Genetic evaluation of length of productive life in the Spanish Holstein-Friesian population.

1. Genetic evaluation of length of productive life in the Spanish Holstein-Friesian population. Desort Matthieu, Carezzoli Claire, Desbonnets Julien, Garcon Marc.

2. Objectifs • Déterminer les facteurs influençant la longueur de la vie reproductive chez les vaches Holstein en Espagne. • Proposer un modèle pour une évaluation génétique de ce caractère dans cette population.

3. Matériels • Caractère testé: Longueur de la vie productive. • Animaux: Vaches Holstein • Lieu: Espagne; Données réparties suivant trois régions (Andalousie, Pays Basque et Catalogne) et analysées séparément. • Deux lots: LPL1 qui permet de fixer les effets environnementaux et LPL2 qui conserve dans LPL1 uniquement les filles des taureaux ayant eu dix filles ou plus dans au moins trois élevages différents, pour avoir un modèle incluant les effets génétiques. • Les données incomplètes ou qui ne sont pas dans les normes fixées par la CONAFE (Confederation of Spanish Holstein Association) sont écartées. • Logiciel utilisé: « Survival Kit »

4. Modèle semi-paramétrique de Cox • Utilisé pour déterminer l’importance des effets environnementaux. • h(t)=h0(t)*exp HYSi()+AFCj+LNk(t)+LSl(t)+CHSm()+MDn(t)+FDo(t)+PDp(t)] • t=nombre de jours de production • =nombre de jours à compter du début de l’année.

5. h(t)=h0(t)*exp HYSi()+AFCj+LNk(t)+LSl(t)+CHSm()+MDn(t)+FDo(t)+PDp(t)] h=risque de réforme. h0=risque de base HYS=regroupement des effets de la saison du vêlage, de l’année et du troupeau. AFC=effet de l’âge au premier vêlage LN=effet du nombre de lactation LS=effet du stade de lactation CHS=effet du changement de la taille du troupeau au début de chaque année. MD, FD, PD= effets du changement des différents paramètres associés au lait. Modèle de Cox

6. Modèle de Cox • On détermine l’impact de chaque effet sur h(t) (risque de réforme) grâce au modèle de Cox.

7. Modèle de Weibull • Le modèle Weibull permet l’estimation des effets génétiques liés au père et au grand-père maternel, et des effets environnementaux.

8. h(t)=h0(t)*expHYSi()+YSj()+AFCk+LSLl(t)+ CHSm()+MDn(t)+FDo(t)+PDp(t)+us+0,5umgs] h=risque de réforme. h0=risque de base différent de zéro HYS=regroupement des effets de la saison du vêlage, de l’année et du troupeau. YS= regroupement des effets de l’année et de la saison du vêlage. AFC=effet de l’âge au premier vêlage LSL=effet de l’interaction entre le nombre et le stade de lactation (prend en compte LS et LN) CHS=effet du changement de la taille du troupeau au début de chaque année. MD, FD, PD= effets du changement des différents paramètres associés au lait. Us=effet du père Umgs=effet du grand-père Modèle de Weibull

9. Résultats • Points=Cox; Ligne=Weibull • Résultats exploitables jusqu’au jour 1500 (trop forte dispersion après) • Mesures commencent à j65 • Stabilité jusqu’au j200 • Augmente pendant la lactation et diminue pendant le tarissement. • Linéarisation avec Weibull et augmentation du risque de réforme avec le temps.

10. Résultats • HYS apporte le plus de variations au niveau de l’environnement pour le risque de réforme

11. HYS est toujours celui qui présente le plus de variations Hef2, l’héritabilité, reste toujours faible quelque soit l’environnement (mais elle n’est pas nulle). Résultats

12. Les génisses de 30 mois ou plus présentent un risque de réforme augmenté. Résultats

13. Le risque de réforme augmente au cours de la lactation et avec le nombre de lactations. Résultats

14. Les animaux transférés dans un élevage dont la taille est réduite de 20% ou plus présentent un risque de réforme augmenté. Résultats

15. Les animaux qui présentent une production inférieure à la moyenne ont plus de risque d’être réformés. Les vaches qui produisent moins de protéines sont plus souvent réformées. Le taux de matières grasses présente moins d’influence sur le risque de réforme. Résultats

16. Conclusions • Les facteurs environnementaux ont une grande influence sur le risque de réforme • L’effet le plus important provient de HYS (troupeau-année-saison) • L’âge au premier vêlage a peu d’importance. • Au niveau des caractéristiques du lait, c’est la quantité qui influence le plus le risque de réforme.

17. Utilisations • Nécessité d’un suivi d’exploitation. (environnement d’exploitation) • Inutilité de la sélection pour la longévité de la vie productive de l’animal.

18. Remarques • Nécessité des études d’ordre génétique pour démontrer l’importance des différents paramètres influençant la production. • Importance de disposer d’un maximum de données. • Prise en considération des effets maternels? • Notion de longévité? Longévité et gestion de l’exploitation?

19. Bibliographie • Chirinos Z., Carabano M.J., Hernandez D., 2006. Genetic evaluation of length of productive life in the Spanish Holstein-Friesian population. Model validation and genetic parameters estimation