Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
MEJORA GENÉTICA DEL GANADO VACUNO LECHERO
María Jesús Carabaño LuengoINIA-Madrid
ETAPAS DE UN PROGRAMA DE MEJORA GENÉTICA:
1. ELECCIÓN DEL TIPO DE ANIMAL – PUREZA vs. CRUZAMIENTO
2. DEFINIR OBJETIVOS DE SELECCIÓN
3. GENERAR HERRAMIENTAS DE SELECCIÓN – CRITERIOS –
EVALUACIONES GENÉTICAS
4. DISEÑAR APAREAMIENTOS
5. DIFUNDIR LA MEJORA
ETAPAS DE UN PROGRAMA DE MEJORA GENÉTICA:
1. ELECCIÓN DEL TIPO DE ANIMAL – PUREZA vs. CRUZAMIENTO
2. DEFINIR OBJETIVOS DE SELECCIÓN
3. GENERAR HERRAMIENTAS DE SELECCIÓN – CRITERIOS –
EVALUACIONES GENÉTICAS
4. DISEÑAR APAREAMIENTOS
5. DIFUNDIR LA MEJORA
ORGANIZACIÓN CAMBIA SEGÚN LAS ESPECIES
1. ELECCIÓN DEL TIPO DE ANIMAL
Holstein-Friesian
Jersey
Ayrshire
Brown Swiss Montbeliarde
Guernsey Normanda
Raza Pura ?
Producción distintas razas lecheras en EE.UU
Table 1. Population sizes and production of potential breed resources for crossbreeding programs. Management conditions are not the same for
different breeds and could affect production comparisons. Source: Dairy Herd Management- Select Sires, April 2005
Breed Worldwide Population
Bulls Sampled per Year
Average Milk (kg) Fat % Protein %
Ayrshire 100,000 150 8126.6 3.9% 3.1%
Holstein 25,000,000 4,000 10578.2 3.6% 3.0%
Jersey 1,200,000 630 7990.4 4.6% 3.6%
Brown Swiss 7,000,000 80 9397.8 4.0% 3.3%
Normande 300,000 160 7264 4.4% 3.6%
Montbeliarde 330,000 170 8172 3.8% 3.4%
Swedish Red 205,000 100 9080 4.2% 3.5%
Producción distintas razas lecheras en EE.UU
Table 1. Population sizes and production of potential breed resources for crossbreeding programs. Management conditions are not the same for
different breeds and could affect production comparisons. Source: Dairy Herd Management- Select Sires, April 2005
Breed Worldwide Population
Bulls Sampled per Year
Average Milk (kg) Fat % Protein %
Ayrshire 100,000 150 8126.6 3.9% 3.1%
Holstein 25,000,000 4,000 10578.2 3.6% 3.0%
Jersey 1,200,000 630 7990.4 4.6% 3.6%
Brown Swiss 7,000,000 80 9397.8 4.0% 3.3%
Normande 300,000 160 7264 4.4% 3.6%
Montbeliarde 330,000 170 8172 3.8% 3.4%
Swedish Red 205,000 100 9080 4.2% 3.5%
2. ELECCIÓN DEL TIPO DE ANIMAL
KiwiCross (Sintética, NZ)
Brown Swiss x Holstein
Cruces ?
http://www.dairyinfo.biz/images/Content/M5/132Crossbreeding.pdf
¿ Porqué cruzar el Holstein?
CLIMAS TEMPLADOS
Heterosis (6.5% producción, 10% fitness)
En algunas poblaciones en pureza los niveles de consanguinidad empiezan a ser altos.
La fertilidad ha descendido como consecuencia de la fuerte selección por producción y por el aumento de la consanguinidad.
La producción en sistemas semi-intensivos (low input) u orgánicos pueden beneficiarse de la reducción esperada en tratamientos sanitarios o del mejor aprovechamiento en pastoreo de los animales cruzados.
CLIMAS CÁLIDOS-HUMEDOS
Estrés por calor afecta la producción y la reproducción de razas no adaptadas
Escasa resistencia a parásitos de razas europeas seleccionadas
3. ORGANIZACIÓN DE LA MEJORA GENÉTICA EN GANADO VACUNO DE LECHE – SELECCIÓN EN RAZA PURA
ORGANIZACIÓN HORIZONTAL. PARTICIPANTES EN EL
PROGRAMA DE MEJORA: PRODUCTORES (ASOCIACIONES – CONAFE)
CENTROS DE I. A.
CENTROS TECNOLÓGICOS/INVESTIGACIÓN
CARÁCTER INTERNACIONAL (ICAR, INTERBULL, WHFF)
RECOGIDA DE INFORMACIÓN REGISTROS GENEALÓGICOS
CONTROL DE RENDIMIENTOS (LECHE, BAJAS, PARTOS, ETC.)
CALIFICACIÓN MORFOLÓGICA
OTROS: CONTROL RESULTADOS INSEMINACIÓN, CONTROL
SANITARIO
CENTROS DE TESTAJE3 +
INVESTIGACIÓN
ASOCIACIÓN GANADEROSCONAFE
VALORACIONES GENÉTICAS
CONTROL LECHEROCC.AA.
EVOLUCIÓN DEL CONTROL LECHERO EN ESPAÑA ENTRE 2002 Y 2008 (CONAFE, http://www.conafe.com/clechero/rendimientos.htm)
PRIMERA LACTACIÓN SEGUNDA LACTACIÓN TOTAL2002 2008 2002 2008 2002 2008
N. Vacas 72.296 108.716 174.682 239.857 246.978 348.573Edad 27 26 60 60 50 49Días lactación 338 376 332 366 334 369Kg. Leche 8446 10074 9114 10840 8919 10601Kg. Grasa 310 369 333 400 327 390Kg. Proteína 268 326 286 346 281 3.40% grasa 3.68 3.67 3.67 3.70 3.67 3.68% proteína 3.19 3.34 3.15 3.20 3.16 3.21Rdto. Diario(l) 24.98 26.83 27.46 29.61 26.72 28.73Kg. Leche 7577 8368 8411 9435 8167 9102Kg. Grasa 275 301 305 344 297 330Kg. Proteína 238 265 261 296 255 286% grasa 3.63 3.61 3.63 3.65 3.64 3.63% proteína 3.14 3.18 3.10 3.14 3.12 3.15
En amarillo (arriba), lactación natural. En azul (abajo), lactación ajustada a 305 días
OBJETIVOS DE SELECCIÓN
RENTABILIDAD $$$/€€€ (SOSTENIBILIDAD, BIENESTAR)
PRODUCCIÓN DE LECHE (KG LECHE, GRASA, PROTEINA, %) FUNCIONALIDAD
FACIL MEDICIÓN
VARIABILIDAD GENÉTICA/HEREDABILIDAD
SELECCIÓN P. LECHE EN HOLSTEIN USA (Shook, 2006)
175 kg/año 6,45 kg/año 5,20 kg/año
108 kg/año - 0,09 SD3,5 kg/año - 0,08 SD3,3 kg/año - 0,10 SD
TENDENCIA FENOTÍPICA FRISONA ESPAÑOLA (CONAFE, 2007)(ANIMALES EN EVALUACIÓN GENÉTICA)
9317 Kg leche, 341 Kg grasa y 295 Kg proteína6129 Kg leche, 220 Kg grasa y 186 Kg proteína
0,123 SD/año
0,129 SD/año0,105 SD/año
TENDENCIA GENÉTICA FRISONA ESPAÑOLA (CONAFE, 2007)(ANIMALES EN EVALUACIÓN GENÉTICA)
CARACTERES PRODUCTIVOS - HEREDABILIDADES
Tomado de Chauhan y Hayes (1991)
National evaluation heritability considered in the Interbull evaluation for dairy production traits in Holstein cattle (August 2009). Evaluation model summary. http://www-interbull.slu.se/eval/framesida-prod.htm
Country Heritability Modelmilk fat protein
Australia .25 .25 .25 ST R AMBelgium .38 .43 .41 MT ML RR TD AMCanada .41 .34 .37 MT ML RR TD AMCzech Republic .39 .38 .37 ST ML RR TD AMDFS .46 .42 .39 MT ML RR TD AMEstonia .49 .48 .48 ST ML RR TD AMFrance .30 .30 .30 ST R AMGermany/Austria .49 .48 .48 ST ML RR TD AMHungary .25 .20 .20 ST R AMIreland .35 .35 .35 ST R AMIsrael .43 .52 .41 ST ML AMItaly .31 .29 .30 MT ML RR TD AMJapan .32 .31 .27 ST R AMLatvia .49 .48 .48 ST ML RR TD AMNetherlands .57 .58 .50 ST ML RR TD AMNew Zealand .36 .33 .31 ST ML RR TD AMNorway .28 .21 .24 ST R AMPoland .33 .29 .29 ST ML RR TD AMSouth Africa .18 .11 .14 MT R FR TD AMSlovak Republic .31 .25 .30 ST-RR-TD-BLUP-AMSlovenia .24 .19 .21 ST R FR TD AMSpain .28 .28 .28 ST R AMSwitzerland .36 .30 .32 MT ML RR TD AMUnited Kingdom .55 .47 .51 ST ML RR TD AMUnited States .30 .30 .30 ST R AMAM=Animal Model; SM=Sire/Maternal Grandsire Model; ST ML=Model with lactations as correlated traits;MT=Multiple-traits; MT SL=Multiple-trait model with single lactation; TD=Test Day Model; FR=Fixed regression; RR=Random regression
OTROS CARACTERES PRODUCTIVOS RELACIONADOS CON LA FORMA DE LA CURVA DE LACTACIÓN (Modelos test-day):
PERSISTENCIA
PRODUCCIÓN MÁXIMA (PICO DE LACTACIÓN, DÍA DE PRODUCCIÓN MÁXIMA)
Pico de lactaciónPersistencia (h2=0,10-0,30)
OBJETIVOS DE SELECCIÓN
RENTABILIDAD $$$/€€€ (SOSTENIBILIDAD, BIENESTAR)
PRODUCCIÓN DE LECHE (KG LECHE, GRASA, PROTEINA, %)
FUNCIONALIDAD APTITUD REPRODUCTIVA
RESISTENCIA A ENFERMEDADES
LONGEVIDAD
MORFOLOGÍA
RELACIÓN P. LECHE-FUCNIONALIDADDATOS EXPERIMENTALES
A. LANGHILL (U.K.) Oldham y col. (1991)
Criterio de selección
A. LANGHILL (U.K.) Oldham y col. (1991)
RELACIÓN P. LECHE-FUCNIONALIDADDATOS EXPERIMENTALES
Seleccionadas Control
A. LANGHILL (U.K) Pryce y col. (1999)
ONO: Oestrus not observed; FSC: Conception at first service; CI: Calving interval; DFH: Days to first heat; DFS: Days to first service; DOP:
Days open.
