Detección del estrés metabólico en ovejas gestantes a través del análisis de espectroscopia de infrarrojo medio de la leche

Abstract

[ES] El estrés metabólico en rumiantes presenta unos valores medios de diagnóstico clínicos del 10% aproximadamente y subclínicos del casi el 50%. Por norma general los casos estrés metabólico no atendidos terminan por derivar en casos clínicos, llamados toxemia de gestación. La toxemia de gestación tiene un índice de mortalidad alto, tanto de las madres como de las crías. Los inicios de esta patología suelen empezar a la mitad de la gestación, pero se acentúan cuando tan solo faltan seis semanas para el parto. Cuando se alcanza un diagnóstico claro normalmente el tratamiento ya no es rentable, lo ideal es atajar el problema con buen manejo alimenticio semanas atrás. Esta tesis tiene dos objetivos. El primero es identificar biomarcadores en sangre de movilización de reservas o estrés metabólico en ovejas gestantes, primíparas y multíparas. El segundo objetivo explorar el posible potencial del uso de tecnología MIR en muestras de leche, comúnmente recogida durante los controles lecheros, para predecir dichos biomarcadores. Los datos de metabolitos en sangre se tomaron unas semanas antes del parto y los datos del MIR de la leche se tomaron al principio de la lactación. El grupo experimental estaba compuesto por 181 ovejas raza Manchega, destinadas a leche, había 93 ovejas multíparas y 88 primíparas y los partos se repartieron entre el último trimestre de 2017 y el primer trimestre de 2018. Se nos informó que ningún animal había sufrido estrés metabólico a nivel clínico. De las muestras de sangre se extrajeron las concentraciones de los metabolitos escogidos: glucosa, ß-hidroxibutirato, NEFA, T3, insulina y leptina. También se registraron las condiciones corporales de los animales con el método de palpación (valoración 1 a 5). Por otro lado, se tomaron muestras de leche de cada animal y se llevaron a analizar para obtener su espectro MIR. Los ovejas multíparas y primíparas mostraron diferencias en la concentración de metabolitos en sangre, particularmente en T3, ß-hidroxibutirato y glucosa, que fueron mayores en glucosa y T3 en primíparas y ß-hidroxibutirato en multíparas. Ajustando un modelo PLS-DA usando los metabolitos como predictores, se consiguió discriminar entre multíparas y primíparas con un error de clasificación del 35% en validación cruzada. Los metabolitos que más peso tienen en la componente son el T3, el ß-hidroxibutirato y la glucosa. Se ajustaron 3 modelos PLS para intentar predecir estos 3 metabolitos en sangre usando el espectro MIR de la leche como predictor. La glucosa mostro los mejores resultados, con una predicción del 30,7% y de 25,2% en validación cruzada. Sin embargo, el modelo PLS, que tenía una predicción del 26,4% y 32,3% para T3 y ß-hidroxibutirato, solo mostró una capacidad de predicción en validación cruzada de 2,8% para T3 y 1,3% para ß-hidroxibutirato, probablemente debido a un sobre ajuste generado por la falta de datos Se puede concluir que, tras haber diferencias significativas entre diferentes metabolitos para primíparas y multíparas, si se podría llegar a discernir entre estos dos grupos, pero no se podrían hacer buenas predicciones de los metabolitos a partir de los valores MIR dado que no tenemos un modelo que ajuste bien.

[EN] Metabolic stress in ruminants presents average clinical diagnostic values of approximately 10% and subclinical values of nearly 50%. Generally, untreated cases of metabolic stress lead to clinical cases, known as pregnancy toxemia. Pregnancy toxemia has a high mortality rate for both mothers and lambs. The onset of this condition usually occurs in the middle of gestation but intensifies when there are only six weeks left until parturition. By the time a clear diagnosis is reached, treatment is often no longer cost-effective. Ideally, the problem should be addressed through proper nutritional management weeks in advance. This thesis has two objectives. The first is to identify blood biomarkers for mobilization of reserves or metabolic stress in pregnant sheep, both primiparous and multiparous. The second objective is to explore the potential use of MIR technology on milk samples, commonly collected during milk controls, to predict these biomarkers. Blood metabolite data were collected a few weeks before parturition, while MIR milk data were collected at the beginning of lactation. The experimental group consisted of 181 Manchega breed sheep destined for milk production, including 93 multiparous and 88 primiparous sheep. The births occurred between the last quarter of 2017 and the first quarter of 2018. We were informed that none of the animals had experienced clinical metabolic stress. Concentrations of selected metabolites, including glucose, ß-hydroxybutyrate, NEFA, T3, insulin, and leptin, were extracted from blood samples. The animals' body conditions were also recorded using palpation (rating from 1 to 5). Additionally, milk samples were taken from each animal and analyzed to obtain their MIR spectra. Multiparous and primiparous sheep showed differences in blood metabolite concentrations, particularly in T3, ß-hydroxybutyrate, and glucose, which were higher in glucose and T3 for primiparous sheep and ß-hydroxybutyrate for multiparous sheep. By adjusting a PLS-DA model using the metabolites as predictors, discrimination between multiparous and primiparous sheep was achieved with a cross-validated classification error of 35%. The metabolites with the most weight in the component were T3, ß-hydroxybutyrate, and glucose. Three PLS models were adjusted to try to predict these three blood metabolites using MIR milk spectra as predictors. Glucose showed the best results, with a prediction of 30.7% and 25.2% in cross-validation. However, the PLS model, which had a prediction of 26.4% and 32.3% for T3 and ß-hydroxybutyrate, respectively, only showed a cross-validated prediction capacity of 2.8% for T3 and 1.3% for ß-hydroxybutyrate, likely due to overfitting caused by a lack of data. In conclusion, although significant differences in metabolites between primiparous and multiparous ewes were observed, accurate predictions of metabolites based on MIR values could not be made due to the lack of a well-fitting model.