Dipartimento di Agraria,Università degli Studi di Sassari

Presentazione sul tema: "Dipartimento di Agraria,Università degli Studi di Sassari"— Transcript della presentazione:

1 Dipartimento di Agraria,Università degli Studi di Sassari
Uso dello spetto MIR per la valutazione della qualità del latte ovino ai fini del miglioramento genetico Nicolò Macciotta Dipartimento di Agraria,Università degli Studi di Sassari Seminario La valorizzazione del dato – Cagliari ottobre 2017

2 Il quadro di riferimento
Trasformazione del Sistema allevatoriale e di miglioramento genetico delle specie di interesse zootecnico in Italia Crescita di domanda di qualità dei prodotti Sostenibilità delle Produzioni, cambiamenti climatici Innovazioni tecnologica, disponibili nuovi strumenti analitici Precision farming, generazione di BIG DATA

3 Miglioramento genetico ovini da latte
Programma di selezione operante per sola la razza Sarda Coinvolte 220,268 pecore (ICAR, 2014) Obiettivi di selezione sono la produzione totale di latte per lattazione e resistenza alla scrapie Composizione del latte e morfologia della mammella (primipare)

4 Attitudine del latte alla caseificazione
Potenziali caratteri di interesse per la selezione degli ovini da latte IL latte è destinato totalmente alla caseificazione Attitudine del latte alla caseificazione PARAMETRI DI COAGULAZIONE DEL LATTE RESA Caratteristiche nutrizionali (nutraceutiche) del latte COMPOSIZIONE IN ACIDI GRASSI

5 Le proprietà casearie mostrano variabilità genetica
Carattere n. h2 r2FTD RCT (min) 908 0.23 0.13 Logk20(min) 879 0.15 0.22 a30 (mm) 907 0.14 0.28 Resa individuale 1017 0.16 0.26 Resa stimata 998 - Gaspa et al., 2016, Animal

6 Correlazioni genetiche
Carattere Logk20 a30 resa RCT (min) 0.84 -0.80 0.55 Logk20(min) -0.91 0.64 a30 (mm) -0.67 Gaspa et al., 2016, Animal

7 Il profilo acidico mostra Serdino et al., 2017, Annual ADSA meeting
variabilità genetica FA Name h2 r2FTD C4:0 Butyric a. 0.21 0.24 C6:0 Caproic a. 0.04 0.62 C8:0 Caprylic a. 0.09 0.64 C10:0 Capric a. 0.12 C12:0 Lauric a. 0.54 C14:0 Myristic a. 0.41 C14:1 cis-9 Myristoleic a. 0.32 0.22 C16:0 Palmitic a. 0.48 0.37 C16:1 cis-9 Palmitoleic a. 0.29 C18:0 Stearic a. 0.46 C18:1 trans-11 Vaccenic a. 0.07 0.66 C18:1 cis-9 Oleic a. 0.61 C18:2 n-6 Linoleic a. 0.10 0.60 C18:3 n-3 α-Linolenic a. 0.03 0.82 C18:2 cis-9,trans-11 Rumenic a. 0.05 Serdino et al., 2017, Annual ADSA meeting

8 Il profilo acidico mostra Serdino et al., 2017, Annual ADSA meeting
variabilità genetica Trait h2 r2FTD MCFA 0.29 0.35 LCFA 0.14 0.47 SFA 0.12 0.45 MUFA 0.09 0.55 PUFA 0.64 OBCFA 0.02 0.61 de novo 0.59 n-6:n-3 0.10 0.86 Serdino et al., 2017, Annual ADSA meeting

9 Correlazioni genetiche tra AG
Traits C6:0 C8:0 C10:0 C12:0 C14:0 C14:0 c9 C16:0 C16:1 c9 C18:0 C18:1 t11 C18:1 c9 C18:2 n-6 C18:3 n-3 c9,t11 C4:0 -0.14 -0.56 -0.77 -0.93 -0.59 -0.42 0.15 -0.18 0.12 -0.32 0.17 0.40 0.62 -1.00 0.82 0.71 0.53 0.03 -0.29 -0.31 -0.57 0.23 -0.12 -0.41 0.33 0.26 -0.66 0.94 0.92 0.14 -0.06 -0.47 -0.35 0.13 0.06 0.00 0.05 0.99 0.41 0.19 -0.27 -0.11 -0.09 0.08 -0.33 -0.17 -0.30 0.20 0.42 -0.43 -0.08 -0.26 0.50 0.39 -0.49 -0.02 -0.28 -0.75 -0.94 0.65 C14:1 c9 0.48 0.89 0.16 -0.50 -0.54 -0.37 -0.39 -0.76 -0.53 -0.55 0.21 -0.07 0.36 0.51 -0.58 -0.40 0.43 0.30 0.09 C18:2 n-6 0.54 C18:3 n-3 0.31

