Indice de conversion alimentaire et génomique

L'importance de la rentabilité du bétail

La rentabilité de la production de bovins de boucherie dépend des coûts des intrants et de la valeur du produit. Le prix des aliments pour le bétail est l'un des principaux déterminants de la rentabilité de ce type d'exploitation, puisqu'il représente environ 60 à 80 pour cent du total des coûts de production. Une augmentation de 1 pour cent de l'indice de conversion alimentaire représenterait une réduction du coût des aliments de 30 millions de dollars par an pour le secteur de la production de bovins de boucherie au Canada. L'amélioration des caractères génétiques liés à l'indice de conversion alimentaire offre donc un important potentiel pour l'accroissement de la rentabilité des systèmes de production, et les producteurs de bovins de boucherie doivent l'inclure dans leurs objectifs de sélection du cheptel. Cependant, bien que cet objectif soit clairement défini, il est difficile à atteindre.

Tracteur soigne les vaches

Figure 1. On imagine aisément que la mesure de la prise alimentaire de chaque animal est une tâche ardue et qui demande beaucoup de temps.

Difficulté de la sélection selon l'indice de conversion alimentaire

Pour les producteurs qui souhaitent sélectionner des animaux plus productifs, la mesure de la prise alimentaire de chaque individu présente des difficultés de taille (Figure 1). Cette opération est également coûteuse, notamment si elle porte sur un grand nombre d'animaux pendant une longue période1. Pour mesurer la prise alimentaire individuelle avec précision, on doit faire appel à des technologies avancées telles que l'identification par radiofréquence (IRF) (p. ex. systèmes InsentecMD [Figure 2] ou GrowsafeMD2). Dans certaines stations de recherche sur les bovins de boucherie, on se sert de systèmes tels que GrowsafeMD pour mesurer la prise alimentaire, le comportement alimentaire et le poids de chaque animal.3,4 Depuis quelques années, dans les stations de recherche où l'on étudie la performance des taureaux, on mesure leur prise alimentaire individuelle; cela se fait dans de nombreux pays du monde et également en Ontario.5 Le recours aux systèmes d'alimentation automatisés aux fins de l'évaluation des taureaux pourrait permettre d'accroître le rendement des investissements effectués pour l'acquisition d'un système d'enregistrement des quantités consommées.

Station d'alimentation

Figure 2. Station d'alimentation automatisée, centre de recherches sur les bovins de boucherie d'Elora, Université de Guelph.

Mesure de l'indice de conversion alimentaire

À elle seule, la prise alimentaire ne constitue pas un reflet précis de l'efficacité de l'indice de conversion des aliments par les animaux, parce qu'elle est étroitement liée au poids corporel et au niveau de production.6 Pour pouvoir identifier les animaux qui ont naturellement une meilleure capacité de conversion des aliments en gain de poids et qui la transmettront à leurs descendants, on doit donc disposer d'une méthode de quantification de ces grandeurs. Le concept d'indice de consommation net (aussi appelé indice de consommation ou IC) regroupe la plupart des qualités souhaitables à cet effet. Il permet de sélectionner les animaux qui consomment des quantités moindres de fourrage pour un même gain, et il permet aussi d'évaluer la prise alimentaire indépendamment du taux de croissance et de la taille corporelle. À partir de l'IC, on peut comparer la prise alimentaire réelle d'un animal donné avec la consommation prévue d'un animal moyen du même poids qui se développe à la même vitesse.7 L'indice de consommation est l'écart entre la prise alimentaire réelle de l'animal et celle qui était prévue. Autrement dit : IC = prise alimentaire réelle prise alimentaire prévue. Les animaux ayant un IC faible sont plus recherchés (plus productifs), et ceux qui ont un IC élevé sont moins recherchés (moins productifs).

