O FUTURO DO MELHORAMENTO GENÉTICO DE SUÍNOS

 

Desde o início do processo de domesticação, suínos tem sido adaptados para atender às necessidades do homem. Inicialmente, o processo de seleção dos animais que dariam origem às próximas gerações era realizada de forma intuitiva, sem nenhum critério científico e com foco em características como a docilidade e tamanho corporal (MERKS, 2000). Com o início da revolução industrial, os criadores de suínos na Europa observaram que seria benéfico para seus rebanhos combinar características de raças asiáticas (espessura de toucinho e tamanho de leitegada) com características de suas raças européias (tamanho corporal) (WHITE, 2011). Neste período houve um intenso fluxo de animais asiáticos para a Europa para que estes fossem cruzados com animais de raças européias, o que resultou na base genética que é encontrada nas raças comerciais de suínos atuais (AMILLS et al., 2010). Portanto, a partir da revolução industrial a seleção dos melhores reprodutores foi intensificada. Porém, um notável progresso genético só foi observado nas últimas décadas graças aos avanços em genética quantitativa e de populações, com destaque para a aplicação do BLUP (melhor preditor linear não-viesado) para predição de valores genéticos. Recentemente, com a incluso de informação genômica nas avaliações genéticas, espera-se que o progresso genético seja ainda maior e mais rápido. E diante de tantos avanços, um dos principais desafios para os programas de melhoramento é utilizar todas essas inovações tecnológicas para aumentar a eficiência de produção. Esta eficiência pode ser medida como a relação entre a quantidade de insumos que entram e quantidade de proteína animal que sai da mesma granja. Portanto, características como eficiencia alimentar e número de leitões desmamados/porca/ano continuarão tento um papel fundamental no futuro próximo dos programas de melhoramento. O objetivo deste estudo é fazer uma breve reflexão a respeito do presente e futuro do melhoramento genético de suínos, com o foco nos desafios e oportunidades para uma melhoria da eficiência de produção.

 

 

O uso de informação genômica nas avaliações genéticas é sem dúvida a principal marca da atual fase do melhoramento genético de suínos. Seleção genômica foi idealizada por MEUWISSEN et al. (2001) e consiste na estimação de valores genéticos com o auxílio de marcadores genéticos do tipo SNP (polimorfismo de base única) espalhados por todo o genoma. Embora existam varias metodologias diferentes, o objetivo é sempre o mesmo: estimar valores genéticos genômicos. A metodologia mais amplamente utilizada por programas de melhoramento de suínos é o chamado “single-step” (LEGARRA et al., 2009; MISZTAL et al., 2009; CHRISTENSEN e LUND, 2010). Com esta metodologia, as informações fenotípicas, genômicas e de pedigree são utilizadas simultáneamente no BLUP para se estimar os valores genéticos a serem utilizados como critério de seleção. Na prática, a diferença entre o BLUP tradicional e o single-step está na matriz de parentesco que é utilizada. No BLUP tradicional, faz-se o uso da matriz de parentesco baseado somente em informações de pedigree. No single-step, o parentesco genômico (estimados utilizando SNPs) é utlizado para os animais genotipados, enquanto o parentesco baseado no pedigree é utilizado para os animais não-genotipados. Uma das maiores vantagens da aplicação dos modelos genômicos como o single-step, é que é possível levar e consideração a segregação Mendeliana para diferenciar animais da mesma leitegada (diferentes valores genéticos) logo após o nascimento, enquanto que baseado no BLUP tradicional, todos os animais de uma mesma leitegada terão exatamente o mesmo valor genético (média do valor genético de seus pais) até que eles possuam informações fenotípicas próprias ou de sua progênie (LOPES et al., 2013). Portanto, com o uso da informação genômica é possível estimar um valor genético mais acurado para os candidatos à seleção logo após o nascimento.

 

Outra importante ferramenta molecular é a identificação de genes ou regiões genômicas que afetam características de interesse. Utilizando milhares de marcadores do tipo SNP, centenas de locos de características quantitativas (QTL) tem sido identificados para características como: tamanho de leitegada, eficiência alimentar, número de tetas, dentre outras. A maior parte destes QTL estão descritos no PigQTLdb (http://www.animalgenome.org/QTLdb/pig.html). Um exemplo interessante é o QTL para número de tetas identificado no cromossomo 7 (DUIJVESTEIJN et al., 2014; LOPES et al., 2014). Nesta mesma região genômica, um estudo anterior identificou um QTL para o número de vértebras torácicas, uma característica que apresenta correlação genética positiva com número de tetos e comprimento de carcaça (MIKAWA et al., 2011). Portanto, utilizando o QTL desta região do cromossomo 7 na seleção de reprodutores seria possível melhorar a habilidade materna, graças ao incremento no número de tetas, e aumentar a produção de carne de animais de terminação, devido ao aumento do comprimento de carcaça acarretado pelo aumento no número de vértebras.

