Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Gottardo, Paolo (2016) Phenotypic and Genetic Variation of Milk Fatty Acid Composition Predicted by Mid-Infrared Spectroscopy in Dairy Cattle. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF
1467Kb

Abstract (inglese)

The potential of mid-infrared spectroscopy (MIRS) has been well assessed in the literature. Several authors tested the capability of MIRS to predict milk fatty acid (FA) composition with the aim of applying this technology at population level to collect phenotypes for genetic purposes. The accuracy of prediction models largely differs across groups and individual FA, and comparisons among studies are difficult due to several factors such as the unit of measure to express the FA content (milk or fat basis), the computational algorithm used to construct the model, the spectra pretreatments, the number of samples and the biological variability of the trait in the population used to build the prediction equation. In general, prediction models for FA groups (in particular SFA and UFA) are quite reliable whereas those for individual FA are less accurate (especially for FA that are present in low concentration). The overall aim of the present thesis was to study the phenotypic and genetic aspects of FA composition of bovine milk predicted by MIRS.
Chapter 1 demonstrated the feasibility of improving calibration models for both FA groups (SFA, UFA, MUFA and PUFA) and individual FA (C14:0, C16:0, C18:0 and C18:1) through the use of a variable selection method (UVE, uninformative variable elimination) and a heuristic optimization algorithm (GA, genetic algorithm). Both methods were able to discriminate the spectrum areas closely related with FA in milk enhancing the fitting statistics of all the analyzed traits, with GA providing more accurate models than UVE. Methods like UVE and GA have great potential to be used both as “screening tools” for a qualitative analysis and as “selection methods” for the construction of robust and conservative calibration models. Further research is needed to understand how well these algorithms perform in larger dataset in both calibration and validation processes.
Chapter 2 investigated the sources of variation of milk FA profile routinely predicted by MIRS in four Italian cattle breeds reared in mountain area: Holstein-Friesian, Brown Swiss, Simmental and Alpine Grey. Results underlined that a phenotypic variation is present and the four breeds differed in terms of milk FA composition. Among the studied effects, breed and herd were the most important to explain the variation of FA profile followed by days in milk and parity. In particular, Alpine Grey presented the “healthier” milk FA profile with lower content of SFA and greater content of UFA, MUFA, PUFA and C18:1. The saturated fraction of FA increased from calving until approximately 120 days in milk. Furthermore, milk of first parity cows presented lower concentration of C14:0 and C16:0 than milk of multiparous cows.
Chapter 3 reported the existence of an exploitable additive genetic variation for predicted milk FA groups (g/100 mL milk) in Italian Holstein-Friesian cows. Heritability estimates for SFA, UFA, MUFA and PUFA were moderate to low (0.246, 0.069, 0.082 and 0.078, respectively) and the genetic correlations between these traits suggested that an increase of fat content leads to an increase of SFA with undesirable effects on the healthy quality of milk. Also, if the content of UFA is predisposed to be higher, it will be mostly its MUFA component to increase due to the strong positive genetic correlation between these 2 traits (0.95).
Finally, Chapter 4 estimated genetic parameters of the major FA (expressed as g/100 g of total identified FA) predicted by MIRS in milk of four cattle breeds: Holstein-Friesian, Brown Swiss, Simmental and Alpine Grey. Overall, all the estimated parameters were comparable across breeds and heritability estimates were moderate to low ranging from 0.18 to 0.30 and from 0.16 to 0.30 for groups and individual FA, respectively. The positive genetic correlations between milk fat, SFA, C14:0 and C16:0, and the negative correlations between these FA and C18:0 confirmed findings of Chapter 3 suggesting that genetic selection to address milk FA to a better healthy profile is possible.

Abstract (italiano)

Il potenziale della spettroscopia nel medio infrarosso (MIRS) è ben noto in letteratura. Numerosi autori hanno testato la capacità del MIRS nella predizione degli acidi grassi (AG) del latte con il desiderio di applicare questa innovativa tecnologia a livello di popolazione, nel tentativo di ottenere grandi quantità di fenotipi da usare in campo genetico. L’accuratezza dei modelli predittivi differisce largamente all’interno dei vari gruppi acidici e in maniera ancor maggiore tra i principali AG individuali; inoltre, risultano difficili le comparazioni tra diversi studi a causa di numerosi fattori come, ad esempio, l’unità di misura utilizzata per esprimere il contenuto di AG, gli algoritmi impiegati per costruire i modelli di predizione, i pre-trattamenti degli spettri in fase di editing e modellizzazione, il numero di campioni e la variabilità biologica dei caratteri nella popolazione usata per mettere a punto le equazioni di predizione. In generale, i modelli costruiti per i gruppi di AG (in particolare SFA e UFA) risultano sufficientemente accurati mentre quelli relativi agli AG individuali sono meno accurati. Lo scopo generale di questo lavoro di tesi è stato quello di studiare gli aspetti fenotipici e genetici del profilo acidico del latte bovino predetto tramite l’utilizzo della tecnologia MIRS.
Il capitolo 1 ha dimostrato l’effettiva possibilità di incremento di accuratezza dei modelli di calibrazione per i gruppi di AG (SFA, UFA, MUFA e PUFA) e per i singoli AG (C14:0, C16:0, C18:0 e C18:1) attraverso l’uso di un metodo di selezione di variabili (UVE, uninformative variable elimination) ed uno euristico di ottimizzazione (GA, genetic algorithm). Entrambi questi metodi si sono dimostrati capaci nel discriminare le aree di assorbimento dello spettro correlate agli AG nel latte, migliorando le statistiche di calibrazione dei modelli per tutti i caratteri analizzati, soprattutto nel caso di utilizzo di GA. Metodi come questi hanno dimostrato di possedere un grande potenziale di impiego sia come “strumenti di screening” per analisi di tipo qualitativo, sia come “metodi di selezione” per la costruzione di modelli di calibrazione robusti e conservativi. Sono tuttavia necessari ulteriori approfondimenti per capire l’effettiva efficacia di questi algoritmi, aumentando nel contempo la numerosità campionaria iniziale sia in fase di calibrazione che di validazione.
Il capitolo 2 ha indagato le fonti di variazione fenotipiche che caratterizzano il profilo acidico del latte predetto in routine utilizzando la tecnica MIRS, in quattro razze di vacche da latte allevate in un’area montana: Frisona, Bruna, Pezzata Rossa e Grigio Alpina. I risultati hanno evidenziato differenze statisticamente significative tra le razze in termini di composizione acidica del latte. Tra gli effetti studiati, razza e allevamento si sono rivelati le fonti di variazione più importanti nello spiegare la variabilità del profilo acidico nel latte, seguiti dallo stadio di lattazione e dall’ordine di parto della bovina. Il latte della razza Grigio Alpina ha presentato una composizione acidica definibile più “salutistica”, con un minore contenuto di SFA e un più alto contenuto di UFA, MUFA, PUFA e C18:1. Si è inoltre osservato come la fraziona satura del grasso aumentasse dal parto fino a circa 120 giorni di lattazione. Infine, le vacche primipare hanno evdienziato una concentrazione minore di C14:0 e C16:0 rispetto alle pluripare.
Lo scopo del capitolo 3 è stato quello di esplorare l’esistenza di una varianza genetico-additiva per i gruppi di AG (g/100mL di latte) predetti con tecnologia MIRS in un dataset di vacche di razza Frisona. Le ereditabilità stimate per SFA, UFA, MUFA e PUFA sono risultate, rispettivamente, 0.246, 0.069, 0.082 e 0.078, e le correlazioni genetiche tra questi caratteri hanno evidenziato che un incremento del contenuto di grasso può portare ad un aumento di SFA, con effetti indesiderati sulla qualità salutistica finale del prodotto. Inoltre, il contenuto di UFA nel latte è risultato molto correlato (0.95) con la sua parte monoinsatura; pertanto, agire con gli strumenti della selezione sull’incremento degli UFA, determinerà un incremento di MUFA.
Infine, nel capitolo 4 sono stati stimati i parametri genetici dei maggiori AG individuali (espressi come g/100 g di AG totali identificati) predetti con il MIRS nel latte di quattro razze bovine da latte: Frisona, Bruna, Pezzata Rossa e Grigio Alpina. Nel complesso tutti i parametri genetici stimati sono risultati simili nelle quattro razze. Le ereditabilità sono risultate medio-basse, con valori compresi tra 0.18 e 0.30 per i gruppi e tra 0.16 e 0.30 per gli AG individuali. Le correlazioni genetiche positive tra grasso e SFA, C14:0 e C16:0, e quelle negative tra questi ultimi AG e il C18:0 hanno confermato in parte i risultati ottenuti nel capitolo 3, suggerendo che è possibile utilizzare gli strumenti della selezione per migliorare, dal punto di vista salutistico, il profilo acidico del latte vaccino.

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:De Marchi, Massimo
Correlatore:Penasa, Mauro
Dottorato (corsi e scuole):Ciclo 28 > Scuole 28 > SCIENZE ANIMALI E AGROALIMENTARI > PRODUZIONI AGROALIMENTARI
Data di deposito della tesi:28 Gennaio 2016
Anno di Pubblicazione:28 Gennaio 2016
Parole chiave (italiano / inglese):FTIR, milk fatty acids, phenotypic variation,genetic parameters, Italian breeds
Settori scientifico-disciplinari MIUR:Area 07 - Scienze agrarie e veterinarie > AGR/19 Zootecnica speciale
Struttura di riferimento:Dipartimenti > Dipartimento di Agronomia Animali Alimenti Risorse Naturali e Ambiente
Codice ID:9260
Depositato il:07 Ott 2016 10:33
Simple Metadata
Full Metadata
EndNote Format

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record