Vers une amélioration génétique de l'indice de conversion alimentaire grâce à la génomique

L'indice de conversion est sujet à d'importantes variations génétiques entre les races et entre les animaux d'une même race.8 La combinaison des méthodes conventionnelles de sélection selon le rendement et des méthodes génomiques permet de maximiser les progrès de la sélection pour l'indice de conversion. La génomique permet d'examiner le matériel génétique réel de l'animal, et également de quantifier sa valeur génétique à partir de la relation qui existe entre certains de ses gènes ou marqueurs génétiques et son rendement réel. [Une introduction à la génomique est présentée dans les deux précédents articles de cette série rédigés par Stephen P. Miller, PhD, Université de Guelph, et publiés dans des éditions antérieures de Le bœuf virtuel, Bulletin d'actualité bovine du MAAARO.]9,10 Il existe un type de marqueurs génétiques appelés polymorphismes mononucléotidiques, ou plus simplement SNP; un SNP est une variante d'une même « lettre » du code génétique qui est située à un emplacement spécifique sur l'ADN de différents animaux. Parfois, l'une de ces variantes est associée à une différence mesurable du rendement de l'individu. Si on peut identifier et cartographier ces sites, on peut alors élaborer un test de dépistage de cette variante chez un grand nombre d'animaux. Ceux qui ont la bonne version de ce code (SNP) ont plus de chances d'avoir un rendement élevé. Le SNP peut donc servir d'outil de présélection des animaux destinés à un programme de tests de rendement, ou de sélection de reproducteurs qui n'ont pas de registre de performance.

Les méthodes génomiques : utopie ou réalité?

Il y a une décennie, l'amélioration des traits génétiques liés à l'indice de conversion à partir des marqueurs génétiques s'appuyait sur quelques SNP; aujourd'hui, elle se fait à partir de milliers de SNP. Les études plus anciennes portaient sur l'utilisation de quelques uns de ces marqueurs, notamment en ce qui concerne les gènes liés à la biologie de l'absorption des aliments. Les données scientifiques qui corroborent l'utilité des SNP n'ont cessé de s'accumuler : découverte du lien entre les SNP du gène de la leptine d'une part et la prise alimentaire et le comportement alimentaire d'autre part11; entre les SNP des gènes de la protéine découplante 2 et de la protéine découplante 3, et l'indice de conversion12; entre les SNP du gène du récepteur de l'hormone de croissance13, etc. À l'Université de Guelph, nous avons développé une petite puce de SNP pour l'indice de conversion qui inclut des marqueurs de neuf gènes différents.14

Pour l'évaluation d'un caractère complexe déterminé par un grand nombre de gènes (comme l'indice de conversion), l'accroissement du nombre de SNP devrait permettre d'augmenter la précision de la sélection génétique.15 À cette fin, on utilise maintenant plusieurs milliers de marqueurs, qui couvrent l'ensemble du génome. Il en a résulté d'importants progrès pour ce qui est de l'identification d'emplacements spécifiques sur les chromosomes et de gènes qui sont étroitement liés à l'indice de conversion.

Cependant la mise en œuvre complète, aux fins de programmes de sélection, des marqueurs génétiques identifiés par les études antérieures se heurte à deux obstacles.16 Premièrement, on ne connaît pas assez les interactions entre les effets des gènes et l'indice de consommation. Et, deuxièmement, le jeu de données obtenues pour la validation provient d'un petit nombre d'animaux, et ces résultats ont été produits dans des environnements différents.

Avec l'avènement d'une puce de 50 000 SNP (Figure 3) en décembre 2007, divers groupements de producteurs de bovins de boucherie du monde entier ont testé leurs échantillons à partir de tous les phénotypes disponibles. Cette puce a donné des résultats prometteurs.17,18,19 Comme le gène qui détermine ce caractère a toujours un allèle rare, il faut combiner les phénotypes de plusieurs races.20 Et, bien entendu, il faut regrouper les données phénotypiques (rendement réel) de prise alimentaire de différentes races et de différentes populations de chaque race.