RELACIÓN P. LECHE-FUCNIONALIDADDATOS EXPERIMENTALES
Pollot y Coffey, 2008
RELACIÓN P. LECHE-FUCNIONALIDADDATOS EXPERIMENTALES
N = núm. Animales; KGL: kg leche; DEL: días en lactación; IP: Intervalo entre partos; PS: Periodo seco; IPC: Intervalo parto-cubrición; DPI: días a la primera IA; INS: inseminaciones por cubrición, TFI: tasa de fertilidad en la primera IA . Tomado de González-Recio et al (2004)
1989 1991 1993 1995 1997 1999 2001
N 4072 3938 4563 9146 11,462 14,760 12,486
KGL 5935 i 6491g 6947f 8225d 8515 c 9092b 9827a
DEL 308i 313fg 319e 332cb 327dc 331c 340a
IP (d) 390e 396dc 398bc 406a 404ab 398bc 405a
PS (d) 82ab 83a 79b 74cd 77cd 67e 65de
IPC (d) 105h 111f 113ef 121abc 116cdef 120abc 122ab
DPI (d) 78f 81abc 82ab 83a 80bcde 80cdef 80cdef
INS 1.7g 1.8ef 1.8ef 1.9abcd 1.9dc 2.0abc 2.0a
TFI(%) 56 56 57 54 52 53 51
Producción láctea y fertilidad en ganado Holstein en las CC.AA. Vasca y Navarra,
RELACIÓN P. LECHE-FUCNIONALIDADDATOS GANADERÍAS COMERCIALES
Fertilidad en novillas y vacas en ganado Holstein en Japón(Abe et al., 2009)
RELACIÓN P. LECHE-FUCNIONALIDADDATOS GANADERÍAS COMERCIALES
PRIMERA O SEGUNDA CAUSA DE DESECHO (14-40%)
VARIAS MEDIDAS FERTILIDAD HEMBRAS (INTERBULL)
1. FERTILIDAD NOVILLAS (PRIMERA CUBRICIÓN)
REPRODUCCIÓN - I
Hiefer vs Cow conception rate in Dairy cattle in France (Boichard y Barbat, 1999)
REPRODUCCIÓN – NOVILLAS VS. VACAS
Holstein USA: Kuhn et al. (2006)REPRODUCCIÓN – NOVILLAS VS. VACAS
Holstein Japón Abe et al. (2009)
PRIMERA O SEGUNDA CAUSA DE DESECHO (14-40%)
VARIAS MEDIDAS FERTILIDAD HEMBRAS (INTERBULL)
1. FERTILIDAD NOVILLAS (PRIMERA CUBRICIÓN)
REPRODUCCIÓN - I
2. FERTILIDAD VACAS (TRAS PRIMER PARTO)
a. HABILIDAD PAR RECICLAR TRAS EL PARTO (interval calving-first
insemination (CF))
b. CAPACIDAD HEMBRA LACTANTE PARA CONCEBIR (conception rate (CR),
interval first-last insemination (IFL), interval first insemination-conception (FC),
No. services per conception (SPC), etc.)
c. INTERVALOS PARTO-CONCEPCIÓN (days open (DO) and calving interval (CI))
HEREDABILIDAD BAJA (0.05- 0.15)
REPRODUCCIÓN - II
Pryce y Veerkamp (2000)
REPRODUCCIÓN –HEREDABILIDADES
CI: 4.85 [1.7, 9.8]
DOP: 2.80 [1.0, 5.2]
DFS: 3.93 [1.7, 5.8]
IFL: [1.2, 2]
REPRODUCCIÓN –HEREDABILIDADES
Pryce y Veerkamp (2000)
FSC: 3.11 [1.0, 5.0]
SPC: 1.84 [0.6, 5.0]
NR: 2.34 [0.4, 4.0]
REPRODUCCIÓN –HEREDABILIDADES
Pryce y Veerkamp (2000)
HEREDABILIDAD BAJA (0.05- 0.15)
ANTAGONISMO REPRODUCCIÓN- PRODUCCIÓN – CORRELACIONES GENÉTICAS
REPRODUCCIÓN - II
CORRELACIONES GENÉTICAS / PRODUCCIÓN-REPRODUCCIÓN
Rauw y col. (1998)
HEREDABILIDAD BAJA (0.05- 0.15)
ANTAGONISMO REPRODUCCIÓN- PRODUCCIÓN
VALOR ECONÓMICO
Producción: Intervalo parto-concepción
100 : 10 -25
REPRODUCCIÓN - II
González-Recio et al (2004)
FACILIDAD DE PARTO
2-5 CATEGORÍAS
EFECTO DIRECTO Y MATERNO (CORRELACIÓN NEGATIVA)
HEREDABILIDAD BAJA (.05-.15)
PESO ECONÓMICO
Producción:facilidad directo:facilidad materno
100 : 9 : 7
APAREAMIENTOS DIRIGIDOS
OTROS CARACTERES EVALUADOS: MORTALIDAD PERINATAL
FACILIDAD DE PARTO
Parámetros genéticos facilidad de parto en Holstein en España (López de Maturana et al., 2007a)
Efecto sobre la longevidad y costes de amortización (López de Maturana et al., 2007b)
MAMITIS
ENFERMEDADES LIGADAS A LA REPRODUCCIÓN ( Retención placenta,
metritis, quistes ováricos, abortos, etc.)
ENFERMEDADES METABÓLICAS (Cetosis, Fiebre de la leche, etc.)
ENFERMEDADES LIGADAS A LA LOCOMOCIÓN (‘Lameness’, etc.)
RESISTENCIA A ENFERMEDADES
NATIONAL ANIMAL HEALTH MONITORING SYSTEM (2007).
IDENTIFICACIÓN PROBLEMAS SANITARIOS VACUNO LECHERO EE.UU.
