Download ppt - Recours à linfrarouge moyen afin daméliorer la qualité nutritionnelle et environnementale du lait H. Soyeurt *,§, F. Dehareng **, N. Gengler * et P. Dardenne

Recours à l’infrarouge moyen afin d’améliorer

la qualité nutritionnelle et environnementale du lait

H. Soyeurt*,§ , F. Dehareng**, N. Gengler*et P. Dardenne**

* Unité de zootechnie, Gembloux Agro-Bio Tech, Université de Liège, Gembloux, Belgique§ Fonds de la recherche scientifique, Bruxelles, Belgique** Centre wallon de recherches agronomiques, Département Valorisation des produits agricoles, Gembloux, Belgique

Introduction• Changements de perception du consommateur

– Amélioration de la qualité nutritionnelle des aliments– Limitation de l’impact environnemental de la

production et de la consommation des aliments• On peut améliorer la qualité du lait :

– Qualité nutritionnelle :p. ex., acides gras insaturés, calcium, lactoferrine

– Qualité environnementale :p. ex., production de lait versus urée, méthane

Introduction

• Acquisition de phénotypes nécessaire!• Mise au point d’outils pratiques :

– Bon marché : à utiliser sur une grande échelle– Solides : adaptables à différentes races, méthodes

et dates d’échantillonnage…– Rapides : de plus en plus de vaches par ferme– Fiables

• Usage de la spectrométrie à infrarouge moyen (MIR) sur le lait technologie prometteuse

Première partie :Utilité de la spectrométrie à infrarouge moyen (MIR)

Spectrométrie MIR• Radiations électromagnétiques• Longueur d’onde entre 1 000 et 5 000 cm-1

• Utilisée couramment par laboratoires laitiers pour quantifier principaux composants du lait :

Figure 1 : Electromagnetic spectra (Foss, 2012)

– Gras, protéine, lactose, urée…

• Mais : technologie actuellement sous-utilisée

Spectrométrie MIR

Tous les 2 ou 3 joursÉchantillons de lait en vracGérés par les industries laitières

Échantillons de lait

(Paiement du lait, contrôle laitier)

Spectrométrie MIR



Régulièrement (généralement 4 ou 6 semaines)Vaches individuellesGéré par les agences de contrôle laitier

Spectométrie MIR

(Foss, 2008)

Analyse MIRÉchantillons de lait


Spectométrie MIR



(Foss, 2008)

Analyse MIR

Données brutes = spectres MIR

Spectométrie MIR



(Foss, 2008)

Analyse MIR

Équations d’étalonnage

Quantification:

gras

protéine

lactose

…

Données brutes = spectres MIR

Spectométrie MIR



(Foss, 2008)

Circulation traditionnelle des données

(pas de spectre MIR enregistré)

Quantification:

gras

protéine

lactose

…

Analyse MIR

Spectométrie MIR



Équations d’étalonnage

Spectres MIR enregistrés

Nouveaux composants, donc nouvelles

équations

Quantification:

gras

protéine

lactose

…

(Foss, 2008)

Analyse MIR

Équations d’étalonnage MIR : qualité nutritionnelle

• Équations pour les acides gras (AG) du lait :– Premières équations élaborées en 2005– Améliorées grâce à la collaboration internationale :

• Belgique, France, Allemagne, Irlande, R.-U., Luxembourg– Plusieurs races, pays et systèmes de production

Fat

Medium ch

ain FA

Monounsat

urated FA

Long c

hain FA

C18:1cisC10:0

C14:0C12:0

C17:0

C18:1trans

C18:2cis-9,tr

ans-1

1

C18:2cis-9,ci

s-12

C18:3cis-9,ci

s-12,ci

s-15

0.000.100.200.300.400.500.600.700.800.901.00

R² o

f int

erna

l val

idati

onPrécision des équations d’étalonnage

des acides gras

Équations calculées à partir d’au moins 1600 échantillons de lait

Précision des équations d’étalonnagedes acides gras

Fat

Medium ch

ain FA

Monounsat

urated FA

Long c

hain FA

C18:1cisC10:0

C14:0C12:0

C17:0

C18:1trans

C18:2cis-9,tr

ans-1

1

C18:2cis-9,ci

s-12

C18:3cis-9,ci

s-12,ci

s-15

0.000.100.200.300.400.500.600.700.800.901.00

R² o

f int

erna

l val

idati

on

R² ≥ 0,80 pour ts les AG sauf pour C14:1, C16:1cis, les AG polyinsaturés individuels et le groupe des AG polyinsaturés


