¡Mejorar el contenido en grasas saludables de carne a través de la genética es una realidad!

Hemos desarrollado un atributo para medir la eficiencia alimenticia en las cerdas: Eficiencia en lactancia. Si se considera la capacidad de consumo alimenticio o eficiencia alimenticia de las cerdas, el período de lactancia es la fase más relevante. La lactancia es una etapa crítica en la vida, para los lechones y para las hembras.

Una ingesta de alimento alta y continua durante la lactancia asegura un buen comienzo de la vida productiva de los lechones, una buena perspectiva para el próximo ciclo de la cerda, y menos horas de mano de obra para el productor. El consumo alimenticio durante la lactancia no es lo suficientemente alto como para sostener la producción de leche necesaria para las grandes camadas; y mucho menos para los aumentos productivos del mejoramiento genético.

Desde la perspectiva del productor, las hembras lactantes deben tener idealmente un consumo alto y continuo de alimento que se convierta de manera eficiente en leche para sus lechones.

Investigaciones recientes han demostrado que los llamados atributos de desempeño en lactancia (entre otros el consumo alimenticio, eficiencia de lactancia, pérdidas de peso y grasa dorsal durante la lactancia, rendimiento de leche) muestran una variación genética aprovechable y correlaciones genéticas favorables. Eficiencia de lactancia en cerdas, por ejemplo, se encontró que era en gran medida el mismo atributo que el consumo residual de alimento en cerdos finalizadores.

El peso adulto de las cerdas tiene un alto impacto en la Eficiencia Alimenticia Total. Por lo tanto, la investigación actual se centra en las consecuencias de las diferencias del peso de hembras adultas. Este tipo de información no sólo se utiliza desde el punto de vista genético. El grupo de nutrición de Topigs Norsvin también lo utiliza para desarrollar y actualizar los manuales de alimentación para los diferentes tipos de cerdas comerciales y sus progenies engendradas por diferentes líneas terminales.

La selección genómica bien aplicada sigue aportando ventajas añadidas a los programas de selección y mejoramiento genético porcino. Gracias a nuestros conocimientos de genómica, hoy en día podemos seleccionar caracteres para los que era difícil o imposible en los programas de mejoramiento tradicionales. En general, se pueden agrupar en 3 grupos principales: los de muy baja heredabilidad, los difíciles o costosos de medir, y aquellos que se miden muy tarde o al final de la vida del animal.

Uno de los difíciles de medir es el perfil de ácidos grasos de la carne en vivo. Es bien sabido que la composición de ácidos grasos de la carne influye de forma significativa en los parámetros tecnológicos y sensoriales relacionados con la calidad de carne y es esencial para determinar el valor nutricional, que a su vez influye en la salud humana.

De hecho, la composición en ácidos grasos ha recibido especial atención debido a su impacto en la salud humana, ya que hay evidencias de que las grasas saturadas pueden aumentar el nivel de colesterol “malo” en sangre, lo cual puede incrementar el riesgo de enfermedades cardiovasculares. Se pueden producir grasas más saludables variando las proporciones de ácidos grasos mono y poliinsaturados, reduciendo los niveles de ácidos grasos saturados, y mejorando el ratio n-6/n-3. Altos niveles de ácidos grasos poliinsaturados afectan de forma negativa a determinados parámetros de calidad como son la estabilidad oxidativa y el sabor. Por el contrario, aumentar el contenido en ácidos grasos monoinsaturados puede tener un efecto positivo en las propiedades nutricionales, organolépticas y tecnológicas de la carne.

Las altas heredabilidades obtenidas en distintos estudios en porcino para los principales ácidos grasos sugieren que es posible seleccionar animales para obtener una composición de ácidos grasos favorable. Además, numerosos estudios en distintas poblaciones han identificado QTL´s (quantitative trait loci) para la composición de ácidos grasos en cerdos. Sólo recordar que un QTL es un locus cuya variación alélica está asociada con la variación de un carácter cuantitativo, es decir, con aquellos caracteres cuantificables que varían de forma continua. Se han identificado QTL´s muy significativos en todos los cromosomas del cerdo y de hecho algunos de ellos se comparten entre razas distintas. Se han llevado a cabo estudios en los genes candidatos para intentar identificar las posibles mutaciones funcionales que causan las diferencias en el perfil de ácidos grasos.

En este sentido, Topigs Norsvin ha llevado a cabo estudios en sus poblaciones con el objetivo de detectar regiones genómicas que sean responsables de controlar el perfil de ácidos grasos en la grasa de los animales.

Derivado del estudio, hemos confirmado que en la región genómica SSC14 de nuestras líneas Duroc existe un SNP (single nucleotide polimorphism) que explica entre el 55-76 % de la variabilidad genética, y entre el 27-54 % de la variabilidad fenotípica para los ácidos grasos sintetizados de novo.

La consecuencia directa de este conocimiento es que nos permite seleccionar animales cuyo perfil de ácidos grasos será más favorable en cuanto a lo que coloquialmente se denominan grasas saludables. En términos cuantitativos, mejoramos con nuestra selección hasta en un 10 % el contenido en oleico.

Topigs Norsvin, en su búsqueda permanente por estar a la vanguardia en tecnología e innovación para poder ofrecer valor añadido a sus clientes, ha implementado esta tecnología en su línea Norsvin Duroc. Gracias a incluir este nuevo carácter en su objetivo de selección, el carácter “perfil de ácidos grasos”, será posible seleccionar, para aquellos clientes que estén interesados, machos que transmitan a su descendencia un mejor perfil de ácidos grasos, con mayor % de ácidos grasos monoinsaturados o “grasas saludables”, con los consiguientes beneficios que ello puede conllevar en el producto final.

Genome-wide association study confirm major QTL for backfat fatty acid composition on SSC14 in Duroc pigs

Maren van Son, Eli Gjerlaug Enger, Harald Grove, Roger Ros-Freixedes, Matthew P. Kent, Sigbjørn Lien and Eli Grindflek

Compartir esta entrada: