Di: John Genho
L'inizio della mia carriera di genetista è arrivato in un momento critico per gli allevatori commerciali di bovini, poiché i cambiamenti nel settore hanno creato una maggiore necessità di aumentare la redditività e l'efficienza. I miei clienti all'epoca erano grandi ranch commerciali che erano incentrati sui dati e avevano il profitto come motivo. Questi produttori commerciali erano alla ricerca di valutazioni genetiche, database web e, man mano che la genomica cresceva in popolarità, modi per valutare il valore genomico. Quando i dati sull'efficienza dei mangimi sono diventati disponibili, hanno rapidamente compreso il valore di questi dati in un sistema integrato in cui i costi dei mangimi rappresentano una parte significativa del lato dei costi delle loro attività.
Sono un genetista quantitativo e, in quanto tale, la maggior parte del mio lavoro viene svolto con un metodo statistico chiamato miglior previsione imparziale lineare (BLUP). BLUP è ciò che crea le EPD e le relative precisioni che i produttori di bestiame utilizzano oggi. Il suo potere è stato un catalizzatore per l'aumento del grado di qualità nella mandria americana negli ultimi dieci anni, così come la produzione di latte nelle Holstein negli ultimi 50 anni e vari altri cambiamenti simili in diverse specie. C'è una parola chiave nell'acronimo BLUP che viene spesso trascurata: lineare. Un presupposto di base di tutti i dati analizzati con BLUP è che i dati siano lineari. Come genetista, sono addestrato a pensare in modo lineare e spesso ho difficoltà a pensare diversamente.
Quando l'industria del bestiame si è interessata agli animali efficienti nei mangimi, ho analizzato i miei primi set di dati GrowSafe Systems®. Inizialmente, sono partito dal presupposto che la crescita e l'assunzione fossero lineari nel tempo. Questo ovviamente non è il caso, ed è una buona cosa per ognuno di noi che ha appiattito le nostre curve di crescita. La crescita e l'assunzione non sono lineari e in effetti hanno un bel po' di oscillazioni nella parte in crescita della vita di un animale, che è ciò che ci interessa di più. Di solito possiamo agitare le mani e dire che gruppi contemporanei e la raccolta di dati a simili volte rimuovono questi problemi. Tuttavia, mi sono reso conto che dovevamo valutare i dati in modo diverso quando ho iniziato a confrontare l'assunzione e la crescita raccolte separatamente in periodi di tempo brevi e lunghi. Nelle prime fasi della scoperta, abbiamo valutato l'assunzione e la crescita in un breve periodo di tempo oltre alla crescita in un lungo periodo di tempo. Ho risolto le imprecisioni accoppiando l'assunzione e il guadagno insieme durante il periodo di raccolta per garantire che le curve non lineari fossero confrontate tra loro in modo appropriato. Penso che il modo migliore per valutare l'assunzione e la crescita sia con l'assunzione di mangime residuo (RFI), ma il guadagno giornaliero medio residuo (RADG) o i rapporti di conversione del mangime sono altre alternative. La cosa importante, secondo la mia esperienza, è accoppiare crescita e assunzione nello stesso periodo.
A volte, il nostro settore diventa troppo ossessivo nel definire le RFI. È semplicemente l'assunzione giornaliera media con aggiustamenti apportati per alcuni fattori. Quasi tutti i tratti sono aggiustati per le covariate prima dell'analisi. I produttori del tratto hanno probabilmente più familiarità con il peso allo svezzamento, che viene adeguato all'età del vitello allo svezzamento e all'età della madre. Gli ultrasuoni, il peso alla nascita, la circonferenza scrotale e quasi tutti gli altri tratti sono aggiustati per fattori rilevanti, o covariate come li chiamerebbero gli statistici. RFI è semplicemente l'assunzione aggiustata per alcune covariate rilevanti.
Un problema che si pone è definire esattamente quale covariata dovrebbe essere inclusa nel calcolo RFI. Quando ho iniziato ad analizzare i dati sull'efficienza del feed, avevo aggiustato RFI in vari modi con diverse covariate. Ciò ha reso incredibilmente difficile confrontare equamente gli animali. Il mio lavoro è diventato molto più semplice quando GrowSafe ha sviluppato un metodo standard di calcolo dell'RFI. Ciò ha rimosso una quantità significativa del rumore che ho visto nei primi set di dati.
Figura 1: Correlazione tra EPD e performance media della progenie per i tori con più di cinque progenie.
Le attuali EPD GrowSafe hanno oltre 35,000 record di efficienza dei mangimi individuali e oltre 235,000 animali di razza inclusi nell'analisi. I tori con più di cinque discendenti nel set di dati sono stati analizzati per la correlazione tra le loro EPD e la media delle prestazioni dei loro discendenti per ciascun tratto (figura 1). In conclusione, è chiaro da queste correlazioni che la RFI è un tratto molto predittivo e può essere più correlato alle prestazioni effettive della progenie rispetto al guadagno medio giornaliero (ADG) o all'assunzione di sostanza secca (DMI).