Pesos económicos netos para las condiciones de producción en EE.UU. para algunas enfermedades(tomado de Rogers, 2002)
CARÁCTER P. ECONÓMICO RELATIVO
Prod. Leche 1.0
Mamitis clínica 0.25
Cetosis 0.08
Fiebre de la leche 0.09
Desplazamiento de abomaso 0.09
Laminitis 0.13
Retención de placenta 0.03
Metritis 0.04
Quistes ováricos 0.05
Facilidad de parto (directo) 0.05
Facilidad de parto (materno) 0.04
Abortos (directo) 0.08
Abortos (materno) 0.05
Enfermedad de Johne 0.05
CORRELACIONES GENÉTICAS / PRODUCCIÓN-RESISTENCIA ENFERMEDADES
Tomado de Rauw y col. (1998)
Koivula et al. (2005) CORRELACIONES ENTRE ENFERMEDADES EN DISTINTAS LACTACIONES
Zwald et al. (2004) HEREDABILIDADES Y CORRELACIONES ENFERMEDADES
Heringstad et al. (2007) EXPERIMENTO DE SELECCIÓN – PRODUCCIÓN/RESISTENCIA A MAMITIS
Respuesta selección sobre proteina (HPY) y mamitis (LCM)
Respuestas correlacionadas
Cetosis (KET), Retención de placenta (RP)
HEREDABILIDAD BAJA (MAMITIS , 0.05) A MODERADA (RECUENTO
CELULAR , 0.15)
ANTAGONISMO PRODUCCIÓN- SANIDAD UBRE
INDICADORES
RECUENTO CELULAR-MORFOLOGÍA UBRE (PROFUNDIDAD)-
VELOCIDAD DE ORDEÑO
SANIDAD - UBRE
SANIDAD – UBRE
RELACIÓN MAMITIS-RCS
Pösö y Mäntysaari (1996)
SANIDAD – UBRE
RELACIÓN MAMITIS-RCS
Pösö y Mäntysaari (1996)
SANIDAD – UBRE
RELACIÓN MAMITIS-RCS
Pösö y Mäntysaari (1996)
Koivula et al. (2005) RELACIÓN MAMITIS-RCS ANTES Y DESPÚES DE INFECCIÓN
• Confirma: RCS como indicador de mamitis, correlación baja o nula entre RCS y producción de leche.• Nuevo: Animales con RCS bajos al comienzo no son ni más ni menos proclives que los de RCS altos a padecer mamitis
RESISTENCIA A OTRAS ENFERMEDADES(Rogers, 2002)
DATOS NO DISPONIBLES – USO DE CARACTERES INDICADORES ???
ENFERMEDADES LIGADAS A LA REPRODUCCIÓN
INDICADORES: Longevidad (?), carácter lechero-angulosidad-condición corporal
ENFERMEDADES METABÓLICAS
INDICADORES: Longevidad, carácter lechero-angulosidad-condición corporal
ENFERMEDADES LIGADAS A LA LOCOMOCIÓN
INDICADORES: Longevidad, miembros y aplomos (ángulo podal)
MANEJO
VELOCIDAD DE ORDEÑO, TEMPERAMENTO
CARACTERES CATEGÓRICOS
HEREDABILIDAD MODERADA (0.10-0.30)
PESO ECONÓMICO ?
0 10
LONGEVIDAD
LONGEVIDAD TOTAL Y FUNCIONAL
VARIAS MEDIDAS
• DURACIÓN VIDA PRODUCTIVA (CONTÍNUO, MEDICIÓN TARDÍA)
• ‘STAYABILITY’ (CATEGÓRICO’)
TIPO DE ANÁLISIS
• SUPERVIVENCIA EN CADA LACTACIÓN (MULTICARÁCTER/MEDIDAS
REPETIDAS)
• EXTENSIÓN VIDA PRODUCTIVA
• ANÁLISIS DE SUPERVIVENCIA (SURVIVAL KIT)
HEREDABILIDAD BAJA (0.03-0.08)
PESO ECONÓMICO Producción:Longevidad
100 : 25 SELECCIÓN INDIRECTA (CARACTERES MÁS HEREDABLES - MORFOLOGÍA)
LONGEVIDAD – ESTIMAS DE HEREDABILIDAD LONGEVIDAD NO CORREGIDA
Vollema (1998)
LONGEVIDAD – ESTIMAS DE HEREDABILIDAD LONGEVIDAD NO CORREGIDA
Vollema (1998)
LONGEVIDAD – ESTIMAS DE HEREDABILIDAD LONGEVIDAD NO CORREGIDA
Vollema (1998)
CARACTERES LINEALES (WHFF)
MIDEN DISTINTOS ASPECTOS DE LA MORFOLOGÍA
• CARACTER LECHERO
• MIEMBROS Y APLOMOS
• TAMAÑO CORPORAL
• UBRE
• GRUPA
MORFOLOGÍA 1
HEREDABILIDAD MODERADA (0.10-0.40)
SELECCIÓN INDIRECTA DE LA LONGEVIDAD Y OTROS CARACTERES
Charffeddine (1998) – Frisona Española
CONFORMACIÓN-HEREDABILIDADES
CONFORMACIÓN-HEREDABILIDADES
Misztal y col. (1992) –Holstein USA
CORRELACIONES CONFORMACIÓN-PRODUCCIÓN
Charffeddine (1998) – Frisona Española
CORRELACIONES CONFORMACIÓN-PRODUCCIÓN
Misztal y col. (1992) –Holstein USA
CORRELACIONES CONFORMACIÓN-PRODUCCIÓN
Meyer y col. (1987) –Frisón Reino Unido
Charffeddine y col. (1997)-Frisona Española
RELACIÓN RCS-LONGEVIDAD Y MORFOLOGÍA
RELACIÓN RCS- MORFOLOGÍA
Rupp y Boichard (1999)- Frisón Francés
RELACIÓN RCS- MORFOLOGÍA
Boettcher y col. (1998)- Holstein Canadiense
Table 3. Heritability and genetic correlations between profitability and type traits.
Heritability1 Genetic correlation2
Profit 0.25 — Final score 0.29 0.28 Dairy character 0.29 0.37 Rump 0.20 0.02 Capacity 0.37 0.03 Stature 0.43 0.06 Body depth 0.32 −0.01 Feet and legs 0.12 0.17 Foot angle 0.11 0.20 Leg side view 0.17 0.12 Mammary system 0.25 0.27 Fore-udder attachment 0.18 0.22 Rear-udder height 0.27 0.29 Suspensory ligament 0.24 0.37 Udder depth 0.24 −0.04 1Approximate standard errors were 0.01 for all heritabilities. 2Standard errors of genetic correlations ranged between 0.01 and 0.04 Tomado de Pérez-Cabal y Alenda, 2002
CORRELACIÓN=RELACIÓN LINEAL; CARACTERES DE OPTIMO INTERMEDIO???
