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 : Gras, protéine, lactose, urée… Mais : technologie actuellement sous-utilisée Figure 1 : Electromagnetic spectra (Foss, 2012)

(Paiement du lait, contrôle laitier) Spectrométrie MIR Échantillons de lait (Paiement du lait, contrôle laitier) Tous les 2 ou 3 jours Échantillons de lait en vrac Gérés par les industries laitières

(Paiement du lait, contrôle laitier) Spectrométrie MIR Échantillons de lait (Paiement du lait, contrôle laitier) Régulièrement (généralement 4 ou 6 semaines) Vaches individuelles Géré par les agences de contrôle laitier

(Paiement du lait, contrôle laitier) Spectométrie MIR (Foss, 2008) Analyse MIR Échantillons de lait (Paiement du lait, contrôle laitier)

(Paiement du lait, contrôle laitier) Données brutes = spectres MIR Spectométrie MIR Échantillons de lait (Paiement du lait, contrôle laitier) (Foss, 2008) Analyse MIR Données brutes = spectres MIR

Équations d’étalonnage (Paiement du lait, contrôle laitier) Spectométrie MIR (Foss, 2008) Analyse MIR Équations d’étalonnage Échantillons de lait (Paiement du lait, contrôle laitier) Quantification: gras protéine lactose … Données brutes = spectres MIR

(Paiement du lait, contrôle laitier) Spectométrie MIR (Foss, 2008) Échantillons de lait (Paiement du lait, contrôle laitier) Analyse MIR Quantification: gras protéine lactose … Circulation traditionnelle des données (pas de spectre MIR enregistré)

Spectométrie MIR Analyse MIR Échantillons de lait (Foss, 2008) Échantillons de lait (Paiement du lait, contrôle laitier) Analyse MIR Équations d’étalonnage Spectres MIR enregistrés Nouveaux composants, donc nouvelles équations Quantification: gras protéine lactose …

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

Précision des équations d’étalonnage des acides gras Équations calculées à partir d’au moins 1600 échantillons de lait

Précision des équations d’étalonnage des 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 calculées à partir d’au moins 1600 échantillons de lait

Précision des équations d’étalonnage des 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 En conclusion, 18 équations MIR d’AG pourraient être utilisées Équations calculées à partir d’au moins 1600 échantillons de lait

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 Équations pour les minéraux du lait : Premières équations élaborées en 2006 Belgique, France, Allemagne, Luxembourg

Précision des équations d’étalonnage pour les minéraux du lait Équations calculées à partir d’au moins 465 échantillons de lait

Précision des équations d’étalonnage pour les minéraux du lait R² ≥ 0,80 pour Na et Ca  usages pratiques potentiels Ca : fièvre de lait, ostéoporose Na : indicateur de mammite Équations calculées à partir d’au moins 465 échantillons de lait

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 Équations pour les minéraux du lait : Premières équations élaborées en 2006 Belgique, France, Allemagne, Luxembourg Équations pour la lactoferrine : Efforts de coopération entre la Belgique, l’Irlande et le R.-U.

 indicateur MIR de 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

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

Équations d’étalonnage MIR : qualité de l’environnement 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

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

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 

Pas si facile… 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

Deuxième partie : Capitaliser sur les caractères prédits par MIR pour la sélection et la gestion des bovins laitiers

Banques de données spectrales MIR 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 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  Élaboration d’outils de sélection et de gestion

Capitaliser en faveur de la sélection h² quotidien pour les AG saturés = 0,59 et pour les AG mono-insaturés = 0,26 h² quotidien pour calcium = 0,50 h² quotidien sodium = 0,34 h² quotidien magnésium = 0,52 h² quotidien potassium = 0,48 h² quotidien phosphore = 0,55 Soyeurt et al. (2012), EAAP h² quotidien pour la lactoferrine = 0,35 Estimés précédents : de 0,20 à 0,44 Soyeurt et al. (2012), EAAP Bastin et al. (2012), EAAP 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 0,39 Premiers résultats obtenus par Purna Badhra Kandel (ITN Marie Curie, Projet GreenHouseMilk)

Capitaliser en faveur de la sélection Données disponibles Variation génétique Évaluations génétiques

Capitaliser en faveur de la sélection Données disponibles Variation génétique Évaluations génétiques Génotypes Évaluations génomiques

Capitaliser en faveur de la sélection 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 Cependant… 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 : hsoyeurt@ulg.ac.be Si vous êtes intéressé à partager des phénotypes et des génotypes: nicolas.gengler@ulg.ac.be Merci de votre attention