10 Spettro del medio infrarosso (MIR)
Proprietà casearie e composizione acidica del latte Difficile misura di routine Alternative possibili: Uso di fenotipi facili da misurare Loro previsione con misure indirette Spettro del medio infrarosso (MIR)

11 Spettro del medio infrarosso (MIR)
L’analisi di ogni compione di latte genera 1,060 valori di assorbanza I valori sono convertiti nelle variabili di composizione del latte (es grasso%, proteina%, lattosio% etc.) mediante appositi algoritmi Annualmente vengono eseguite dal laboratorio ARA di Oristano circa 490 mila analisi (bovini, ovini, caprini, individuali e di allevamento)

12 Lo spettro MIR

13 Progetto: Il latte ovino della Sardegna Dipartimento di Agraria
UNISS AIA ARAS APA SS, NU, OR, CA

14 Dati 859 pecore di Razza Sarda, 47 greggi
Campioni individuali (1 per animale), Aprile-luglio 2014 Parametri di coagulazione del latte (Formagraph) Rese individuali Formaggio (RIF) (Othmane et al., 2002) Composizione del latte e spettro MIR (Milkoscan)

15 Formagraph (r, k20, a30)

16 (netto cagliata/netto latte)*100
Microcaseificazioni RIF Resa: (netto cagliata/netto latte)*100

17 Struttura del campione
25% 32% 11% 32%

18 Risultati Carattere Media SD Latte kg 1.72 0.43 Contenuto in grasso
6.01 1.33 Contenuto in proteina 5.43 0.58 Contenuto in lattosio 4.86 0.28 CCS ( ) 2389 pH 6.55 0.11 RCT (min.) 13.45 4.43 K20 (min.) 1.73 0.07 A30 (mm) 55.67 11.59 REsa (%) 35.20 8.20

19 700 pecore di calibrazione
Schema sperimentale 700 pecore di calibrazione Resa R, k20, a30 Spettri MIR Calibrazione Modello matematico 169 pecore di previsione Spettri MIR Previsione R, K20, a30 Cento repliche per scenario

20 Risultati R2 Resa individuale in formaggio 0.66 ± 0.05 Tempo di coagulazione 0.59 ± 0.10 Tempo di rassodamento del coagulo k20 0.47 ± 0.07 Consistenza del coagulo a30 0.42 ± 0.06

21 Alcune considerazioni
Buona accuratezza di previsione per resa individuale e tempo di coagulazione Risultati comparabili a quelli ottenuti per i bovini

22 Analisi profilo acidico
56.5 57.0 57.5 58.0 58.5 59.0 Minutes 25 50 75 100 C18:3 n3 c9, t11 CL A t9,c11 CLA t10, c12 CLA t9,t11 CLA t11,t13 CLA c9,c11 CLA mV t11,c13 CLA c11,c13 CLA

23 700 pecore di calibrazione
Schema sperimentale 700 pecore di calibrazione Profilo acidico GC Spettri MIR Calibrazione Modello matematico 169 pecore di previsione Spettri MIR Previsione Profilo acidico Cento repliche per scenario

24 Previsioni con la PLS Acido Correlazione sd C4_0 0,88 0,02 C6_0 0,92
0,01 C8_0 0,94 C10_0 C12_0 0,93 C14_0 C14_1C9 0,81 0,03 C15_0 0,61 C16_0 0,82 C16_1C9 0,77 C18_0 0,85 C18_1t11 (VA) 0,86 C18_1c9 0,91 C18_2N6 0,72 C18_3N3 (ALA n3) 0,84 CLAc9t11 0,83

25 Previsioni con la PLS Acido Correlazione sd SCFA 0,94 0,01 MCFA 0,86
0,02 LCFA 0,90 SFA MUFA 0,89 PUFA OBCFA 0,68 0,03 N6_N3 0,82 TFA_NO_VA 0,88 DI_C14_1 0,81 DIC16_1 0,75 DI_C18_1 0,80 DI_CLA DE_NOVO 0,95

26 Ereditabilità GC vs MIR
Acido grasso h2 GC h2 MIR C18:1 trans-11 0.07 0.13 C18:3 n3 0.03 CLA cis-9 trans-11 0.05 0.09 SFA 0.12 0.32 MUFA 0.14 PUFA 0.15

27 Alcune considerazioni
Lo spettro MIR è una grande fonte di informazione Largo numero di variabili da gestire E’ possibile fare sintesi?

28 Spettro del medio infrarosso (MIR)

29 Analisi delle componenti principali PCA
L’85% dell’informazione contenuta nelle 1060 variabili dello spettro può essere sintetizzata in 4 componenti Nuove variabili da utilizzare a posto di quelle originarie Significato?