 

Em resumo, os resultados alcançados com o auxílio da genômica tem proporcionado um melhor entendimento dos mecanismos biólogicos que envolvem as características de interesse econômico. Com o sequenciamento de todo o genoma de suínos, espera-se que a seleção genômica avance ainda mais, já que com isso, espera-se ser possível identificar as mutações causais relacionadas aos QTL até aquí identificados. Uma vez identificadas, estas mutações causais podem ser utilizadas como ferramentas para auxiliar na predição de valores genéticos genômicos ainda mais acurados. Além disso, em um futuro próximo, com a incorporação de informação genômica em modelos estatísticos que consideram a interação genótipo x ambiente (GxE), será possível realizar uma seleção de reprodutores de acordo com as especifidades de cada ambiente (BASTIAANSEN et al., 2014; SILVA et al., 2014). Portanto, importantes avanços tem sido obtidos no campo da genômica nos últimos anos, porém, muitos estudos ainda estão em desenvolvimento e contribuirão ainda mais para o avanço desta importante ferramenta para o futuro do melhoramento de suínos.

 

 

Poucos anos atrás, uma das principais perguntas que se ouvia no planejamento de um programa de melhoramento focado nas linhas puras era “quais animais debemos genotipar?”. Porém, mais recentemente o questionamento é: “quais animais devemos fenotipar?”. E diferentes fatores tem contribuído para isso. A genotipagem de animais das granjas núcleo hoje em dia é um atividade de rotina. Nos últimos anos, com os rápidos avanços da genômica, o custo da genotipagem tem diminuído rapidamente, o que tem facilitado a aplicação desta técnica nos programas de melhoramento. Porém, no caminho oposto seguem os custos para fenotipagem devido ao crescente aumento do custo da mão-de-obra e devido à recente especilização da fenotipagem. Para se obter fenótipos cada vez mais precisos, a aplicação de técnicas como o uso de comedouros automáticos para controle de consumo (eficiência alimentar), o uso de câmeras de vídeo para análises de comportamento e a tomografia computadorizada (CT) e imagens de resonância magnética (MRI) para avaliar características de carcaça (Figure 1) tem sido introduzidas nos programas de melhoramento. Como essas técnicas ainda são relavivamente novas nos programas de melhoramentos, os custos ainda são bastante elevados. Devido a estes custos, nem todos os animais das granjas núcleos são avaliados, e portanto, é preciso traçar uma estratégia para se avaliar os animais que melhor representam o plantel para que estes sejam selecionados para a fenotipagem.

 

 

Figure 1. Exemplo the imagens de tomografia computadorizada que são utilizadas para avaliar características de carcaça. Foto: Jørgen Kongsro, Norsvin, Noruega.

 

 

Atualmente, o termo big data (grande volume de dados) está presente em vários campos de pesquisa como medicina humana e também nos programas de melhoramento de animais domésticos. Nos programas de melhoramento, com o uso de técnicas como o CT, MRI e a genotipagem de milhares de animais para dezenas ou centenas de milhares de marcadores SNPs ou até mesmo o sequenciamento de todo o genoma, o volume de dados tem crescido muito (e muito rápido). Embora estes dados auxiliem no progresso genético, eles também representam um desafio para os programas de melhoramento: 1) como armazená-los e 2) como analizá-los. Diante isto, gigantes da informática como o Google, tem visto no big data uma grande oportunidade de negócio e tem oferecido oportunidades de armazenar e também analizar estes dados: Google Cloud Platform (https://cloud.google.com/solutions/bigdata/). Na Holanda, empresas de melhoramento (Topigs Norsvin, Hendrix Genetics, CRV e Cobb-Vantress) tem encontrado um caminho próprio para lidar com os desafios e se beneficiarem do big data por meio de uma iniciativa público-privada em parceria com a Universidade de Wageningen: consórcio Breed4Food (http://breed4food.com/, NAPEL & VEERKAMP, 2015). Um dos objetivos do Breed4Food, que de fato já foi atingido, é o estabelecimento de uma plataforma própria de informática que permite aos seus parceiros otimizar o armazenamento e a análise de um grande volume de dados fenotípicos e genotípicos. Portanto, big data já é uma realidade em programas de melhoramento e em futuro próximo contribuirá ainda mais para o progresso genético. Como a ampliação do uso do big data, haverá também uma mudança do perfil dos profissionais atuantes nos programas de melhoramento. Zootecnistas e veterinários, por exemplo, continuarão tendo um papel de destaque, mas profissionais como os bioinformatas também terão um papel importante no futuro próximo dos programas de melhoramento.

