Estimación de parámetros genéticos para caracteres definidos en ganaderías con robot de ordeño en ganado Holstein

Autores: Ramón M., C. Díaz, M.J. Carabaño (INIA-CSIC) y N. Charfeddine (CONAFE)

Introducción y objetivos

Los sistemas de ordeño automático están revolucionando la industria del ganado lechero en todo el mundo, al mejorar el bienestar animal, reducir la necesidad de la participación humana en las prácticas de ordeño. Asimismo, los robots están equipados con sensores que pueden medir de forma precisa una gran cantidad de parámetros relacionados con el ordeño tal como el tiempo total durante lo cual el animal ocupa el box de ordeño, la duración efectiva del ordeño, el flujo de leche, la producción de leche, etc.   

La recogida, y la documentación automática de datos a gran escala a nivel de cada animal en cada ordeño permiten definir nuevos fenotipos que son de gran utilidad para mejorar genéticamente la eficiencia del ordeño, y contribuir a maximizar una productividad sostenible en ganaderías con robot.

Los objetivos de este trabajo son calcular los parámetros genéticos para nuevos caracteres ligados al ordeño con datos descargados de robots de ordeño, y estudiar las relaciones genéticas que muestren con caracteres de producción y de salud en el marco del proyecto GO_AMSOS 360.

Datos utilizados

Datos descargados de los robots de ordeño

Los datos descargados de los robots de ordeño son de dos tipos. Datos recogidos a nivel de cada ordeño registrados en un total de 157 ganaderías con robot LELY. En total se dispuso de 41.984.649 ordeños de 30.736 vacas registrados entre el 01/01/2020 y el 12/09/2024. La base de datos aporta información acerca del día y hora de comienzo y final de cada ordeño, la producción de leche por ordeño, el flujo medio y máximo, el tiempo de ordeño efectivo (desde que empieza a sacar leche hasta que finaliza), y  el tiempo muerto por ordeño ( el tiempo que tarda el robot en localizar el pezón y colocar la pezonera) medido en cada cuarterón, la temperatura de la leche, y la conductividad por cuarterón, así como las coordinadas cartesianas de los cuatro pezones. Por otro lado, se dispuso de datos resumen a nivel de cada día, con un total de 14.808.174 observaciones de 29.350 vacas en 159 ganaderías y para el mismo periodo de tiempo, del 01/01/2020 al 26/07/2024. Esta base de datos contenía información de la producción total de leche diaria, los contenidos de grasa, proteína y lactosa, recuento de células somáticas (SCS), así como información del número total de veces que se ha ordeñado una vaca por día, el número de rechazos diarios por parte de la máquina (la máquina no deja entrar a la vaca por no haber transcurrido el tiempo suficiente desde el ordeño anterior), y el número de ordeños fallidos (la vaca accede al robot de ordeño pero no se ordeña) por día.

Los datos de robot fueron conectados con la base de datos del libro genealógico a través del CIB y fue cotejado el código de registro, el código de la ganadería, y la fecha de nacimiento del animal para validar los registros descargados del robot de dicho animal.

Los filtros aplicados incluyeron eliminar los ordeños con información faltante o de duración inferior a un minuto o superior a 20 minutos, y con un flujo de leche medio fuera del rango 0,5 a 6 kg/min. Los filtros aplicados sobre los datos de producción diaria eliminan registros con kilos de leche por día inferiores a 4Kg/d o superiores a >99 kg/d, los registros diarios con porcentaje de grasa inferior a 1,5% o superior a 9%, los registros diarios con porcentaje de proteína inferior al 1% o superior a 9%, y se consideraron solo registros diarios con un máximo de 5 ordeños válidos.

Las coordenadas cartesianas disponibles en los datos de ordeño en los robots LELY se componen de 3 ejes (X,Y,Z) para cada uno de los 4 pezones. El eje X se refiere al eje latero-lateral de la vaca, es decir, el eje perpendicular al eje más largo del robot. El eje Y corresponde al eje craneocaudal, que es el eje más largo del robot. El eje Z es perpendicular al suelo, refiriéndose a el eje ventro-dorsal de la vaca. A partir de las coordenadas se han calculado 5 rasgos morfológicos de ubre (Poppe et al. 2019).