30 Analisi delle componenti principali PCA

31 SPETTRI MIR Differenze nella composizione tra i due gruppi
Spettri sovrapposti ottenuti dalla media di ciascun punto dello spettro, calcolati per i due gruppi di campioni: Differenze nella composizione tra i due gruppi Milk samples mixed1 item Coagulating Non-coagulating P-value Fat (%) 5.99 6.54 0.2149 Protein (%) 5.41 5.93 <.0001 Casein(%) 4.20 4.55 Lactose (%) 4.83 4.26 Urea (mg/dL) 39.51 34.86 SCS 4.38 7.92 Chloride (mg/100ml) 139.94 212.47 pH 6.56 6.83 Cryoscopic 0.57 0.56 0.2182 urea lattosio proteine caseine coagulanti = linea blu tratteggiata non coagulanti = linea rossa in verde le differenze tra le medie dei due gruppi (coag – noncoag). 1yijklmnop = μ + COAGj + PARk + DIMl + LMm + PROVn + ZONEo + FTDp+ eijklmn

32 Regressione logistica
Le PC dello spettro possono essere utilizzate per prevedere la coagulabilità del latte Regressione logistica Parametro P PC1 0.0218 PC2 <.0001 PC3 PC5 PC6 0.0156

33 ODD ratio Effetto Stima CI 95% PC1 0.979 0.962 0.997 PC2 0.902 0.879
0.926 PC3 0.938 0.918 0.959 PC5 1.178 1.115 1.244 PC6 1.076 1.014 1.142 Associazione di probabilità previste e risposte osservate Percentuale concordi 88.8

34 Le PC mostrano variabilità genetica
Effetto h2 PC1 0.28 PC2 0.44 PC3 0.40 PC4 0.001

35 Considerazion finali Miglioramento genetico qualità del latte ovino
Possibilità di aumentare i fenotipi disponibili a costo zero Grandi prospettive con le nuove tecnologie analitiche Unione di dati provenienti da diverse fonti (Big Data)

36 Alcune considerazioni
L’utilizzo delle previsioni MIR potrebbe consentire l’inclusione di nuovi obiettivi di selezione a costo zero Potrebbe fornire nuove informazioni utili al management aziendale a costo zero I dati potrebbero essere integrati con altre informazioni

37 Non stiamo valorizzando una fonte di dati importanti
Bilancio energetico (Mc Parland and Berry, 2016) Diagnosi di gravidanza(Martin et al., 2015) Iperchetonemia (van der Drift et al., 2012) Composizione acidica grasso del latte (Soyeurt et al., 2011) Lattoferrina (Soyeurt et al., 2007) Emissioni di metano (Vanlierde et al., 2015) Tasso di concepimento (Kempstalk et al., 2015)

38 Alcuni suggerimenti Conservare gli spettri MIR
Creare una pipeline che ne permetta l’utilizzo per prevedere caratteri di interesse tramite opportune equazioni Restituzione delle nuove informazioni a tutti gli interessati (allevatore, organizzazioni produttori, Associazioni Allevatori, Ricerca)

39 Idea progettuale Azienda Laboratorio latte Ricerca
Equazioni di previsione Server-pipeline informatica Stoccaggio spettri Predizione nuovi caratteri APA Dati produttivi Nuovi caratteri AIA e ANA Dati genomici ASL IZS Dati sanitari

40 Grazie Ricerca finanziata dalla Regione Autonoma della Sardegna, Legge Regionale 7 Agosto 2007, progetto tender “Il latte Ovino della Sardegna”. Si ringraziano le Associazioni Provinciali Allevatori delle Province of Cagliari, Nuoro, Oristano and Sassari l’Associazione Regionale Allevatori della Sardegna, L’Associazione Italiana Allevatori e l’Associazione Nazionale della Pastorizia per la preziosa collaborazione .

41 Grazie

42 Anaòlisi dei fattori FA
De novo FA SFA 8:0 0.66 10:0 0.84 12:0 0.85 14:0 0.80 17:0 -0.60 MUFA 17:1c9 -0.79 18:1c9 -0.74 Eigenvalue 0.11 F3 Bio hydrogenation MUFA 18:1c12 0.76 18:1t10 0.90 18:1t16 0.74 18:1t6+t8 0.80 18:1t9 0.85 PUFA 18:2c9,c12 0.62 Eigenvalue 0.10 F5 Desaturation FA SFA 18:0 -0.78 MUFA 10:1c9 0.66 14:1c9 0.82 16:1c9 0.65 Eigenvalue 0.07

43 Ereditabilitàfattori
h2 r2FTD factors mean F1 mammaryactivity 0.12 0.56 F2 OBCFA 0.15 0.52 F3 biohydrogenation 0.11 0.63 F4 C18:3n3 BH 0.07 0.43 F5 desaturase 0.24 0.25 F6 CLA 0.47 F7 n-3 0.06 0.58 F8 n-6 0.03 F9 C16 0.05