H. Soyeurt *,§ , F. Dehareng ** , N. Gengler * et P. Dardenne **

1. Recours à l’infrarouge moyen afin d’améliorer la qualité nutritionnelle et environnementale du lait * 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 H. Soyeurt*,§ , F. Dehareng**, N. Gengler*et P. Dardenne**

2. Introduction • Changements de perception du consommateur • Amélioration de la qualité nutritionnelle des aliments • Limitation de l’impact environnementalde 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

3. 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

4. Première partie :Utilité de la spectrométrie à infrarouge moyen (MIR)

5. Figure 1 : Electromagnetic spectra (Foss, 2012) 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

6. 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

7. 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

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

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

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

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

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

13. 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

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

15. Précision des équations d’étalonnagedes acides gras R² ≥ 0,80pour 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

16. Précision des équations d’étalonnagedes acides gras R² ≥ 0,80pour 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

17. 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 • Améliorées grâce à la collaboration internationale : • Belgique, France, Allemagne, Luxembourg

18. Précision des équations d’étalonnagepour les minéraux du lait Équations calculées à partir d’au moins 465 échantillons de lait

19. Précision des équations d’étalonnagepour les minéraux du lait • R² ≥ 0,80pour 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

20. 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 • Améliorées grâce à la collaboration internationale : • Belgique, France, Allemagne, Luxembourg • Équations pour la lactoferrine : • Efforts de coopération entre la Belgique, l’Irlande et le R.-U.

21. 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

22. 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

23. 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

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

25. Méthane Un indicateur du méthane - peut être prédit par les MIR

26. Conclusions • La spectrométrie MIR : sous-utilisée en pratique • Potentiel pour prédire denouveaux caractères d’un réel intérêt économique et social • Cependant, ce n’est pas toujours facile…

27. 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 

28. Pas si facile… • Si on enregistrait les données spectrales, cela faciliterait l’adoption de nouvelles équationsdans 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

29. 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

30. Deuxième partie :Capitaliser sur les caractères prédits par MIRpour la sélection et la gestion des bovins laitiers

31. 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

32. 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

33. 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 Soyeurtet al. (2012), EAAP h² quotidien pour la lactoferrine = 0,35 Estimés précédents : de 0,20 à 0,44 Soyeurtet al. (2012), EAAP Bastinet al. (2012), EAAP Premiers résultats obtenus par PurnaBadhraKandel (ITN Marie Curie, Projet GreenHouseMilk)

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

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

36. 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)

37. 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)

38. Conclusion • Les MIR intéressants à des fins de sélection génétique Cependant…

39. 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 sélectionet objectifs de gestion tenant compte de tous ces aspects

40. 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