Los caracteres definidos a partir de los datos de robot son los siguientes:

• Producción de leche/vaca/ordeño
• Producción de leche/vaca/día (24 horas): corresponde a la suma de las producciones de todos los ordeños realizados en el mismo día.
• Eficiencia productiva (Kg de leche/min): se define dividiendo la producción de leche por el tiempo total durante lo cual la vaca ocupa el box de ordeño.
• Porcentaje de grasa: Es el porcentaje de grasa medio de todos los ordeños del día.
• Porcentaje de proteína:  Porcentaje de proteína medio de todos los ordeños del día.
• Flujo de leche medio y flujo máximo durante el ordeño

• Intervalo entre ordeños: Es el intervalo de tiempo que transcurre desde el ordeño anterior hasta el ordeño actual.
• Numero de ordeños por vaca y día: Numero de ordeños realizados en las 24 horas del día.
• Tiempo total en box: Es el tiempo que transcurre desde la identificación electrónica del animal hasta su salida del box.
• Tiempo de ordeño: Es el tiempo efectivo del ordeño
• Tiempo muerto: Es el tiempo de colocación de las pezoneras.
• Numero de ordeños/día
• Numero de rechazos/día
• Numero de fallos/día

• RCS (recuento de células somáticas)
• Conductividad eléctrica de la leche (en miliSiemens/centímetro)

• Distancia entre pezones delanteros (FTD): se calcula restando la coordenada del eje X de la punta del pezón delantero derecho de la coordenada del eje X de la punta del pezón delantero izquierdo.
• Distancia entre pezones posteriores (RTD): se calcula restando el valor de la coordenada del eje X de la punta del pezón trasero derecho de la coordenada del eje X de la punta del pezón trasero izquierdo.
• Profundidad de la ubre (UD): se obtiene a partir de la media de los valores de las coordenadas del eje Z de las 4 puntas de los pezones. Esta característica expresa la distancia media entre las puntas de los pezones de la vaca y el suelo.
• El balance de la ubre (UB): se define a partir de la diferencia entre las medias de las coordenadas del eje Z para las puntas de los pezones delanteros y las puntas de los pezones traseros.
• Distancia entre ubre anterior y ubre posterior (DFR): se calcula fine como la diferencia entre los promedios de las coordenadas en el eje Y de los pezones delanteros y traseros de cada lado.

La tabla 1 recoge un resumen de las variables registradas por el robot de ordeño, así como las recogidas en la base de datos resumen día. Dada la magnitud de datos disponible, para la estima de parámetros genéticos se decidió seguir la propuesta de Poppe et al. (2019), en la cual se muestrea de forma aleatoria 1 de cada 20 ordeños por vaca, lo que viene a representar aproximadamente 1 dato cada 6-7 días, al considerar que los cambios ocurridos en ese periodo de tiempo van a ser pequeños. Así, nos quedamos con una base de datos de robot y datos resumen día con un total de 13.698.833 registros.

Datos de Salud

Los datos de salud podal y salud de ubre para los rebaños con robot de ordeño se han recogido por podólogos y ganaderos dentro del marco del proyecto GO_AMSOS 360, siguiendo las directrices definidas en los proyectos ISA e ISAP de CONAFE. En cuanto a los datos del recuento celular, dado el bajo número de ganaderías que recogen este parámetro a nivel del robot, se ha utilizado los datos de RCS facilitados por el control lechero. En la Tabla 2 se muestran el número de datos, el número de vacas en cada archivo de datos de salud (Cojeras, RCS y Mamitis) y el número de vacas que además tenía datos de robot de ordeño en los archivos de datos que fueron usados para estimar las correlaciones entre todos estos caracteres.

En el caso de los datos de salud podal se agruparon las lesiones debidas a dermatitis, inflamación interdigital e hiperplasia interdigital para definir el carácter lesiones infecciosas (LINF), con una codificación de 0,1,2, si la vaca nunca mostró esa patología, si el trastorno era leve o si era severo, respectivamente. La prevalencia de lesiones leve es del 12.6% y de las lesiones severas es del 2.7%. Para el carácter mamitis el código era 0 ó 1 si la vaca es sana o ha sido diagnosticada con mamitis clínica, respectivamente. La prevalencia media de mamitis clínica en los rebaños del es estudio es del 18%.

Modelos utilizados

Las estimas de parámetros genéticos (heredabilidades y correlaciones genéticas) se llevaron a cabo utilizando varios modelos y debido al volumen de datos y el elevado número de caracteres, los análisis se realizaron en tres bloques de caracteres. Los modelos empleados fueron:

Modelo para caracteres de robots de ordeño

La estima de componentes de varianza para estos caracteres se hizo mediante modelos multi-carácter, considerando el siguiente modelo:

yRobot=AMparto+PEDAD+PDEL+HORA+IntORD-t1+rfo+pe+a+e

, donde y_Robot es el conjunto de medidas de los caracteres que proporcionan los robots de ordeño, AM_parto es el año-mes de parto, PEDAD es el número de parto-edad, PDEL en número de parto-días en leche, HORA es la hora a la que se realizó el ordeño (0-23h), IntORD_-t1 es el intervalo con el ordeño anterior, rfo el efecto aleatorio rebaño-fecha de ordeño, pe el efecto aleatorio de ambiente permanente, a el efecto aleatorio genético aditivo y e el error.

• Bloque 01: incluyó los caracteres kilos de leche por ordeño (klord), producción total diaria (kldia), porcentajes de grasa (%Grasa) y proteína (%Prot) de la leche, tiempo total ocupando el robot de ordeño (tiempo_box), eficiencia del ordeño (eff_ord) , y flujo medio de leche durante el ordeño (flujo_med)
• Bloque 02: incluyó los caracteres kilos de leche por ordeño (klord), producción total diaria (kldia), porcentajes de grasa (%Grasa) y proteína (%Prot) de la leche, tiempo de ordeño (tiempo_ord), tiempo muerto de ordeño (tiempo_muerto), número total de ordeños por día (nord), número de veces que a la vaca se le niega el acceso al robot de ordeño por día (nrechazos) y número de veces que la vaca accede al robot de ordeño, pero no se ordeña por día (nfallos).
• Bloque 03: incluyó los caracteres kilos de leche por ordeño (klord), producción total diaria (kldia), eficiencia del ordeño (eff_ord), flujo de leche promedio (flujo_avg), y los caracteres morfológicos distancia entre pezones frontales (FTD), distancia entre pezones traseros (RTD), profundidad de ubre (UD), balance de ubre entre los ejes frontal y trasero (UB) y distancia entre los ejes frontal y trasero de la ubre (DFR).

Para determinar la consistencia de la estimación a partir de muestras de un número de ordeños en lugar de los datos completos se replicó el análisis 5 veces, utilizando 5 muestras diferentes. Además, se realizó un nuevo análisis muestreando 1 de cada 10 observaciones al azar, en vez de hacerlo 1 de cada 20 como en el caso anterior. Así, en total se consideraron los 3 bloques de caracteres en un modelo multi-carácter (definido arriba), muestreado al azar 1 de cada 10, y 1 de cada 20 ordeños, y replicado cada análisis 5 veces (30 análisis en total). Los resultados de estos análisis mostraron una notable consistencia de estimas entre muestras y entre las dos frecuencias de muestreo (1 de 10 ó 1 de 20).

Relación entre caracteres de Robot y caracteres de Salud

Para este análisis se seleccionaron caracteres de Robot que podrían mostrar una correlación con caracteres de salud (kilos de leche/día, flujo de leche promedio, conductividad de la leche y tiempo muerto de ordeño). Para salud podal, se seleccionó la incidencia de lesiones infecciosas, para las que se cuenta con una mejor precisión de diagnóstico y mayor cantidad de información.

El modelo para los caracteres de Robot fue el definido en el apartado anterior. Para los caracteres de salud se utilizaron los modelos que se emplean para las evaluaciones genéticas, y se describen a continuación:

Cojeras:       y_Cojeras = PEDAD + POD + EL + rae + a + pe + e

, donde y_Cojeras es el dato de incidencia (0,1,2) de la lesión infección podal (LINF), PEDAD es el efecto de la combinación de número y edad al parto, POD es el código del podólogo que diagnosticó la enfermedad, EL es el estado de la lactación, rae es el efecto del rebaño-año-época de parto y a y pe son el efecto genético aditivo y el efecto ambiental permanente, respectivamente. Los efectos rae, a, y pe fueron considerados como efectos aleatorios.

 Recuento de Células Somáticas (SCS):      y_SCS = RA + LEDAD + MP + a + pe + e

, donde y_SCS es el dato del ‘score’ de células somáticas (transformación logarítmica de de recuento de células somáticas, RA es el efecto del rebaño y el año de parto, LEDAD es la combinación de lactación y edad al parto, MP es el mes del parto y a y pe son el efecto genético aditivo y el efecto ambiental permanente, respectivamente. Los efectos a y pe fueron considerados como efectos aleatorios.

Mamitis clínica:     y_Mamitis = RATIO + RA+ LEDAD + MP + a + pe + e

, donde y_Mamitis es el dato de incidencia de mamitis clínica (0,1), RATIO es el número de días de exposición (en riesgo) estandarizado, RA es el efecto del rebaño y el año de parto, LEDAD es la combinación de lactación y edad al parto, MP es el mes del parto y a y pe son el efecto genético aditivo y el efecto ambiental permanente, respectivamente. Los efectos a y pe fueron considerados como efectos aleatorios.

El análisis de todos los caracteres (Robots, Cojeras, RCS y Mamitis) se hizo considerando los 15 caracteres simultáneamente utilizando, como en los casos anteriores el software Gibbsf90+ (Lourenco et al., 2022) con un total de 50.000 muestras de muestreo de Gibbs, que incluían 10.000 muestras consideradas como necesarias para conseguir la convergencia a la distribución de muestreo de las distribuciones posteriores. Dado el alto grado de autocorrelación de las muestras, se guardaron sólo una de cada 50.

Resultados y discusión

La correlación fenotípica entre los caracteres incluidos en este estudio se muestra en el grafico 1. En general se observa una correlación alta entre caracteres relacionados (productivos, de conductividad, o tiempos entre sí), con la excepción de la correlación moderada entre los caracteres de producción por ordeño y diarios. Esto último se debe a que los datos de ordeño han sido filtrados en función de la cantidad de leche en ese ordeño o una conductividad baja o nula en algún cuarterón entre otros, lo que hace que la producción total diaria registrada por el robot, y la producción de ordeños tenga esa correlación moderada, además de la variabilidad esperada entre diferentes ordeños. En cuanto a la correlación entre grupos de caracteres, en general es moderada a baja. Como es esperable, la correlación entre los tiempos de ordeño es negativa con la eficiencia de ordeño y el flujo de ordeño. Los caracteres morfológicos presentan una correlación variable con los productivos, siendo positiva con la distancia entre la ubre delantera y la trasera (DFR) y negativa con la profundidad de ubre (UD). Una mayor distancia DFR sería indicativo de una ubre de mayor tamaño, que vendría relacionada con una mayor capacidad y mayor producción. Por el contrario, un valor más alto de profundidad de ubre, medida como distancia del pezón al suelo, indicaría una ubre de menor tamaño, y de ahí la correlación negativa con la producción. Los caracteres morfológicos distancia entre pezones (FTD y RTD) presentaron correlaciones positivas pero muy bajas. Es posible que a mayor tamaño de ubre los pezones tiendan a separarse, y de ahí la correlación positiva, pero como indicamos, es muy baja.

