Selezione per i caratteri di resilienza. Parte 1: una questione di approccio

Spesso sentiamo parlare di resilienza. Questo concetto viene spesso applicato alla nostra persona o alla società in cui viviamo. Ebbene, questo concetto può essere applicato anche agli animali in produzione zootecnica.

Il concetto di resilienza è stato prima introdotto da Holling nel 1973 per lo studio degli ecosistemi e quindi fuori dal campo della zootecnica. Secondo Holling, la resilienza si riferisce alla capacità di un sistema di assorbire e ammortizzare un elemento di disturbo, di adattarsi ai cambiamenti, senza alterare le sue funzioni essenziali.

Quindi, si avrebbero sia azioni di disturbo sia una capacità di mantenere le funzioni essenziali, di non mostrare cambiamenti alla propria fisiologia. Implica quindi dei meccanismi adattativi, che si attivino al momento necessario per mantenere inalterati l’organismo e la sua funzionalità.

Questi meccanismi differenzierebbero la resilienza dalla stabilità, intesa come il ritorno all’equilibrio iniziale dopo una perturbazione. Infatti, la resilienza evidenzia la capacità di un organismo di adattarsi rapidamente e continuare a funzionare sotto stress, senza mostrare particolare perturbazione.

Tali meccanismi differenziano la resilienza anche dalla resistenza, che invece è definita semplicemente come la capacità di esercitare il controllo sul disturbo, riducendo quindi il risultato di tale perturbazione senza mettere in atto un meccanismo adattativo. Di definizioni ce ne sono state molte, e spesso sono adattabili più a un contesto ecologico che strettamente zootecnico.

Le produzioni animali sono caratterizzate da una complessità biologica probabilmente ridotta, se confrontata a quella di un intero ecosistema, ma con altri fattori (economici, sociali, ecc.) che possono comunque portare un allevamento ad essere un sistema molto complesso.

Quindi, prima di tutto, per poter analizzare la resilienza di un animale e quindi poter usare questa misura come fenotipo nel contesto del miglioramento genetico, c’è bisogno di definire la resilienza come concetto (vedi sopra) ma anche di definire un approccio di misurazione che ci permetta di misurarla.

In produzione zootecnica, le misure che più facilmente possiamo raccogliere riguardano gli output produttivi: quantità di latte, accrescimento corporeo, numero di uova. Il sistema di raccolta dati zootecnico ha prima affrontato questo problema: come misurare gli output della produzione. Viene da sé che oggi abbiamo molti sistemi di raccolta dati per tali output che sono anche molto efficaci.

Secondariamente, si è passati a misurare gli input: prima di tutte l’ingestione di alimenti. E qui, si sono iniziate a vedere delle differenze tra i vari settori e le specie allevate, con i sistemi produttivi dei monogastrici che hanno superato di molto i ruminanti nella possibilità di misurare l’ingestione di alimento, in maniera accurata e precisa. Ormai sono molti i sistemi che permettono la registrazione dell’ingestione di mangime su base giornaliera o anche oraria per ogni suino.

Tali sistemi misurano in maniera precisa ogni “evento” di visita del suino all’autoalimentatore, inclusa l’ingestione di alimento. Questo permette di valutare anche il comportamento alimentare degli animali, che si è visto essere legato al suo metabolismo e all’accrescimento: animali a rapida crescita di tessuto magro fanno pochi pasti e molto abbondanti, animali a crescita più lenta e con la tendenza a deporre grasso fanno molti più pasti di maggiore entità. Poi, si è anche visto come questo comportamento alimentare fosse legato ai caratteri di resilienza: maggiore la stabilità del numero di pasti giornalieri, maggiore la salute dell’animale.

Nei ruminanti, la registrazione dell’ingestione alimentare non ha avuto purtroppo lo stesso successo. Tuttavia, la zootecnia da latte è riuscita comunque a puntare sulla raccolta dati dell’output principale: il latte. Qui, una miriade di sensori sono stati messi a disposizione dell’allevatore e installati in sale e robot di mungitura. D’altra parte, la vacca in lattazione viene munta (almeno) due volte al giorno, quindi questi “eventi” rappresentano un’ottima occasione per valutare lo stato di salute della bovina semplicemente analizzando il latte.

Si capisce come la raccolta di dati precisi e puntuali sia necessaria e indispensabile per andare definire la resilienza dei singoli animali. Ora entra in gioco la misurazione vera e propria della “resilienza”. Anzi, le misurazioni. Queste sono almeno due e seguono due approcci diversi.

Il primo, definibile come approccio “black-box”, si limita a valutare la stabilità di un certo parametro per un certo animale. Il parametro verrebbe misurato in vari “eventi”, e verosimilmente coincide con la misurazione di un output (ad esempio, la quantità di latte per una vacca).

Nell’esempio riportato in figura 1, vediamo la produzione di latte di due vacche, di genotipo diverso, A e B. Queste potrebbero essere vacche di razze diverse, ma anche vacche diverse della stessa razza, purché geneticamente differenti. Sull’asse delle y possiamo valutare la produzione ad ogni singolo evento, rappresentato dalla proiezione dei punti sull’asse.

Figura 1 – Rappresentazione grafica dell’approccio “black-box” per lo studio della resilienza. L’asse delle y riporta la produzione di latte, i punti riportano le singole registrazioni di quantità di latte prodotto, dalla vacca A (in blu) e dalla vacca B (in verde), le rette orizzontali riportano la produzione media per ciascuna vacca.

Le due linee orizzontali, dello stesso colore dei punti, rappresentano la media delle produzioni, per ogni vacca. Ci sono cinque punti per vacca, e si assume che le condizioni ambientali siano cambiate per ognuno dei punti, senza però avere informazione alcuna riguardo a tali condizioni ambientali. Facilmente possiamo vedere come la produzione media della vacca A sia maggiore di quella della vacca B. Questo è quello che si considererebbe nelle valutazioni genetiche ordinarie, ovvero la produzione media (aggiustata per gli effetti ambientali) di un individuo.

Possiamo anche vedere come la vacca A mostri una maggiore dispersione rispetto alla vacca B: nel primo caso i vari punti sono meno vicini alla rispettiva media. Seconto questo approccio “black-box”, la vacca A sarebbe meno resiliente della vacca B. Dati i cinque punti per ogni vacca che si assumono essere stati generati sotto cinque diverse condizioni ambientali, tali condizioni ambientali hanno generato del “disturbo”, tanto che la singola produzione avrebbe oscillato. Senza però, comunque, sapere niente delle condizioni ambientali stesse.

Secondo questo approccio, la vacca A è da considerarsi come meno resiliente, perché la propria produzione oscilla di più rispetto alla sua stessa media. Tale produzione oscillerebbe come conseguenza delle condizioni ambientali che cambiano, ma i due diversi organismi riuscirebbero a mantenere la stabilità della produzione in modo diverso. L’approccio “black-box” misura quindi le oscillazioni nella produzione di una vacca. Minori le oscillazioni, minore sarebbe la tendenza di una vacca ad essere influenzata da tale instabilità delle condizioni ambientali, e quindi maggiore sarebbe la resilienza. Questo, senza sapere niente di tali condizioni ambientali: un approccio a “scatola chiusa”, quindi. Una “black-box”.

Il secondo approccio si può definire “white-box”, quindi a “scatola aperta”. Apriamo la scatola e vediamo come la resilienza possa essere definita e misurata in maniera più chiara. Per aprire tale scatola abbiamo però bisogno di informazioni, che devono descrivere le condizioni ambientali che generavano il disturbo di cui sopra. Queste informazioni possono essere di varia natura e le vedremo in articoli che seguiranno, per ora limitiamoci a considerare queste condizioni ambientali come potenziali generatrici di “stress”.

