De : John Genho
Le début de ma carrière de généticien est survenu à un moment critique pour les éleveurs commerciaux de bovins, car les changements dans l'industrie ont créé un besoin accru d'améliorer la rentabilité et l'efficacité. Mes clients à l'époque étaient de grands ranchs commerciaux centrés sur les données et motivés par le profit. Ces producteurs commerciaux recherchaient des évaluations génétiques, des bases de données Web et, à mesure que la génomique gagnait en popularité, des moyens d'évaluer la valeur génomique. Au fur et à mesure que les données sur l'efficacité des aliments sont devenues disponibles, ils ont rapidement réalisé la valeur de ces données dans un système intégré où les coûts des aliments représentent une part importante des coûts de leurs activités.
Je suis un généticien quantitatif, et en tant que tel, la majorité de mon travail est effectuée avec une méthode statistique appelée meilleure prédiction linéaire sans biais (BLUP). BLUP est ce qui crée les EPD et les précisions associées que les éleveurs de bovins utilisent aujourd'hui. Sa puissance a été un catalyseur de l'augmentation du grade de qualité du vacher américain au cours de la dernière décennie, ainsi que du rendement laitier des Holstein au cours des 50 dernières années, et de divers autres changements similaires dans différentes espèces. Il y a un mot clé à l'acronyme BLUP qui est souvent négligé - linéaire. Une hypothèse de base de toutes les données analysées avec BLUP est que les données sont linéaires. En tant que généticien, je suis formé pour penser de manière linéaire et j'ai souvent du mal à penser autrement.
Alors que l'industrie bovine s'intéressait aux animaux à efficacité alimentaire, j'ai analysé mes premiers ensembles de données GrowSafe Systems®. Au départ, j'ai commencé avec l'hypothèse que la croissance et l'apport étaient linéaires dans le temps. Ce n'est bien sûr pas le cas, et c'est une bonne chose pour chacun d'entre nous qui a aplati ses courbes de croissance. La croissance et l'ingestion ne sont pas linéaires et ont en fait pas mal d'oscillations dans la partie croissante de la vie d'un animal, ce qui nous intéresse le plus. Habituellement, nous pouvons agiter la main et dire que les groupes contemporains et la collecte de données à des moments similaires fois supprimer ces problèmes. Cependant, j'ai réalisé que nous devions évaluer les données différemment lorsque j'ai commencé à comparer l'apport et la croissance collectés séparément sur des périodes courtes et longues. Aux premiers stades de la découverte, nous avons évalué la consommation et la croissance sur une courte période de temps en plus de la croissance sur une longue période de temps. J'ai résolu les inexactitudes en associant l'apport et le gain au cours de la période de collecte pour m'assurer que les courbes non linéaires étaient comparées de manière appropriée. Je pense que la meilleure façon d'évaluer l'apport et la croissance est avec l'apport alimentaire résiduel (RFI), mais le gain quotidien moyen résiduel (RADG) ou les taux de conversion alimentaire sont d'autres alternatives. L'important, d'après mon expérience, est de coupler croissance et consommation sur la même période.
Parfois, notre industrie devient trop obsédée par la définition de RFI. Il s'agit simplement de l'apport quotidien moyen avec des ajustements effectués pour certains facteurs. Presque tous les traits sont ajustés pour les covariables avant l'analyse. Le trait que les producteurs connaissent probablement le mieux est le poids au sevrage, qui est ajusté en fonction de l'âge du veau au sevrage et de l'âge de la mère. L'échographie, le poids à la naissance, la circonférence scrotale et presque tous les autres traits sont ajustés en fonction de facteurs pertinents, ou covariables comme les statisticiens les appelleraient. Le RFI est simplement ajusté à l'apport pour certaines covariables pertinentes.
Un problème qui se pose est de définir exactement quelle covariable doit être incluse dans le calcul du RFI. Lorsque j'ai commencé à analyser les données d'efficacité alimentaire, j'avais ajusté le RFI de différentes manières avec différentes covariables. Il était donc incroyablement difficile de comparer équitablement les animaux. Mon travail est devenu beaucoup plus facile lorsque GrowSafe a développé une méthode standard de calcul du RFI. Cela a supprimé une quantité importante du bruit que j'ai vu dans les premiers ensembles de données.
Figure 1 : Corrélation entre les EPD et la performance moyenne des descendants pour les taureaux ayant plus de cinq descendants.
Les EPD GrowSafe actuels contiennent plus de 35,000 235,000 enregistrements individuels d'efficacité alimentaire et plus de 1 XNUMX animaux de race inclus dans l'analyse. Les taureaux avec plus de cinq descendants dans l'ensemble de données ont été analysés pour la corrélation entre leurs EPD et la moyenne des performances de leurs descendants pour chaque trait (figure XNUMX). En conclusion, il ressort clairement de ces corrélations que le RFI est un trait très prédictif et peut être plus corrélé aux performances réelles de la progéniture que le gain quotidien moyen (ADG) ou l'apport en matière sèche (DMI).