 

 

Como já discutido anteriormente, um dos principais desafios para o futuro dos programas de melhoramento de suínos será atender as necessidades do mercado de suínos aumentando a eficência de produção. Porém, outro importante desafio será atender às crescentes demanadas da sociedade em termos de bem-estar animal e sustentabilidade. Portanto, redução da emissão de poluentes (por exemplo fósforo), uso restrito de antibióticos, o fim da castração e a alocação dos animais em grandes baias coletivas serão alguns pontos importantes a serem considerados por programas de melhoramento. Diante disso, a seleção de animais capazes de metabolizar mais eficientemente o fósforo da ração poderá ser um importante fator nos futuros índices de seleção. Com relação ao uso restrito de antibióticos, a seleção de animais resistentes ou resilientes à doenças também deverão ser amplamente explorada, e já tem sido objeto de estudo utilizando métodos tradicionais de seleção e também de seleção genômica (BODDICKER et al., 2012; MATHUR, 2014; HERRERO-MEDRANO et al., 2015). Com a pressão para o fim da castração, principalmente na Europa (onde a castração será proibida a partir de 1 de janeiro de 2018), uma alternativa para se evitar carcaças com o cheiro de varrão é a castração química. No entanto, o uso da castração química implica em maiores custos de produção. Porém, recentemente tem sido demonstrado que é possível reduzir a incidência do cheiro de varrão por meio da seleção genética (MATHUR et al., 2013), o que implica em diminuição dos custos (comparado ao uso da castração química) e consequentemente em um aumento da eficiência de produção. A alocação de animais em grandes baias coletivas (group-housing) é outro ponto que vem ganhado força quando o assunto é bem-estar animal e isso terá implicações diretas não só para os programas de melhoramento, mas também para os produtores de suínos em geral. Para os programas de melhoramento isso será um desafio especial devido às dificuldades de se medir características individuais como eficiência alimentar. Diante disto, o uso de comedouros automáticos controlados por chips implantados em cada animal será fundamental para o futuro sucesso da seleção para eficiência alimentar. Utlizando-se tais chips e os comedouros automáticos, é possível coletar informações de consumo, controlar a quantidade de ração que será disponilizada diariamente para cada animal e até mesmo o uso de dietas diferenciadas de acordo com a necessidade ou fase de gestação de cada animal.

 

 

Por fim, é importante discutir também a respeito de um nova tecnologia que promete revolucionar o futuro do melhoramento animal: a edição gênica. Está técnica da engenharia genética consiste na inserção, substituição ou remoção fragmentos de DNA do genoma por meio da utilização das chamadas “tesouras moleculares”. Na prática, isso significa que os engenheiros genéticos poderiam modificar o genoma dos animais de acordo com o objetivo de produção. A edição génica ainda é uma técnica pouco conhecida e não é aplicada em prática por programas de melhoramento. Porém, já existem alguns estudos que relatam o uso com sucesso desta técnica em suínos. Por exemplo, recentemente foi publicado um estudo (CYRANOSKI, 2015) que descreve a obtenção de suínos com musculatura dupla com edição de um único gene. É importante ressaltar também que a edição gênica não é trangênese (onde fragmentos de DNA de uma espécie é incluída no genoma de outra éspecie). Mas mesmo não obtendo um suíno trangênico, é provável que esta técnica sofra resistência por parte da sociedade, já que ainda não se sabe se esta técnica poderia implicar em algum “efeito colateral”.

 

 

Nas últimas décadas os programas de melhoramento tem passado por varias transformações graças ao desenvolvimento de novas tecnologias que tem contribuído e muito para a obtenção de um rápido progresso genético. O futuro do melhoramento genético de suínos estará focado na eficiência produtiva e características tradicionais como número de leitões desmamados/porca/ano e eficiência alimentar ainda prevalecerão entre os objetivos de seleção. Porém, as demandas da sociedade em relação ao bem-estar animal e sustentabilidade terão cada vez mais espaço entre as prioridades dos programas de melhoramento.

 

1. AMILLS, M.; CLOP, A.; RAMÍREZ, O.; PÉREZ-ENCISO, M. Origin and genetic diversity of pig breeds. In: (Ed.). Encyclopedia of life sciences. Chichester: John Wiley & Sons, 2010.

