÁLEZ SANTILLANA, R.; ALENDA, R. 2006. Mature body weight and profit selection in Spanish Dairy cattle. Livest. Sci. 99: 257-266. PRUZZO, L.; DANELÓN, J. L.; CANTET, R. J. C. 2001. Calculating economic values for milk components in a pasture-based-dairy-system: the case of Argentina. Archivos Latinoamericanos de Producción Animal 9: 25-29. PRYCE¸J.E:, R.F. VEERKAMP, G. SIMM. 1998. Expected correlated responses in health and fertility traits to selection on production in Dairy cattle. In: Proc. 6th. World Congress on Genetics Applied to Livestock Production, Armidale, NSW, Australia, January 11-16, 1998, 23: 383-386. REENTS, R., J. JAMROZIK, L. R. SCHAEFFER, AND J. C. M. DEKKERS. 1995. Estimation of genetic parameters for test day records of somatic cell score. J. Dairy Sci. 78:2847–2857. 7 RIVERO, M. J. 2004. Objetivos de selección para un sistema de producción lechero con remisión a planta. Tesis Ing. Agr. Montevideo, Uruguay. Facultad de Agronomía. 77 p. ROVERE, G. A. 2010. Derivación de valor económico para características de producción y fertilidad en sistemas lecheros de base pastoril. Tesis de maestría, Facultad de Agronomía, 60 pp. ROYAL, M. D.; PRYCE, J. E.; WOOLLIAMS, J. A.; FLINT, P. F. 2002. The genetic relationship between commencement of luteal activity and calving interval, body condition score, production and linear type traits in holsteins-friesian dairy cattle. J. Dairy Sci. 85:3071-3080. SEWALEM, A.; KISTEMAKER, G. J.; MIGLIOR, F. 2010. Relationship between female fertility and production traits in Canadian Holstein. J. Dairy Sci. 93:4427-4434. URIOSTE, J.I.; Franzén, J.; Strandberg, E. 2010. Phenotypic and genetic haracterization of novel somatic cell count traits from weekly or monthly observations. J. Dairy Sci., 93: 5930 – 5941 URIOSTE, J.I., Franzén, J.; Windig, J.J.; Strandberg, E. 2012. Genetic relationships among mastitis and alternative somatic cell count traits in 3 the first three lactations of Swedish Holsteins. J. Dairy Sci. 95 :3428–3434 WINDIG, J.J., M. P. L. CALUS, B. BEERDA, R. F. VEERKAMP. 2006. Genetic correlations between milk production and health and fertility depending on herd environment. J. Dairy Sci. 89:1765–1775.