Genetic and genomic evaluation for milk production and fatty acid traits predicted by mid-infrared (MIR) spectroscopy in Holstein dairy cattle

Abstract

Mid-infrared (MIR) spectroscopy is the current main tool that has been used to get access of rapid, cost-effective, and high-throughput data of milk composition. Over the last decade, milk fatty acids (FA) have been predicted by MIR, allowing to record milk quality data at the population level. Interest in milk FA profile has increasing given its nutritional value, technological properties, and its use as biomarker of the cow’s status. The availability of these phenotypes makes possible their inclusion in genomic evaluations, which brings unprecedent and substantial impacts to improve milk quality. Therefore, the general objective of this thesis was to perform genetic and genomic evaluations for milk production and FA traits predicted by MIR using random regression models (RRM) in dairy cattle. Firstly, it was investigated different Legendre polynomials orders to better modeling of random effects in first lactation cows. Third-order Legendre polynomials seem to be most parsimonious and sufficient to describe milk production and FA traits over days in milk. Lower Spearman correlations at the beginning of lactation suggest the optimal model appeared to be even more important in the case of selection in this period. In addition, optimal polynomial orders tend to show lower residual variation, which can help to avoid overestimation at beginning of lactation. The effects of permanent environment and herd-year of calving had a high impact on early lactation. Heritability curves indicated that as long as lactation progressed the proportion of genetic variance increased for all traits. In a second step, it was investigated the potential implications of selection for milk production traits about FA across the first lactation through bi-trait RRMs using pedigree and genomic information. Selection for higher milk yield would decrease FA. Improving the milk FA profile would seem to be an effective way by indirect selection of fat yield, fat and protein content. Subsequently, genomic predictions using the single-step genomic best linear unbiased prediction (ssGBLUP) approach were performed based on RRM. It was investigated the performance of genomic predictions (in terms of reliability and bias) using ssGBLUP approach and it was compared with the parent average (PA) method. Moreover, different scaling and weighting factors to be used in the construction of the H matrix were tested. The test-day ssGBLUP approach yielded higher validation reliability compared to PA method for young bulls, even when no scaling and weighting factors were used in the H matrix.In addition, choosing optimal parameters led to less biased prediction (regression coefficient close to 1) for genomic evaluation of milk production traits. Nonetheless, inflated GEBVs were still observed for milk FA. The findings reported in this thesis will contribute to advance on the modeling of milk production and milk FA traits in Walloon Holstein dairy cattle by inclusion of genomic information. Results from this research suggest that changes in milk FA profile can be achieved by the direct selection or indirect by selecting for fat yield and fat content. Moreover, this thesis provides the first results about the impact of different ssGBLUP methods (i.e., different scaling and weighting factors) based on RRM for genomic prediction of milk FA. In summary, our results demonstrated the superiority of ssGBLUP approach based on RRM in prediction performance of milk FA and supports further studies in order to improve reliabilities and reduce bias for milk FA. Keywords: Genetic parameters. Genomic prediction. Milk quality. Random regression model. Reliability. Single-step GBLUP.

A espectroscopia de infravermelho médio (MIR) é a principal ferramenta atualmente usada para acesso à dados rápidos, econômicos e de alto rendimento da composição do leite. Na última década, o perfil de ácidos graxos (FA) no leite foi predito pela MIR, permitindo a coleta de dados de qualidade do leite em nível populacional. O interesse no perfil de FA tem aumentado devido ao seu valor nutricional, propriedades tecnológicas e seu uso como biomarcador do estado da vaca. A disponibilidade desses fenótipos possibilita sua inclusão em avaliações genômicas, o que traz impactos inéditos e substanciais para a melhoria da qualidade do leite. Portanto, o objetivo geral desta tese foi realizar avaliações genéticas e genômicas para as características de produção do leite e de FA preditas via MIR usando modelo de regressão aleatória (RRM) em bovinos leiteiros. Primeiramente, foram investigadas diferentes ordens de polinômios de Legendre para modelagem de efeitos aleatórios em vacas de primeira lactação. Os polinômios de ordem três parecem ser mais parcimoniosos e suficientes para descrever as características de produção de leite e de FA ao longo dos dias em lactação. Correlações de Spearman mais baixas no início da lactação sugerem que o uso do melhor modelo parece ainda ser mais importante no caso de seleção neste período. Além disso, as melhores ordens de ajuste tendem a apresentar menor variação residual, o que pode ajudar a evitar superestimação no início da lactação. Os efeitos de ambiente permanente e de rebanho-ano de parto tiveram um alto impacto no início da lactação. As curvas de herdabilidade indicaram que à medida que a lactação progredia a proporção da variância genética aumentava para todas as características. Em uma segunda etapa, foram investigadas as potenciais implicações da seleção para as características de produção de leite sobre FA ao longo da primeira lactação por meio de RRMs bicaracterístico usando pedigree e informações genômicas. A hipótese em questão é de que a seleção para maior produção de leite diminuiria os ácidos graxos. O perfil de FA pode ser melhorado por meio de seleção indireta para produção de gordura e teores de gordura e proteína. Posteriormente, predições genômicas usando melhor predição linear não-viesada genômica em passo único (ssGBLUP) foram feitas por meio de RRM. Foi investigado o desempenho da predição genômica (em termos de confiabilidade e viés) usando abordagem ssGBLUP o qual foi comparado com a média dos pais tradicional (PA). Foram testados diferentes fatores deescala e ponderação na construção da matriz H. O ssGBLUP baseado em RRMs aumentou a confiabilidade de validação comparado ao método PA para touros jovens, mesmo quando não foi usado nenhum fator de escala e ponderação na matriz H. Além disso, a escolha de parâmetros ótimos resultou em menor viés de predição (coeficiente de regressão próximo de 1) na avaliação genômica de características de produção de leite. Todavia, GEBVs inflados ainda foram observados para os FA do leite. Os achados descritos nesta tese contribuirão para avanços na modelagem das características de produção de leite e FA em vacas Holstein da região da Valônia, sul da Bélgica, por meio da inclusão de informações genômicas. Os resultados desta pesquisa sugerem que mudanças no perfil de FA do leite podem ser alcançadas pela seleção direta ou indireta para produção e teor de gordura. Além disso, esta tese fornece os primeiros resultados sobre o impacto de diferentes métodos ssGBLUP (ou seja, diferentes fatores de escala e ponderação) baseados em RRM na predição genômica de FA do leite. Em resumo, nossos resultados demonstraram a superioridade do método ssGBLUP usando RRM na predição genômica de FA do leite e dão suporte a futuros estudos para melhorar a confiabilidade e reduzir o viés para os FA do leite. Palavras-chave: Confiabilidade. Modelo de regressão aleatória. Parâmetros genéticos. Predição genômica. Qualidade do leite. Single-step GBLUP.