CARACTERES GENERALES
Pérez Cabal y Alenda, 2002- RELACIÓN BENEFICIO/DÍAS DE VIDA PRODUCTIVA (DPL) CON EBV PARA CONFORMACIÓN
CAPACIDAD CORPORAL
Adjusted by milk production
Unadjusted by milk production
MIEMBROS Y APLOMOS
SISTEMA MAMARIO - I
SISTEMA MAMARIO - II
Adjusted by milk production
Unadjusted by milk production
SELECCIÓN POR RENTABILDAD
INDICES DE SELECCIÓN (COMBINAN V.G.P. DE VARIOS CARACTERES)
PESOS ECONÓMICOS
GANANCIAS DESEADAS
SUB-ÍNDICES : -- PRODUCCIÓN (LECHE, GRASA (Kg, %), PROTEÍNA (Kg, %) + FUNCIONALIDAD (CONFORMACIÓN, RCS, OTROS)
-- UBRE (RCS, MAMITIS, VELOCIDADDE ORDEÑO, CONFORMACIÓN)
-- LONGEVIDAD (LONGEVIDAD, RCS, CONFORMACIÓN)
CARÁCTER RENTABILIDAD
Shook (2006) INDICES USA Y OTROS PAÍSES
INDICES DE MÉRITO TOTAL
Evolución hacia :
• Producción de proteína• Aumento peso de caracteres no productivos
12KL +12KG + 32KP + 3%P
+
10 IPP + 16 ICU + 9 IGT + 3 LONG + 3 RCS
UD. STÁNDARD!!!KL = Kg LecheKG= Kg GrasaKP= Kg proteína%P= % proteína
IPP=Indice patas posteriores (MA, VPP, AP, VLP)ICU=Indice conformación ubre (IA, AIP, LS, PU)IGT=Indice de calificación general (EST, ANG, VPP, ANPE, PC, ACHG, AG, AP, VLP, IA, AIP, LS, PU, CPA, LPA)LONG= Longevidad (LONG, MA, PU, RCS)RCS= Recuento Células Somáticas
INDICE EN ESPAÑA: ICO
OBJETIVOS DE SELECCIÓN (RESUMEN)• FUERTE SELECCIÓN POR PRODUCCIÓN (GRAN PROGRESO GENÉTICO)
• ANTAGONISMO CON FUNCIONALIDAD RESPUESTAS CORRELAICIONADAS
• CONTROL DETERIORO FUNCIONAL
– RESISTENCIA A ENFERMENDADES (MAMITIS, COJERAS, ENF. METABÓLICAS)
– FERTILIDAD (NOVILLAS – VACAS), FACILIDAD DE PARTO
– MANEJO (TEMPERAMENTO, ORDEÑO)
– INDICADORES (LONGEVIDAD, CALIFICACIÓN MORFOLÓGICA)
• SELECCIÓN COMBINADA PRODUCCIÓN-FUNCIONALIDAD
• NUEVOS CARACTERES: EFICIENCIA ENERGÉTICA, CONDICIÓN CORPORAL
EFICIENCIA ENERGÉTICA
• VACAS SELECCIONADAS POR PRODUCCIÓN SON MÁS EFICIENTES
(ENERGÍA BRUTA)
– ALTA PRODUCCIÓN DILUYE NECESIDADES DE MANTENIMIENTO
– CAPACIDAD DE INGESTIÓN
– CAPACIDAD DE MOVILIZAR RESERVAS (CONDICIÓN CORPORAL-
BCS O PÉRDIDAS DE BCS)
SELECCIÓN SOBRE CAPACIDAD DE INGESTIÓN, PESO, BCS O BCSL
CARACTERES MORFOLÓGICOS (ANCHURA PECHO, PROFUNDIDAD CORPORAL, ANGULARIDAD, ANCHURA DE LA GRUPA
CONDICIÓN CORPORAL (BCS, BCSL) -I
Lassen et al., 2003
Pryce y Harris, 2006
CONDICIÓN CORPORAL (BCS, BCSL) -II
Dal Zotto et al., 2007
Brown Swiss
CONDICIÓN CORPORAL (BCS, BCSL) -III
Veerkamp et al., 2001
Índice fertilidad: Carácter fertilidad+BCS+Conformación
ETAPAS DE UN PROGRAMA DE MEJORA GENÉTICA:
1. ELECCIÓN DEL TIPO DE ANIMAL
2. DEFINIR OBJETIVOS DE SELECCIÓN
3. GENERAR HERRAMIENTAS DE SELECCIÓN – CRITERIOS
4. DISEÑAR APAREAMIENTOS
5. DIFUNDIR LA MEJORA
EVALUACIÓN GENÉTICA
?
6000 KGL180 KGP205 KGG
10000KGL290KGP330KGG
MODELO-MÉTODO(Lineal-BLUP)
KGG 20- KGP 5 - KGL 500- a1 =
KGG 2 KGP 0,1 KGL 1200 a2
++
+=
GENEALOGÍADATOS FENOTÍPICOS
EVALUACIONES GENÉTICAS
Sistemas de evaluación genética en distintos países
Evaluación para caracteres de producción- Modelo ‘test-day’
Catálogos de reproductores lecheros
Evaluación internacional
National Genetic Evaluation Systems for dairy cattle traits as applied in different Interbull member countries for the Holstein breed.
Country Production Conformation Health Longevity Calving Fertility Workability Beef Efficiency Other Argentina X X Australia X X X X Austria X X X X X X X X Belgium W X X X X Belgium F X X X X X X Bulgaria X Canada X X X X X X Czech R. X X X X Denmark X X X X X X X X Estonia X X X Finland X X X X X X X X X France X X X X X X X Germany X X X X X X X X Hungary X X X Ireland X X X X X Israel X X X X X X Italy X X X X X X Japan X X X X X Mexico X Netherlands X X X X X X X X X Norway X X X X X X New Zealand X X X X X X Poland X X Portugal X Rep. of South Africa X X X Slovenia X X Spain X X X X X Sweden X X X X X Switzerland X X X X X X Turkey X United Kingdom X X X X USA X X X X X X No. Countries 32 27 25 18 17 13 11 3 3 3
Tomado de http://www-interbull.slu.se/
EVALUACIONES GENÉTICAS PARA DISTINTOS CARACTERES (INTERBULL…)
• PRODUCCIÓN: kg’s por lactación o kg en día de control
• CONFORMACIÓN: calificación lineal (1-9)
• RESISTENCIA A ENFERMEDADES:
•RCS (CEL/ML)-SCS=log RCS por lactación o en el día de control,
•Mamitis:0/1,
•Tiempo al primer tratamiento
Method (model) of genetic evaluation ML-MT-SM-BLUP
Trait: SCC 0.5*EBV1+0.3*EBV2+0.2*EBV3Mamitis 0.25*EBV4+0.25*EBV5+0.3*EBV6+0.2*EBV7
EVALUACIONES GENÉTICAS …
• FERTILIDAD:
• Intervalos (parto-cubrición, parto-primera inseminación, primera-última inseminación)
• Número de inseminaciones (Modelo umbral secuencial, González-Recio et al., 2005)
• Éxito (1) o fracaso (0) (tasa de no retorno, resultado de la IA)
• FACILIDAD DE PARTO:
•Directo+materno
•Modelo umbral vs. Lineal
•Animal vs. Sire+MGS
• Multicarácter (aborto, peso nacimiento, longitud gestación)
• LONGEVIDAD:Survival Analysis (Survival kit, Ducrocq y Sölkner, 1988; distribución Weibull)
Use of total merit index Female Fertility Index: 0.11(IFL-heifers)+0.40(IFL-cows)+0.60(ICF-cows)
Total Merit Index: 0.9 (Yield)+0.12*(Beef production)+0.23*(female fertility)+0.16*(Calving
ease)+0.38*(Udder health)+0.06*(Other disease)+0.04*(Temperament)+0.16*(Longevity)
Use of total merit index Economic Breeding Index (EBI) expressed in Euro
EBI= 1.27*(0.68*Fat_kg+4.49*Prot_kg-0.06*Milk_kg+8.98*Survival(%)-1.63*Calving Interval (days)
In genetic SD
1.27*(0.19*Fat+1*Prot-0.47*Milk+0.56*Survival-0.21*CI)
Sistemas de evaluación genética en distintos países
Evaluación para caracteres de producción- Modelo ‘test-day’
Catálogos de reproductores lecheros
Evaluación internacional
► MUCHOS PAÍSES (CAN, NDL,ITA,DEU,GBR,DNK,SWE,FIN,…)
MODELO ‘TEST DAY’ O DE REGRESIÓN ALEATORIA
EFECTOS FIJOS (AMBIENTALES O SISTEMÁTICOS)
EFECTOS ALEATORIOS
EFECTO AMBIENTAL PERMANENTE. REGRESIÓN ALEATORIA
EFECTO GENÉTICO ADITIVO. REGRESIÓN ALEATORIA
23
26 2725
2726
23
2022
19
15
0
5
10
15
20
25
30K
G L
EC
HE
10 40 70 100 130 160 190 210 240 270 300
DÍAS EN LACTACIÓN
UTILIZACIÓN DE LOS DATOS DE LOS CONTROLES MENSUALES(“TEST- DAY”)
VENTAJAS FRENTE AL USO DE PRODUCCIÓN EN 305 d:
MEJOR MODELIZACIÓN
MAYOR PRECISIÓN
EVITAR EXTENSIÓN A 305
TENER EN CUENTA DISTINTAS PERSISTENCIAS
POSIBILIDADES DE SELECCIÓN SOBRE LA FORMA DE LA CURVA
DE LACTACIÓN
DESVENTAJAS:
SE MULTIPLICA EL NÚMERO DE DATOS A MANEJAR
MODELOS MÁS COMPLEJOS
“TEST- DAY”
APLICACIÓN: DATOS FRISONA ESPAÑOLA
Producción de leche a lo largo de la lactación
10
15
20
25
30
35
40
45
50
0 50 100 150 200 250 300 350 400 450 500
días en lactación
p. lec
he (kg
)
1085l
1651l
3046l
5362l
5394
5422
5518
5523
6346
MODELO “TEST- DAY” PRODUCCIÓN DE LECHE:
yti = E.F. + bo+ b1(t/305) + b2(t/305)2 + b3 log(305/t) + b4 (log(305/t))2
+ aoi+a1iZ1(t) + a2iZ2(t) + a3iZ3(t) + ...