La puce Illumina Bovine SNP50MD Beadchip

Figure 3. La puce Illumina BovineSNP50MD Beadchip

Sélection selon l'indice de conversion avec l'aide de la génomique

L'adoption des nouvelles technologies telles que l'analyse de l'ADN vise à accroître la précision de la sélection, ce qui a fait naître une rivalité entre les associations de races.21 La mise en œuvre de la génomique dans les programmes d'évaluation génétique permet une quantification plus précise des EPD (écarts prévus dans la descendance) là où l'on peut faire un calcul précis des valeurs reproductives moléculaires des descendants à partir de leur seul génotype.22 Les EPD améliorés par la génomique de tous les caractères à valeur économique constituent l'objectif actuel et à venir pour les programmes d'amélioration génétique des bovins de boucherie. Récemment, l'American Angus Association a combiné différentes sources d'information (marqueurs d'ADN, pedigree et phénotypes) en un même EPD appelé EPD amélioré par la génomique (genomic enhanced EPD).23 Actuellement, les éleveurs de race Angus ont accès à des EPD améliorés par la génomique pour plusieurs caractères des carcasses. Le 5 octobre 2010, l'American Angus Association et Angus Genetics Inc. ont publié un EPD des gains moyens quotidiens relatifs (GMQR), un outil de sélection selon l'indice de conversion qui a été créé à partir d'une puce de 50 000 SNP.

Au cours des deux prochaines années, notre connaissance des fondements génétiques de l'indice de conversion s'améliorera considérablement. Le passage de la puce de 50 000 SNP à une autre de 800 000 SNP (puce à haute densité pour bovins BovineHDMD) permettra la production d'EDP génomiques encore plus précis. Par ailleurs, il est actuellement possible de fonder l'évaluation génétique sur des données de séquençage de l'ensemble du génome.24

La génomique, c'est l'avenir. Et l'avenir, c'est maintenant!

