Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems
Adapting the feed, the animal and the feeding techniques to improve the efficiency and sustainability of monogastric livestock production systems

New genetic longitudinal models for feed efficiency

Huynh-Tran V.H.
Publication date: 
11 October 2018
Full title: 
New genetic longitudinal models for feed efficiency
Publishing information: 
PhD Dissertation, 11 October 2018, Institut National Polytechnique de Toulouse, France

Although non-genetic and genetic approaches heavily improved feed efficiency in the last decades, feed cost still contributes to a large proportion of pork production costs. In addition, the limited efficiency of feed use not only increases the environmental impact due to the waste of feed. Over the last decades, advances in high-throughput technologies for animal management, including automatic self-feeders, created a proliferation of repeated data or longitudinal data. The objective of this thesis was to develop new genetic models to better quantify the genetic potential of animals for feed efficiency using longitudinal data on body weight (BW), feed intake and body composition of the animals. Data from 2435 growing Large White pigs from a divergent selection experiment for residual feed intake (RFI) were used. In this population, males were weighted every week whereas females and castrated males were weighted every month at the beginning of the test (10 weeks of age) and more often towards the end of the test (23 weeks of age). In a first step, different approaches investigated how to predict missing weekly BW for intermediate stages. For the tested period, a quasi linear interpolation based on the adjacent weeks is the best approach to deal with missing BW in our dataset. In a second step, different longitudinal models, such as random regression (RR) models, structured antedependence models (SAD) and character process models, in which the covariances between weeks are accounted for, were compared. The comparison focused on best-fit to the data criteria (Loglikelihood, Bayesian Information Criterion), on variance components estimations (heritability estimates, genetic variances and genetic correlations between weeks) and on predictive ability (Vonesh concordance coefficients). The results showed that SAD is the most parsimonious model for feed conversion ratio (FCR) and for RFI, two measures of feed efficiency. The SAD model also provided similar predictive abilities as the other models.A selection criterion combining the weekly breeding values was proposed for practical applications to selection. In addition, we evaluated the potential of genomic information to improve the accuracy of breeding value predictions for average daily gain and residual feed intake, applying single step genomic approaches to the RR and SAD models. In our dataset, prediction accuracies was low for both traits, and was not much improved by genomic information. Finally, we showed that divergent selection for RFI had a major impact on the FCR and RFI profile trajectories in each line. In conclusion, this thesis showed that selection for trajectories of feed efficiency is feasible with the current available information. Further work is needed to better evaluate the potential of genomic information with these models, and to validate strategies to select for these trajectories in practice.

Bien que des approches non génétiques et génétiques aient été mises en oeuvre pour améliorer l’efficacité alimentaire des animaux au cours des dernières années, le coût des aliments constitue encore la plus grande partie des coûts de production de nombreux systèmes d’élevage. De plus, une efficacité alimentaire non optimale augmente l’impact environnemental de l’élevage par gaspillage d'aliments. Au cours des dernières décennies, les progrès dans les technologies à haut débit pour la gestion des animaux, notamment le développement de distributeurs automatiques d’aliment, permettent d’obtenir de nombreuses mesures répétées au cours du temps (données longitudinales) de la consommation individuelle des animaux. L'objectif de cette thèse était de développer de nouveaux modèles génétiques pour mieux quantifier le potentiel génétique des animaux pour l'efficacité alimentaire en utilisant ce type de données. Les données de 2435 porcs Large White en croissance provenant d'une expérience de sélection divergente pour la consommation résiduelle ont été utilisées au cours de cette thèse. Dans cette population, les mâles étaient pesés chaque semaine alors que les femelles et les mâles castrés étaient pesés tous les mois entre 10 et 23 semaines d’âge. Dans une première étape, nous avons comparé différentes approches pour prédire les poids corporels hebdomadaires manquants de ces animaux afin d’améliorer l’évaluation de leur efficacité alimentaire. Pour la période testée, une interpolation quasi linéaire basée sur les semaines adjacentes est la meilleure approche pour traiter les poids corporels manquants dans notre ensemble de données. Dans un second temps, différents modèles longitudinaux tels que les modèles de régression aléatoire (RR), les modèles antédependants structuraux (SAD) et les modèles de type « character process » ont été comparés pour l’analyse de l’efficacité alimentaire. La comparaison a été réalisée en se basant sur des critères d’ajustement aux données (Log vraisemblance, Critère d'Information Bayésien), sur les estimations des composantes de variances (estimations de l'héritabilité, des variances génétiques et des corrélations génétiques entre semaines) et sur la capacité prédictive (coefficients de concordance de Vonesh) de chaque modèle. Les résultats ont montré que le modèle SAD est le plus parcimonieux pour l’indice de consommation (IC) et la consommation résiduelle, deux mesures d’efficacité alimentaire. Ce modèle fournit également des capacités prédictives similaires à celles des autres modèles. Un critère de sélection combinant les prédictions des valeurs génétiques hebdomadaires de chaque animal a été proposé pour des applications pratiques de ces modèles dans un objectif de sélection. En outre, nous avons évalué comment l'information génomique pouvait améliorer la précision des prédictions des valeurs génétiques des animaux pour le gain moyen quotidien et la consommation résiduelle, en appliquant des approches génomiques « single-step » aux modèles RR et SAD. Les résultats obtenus ont montré que les précisions étaient faibles et les biais de prédiction importants pour les deux caractères, et qu’ils n'étaient pas améliorés par l’apport de l’information génomique. Enfin, nous avons montré que la sélection divergente pour la consommation résiduelle avait un impact majeur sur les trajectoires de l’indice de consommation et de la consommation résiduelle pendant la croissance dans chaque lignée. En conclusion, cette thèse a montré que la sélection pour des trajectoires d'efficacité alimentaire est faisable avec les informations disponibles actuellement. Des études supplémentaires sont nécessaires pour mieux évaluer le potentiel de l'information génomique avec ces derniers modèles et pour valider les stratégies de sélection sur ces trajectoires d’efficacité alimentaire au cours du temps dans la pratique.

Media category: 

Stakeholder platform

Do want to take part in Feed-a-Gene? Register on the Stakeholder Platform!