+ poi+p1iZ1(t) + p2iZ2(t) + p3iZ3(t) + ...
+ eit
EF = Efectos fijos:Rebaño-fecha de control + Edad/Época de parto
b’s = Coeficientes regresión curva lactación fijo (ej. modelo Ali – Schaeffer)aki, pki= Coeficientes de regresión para valor genético y permanente animal iZk(t) = Coeficientes polinomios en el tiempo (día) t
INCÓGNITAS: EF, b’s , aki, pki, i=1,N, k=1,r
POLINOMIOS: ao + a1Z1(t) + a2Z2(t) + a3Z3(t) + ...
Flexibles Mal ajuste en los extremos de la trayectoria Interpretación biológica (oscilantes, sin asíntotas,..)Varios tipos:
Comunes: ao + a1t + a2t2 + a3t3 + ...Bases de Polinomios: Ej: Polinomios ortogonales de Legendre
Zo(t) = 1Z1(t) = tZ2(t) = (3t2-1)/2Z3 (t) = (5t3 –3t)/2 ....
MODELO “TEST- DAY” PRODUCCIÓN DE LECHE:
yti = E.F. + bo+ b1(t/305) + b2(t/305)2 + b3 log(305/t) + b4 (log(305/t))2
+ aoi+a1iZ1(t) + a2iZ2(t) + a3iZ3(t) + ...
+ poi+p1iZ1(t) + p2iZ2(t) + p3iZ3(t) + ...
+ eit
EF = Efectos fijos:Rebaño-fecha de control + Edad/Época de parto
b’s = Coeficientes regresión curva lactación fijo (ej. modelo Ali – Schaeffer)aki, pki= Coeficientes de regresión para valor genético y permanente animal iZk(t) = Coeficientes polinomios en el tiempo (día) t
INCÓGNITAS: EF, b’s , aki, pki, i=1,N, k=1,r BLUP
Valor efecto permanente p.leche para 11 animales MODELO ALI SCHAEFFER+LEGENDRE (5,5)
-15
-10
-5
0
5
10
0 100 200 300 400 500
días en lactación
vp (kg
)
10851651226030464441536253945422551863465523
MEDIDAS DE PERSISTENCIA
• P1=VG(60)-VG(280)• P2=P200-P100• P3=P300-P100• P4=P60_280 - 220*VG(60)• P5=P60_280 - 220*VG(280)• P6=P1/220• Autovalores matrices (co)varianzas genéticas• Coeficiente lineal (a1) del componente genético en el modelo de regresión aleatoria
Donde,P100=sum(VG(1:100))P200=sum(VG(101:200))P300=sum(VG(201:300))P60_280=sum(VG(60:280))
Alta correlación con producción total
Baja correlación prod. total
Producción de leche a lo largo de la lactación según la edad y época de partoCurvas de Ali-Schaeffer
15
17
19
21
23
25
27
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
días en lacatación
p. lec
he (kg
)
jóven-primavera
jóven-otoño
P60
P280
P100
P200
P300
Valor genético p. leche para 11 animales - MODELO ALISCHAEFFER+LEGENDRE (5,5)
-15
-10
-5
0
5
10
15
0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 340
días en lactación
vg (kg
)
1085 1651 3046 5362 5394 5422 5518 5523 6346
• P1=VG(60)-VG(280)• P2=P200-P100• P3=P300-P100• P4=P60280-220*VG(60)• P5=P60280-220*VG(280)• P6=P1/220
Sistemas de evaluación genética en distintos países
Evaluación para caracteres de producción- Modelo ‘test-day’
Catálogos de reproductores lecheros
Evaluación internacional
CATÁLOGO DE SEMENTALES - CONAFE
Información genealógica
Nombre del TORO
ID Registro genealógico ICO - Percentil
Sistemas de evaluación genética en distintos países
Evaluación para caracteres de producción- Modelo ‘test-day’
Catálogos de reproductores lecheros
Evaluación internacional
EVALUACIÓN GENÉTICA INTERBULL (ICAR):
Método MACE (Schaeffer, 1994) Modelo mixto padre multicarácter (carácter=país )
interacción GxEû = p + a + e
VG toros predicho en cada país (de-regresado)
País (bases genéticas diferentes)
VG toros de todos los países en la escala de cada país
Requiere buenas conexiones genéticas entre países Estimas de correlaciones entre países 4 evaluaciones al año
EVALUACIÓN GENÉTICA INTERBULL (ICAR):
Método MACE (Schaeffer, 1994) Modelo mixto padre multicarácter (carácter=país )
interacción GxEû = p + a + e
VG toros predicho en cada país (de-regresado)
País (bases genéticas diferentes)
VG toros de todos los países en la escala de cada país
Requiere buenas conexiones genéticas entre países Estimas de correlaciones entre países 4 evaluaciones al año
Producción 27 países, 3 caracteres, 6 razas, HOL: 100.000 toros
HOLSTEIN: Conformación 21 países, 14 caracteres lineales +3 generales
Salud Ubre SCC (23 países), Mamitis (3)Longevidad 18 paísesCaracteres del parto 11 países facilidad de parto directo y materno, mortalidad perinatal
Fertilidad Hembra 16 países, 10 caracteres distintos- 5 grupos :
T1: NOVILLAS (TODOS)T2: VACAS - Capacidad de salir en celo tras el parto (ICF) (DO, CI)T3: VACAS - Capacidad de quedar gestante como tasa: (CR, NR)T4: VACAS - Capacidad de quedar gestante como intervalo (IFC, IFL) (DO,
CI)T5: VACAS – Intervalos (DO, CI)
ICF=Intervalo parto-primera inseminación; DO=Días abiertos; CI=Intervalo entre partos; CR= Tasa de concepción; NR=Tasa de no retorno; IFC=Intervalo primera inseminación-concepción, IFL=Intervalo primera-última inseminación)
CARACTERES EVALUADOS POR INTERBULL
ETAPAS DE UN PROGRAMA DE MEJORA GENÉTICA:ETAPAS DE UN PROGRAMA DE MEJORA GENÉTICA:
ELECCIÓN DEL TIPO DE ANIMAL
DEFINIR OBJETIVOS DE SELECCIÓN
GENERAR HERRAMIENTAS DE SELECCIÓN – CRITERIOS
DISEÑAR APAREAMIENTOS
DIFUNDIR LA MEJORA
ESQUEMAS DE SELECCIÓN ESQUEMAS DE SELECCIÓN ––ELECCIÓN ELECCIÓN DE REPRODUCTORESDE REPRODUCTORES
OBJETIVO: DEJAR DESCENDENCIA DE LOS ANIMALES MÁSRENTABLES (SOSTENIBILIDAD, BIENESTAR ANIMAL) CONTROLANDOCONSANGUINIDAD
DOS NIVELES
A. SELECCIÓN DE SEMENTALES (PROGRAMAS DE TESTAJE ENCENTROS DE INSEMINACIÓN ARTIFICIAL)
B. REEMPLAZO HEMBRAS EN PRODUCCIÓN (EN LAS GANADERÍAS)
A. PROGRAMAS DE TESTAJE DE SEMENTALESA. PROGRAMAS DE TESTAJE DE SEMENTALES
1. ELECCIÓN DE LOS PADRES DE FUTUROS SEMENTALES1. ELECCIÓN DE LOS PADRES DE FUTUROS SEMENTALES PADRES DE FUTUROS SEMENTALES:
ELEGIDOS DE LA POBLACIÓN MUNDIAL (HOLSTEIN, PRESIÓN DESELECCIÓN MUY ALTA)
IMPORTANCIA EVALUACIÓN INTERNACIONAL DE SEMENTALES
MADRES DE FUTUROS SEMENTALES:
ELEGIDAS DE LA POBLACIÓN MUNDIAL (HOLSTEIN, PRESIÓN DESELECCIÓN MUY ALTA)
MÁS COMPLEJA (NO EXISTE EVALUACIÓN INTERNACIONAL)
ALTOS ÍNDICES GENÉTICOS EN PAÍS DE ORIGEN PARAPRODUCCIÓN Y FUNCIONALIDAD, FAMILIAS DE GENÉTICARECONOCIDA
MOET CONTRATADO MADRE DE UN PAÍS INSEMINADA CON TOROSSUPER-ÉLITE PARA CONSEGUIR EL MÁXIMO NÚMERO DEDESCENDIENTES DE CADA ACOPLAMIENTO FUTUROSSEMENTALES = EMBRIONES