References

  1. Archer, J. A., E. C. Richardson, R. M. Herd, and P. F. Arthur. 1999. Potential for selection to improve efficiency of feed use in beef cattle: A review. Austr. J. Agric. Res. 50:147-161
  2. Burt, A. 2004. GrowSafe technology offers potential to monitor feed efficiency, animal behavior and illness. 164, ANGUS J., Nov.r 2004.
  3. Schwartzkopf-Genswein, K. S., C. Huisma and T. A. McAllister. 1999. Validation of a radio frequency identification system for monitoring the feeding patterns of feedlot cattle. Livest. Prod. Sci. 60:27-31.
  4. Wang, Z., J. D. Nkrumah, C. Li, J. A. Basarab, L. A. Goonewardene, E. K. Okine, D. H. Jr. Crews, S. S. Moore. 2006. Test duration for growth, feed intake, and feed efficiency in beef cattle using the GrowSafe system. J. Anim. Sci. 84(9): 2289-2298.
  5. Archer, J. A., P.F. Arthur, R. M. Herd, P. F. Parnell, and W. S. Pitchford. 1997. Optimum postweaning test for measurement of growth rate, feed intake, and feed efficiency in British breed cattle. J. Anim. Sci. 75:2024-2032.
  6. Arthur, P. F., Archer, J. A. and R. M. Herd. 2004. Feed intake and efficiency in beef cattle: overview of recent Australian research and challenges for the future. Australian Journal of Experimental Agriculture 44:361-369.
  7. Koch, R. M., L. A. Swiger, D. Chambers and K. E. Gregory. 1963. Efficiency of feed use in beef cattle. J. Anim. Sci. 22: 486-494.
  8. Schenkel, F. S., S. P. Miller and J. W. Wilton. 2004. Genetic parameters and breed differences for feed efficiency, growth, and body composition traits of young beef bulls. Can. J. Anim. Sci. 84:177-185.
  9. Miller, S. P. 2008. Genomics - A Fast Train Coming. OMAFRA Virtual Beef.
  10. Miller, S. P. 2009. Harnessing the Power of Genomics for Beef - A Collaborative Approach. OMAFRA Virtual Beef
  11. Nkrumah, J. D., Li, C., Yu, J., Hansen, C., Keisler, D. H., S. S. Moore, S. S. 2005. Polymorphisms in the bovine leptin promoter associated with serum leptin concentration, growth, feed intake, feeding behavior, and measures of carcass merit. J. Anim Sci. 83: 20-28
  12. Kolath, W. H., M. S. Kerley, J. W. Golden, S. A. Shahid and G. S. Johnson. 2006. The relationships among mitochondrial uncoupling protein 2 and 3 expression, mitochondrial deoxyribonucleic acid single nucleotide polymorphisms, and residual feed intake in angus steers. J. Anim. Sci. 84(7): 1761-1766
  13. Sherman, E. L., J. D. Nkrumah, B. M. Murdoch, C. Li, Z. Wang, A. Fu and S. S. Moore. 2008. Polymorphisms and haplotypes in the bovine neuropeptide Y, growth hormone receptor, ghrelin, insulin-like growth factor 2, and uncoupling proteins 2 and 3 genes and their associations with measures of growth, performance, feed efficiency, and carcass merit in beef cattle. J. Anim. Sci., 86: 1-16.
  14. Abo-Ismail, M. K.; M. J. Kelly; E. J. Squires; K. C. Swanson1; J. D. Nkrumah; and S. P. Miller. 2009. Identification of single nucleotide polymorphisms influencing feed efficiency and performance in multi-breed beef cattle using a candidate gene approach.J. Anim. Sci. Vol. 87, E-Suppl. 2.
  15. Goddard, M. E. and B. J. Hayes. 2007. Genomic selection. J Anim Breed Genet.124(6):323-30.
  16. Moore, S. S., F. D. Mujibi, and E. L. Sherman. 2009. Molecular basis for residual feed intake in beef cattle. J. Anim Sci. 87: 41-47.
  17. Sherman, E. L., J. D.Nkrumah, S. S. Moore, 2010. Whole genome single nucleotide polymorphism associations with feed intake and feed efficiency in beef cattle. J. Anim Sci. 2010 88: 16-22
  18. Abo-Ismail, M.K.; E. J. Squires, K. C. Swanson, D. Lu, Z. Wang, J. Mah, G. Plastow, S. Moore and S. P. Miller, 2010. Fine mapping QTL and candidate genes discovery for residual feed intake on Chromosomes 5, 15, 16, and 19 in beef cattle. Proceedings of the 9th World Congress on Genetics Applied to Livestock Production.
  19. Lu, D., S. Miller, M. Sargolzaei, G. Vander Voort, T. Caldwell, Abo-Ismail, M.K., Z. Wang, J. Mah, G. Plastow, S. Moore Genome Wide Association Scan for Signals of Recent Selection in Angus Beef Cattle. Proceedings of the 9th World Congress on Genetics Applied to Livestock Production.
  20. Goddard, M.E. 2009. Genomic selection: prediction of accuracy and maximisation of long-term response. Genetica, 136:245-257
  21. Golden, B. L., D. J. Garrick and L. L. Benyshek. 2009. Milestones in beef cattle genetic evaluation. J. Anim. Sci. 87 (E. Suppl.):3-10.
  22. Kizilkaya, K., R.L. Fernando and D.J. Garrick (2010): Genomic prediction of simulated multibreed and purebred performance using observed fifty thousand single nucleotide polymorphism genotypes. J. Anim. Sci. 88: 544-551.
  23. Northcutt, S. 2010. Pulling it all together:Genomic-enhanced EPDs.
  24. Meuwissen, T. H.E., M.E. Goddard. 2010. Accurate Prediction of Genetic Values for Complex Traits by Whole Genome Resequencing. Genetics, 185: 623-631

Pour plus de renseignements :
Sans frais : 1 877 424-1300
Local : 519 826-4047
Courriel : ag.info.omafra@ontario.ca