2. BASTIAANSEN, J.; BOVENHUIS, H.; LOPES, M.; SILVA, F.; MEGENS, H.; CALUS, M. SNP effects depend on genetic and environmental context. Proceedings of the 10th World Congress of Genetics Applied to Livestock Production, 2014.

3. BODDICKER, N.; WAIDE, E.; ROWLAND, R.; LUNNEY, J.; GARRICK, D.; REECY, J.; DEKKERS, J. Evidence for a major QTL associated with host response to porcine reproductive and respiratory syndrome virus challenge. Journal of animal science, v. 90, n. 6, p. 1733-1746, 2012.

4. CHRISTENSEN, O. F.; LUND, M. S. Genomic prediction when some animals are not genotyped. Genet Sel Evol, v. 42, n. 2, p. 1-8, 2010.

5. CYRANOSKI, D. Super-muscly pigs created by small genetic tweak. Nature, v. 523, n. 7558, p. 13, 2015. 

6. DUIJVESTEIJN, N.; VELTMAAT, J. M.; KNOL, E. F.; HARLIZIUS, B. High-resolution association mapping of number of teats in pigs reveals regions controlling vertebral development. BMC genomics, v. 15, n. 1, p. 542, 2014.

7. HERRERO-MEDRANO, J.; MATHUR, P.; NAPEL, J. t.; RASHIDI, H.; ALEXANDRI, P.; KNOL, E.; MULDER, H. Estimation of genetic parameters and breeding values across challenged environments to select for robust pigs. Journal of Animal Science, v. 93, n. 4, p. 1494-1502, 2015.

8. LEGARRA, A.; AGUILAR, I.; MISZTAL, I. A relationship matrix including full pedigree and genomic information. Journal of Dairy Science, v. 92, n. 9, p. 4656-4663, 2009.

9. LOPES, M. S.; BASTIAANSEN, J. W.; HARLIZIUS, B.; KNOL, E. F.; BOVENHUIS, H. A genome-wide association study reveals dominance effects on number of teats in pigs. PLoS ONE, v. 9, n. 8, p. e105867, 2014.

10. LOPES, M. S.; SILVA, F. F.; HARLIZIUS, B.; DUIJVESTEIJN, N.; LOPES, P. S.; GUIMARÃES, S. E.; KNOL, E. F. Improved estimation of inbreeding and kinship in pigs using optimized SNP panels. BMC genetics, v. 14, n. 1, p. 92, 2013.

11. MATHUR, P. Genetic selection for disease resistance and tolerance in pigs using reproduction records. 10th World Congress on Genetics Applied to Livestock Production, 2014, Asas.

12. MATHUR, P.; TEN NAPEL, J.; CRUMP, R.; MULDER, H.; KNOL, E. Genetic relationship between boar taint compounds, human nose scores, and reproduction traits in pigs. Journal of animal science, v. 91, n. 9, p. 4080-4089, 2013.

13. MERKS, J. W. One century of genetic changes in pigs and the future needs. BSAS occasional publication, p. 8-19, 2000. ISSN 1463-9815.

14. MEUWISSEN, T.; HAYES, B.; GODDARD, M. Prediction of total genetic value using genome-wide dense marker maps. Genetics, v. 157, n. 4, p. 1819-1829, 2001.

15. MIKAWA, S.; SATO, S.; NII, M.; MOROZUMI, T.; YOSHIOKA, G.; IMAEDA, N.; YAMAGUCHI, T.; HAYASHI, T.; AWATA, T. Identification of a second gene associated with variation in vertebral number in domestic pigs. BMC genetics, v. 12, n. 1, p. 5, 2011.

16. MISZTAL, I.; LEGARRA, A.; AGUILAR, I. Computing procedures for genetic evaluation including phenotypic, full pedigree, and genomic information. Journal of Dairy Science, v. 92, n. 9, p. 4648- 4655, 2009.

17. NAPEL, J.; VEERKAMP, R. The Dutch national breeding programmes have developed to major globally operating companies. Journal of Animal Breeding and Genetics, v. 132, n. 3, p. 205-206, 2015.

18. SILVA, F.; MULDER, H.; KNOL, E.; LOPES, M.; GUIMARÃES, S.; LOPES, P.; MATHUR, P.; VIANA, J.; BASTIAANSEN, J. Sire evaluation for total number born in pigs using a genomic reaction norms approach. Journal of animal science, v. 92, n. 9, p. 3825-3834, 2014.

19. WHITE, S. From globalized pig breeds to capitalist pigs: a study in animal cultures and evolutionary history. Environmental History, v. 16, n. 1, p. 94-120, 2011.