AA.. PROGRAMAS DE TESTAJE DE SEMENTALES PROGRAMAS DE TESTAJE DE SEMENTALES
2. PRUEBA DE PROGENIE2. PRUEBA DE PROGENIE
Reparto de semen
12-14 m16 m
Nacimiento hijas
25-29 m29 m
Primer partohijas
49-55 m56 m
Prueba toro(valor genético)
64 m
TESTAJE DE SEMENTALES LECHEROS
EDAD DEL TORO
González-Recio et al.,2007Norman et al., 2003
•Control lechero(Producción, RCS, etc.)•Calificación morfológica
A. PROGRAMAS DE TESTAJE DE SEMENTALESA. PROGRAMAS DE TESTAJE DE SEMENTALES
2. PRUEBA DE PROGENIE2. PRUEBA DE PROGENIE REPARTO EN UN ELEVADO NÚMERO DE REBAÑOS
ELEVADO NÚMERO DE HIJAS. PRIMERA PRUEBA
40-60 HIJAS EN CARACTERES DE h2 MODERADA (PRODUCCIÓN)
80-100 HIJAS EN CARACTERES DE h2 BAJA (FUNCIONALIDAD)
VARIABLES A TENER EN CUENTA PARA OPTIMIZAR EL TEST DEPROGENIE
NÚMERO DE TOROS EN PRUEBA (A MAYOR NÚMERO MÁSOPCIONES DE OBTENER ALGÚN TORO DE ÉLITE)
INTENSIDAD DE SELECCIÓN EN LA ELECCIÓN DE LOS PADRES DEFUTUROS SEMENTALES
REDUCCIÓN INTERVALO GENERACIONAL
PRECISIÓN (RIESGO) DE LAS PRUEBAS – Nº HIJAS, SELECCIÓNSEGURA DE MADRES
A. PROGRAMAS DE TESTAJE DE SEMENTALESA. PROGRAMAS DE TESTAJE DE SEMENTALES
2. PRUEBA DE PROGENIE2. PRUEBA DE PROGENIE REPARTO EN UN ELEVADO NÚMERO DE REBAÑOS
ELEVADO NÚMERO DE HIJAS. PRIMERA PRUEBA
40-60 HIJAS EN CARACTERES DE h2 MODERADA (PRODUCCIÓN)
80-100 HIJAS EN CARACTERES DE h2 BAJA (FUNCIONALIDAD)
VARIABLES A TENER EN CUENTA PARA OPTIMIZAR EL TEST DEPROGENIE
NÚMERO DE TOROS EN PRUEBA (A MAYOR NÚMERO MÁSOPCIONES DE OBTENER ALGÚN TORO DE ÉLITE)
INTENSIDAD DE SELECCIÓN EN LA ELECCIÓN DE LOS PADRES DEFUTUROS SEMENTALES
REDUCCIÓN INTERVALO GENERACIONAL
PRECISIÓN (RIESGO) DE LAS PRUEBAS – Nº HIJAS, SELECCIÓNSEGURA DE MADRES
Madres de futurossementales vacas en primeraparte de su primera lactación
Criterios rigurososIntensidad de selección altaen madres
B.B. REEMPLAZO HEMBRAS EN PRODUCCIÓN. REEMPLAZO HEMBRAS EN PRODUCCIÓN. PROGRAMAS DEPROGRAMAS DEACOPLAMIENTOS ACOPLAMIENTOS EN LAS GANADERÍAS.EN LAS GANADERÍAS.
PADRES DE VACAS:
SEMEN DISPONIBLE DE TODA LA POBLACIÓN MUNDIAL
IMPORTANCIA EVALUACIÓN INTERNACIONAL DE SEMENTALES
MADRES DE VACAS:
ELEGIDAS DE LAS VACAS DE LA PROPIA EXPLOTACIÓN
OBJETIVO ACOPLAMIENTOS:
CORREGIR DEFECTOS PRESENTES EN LAS VACAS DE SUEXPLOTACIÓN (E. G. BAJAS PRODUCCIONES, PORCENTAJES DEGRASA Y PROTEÍNA POR DEBAJO DE LA MEDIA, DEFECTOS DECONFORMACIÓN, ETC)
EVITAR CONSANGUINIDAD (Estudio reciente González-Recio et al.,2007- la fertilidad se ve deteriorada entre un 2 % y un 6% cuando laconsanguinidad pasa del 12 al 25 %, respectivamente )
ESQUEMA DE SELECCIÓN EN EL GANADO VACUNO DE LECHEA NIVEL MUNDIAL
UTILIZACIÓN DE LA INFORMACIÓN MOLECULAR EN LOSUTILIZACIÓN DE LA INFORMACIÓN MOLECULAR EN LOSPROGRAMAS DE MEJORA DE BOVINOS LECHEROSPROGRAMAS DE MEJORA DE BOVINOS LECHEROS
OBJETIVO: AUMENTAR EL PROGRESO GENÉTICO
AUMENTO EN LA PRECISIÓN DE LA SELECCIÓN DE CANDIDATOS
DISMINUCIÓN DEL INTERVALO GENERACIONAL
(caracteres de baja heredabilidad, futuros sementales, madres de futurossementales)
INFORMACIÓN DISPONIBLE: Genes, QTLs, SNPs
USO EN LOS PROGRAMAS DE MEJORA
MAS (Francia, ver, p.ej., Boichard et al., 2000; Gullaume et al., 2008))
SELECCIÓN GENÓMICA
Regiones QTLs del genoma bovino para caracteres de producción lechera , longevidad,fertilidad de la hembra, mamitis y conformación (Datos tomados de
http://genomes.sapac.edu.au/bovineqtl)
Khatkar et al., 2004
QTLs IN DAIRY CATTLE
REVISIÓN (55 trabajos)
Y META-ANALISIS (28 trabajos)
Khatkar et al., 2004
•QTLs para producción de leche en 20 BTAs
•A destacar BTA6
•QTL de efecto grande para Kg y % grasa y Kgleche en BTA14
Más detalles: http://www.vetsci.usyd.edu.au/reprogen/QTL_Map/
Each dot represents a different QTL report withthe colour intensity indicating the level ofsignificance for the QTL:
• P < 0.001 or reported as highly significant;
• 0.001 < P < 0.01 or reported as significant;
• 0.01 < P < 0.05 or reported as marginallysignificant;
• Meta
Khatkar et al., 2004 – META ANÁLISIS
MARKER ASSISTED SELECTION (MAS) MARKER ASSISTED SELECTION (MAS) Boichard Boichard et al., 2002et al., 2002
TODOS LOS CARACTERES (aumenta precisión selección para car. bajaheredabilidad, aumentar precisión en selección toros jóvenes, disminuir nº toros enprueba para todos los caracteres)
QUÉ Y CUANTOS QTLs?
Efecto de sustitución (0.5-1 SD)
% variabilidad explicada por el QTL
Ej. Francés: 12 regiones QTL (5-30cM) para leche, grasa, proteína, %, RCS,Fertilidad). Cada carácter, información de 3 regiones de media. Cada animal segenotipaba para 33 marcadores.
QUÉ Y CUANTOS ANIMALES?
Candidatos (toros jóvenes, novillas jóvenes en núcleo+parientes con fenotipos)
‘Históricos’(padres y madres de candidatos, ancestros macho de toros de IA,madres e hijas de padres de sementales)
Ej. Francés : 10.000 animales genotipados por año
QTL- BLUP extendido a marcadores múltiples UNICARACTER (FENOTIPOS??? +GENTIPOS de MARCADORES; MATRIZ DE PARENTESCO GENEALÓGICO YMATRIZ DE PROBABILIDAD DE GENOTIPOS IDÉNTICOS PORDESCENDENCIA- PID)
MARKER ASSISTED SELECTION (MAS) MARKER ASSISTED SELECTION (MAS) Guillaume Guillaume et al. (2008)et al. (2008)Simulación para testar eficiencia esquema mas francés (+realista) – Caracteres
de producción
43-45 QTLS de 14 regiones, 2-4 marcadores por QTL
Datos fenotípicos: DYD para toros; YD para vacas (Van Raden y Wiggans,1991)
Guillaume et al., 2008
Guillaume et al., 2008
MARKER ASSISTED SELECTION (MAS) MARKER ASSISTED SELECTION (MAS) Guillaume Guillaume et al. (2008)et al. (2008)Conclusiones
Ganancia MAS limitada, pero mejora según se incorporan genotipos
Posibilidades de mejora si se usa más densidad de marcadores . Ej. Sustituirun marcador microsatélite por 10 SNPs próximos al QTL puede casi doblarla ganancia en precisión
Más ganancia cuanto mayor es la proporción de variabilidad explicada porlos QTLs (Ej. Grasa).