Fat

Medium ch

ain FA

Monounsat

urated FA

Long c

hain FA

C18:1cisC10:0

C14:0C12:0

C17:0

C18:1trans

C18:2cis-9,tr

ans-1

1

C18:2cis-9,ci

s-12

C18:3cis-9,ci

s-12,ci

s-15

0.000.100.200.300.400.500.600.700.800.901.00

R² o

f int

erna

l val

idati

on

En conclusion, 18 équations MIR d’AG pourraient être utilisées

Précision des équations d’étalonnagedes acides gras


R² ≥ 0,80 pour ts les AG sauf pour C14:1, C16:1cis, les AG polyinsaturés individuels et le groupe des AG polyinsaturés




• Équations pour les minéraux du lait :– Premières équations élaborées en 2006– Améliorées grâce à la collaboration internationale :

• Belgique, France, Allemagne, Luxembourg

Précision des équations d’étalonnagepour les minéraux du lait

Na Ca P Mg K0.00

0.20

0.40

0.60

0.80

1.00R²

of i

nter

nal v

alid

ation


R² ≥ 0,80 pour Na et Ca usages pratiques potentiels- Ca : fièvre de lait, ostéoporose- Na : indicateur de mammite


Précision des équations d’étalonnagepour les minéraux du lait

Na Ca P Mg K0.00

0.20

0.40

0.60

0.80

1.00R²

of i

nter

nal v

alid

ation




• Équations pour les minéraux du lait :– Premières équations élaborées en 2006– Améliorées grâce à la collaboration internationale :

• Belgique, France, Allemagne, Luxembourg• Équations pour la lactoferrine :

– Efforts de coopération entre la Belgique, l’Irlande et le R.-U.

Lactoferrine• Glycoprotéine naturelle du lait• Impliquée dans le système immunitaire• Intérêts :

– Indicateur potentiel de mammite– Aide à maintenir un bon système immunitaire

chez les humains• R² de validation interne = 0,71

indicateur MIR de lactoferrine

Lactoferrine

R² < 0,80 indicateur MIR de lactoferrineaméliore légèrement la détection de la mammite par rapport au compte de cellules somatique utilisé seul

• Glycoprotéine naturelle du lait• Impliquée dans le système immunitaire• Intérêts :

– Indicateur potentiel de mammite– Aide à maintenir un bon système immunitaire

chez les humains• R² de validation interne = 0,71

• Caractère de référence relié au méthane– Mesuré par la méthode SF6

• Lien indirect avec les AG du lait (prédits par MIR) Prédiction directe du méthane par MIR?

• Si possible, peut être utilisé pour :– Inventaire des émissions de méthane – Étiquetage environnemental des aliments– Réduire le méthane produit par les vaches

Équations d’étalonnage MIR : qualité de l’environnement

Méthane

100 200 300 400 500 600 7000

100

200

300

400

500

600

700

800

f(x) = 0.999999494886949 x + 0.00039636854563696R² = 0.809762209436673

Predicted methane (g of CH4/day)

SF

6 m

eth

ane

(g o

f C

H4/

day

)

R² de validation interne (196 échantillons) = 0,72

Méthane

100 200 300 400 500 600 7000

100

200

300

400

500

600

700

800

f(x) = 0.999999494886949 x + 0.000396368545693804R² = 0.809762209436673

Predicted methane (g of CH4/day)

SF

6 m

eth

ane

(g o

f C

H4/

day

)

Un indicateur du méthane - peut être prédit par les MIR

Conclusions

• La spectrométrie MIR : sous-utilisée en pratique

• Potentiel pour prédire de nouveaux caractères d’un réel intérêt économique et social

• Cependant, ce n’est pas toujours facile…

Pas si facile…• Les équations MIR élaborées

– Doivent être validées sur le cheptel laitier utilisé(même si élaborées par divers pays)

– En raison des différences entre les races et les systèmes de production qui affectent la prédiction

• Besoin d’ajouter des échantillons particuliers!– Variabilité de l’ensemble de l’étalonnage – Adaptation des équations aux nouv. populations – Donc : solidité générale des équations

• Si on enregistrait les données spectrales, cela faciliterait l’adoption de nouvelles équations dans les laboratoires de lait?

