New phenotypes predictions obtained by innovative infrared spectroscopy calibrations and their genetic analysis in dairy cattle populations

The main objective of this thesis was to assess the infrared spectroscopy for the prediction at individual level of “new phenotypes” related to the technological properties of the cow milk, testing classic and innovative statistical approaches and evaluating the genetic parameters for a possible inclusion of the predicted traits in the selection indices as indirect selection method. A total of 1,264 individual milk samples were used for an individual model cheese making procedure and 7 new cheese-making related traits were obtained: 3 measures of cheese yield as percentage of processed milk (%CYs; fresh cheese yield, total solids cheese yield, water retained in the curd) and 4 measures of milk nutrients retained in the curd or lost in the whey (%RECs; fat, protein, total solids and energy). The traditional milk coagulation properties (rennet coagulation time, RCT; curd firming time, k20; curd firmness at 30 and 45 min, a30 and a45 respectively ) were also measured using a Formagraph (Foss Electric A/S, Hillerød, Denmark) in a curd firmness (CF) testing time of 90 min. Using all the 360 information of the CF test recorded for each sample over the 90 min, some new modeled parameters were also obtained (modeled rennet coagulation time, RCTeq; asymptotical potential value of CF at an infinite time, CFP; curd-firming rate constant, kCF; curd-syneresis rate constant, kSR; maximum level of CF, CFmax; time at which CF attains the maximum level, tmax;). For each sample two Fourier-transform infrared (FTIR) spectra were collected with a MilkoScan FT6000 (Foss Electric, Hillerød, Denmark) over the spectral range from 5,000 to 900 wavenumber × cm-1, and averaged before data analysis. A first chemometric process was carried out, using the WinISI II software (Infrasoft International LLC, State College, PA) in which the partial least square regression (PLS) models are implemented, for the prediction of %CYs and %RECs. High prediction accuracies were found except for the fat recovery. In order to improve the prediction accuracy, Bayesian models, commonly used for genomic data, were tested and compared with PLS models. The results have shown that for those traits that are difficult to be predicted, the Bayesian models perform better than PLS. Using an external validation procedure, the PLS was used for the prediction of %CYs and %RECs, while the BayesB model was used for the prediction of MCP and CF modeled parameters. In both cases the prediction accuracy found in validation, ranged from low to moderate. The genetic parameters of the predicted were estimated through a bivariate Bayesian analysis and linear models. Despite the low-moderate prediction accuracy in validation, the heritabilities of the predicted values were similar or higher than those of the corresponding measured values. The indirect selection of the studied traits was assessed through the genetic correlations between measured and predicted values, and the results shown that even when the coefficient of determination for the validation was moderate, the genetic correlations between predicted and measured values were always higher than the phenotypic correlations, and in the majority of cases near or higher than 90%. The calibrations developed for the %CYs and %RECs have been used to obtain the predictions on a population data set consisting of about 200,000 spectra of individual milk samples of Holstein, Brown Swiss and Simmental dairy cows. The genetic parameters of the predicted traits were estimated and the heritability values were comparable to those of the measured traits. The genetic correlations of %CYs and %RECs with milk production and composition provide evidence that the current selection paradigm used in dairy cattle may have a limited effects on the technological parameters. Milk protein and fat content do not explain all the genetic variations of %CYs and (in particular) %RECs, thus, these traits could be directly selected to improve the cheese making aptitude of milk and its correlated economic value