Para un mismo porcentaje de variabilidad explicada, mejor tener menosQTL (si muchos QTLs con efecto pequeño modelo infinitesimal clásico
Importante genotipar hembras (madres o familias de hijas) relacionadas contoros de candidatos
Futuro: Uso de mapas más densos para poder explotar desequilibrio deligamiento
UTILIZACIÓN DE LA INFORMACIÓN MOLECULAR EN LOSUTILIZACIÓN DE LA INFORMACIÓN MOLECULAR EN LOSPROGRAMAS DE MEJORA DE BOVINOS LECHEROSPROGRAMAS DE MEJORA DE BOVINOS LECHEROS
OBJETIVO: AUMENTAR EL PROGRESO GENÉTICO
AUMENTO EN LA PRECISIÓN DE LA SELECCIÓN DE CANDIDATOS
DISMINUCIÓN DEL INTERVALO GENERACIONAL
(caracteres de baja heredabilidad, futuros sementales, madres defuturos sementales)
INFORMACIÓN DISPONIBLE: Genes, QTLs, SNPs
USO EN LOS PROGRAMAS DE MEJORA
SELECCIÓN TOROS JÓVENES (FUTUROS SEMENTALES)
MAS (Francia, ver, p.ej., Boichard et al., 2000; Gullaume et al., 2008))
SELECCIÓN GENÓMICA
SNP: Single nucleotide polymorphism
Plataformas (Chips) SNPs- Illumina
- Bovine SNP50 (54001 SNPs) - 2007- Bovine HD (aprox. 800.000 SNPs) - 2010- 3K SNP (3072 SNPs) - 2010
Predicción genómica:1. Obtener genotipos y fenotipos de un número suficiente
de animales (POBLACIÓN DE REFERENCIA,normalmente toros).
2. Estimar el valor genético de cada SNP sobre loscaracteres de interés en la población de referencia.
Los marcadores están en desequilibrio de ligamientocon el QTL
3. Validar las estimas en una POBLACIÓN TEST máspequeña
4. Obtener genotipos de animales candidatos a la selección(toros jóvenes, madres o padres de futuros sementales,novillas de reemplazo) y su valor genómico (GEBV) apartir de las estimas obtenidas en la población dereferencia en el paso 2.
Predicción genómica----:
5. ( Fusionar información genómica con otras fuentes deinformación para predecir el valor genético de la formamás precisa posible.)
Schaeffer, 2006: Test de progenie convencional vs Selección genómica (Holstein Canada)
•Coste de prueba de progenie se reduce en un 97% con SG
•Progreso genético aumenta 3-4 veces
Ventajas selección genómica:
1. fiabilidad del valor genómico- similar para todos los caracteres,- igual para machos y hembras
2. Tendencia genética mucho más equilibrada para todos los caracteres,reflejando el peso económico en los índices de mérito total (Oportunidadpara revertir la degradación en caracteres funcionales).
3. Se espera casi el doble de tendencia genética por- al menos el doble de presión de selección disponible,- reducción del intervalo generacional --> La evaluación genética
se puede llevar a cabo en cuanto se dispone de ADN del individuo; Elevadafiabilidad de valor genómico predicho tanto de machos como de hembras.
- reducción de la tasa de consanguinidad si se toman lasprecauciones necesarias.
4. Reducción notable del coste de producción de toros.
5. Oportunidades para recoger ADN y fenotipos para caracteres que nose recogen rutinariamente en los controles de rendimientos actuales (enrebaños experimentales o comerciales contratados).
6. OPORTUNIDAD PARA PROFUNDIZAR EN LOS MECANISMOSGENÉTICOS QUE REGULAN LOS CARACTERES DE INTERÉS.
Desventajas y cuestiones sin resolver en seleccióngenómica:
1. Coste (chips de baja densidad, 3K SNP)
2. El efecto del marcador en asociaciones verdaderas será retenido en lassiguientes generaciones, pero las asociaciones espúreas que se puedenproducir cuando el marcador y el gen no están ligados reducen a la mitadel efecto en cada generación.
3. Mejor método de determinación del efecto del SNP en la población dereferenica?
4. Modelos simplistas no contemplan interacciones entre genes ointeracción GxE.
5. Fusión de la información genómica de animales sin fenotipo con lainformación convencional en animales sin genotipo.
6. Fiabilidad del GEBV o del GEBV combinado con los EBV tradicionales.
7. Cuantos y qué tipo de animales se deben genotipar, qué chips debenemplearse, cómo optimizar el número de toros jóvenes en prueba yprobados??????
8. EVALUACIÓN INTERNACIONAL????
Interbull Workshop on the Use of Genomic Information inGenetic evaluations
Paris, March 4-5, 201
Chesnais, 2010Number of Holstein animals genotyped in North America (EE.UU & Canada)by December 31, 2009 Source: CDN, 2010
Official evaluations since 2009 (50K panel)
Monthly or bi-monthly for new animals
Chesnais, 2010Gains in Published REL -Young Bulls (CDN, January 2010) -
Chesnais, 2010Genetic progress for 3 selection schemes when GEBV reliability is 60%
David, 2010Proyecto Eurogenomics
David, 2010
Cambios esperables en los esquemas de selección en ganado
vacuno lechero (Boichard, 2010):1. Desaparición del test de progenie en cuanto a terminar con la difusión de toros
sólo tras los resultados de su primera tanda de hijas.
- Se obtendrán EBV (Estimated Breeding Values) de la información de
progenie pero después de que el toro se ha usado.
- EBVs con mucha precisión
- Es crucial mantener el control de rendimientos (fenotipos)
2. Uso de toros jóvenes con varios miles de inseminaciones
3. Muchos más toros que los toros de élite actuales pero menos que el número
actual de toros en prueba (50%??)
4. Poco tiempo de uso de los toros → poco stock de semen
5. Mayor precisión de las evaluaciones de hembras, que será similar a la de los
machos → fuerte intensidad de selección de las madres de toros o de vacas.
→ Refuerzo del trasplante de embriones y sexado del semen.
Cambios esperables …6. Nuevos objetivos de selección
-Producción de leche: requerimientos nutricionales en humanos,composición de ácidos grasos,
-Resistencia a enfermedades: Uso de indicadores medidos en granja(temperatura, conductividad de la leche, hormonas), enfermedades metabólicas,hoof trimming, defectos genéticos, bases de datos veterinarias (paratuberculosisy otras enfermedades endémicas)
-Reproducción: progreso en detección automática de celos-Calidad cárnica: uso de información de mataderos-Producción de gases y eficiencia alimentación: determinismo genético de
la actividad ruminal, producción de metano, medidas de eficiencia alimenticia7. Dos tipos de manejo:
-Actual ampliado a algunos caracteres adicionales (sanidad,reproducción,etc.) en un elevado número de granjas←Crucial para la sostenibilidadde la selección genómica
-Nuevo, limitado a un pequeño número de explotaciones bajo contratos:ej: eficiencia alimenticia, producción de metano, componentes de fertilidad,respuesta inmune, test de comportamiento.
Chesnais, 2010A possible approach (ADSA, July 2008)
Otras aproximaciones…
REFERENCIAS BIBLIOGRAFICAS – MEJORA GANADO VACUNO LECHERO
Abe, H., Y. Masuda , M. Suzuki. 2009. Relationships between reproductive traits of heifers and cows and yield traits for Holsteins in Japan. J. Dairy Sci. 92 :4055–4062.
Boichard, D., A. Barbat, M. Briend. 1999. Genetic Analysis of conception rate. 50th Annual Meeting of the EAAP. Zurich, Switzerland.