• Cependant– Des spectromètres particuliers ont servi à faire

les étalonnages– Pour éviter tout biais additionnel, toutes les

données spectrales doivent être uniformisées avec celles utilisées pour l’étalonnage

Pas si facile…

• Précision des prédictions MIR doit être testée régulièrement avec échantillons de référence

• Besoin de créer des échantillons de référence– Valeurs de référence fiables (caractères à prédire

par MIR), potentiellement difficiles à obtenir (p. ex. méthane)

– Conservation et distribution d’échantillons frais de lait (doivent être analysés par MIR)

• De nombreux défis de logistique

Pas si facile…

Deuxième partie :Capitaliser sur les caractères

prédits par MIRpour la sélection et la gestion

des bovins laitiers

• Besoin de créer des banques de données spectrales reliées au contrôle laitier– Déjà en cours dans la région wallonne de Belgique

et au Luxembourg• En août 2012, registres spectraux disponibles :

– 2 305 838 relevés jour du test de la région wallonne de Belgique

– 1 262 190 relevés jour du test du Luxembourg • Cela permet

– Des études à grande échelle sur la variabilité génétique et phénotypique

Banques de données spectrales MIR

Banques de données spectrales MIR

Élaboration d’outils de sélection et de gestion

• Besoin de créer des banques de données spectrales reliées au contrôle laitier– Déjà en cours dans la région wallonne de Belgique

et au Luxembourg• En août 2012, registres spectraux disponibles :

– 2 305 838 relevés jour du test de la région wallonne de Belgique

– 1 262 190 relevés jour du test du Luxembourg • Cela permet

– Des études à grande échelle sur la variabilité génétique et phénotypique

Capitaliser en faveur de la sélection

h² quotidien pour les AG saturés = 0,59 et pour les AG mono-insaturés = 0,26

Soyeurt et al. (2012), EAAP

Soyeurt et al. (2012), EAAP

Bastin et al. (2012), EAAP

h² quotidien pour la lactoferrine = 0,35 Estimés précédents : de 0,20 à 0,44

h² quotidien pour calcium = 0,50 h² quotidien sodium = 0,34h² quotidien magnésium = 0,52 h² quotidien potassium = 0,48h² quotidien phosphore = 0,55

Lactation Relevés Vaches Holstein

h² quotidien CH4 (g/jour)

h² quotidien CH4 (g/L lait)

1 270 902 54 355 0,37 0,45

2 209 663 42 306 0,36 0,42

3 145 540 29 749 0,36 0,39

Premiers résultats obtenus par Purna Badhra Kandel (ITN Marie Curie, Projet GreenHouseMilk)


Évaluations génétiques

Variation génétiqueDonnées disponibles

Évaluations génétiques

Évaluations génomiques

Variation génétique

Génotypes

Données disponibles


• Potentiellement utile aussi pour d’autres pays n’ayant pas accès à ces phénotypes…

• Différentes possibilités :–Collaboration dans la prédiction génomique• Partage des phénotypes et génotypes vers les évaluations communes• Créer et capitaliser sur les équations de prédiction locales

–Collaboration dans études sur tout le génome, en association• Combiner les données en station et MIR prédites sur le terrain

(p. ex. les VÉE de taureaux)• Exemple : étude sur les acides gras dans le projet RobustMilk,

plus de détails donnés par Catherine Bastin (EAAP, 2012)


Capitaliser pour la gestion• Les nouveaux caractères MIR : pas seulement

intéressants pour la sélection• Grâce aux grandes banques de données disponibles

des agences de contrôle laitier :–Étude de variabilité phénotypique des nouveaux caractères MIR

• Définir les pratiques optimales, potentiellement utiles : – Pour atténuer les émissions de CH4

– Pour diminuer la libération d’urée dans le lait– Pour améliorer la teneur en AG du lait

• Nouvelle étape : utilisation directe de la variabilité MIR– Projet OptiMIR (www.optimir.eu)

Conclusion

• Les MIR intéressants à des fins de sélection génétique

Cependant…

Cependant…• Position encore incertaine des nouveaux caractères

MIR face aux objectifs futurs de sélection (et de production)– Besoin de discuter avec ts les intervenants pour connaître

l’avenir des produits laitiers et de la production laitière– Besoin de mieux connaître relations entre ces caractères et

d’autres caractères ayant un intérêt économique et social (p. ex. production, santé et fertilité, longévité)

• Par conséquent :– Besoin de définir de nouveaux programmes de sélection et

objectifs de gestion tenant compte de tous ces aspects

Collaborations

• Si vous êtes intéressé à joindre le consortium pour améliorer les équations MIR :

[email protected]• Si vous êtes intéressé à partager des

phénotypes et des génotypes: [email protected]

Merci de votre attention