L’obiettivo principale di questa tesi è stato quello di valutare l’efficienza della spettroscopia a infrarosso per la predizione, a livello individuale, di “nuovi fenotipi” che descrivono le proprietà tecnologiche del latte bovino. Sono stati testati approcci statistici di calibrazione classici e innovativi, e sono stati inoltre stimati e valutati i parametri genetici delle predizioni ottenute per verificarne la possibile inclusione negli indici di selezione come metodo indiretto. Su un totale di 1,264 campioni di latte individuale, sono state effettuate le analisi che hanno previsto l’impiego di una procedura standard di micro-caseificazione per la misura di 7 caratteri relativi alla trasformazione casearia, in particolare sono state rilevate 3 misure di resa espresse come percentuale del latte lavorato, (%CYs; resa a fresco, resa in solidi totali, acqua ritenuta nella cagliata) e 4 misure di recupero di nutrienti nella cagliata o persi nel siero (%RECs; grasso, proteina, solidi totali ed energia). Le proprietà di coagulazione tradizionali (tempo di coagulazione, RCT; tempo di rassodamento, k20; consistenza del coagulo a 30 e 45 minuti dall’aggiunta del caglio, a30 e a45 rispettivamente) sono state misurate con un Formagraph (Foss Electric A/S, Hillerød, Denmark) in un test della consistenza del coagulo (CF) di 90 min. Utilizzando tutte le 360 informazioni di CF per campione registrate nei 90 min, sono stati inoltre ricavati, attraverso un modello matematico, dei nuovi parametri (tempo di coagulazione modellizzato, RCTeq; valore asintotico potenziale di CF per un tempo infinito, CFP; costante di rassodamento, kCF; costante di sineresi, kSR; valore massimo di CF, CFmax; tempo necessario affinché CF raggiunga il livello massimo, tmax). Per ogni campione sono stati raccolti due spettri a infrarosso in trasformata di Fourier (FTIR), utilizzando un MilkoScan FT6000 (Foss Electric, Hillerød, Denmark) nel range spettrale compreso tra 5,000 e 900 onde × cm-1, i due spettri sono stati mediati prima delle analisi. Un primo processo di calibrazione è stato effettuato per la predizione di %CYs e %RECs, utilizzando il software WinISI II (Infrasoft International LLC, State College, PA) in cui sono implementati dei modelli basati sulla partial least square regression (PLS). I risultati ottenuti hanno mostrato ottime accuratezze di predizione tranne che per il recupero di grasso. Per migliorare le accuratezze di predizione, sono stati testati dei modelli Bayesiani, comunemente usati in genomica, e confrontati con la PLS. Dai risultati ottenuti, per alcuni caratteri difficili da predire, si è visto che i modelli Bayesiani hanno delle prestazioni migliori. Utilizzando una procedura di validazione esterna come metodo di valutazione delle prestazioni di calibrazione, la PLS è stata utilizzata per la predizione di %CYs e %RECs, mentre i modelli Bayesiani sono stati utilizzati per la predizione delle proprietà di coagulazione e per i parametri derivanti dalla modellizzazione della consistenza del coagulo. In entrambi i casi i risultati ottenuti, relativi all’accuratezza di predizione, hanno mostrato un’efficienza medio bassa. Inoltre, sono stati stimati i parametri genetici dei valori predetti nel processo di validazione e nonostante la medio-bassa accuratezza delle predizioni, le ereditabilità dei valori predetti sono state simili o più alte dei corrispondenti valori misurati. L’impiego dei valori predetti come metodo di selezione indiretta è stato valutato attraverso la stima delle correlazioni genetiche tra valori predetti e misurati. I risultati hanno dimostrato, anche in questo caso che le correlazioni genetiche erano sempre superiori a quelle fenotipiche e nella maggior parte dei casi vicine o superiori al 90%. Infine, le equazioni di predizione sviluppate per %CYs e %RECs, sono state impiegate per la predizione di questi fenotipi su un set di dati costituito da circa 200,000 spettri di campioni individuali di latte di vacche di razza Frisona, Bruna e Pezzata Rossa italiane. I parametri genetici delle predizioni ottenute per ogni carattere sono stati stimati, dimostrando di essere ereditabili, con valori di ereditabilità simili a quelli dei valori misurati. Le correlazioni genetiche tra i valori predetti di %CYs e %RECs, e quelli relativi ai dati produttivi e di composizione del latte, hanno dimostrato che i modelli di selezione in uso hanno un effetto limitato sul miglioramento dei parametri tecnologici. Proteina e grasso del latte non spiegano tutta la variabilità genetica di %CYs e, in particolare, di %RECs, quindi per il miglioramento dell’attitudine casearia e conseguente valorizzazione economica del latte, questi caratteri andrebbero selezionati direttamente