Descargar PDF - Mejoramiento Genético Animal

Anuncio
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.
Descargar