Boichard D., S. Fritz, M.N. Rossignol, M.Y. Boscher, A. Malafosse, J.J. Colleau. 2002. Implementation of marker-assisted selection in French dairy cattle. En: Proceedings of the 7th World Congress on Genetics Applied to Livestock Production. Montpellier, France. Communication no. 22-03.
Chauhan, V.P.S., J.F. Hayes. 1991. Genetic parameters for first lactation milk production and composition traits for Holsteins using multivariate restricted maximum likelihood. J. Dairy Sci. 74:603-610.
Dal Zotto R., M. De Marchi, C. Dalvit, M. Cassandro, L. Gallo, P. Carnier, G. Bittante. 2007. Heritabilities and Genetic Correlations of Body Condition Score and Calving Interval with Yield, Somatic Cell Score, and Linear Type Traits in Brown Swiss Cattle. J. Dairy Sci. 90:5737–5743.
Ducrocq, V,P., H. Sölkner. 1998. The Survival Kit V3.0: A package for Large Analyses of Survival Data. Proc. 6th World Congr. Genet. Appl. Livest. Prod., Armidale, Australia 27:447–448.
Frisona Española, 2002. Resultados del Control de Rendimiento Lechero. Num. 130. pp:80-84. González-Recio, O., Y. M. Chang, D. Gianola, K. A. Weigel. 2005. Number of inseminations
to conception in holstein cows using censored records and time-dependent covariates. J. Dairy Sci. 88:3655–3662.
González-Recio, O., M. A. Pérez-Cabal, R. Alenda. 2004. Economic value of female fertility
and its relationship with profit in Spanish Dairy Cattle J. Dairy Sci. 87:3053–3061. González-Recio, O., C. Ugarte, R. Alenda. 2005. Genetic Análisis of an artificial insemination
progeny test program. J. Dairy Sci. 88:783-789. González-Recio O., E. López De Maturana, J.P. Gutiérrez. 2007. Inbreeding depression on
female fertility and calving ease in Spanish dairy cattle. J. Dairy Sci. 90: 5744-5752. Guillaume, F., S. Fritz, D. Boichard, T. Druet. 2008. Estimation by simulation of the efficiency
of the French marker-assisted selection program in dairy cattle. Genet. Sel. Evol. 40:91-102.
Heringstad B., G. Klemetsdal, T. Steine. 2007. Selection responses for disease resistance in two selection experiments with Norwegian Red cows. J. Dairy Sci. 90:2419–2426.
Khatkar, M., P.C. Thomson, I. Tammen, H.W. Raadsma. 2004. Quantitative trait loci mapping in dairy cattle: review and meta-analysis. Genet. Sel. Evol. 36:163-190.
Koivula M., E. A. Mäntysaari, E. Negussie, T. Serenius. 2005. Genetic and phenotypic relationships among milk yield and somatic cell count before and after clinical mastitis. J. Dairy Sci. 88:827–833.
Kuhn, M. T,. J. L. Hutchison, and G. R. Wiggans. 2006. Characterization of Holstein heifer fertility in the United States. J. Dairy Sci. 89:4907–4920.
Lassen J., M. Hansen, M. K. Sørensen, G. P. Aamand, L. G. Christensen, P. Madsen. 2003. Genetic analysis of body condition score in first-parity Danish Holstein cows. J. Dairy Sci. 86:4123–4128.
López de Maturana, E., Ugarte, E., Komen, J., van Arendonk, J.A.M. 2007a. Consequences of selection for yield traits on calving ease performance. J. Dairy Sci. 90:2497–2505.
López de Maturana, E., Ugarte, E., González-Recio, O. 2007b. Impact of calving ease on functional longevity and herd amortization costs in Basque Holsteins using survival analysis. J. Dairy Sci. 90:4451–4457
López-Villalobos N., D. Garrick . 2006. Crossbreeding systems for dairy production in New Zealand. En Proc. 8th World Congress on Genetics Applied to Livestock Production. Bello Horizonte, Brasil.
Mark, T. 2003.Survey of genetic evaluations for production and functional traits in dairy cattle. Paper presented at the 54nd EAAP meeting in Rome, August 31 - September 3.
National Animal Health Monitoring System. 2007. Dairy 2007. Part I: Reference of dairy health and management in the United States. Available: http://www.aphis.usda.gov/vs/ceah/ncahs/nahms/dairy/dairy07/Dairy2007_Pt1.pdf. (Visitado: 20/12/2007).
Norman H.D., R.L .Powell, J.R Wright, C.G. Sattler 2003. Timeliness and effectiveness of progeny testing through artificial insemination. J. Dairy Sci. 86: 1513-1525.
Oldham, J.D., G. Simm, N. Wray y P. Persuad. 1991. Breeding more profitable dairy cows. Presentado en 'Dairy Cattle Breeding in Europe'. Santander. España. 2-3 Mayo.
Olori, V.E., T.H.E. Meuwissen, R.F. Veerkamp. 2002. Calving intervl and survival breeding values as measures of cow fertility in a pasture based production system with seasonal calving. J. Dairy Sci. 85:689-696.
Pérez-Cabal M.A., R. Alenda. 2002. Genetic relationships between lifetime profit and type traits in Spanish Holstein cows. J. Dairy Sci. 85: 3480-3491.
Pösö, J., E.A. Mäntysaari. 1996. Relationship betwen clinical mastitis, somatic cell score, and production for the first three lactations of Finnish Ayrshire. J. Dairy Sci. 79:1284.
Pryce, J. E., B. L. Harris. 2006. Genetics of body condition score in New Zealand dairy cows. J. Dairy Sci. 89:4424–4432.
Pryce, J.E., R.F. Verkamp. 2000. The incorporation of fertility indices in genetic improvement programmes. En Fertility in the High –Producing Dairy Cow. Occasional Publication No 26- BSAS.
Rauw, W.M., E. Kanis, E.N. Noordhuizen-Stassen, F.J. Grommers. 1998. Undesirable side effects of selection for high production efficiency in farm animals: a review. Livest. Prod. Sci. 56:15-33.
Rupp, R., Y. D. Boichard. 1999. Genetic relationships between clinical mastitis, somatic cell score, production, udder type traits, and milking ease in first lactation Holstein cows. 50th Annual Meeting of the EAAP. Zurich, Switzerland.
Schaeffer L.R. 1994. Multipe country comparison of dairy sires. J. Dairy Sci. 77:2671-2678. Schaeffer L.R. 2006. Strategy for applying genome-wide selection in dairy cattle. J. Anim.
Breed. Genet. 123: 218-223. Shook, G.E. 2006. Major advances in determining appropriate selection goals. J. Dairy Sci.
89:1349-1361. Van Raden P.M., G.R. Wiggans 1991. Derivation, calculation, and use of national Animal
Model Information, J. Dairy Sci. 74: 2737–2746. Veerkamp, R. F., E.P.C. Koenen, G. De Jong. 2001.Genetic Correlations Among Body
Condition Score, Yield, and Fertility in First-Parity Cows estimated by Random Regression Models J. Dairy Sci. 84:2327–2335
Vollema, A.R. 1998. Longevity of dairy cows: a review of geneic variances and covariances with conformation. Animal Breeding Abstracts 66: 781-802.
Zwald N.R., K.A. Weigel, Y.M. Chang, R.D. Welper, J.S. Clay. 2004. Genetic selection for Health Traits Using Producer-Recorded Data. II. Genetic Correlations, Disease Probabilities, and Relationships with Existing Traits. J. Dairy Sci. 87:4295–4302
ALGUNAS REFERENCIAS GENERALES Proceedings International Workshop on EU Concerted Action Genetic Improvement of
Functional Traits in Cattle (GIFT). Gembloux, Belgium. 1996. Interbull Bulletin No. 12 Proceedings International Workshop on EU Concerted Action Genetic Improvement of
Functional Traits in Cattle (GIFT); Health. Uppsala, Sweden. 1997. Interbull Bulletin No. 15.
Proceedings International Workshop on EU Concerted Action Genetic Improvement of Functional Traits in Cattle (GIFT); Fertility and Reproduction. Grub, Germany. 1997. Interbull Bulletin No. 18.
Proceedings International Workshop on EU Concerted Action Genetic Improvement of Functional Traits in Cattle (GIFT); Longevity. Jouy-en Josas, France. Interbull Bulletin No. 21.
G. Simm. Genetic Improvement of Cattle and Sheep. 1998. Farming Press. Journal of Animal Breeding and Genetics. 2007. Genomic selection. 124:321-389.