Gráfico 1. Correlación fenotípica entre los caracteres considerados en este estudio

Bloque 1: Caracteres de producción y eficiencia del ordeño

La Tabla 3 muestra las estimas de componentes de varianza para el primer modelo multi-carácter. En general, las estimas de heredabilidad son moderadas-altas. Como era de esperar, las correlaciones entre los caracteres productivos fueron altas, siendo negativas entre cantidad de leche y contenido graso y proteico. Los caracteres producción de leche en el ordeño y tiempo total de ordeño mostraron una correlación genética positiva, lo que es de esperar, si bien también lo fue entre producción por ordeño y la eficiencia del ordeño, por lo que vacas más productivas tardan más en ordeñarse, pero los litros por minuto son mayores. Lo que no se observó es una correlación significativa con el flujo de leche por minuto y la producción por ordeño. En cuanto a los caracteres de eficiencia del ordeño, las correlaciones genéticas fueron altas, resultandos antagonistas entre el tiempo total de ordeño con la eficiencia y el flujo promedio. Es importante considerar las relaciones entre los caracteres de producción, especialmente litros de leche por ordeño o día, y los caracteres de eficiencia en el ordeño a la hora de valorar la inclusión de estos últimos como objetivo de selección.

Bloque 2: Caracteres de producción y caracteres de ordeñabilidad

La Tabla 4 muestra las estimas de componentes de varianza para el segundo modelo multi-carácter. Las estimas de componentes de varianza y heredabilidades para los caracteres de producción resultaron similares a las obtenidas en el modelo multi-carácter anterior. Para los caracteres de ordeñabilidad, las heredabilidades resultaron moderadas para los tiempos y bajas para los caracteres relacionados con el número de ordeños. Los caracteres de producción de leche por ordeño y día mostraron correlaciones genéticas negativas con el número de veces que se rechaza a la vaca. Esta correlación es interesante, pues parece indicativo de que aquellas vacas con niveles productivos más altos tienen un menor número de ordeños “rechazados”, lo que podría estar relacionado con vacas con ordeños más productivos que van menos veces al robot de ordeño, lo que hace que el tiempo entre ordeños sea mayor y exista un menor número de ordeños rechazados porque no ha pasado el tiempo mínimo establecido entre ordeños. Para los caracteres de ordeñabilidad, las correlaciones genéticas obtenidas fueron de moderadas a bajas y en el sentido esperado.

Bloque 3: Caracteres de producción, de morfología de ubre, y de ordeñabilidad

La Tabla 5 muestra las estimas de componentes de varianza para el tercer modelo multi-carácter. Para los caracteres que ya fueron incluidos en modelos anteriores las estimas fueron similares. Los caracteres morfológicos mostraron estimas de heredabilidades altas, especialmente el carácter profundidad de ubre (UD). Este carácter tiene la particularidad de que se mide desde el suelo a la ubre, y no es un parámetro relativo a otra estructura anatómica del animal, por lo que podría estar relacionado con la estatura del animal, que se trata de otro carácter con alta heredabilidad. Estos resultados concuerdan con las estimas encontradas por Medeiros et al. (2024). Los caracteres de producción de leche por ordeño y día mostraron correlaciones genéticas moderadas positivas con la distancia entre pezones por eje y la distancia entre ejes, posiblemente relacionado con un aumento de tamaño de la ubre asociado a un mayor potencial productivo. Con respecto a la profundidad de ubre, la correlación genética fue negativa, debido posiblemente a cómo se mide el carácter profundidad de ubre (distancia del suelo a la ubre) y a que valores más altos serían indicativos de ubres más pequeñas. Al igual que los caracteres productivos, la eficiencia de ordeño mostró correlaciones genéticas bajas positivas con los caracteres morfológicos relacionados con la distancia entre pezones del mismo eje o entre ejes y bajas negativas con la profundidad de ubre. En cuanto a los caracteres de morfológicos, las correlaciones genéticas entre sí mismos, resultaron de moderadas a bajas. La profundidad de ubre presentó correlaciones negativas con los otros cuatro caracteres, lo que podría venir explicado de nuevo por la forma de definir este carácter.

Finalmente, se corrió un modelo multi-caracter que incluía aquellos caracteres más interesantes de los considerados anteriormente para una evaluación genética rutinaria. En lugar de los caracteres de contenido de grasa y de proteína se ha considerado los kilos de grasa y proteína. El carácter profundidad de ubre muestra una correlación negativa con kilos de leche, kilos de grasa, y kilos de proteína. Como se ha comentado anteriormente, este carácter mide la distancia media entre la punta de los cuatro pezones y el suelo.  Es una medida relacionado con la estatura del animal, y va en el sentido contrario de una medida real de la profundidad de ubre.

Relación entre caracteres de Robot y caracteres de Salud

La Tabla 7 muestra las estimas de componentes de varianza y heredabilidades para los caracteres kilos de leche por día, el tiempo muerto durante el ordeño, el flujo medio, conductividad, lesiones podales infecciosas, logaritmo score de RCS, y mamitis clínica. Las estimas de heredabilidad para los caracteres analizados previamente resultaron similares en este set de datos. En cuanto a las estimas de heredabilidad de LINF (0,14), RCS (0,09) y presencia o ausencia de mamitis (0,12), fueron de magnitud moderada a baja.

En cuanto a las correlaciones genéticas, observamos una correlación positiva de moderada a alta entre el flujo promedio y el recuento de células somáticas y la presencia de mamitis, mostrando estos dos últimos una correlación de 0,63. Resulta llamativa la correlación genética negativa de estos dos caracteres, RCS y mamitis con el tiempo muerto de ordeño, -0,44 y -0,22 respectivamente.

Conclusiones

Las heredabilidades estimadas con los datos descargados de los robots de ordeño son en su mayoría altas. Existe una variabilidad genética alta para la mayoría de los caracteres definidos, lo que indica que una selección genética para eficiencia de ordeño sería muy efectiva. Un menor tiempo en box con un mayor flujo medio da lugar a una mayor eficiencia de ordeño. El tiempo muerto y el tiempo en box son negativamente relacionados con el flujo medio. Los caracteres morfológicos definidos a partir de las cordinadas cartesianas facilitadas por el robot muestran altas heredabilidades, y bajas correlaciones con la producción de leche. Por lo tanto, seleccionar vacas profundidad de ubre y distancia entre pezones adecuadas para el robot no afectara la productividad.

Referencias Bibliográficas

Lourenco D, Tsuruta S, Masuda Y, Bermann M, Legarra A, Misztal I. 2022. Recent updates in the BLUPF90 software suite. In: Proceedings of the 12th World Congress on Genetics Applied to Livestock Production; 2022 July 3-8; Rotterdam.

Medeiros G. C., J. Bento, S. Ferraz, V.B. Pedrosa, Shi-Yi Chen, J. S. Doucette, J. P. Boerman and L.F. Brito. 2024. Genetic parameters for udder conformation traits derived from Cartesian coordinates generated by robotic milking systems in North American Holstein cattle. J. Dairy Sci. 107:7038–7051 https://doi.org/10.3168/jds.2023-2420

Poppe, M., H. A. Mulder, B. J. Ducro, and G. de Jong. 2019. Genetic analysis of udder conformation traits derived from automatic milk-ing system recording in dairy cows. J. Dairy Sci. 102:1386–1396. https: / / doi .org/ 10 .3168/ jds .2018 -14838.

Ramón M.¹, C. Díaz¹, M.J. Carabaño¹ y N. Charfeddine²

¹ Departamento de Mejora Genética Animal, INIA-CSIC

² Departamento Técnico de CONAFE

Llega la Escuela Nacional de Jueces Ganaderos CONAFE 2025 Jornada de Networking en el marco del proyecto GO FUTURE