Figura 2 – Rappresentazione grafica dell’approccio “white-box” per lo studio della resilienza. L’asse delle y riporta la produzione di latte, l’asse delle x riporta il livello di stress a cui le vacche sono sottoposte, i punti riportano le singole registrazioni di quantità di latte prodotto, dalla vacca A (in blu) e dalla vacca B (in verde), le rette inclinate (norme di reazione) riportano l’andamento medio delle produzioni delle singole vacche all’aumentare dello stress.

Nella figura 2, infatti, vediamo che è stata aggiunta l’asse delle x, dove si riportano quattro livelli di stress, ad aumentare: 1) “Comfort”, qui l’animale gode delle migliori condizioni ambientali, le più consone alla propria fisiologia; 2) “It’s ok”, qui l’animale sta sempre bene, ma le condizioni non sono esattamente le migliori; 3) “Some stress”, qui l’animale percepisce delle condizioni di disagio fisico, come un lieve stress da caldo o una dieta non perfettamente bilanciata; 4) “Stress”, qui l’animale è sotto stress, ovvero ci sono delle condizioni ambientali che non sono quelle adatte alla propria fisiologia, queste possono essere date da forte stress da caldo o da una dieta che non supporti i fabbisogni dell’animale.

I punti che riportano la produzione delle due vacche ed erano prima impilati, ora sono distribuiti in maniera da apparire in corrispondenza dei vari livelli di stress. Mentre i punti rimangono nella stessa corrispondenza rispetto all’asse delle y, ovvero la registrazione delle singole produzioni non è cambiata, ora vediamo come l’informazione riguardo allo “stress” riportata sull’asse delle x ci permetta di vedere le cose da una prospettiva diversa. L’approccio “white-box” si basa sulla quantificazione del livello di stress sotto il quale le produzioni dei singoli animali vengono registrate. Grazie a questa quantificazione si può apprezzare quanto sia più preciso.

La dispersione dei vari punti che vedevamo con l’approccio “black-box” ha ora trovato un senso: era data dallo stress a cui potevano essere sottoposte le vacche. Vediamo che la vacca A, che aveva maggiore produzione media e maggiore dispersione, ora ha la produzione più alta in condizioni di Comfort, vede un maggiore declino quando le condizioni vanno verso lo “Stress”. La vacca A appariva infatti come meno resiliente anche secondo l’approccio “black-box”. La vacca B, invece, ha la produzione più bassa di A sotto condizioni di “Comfort”, ma riesce a mantenerla anche andando verso condizioni di “Stress”. La vacca B, infatti, appariva come più resiliente.

Nell’approccio “black-box” non ci sono informazioni ambientali disponibili, e per questo non vengono usate. Nell’approccio “white-box”, ci sono delle informazioni ambientali disponibili e vengono quindi usate. Nel primo caso, è la dispersione dei punti intorno alla media ad indicarci la resilienza dell’animale: maggiore dispersione suggerisce maggior suscettibilità agli stress ambientali, e quindi minor resilienza. Nel secondo caso, è il cambiamento delle produzioni della singola vacca e dato dagli stress ambientali, maggior declino rispetto alle condizioni di Comfort suggerisce maggior suscettibilità agli stress ambientali, e quindi minor resilienza.

Tale cambiamento delle produzioni dato dal variare delle condizioni ambientali fu definito dal Prof. Woltereck come “norma di reazione” (reaction norm), perché indica come un dato genotipi “reagisca” alle condizioni ambientali che peggiorano.

I due approcci hanno dato risultati equivalenti negli esempi proposti, ma la realtà degli allevamenti è ben più complessa. In generale, l’approccio “white-box” ha saputo dare risultati più promettenti, come ci si poteva immaginare. Ma questo approccio ha “fame di dati”: ha bisogno di molte informazioni ambientali, accurate e precise. E quindi entra il gioco la zootecnia di precisione, che ci sa fornire i dati necessari. Questi vanno però integrati nelle procedure di valutazione genetica.

Nei prossimi articoli affronteremo dei casi pratici in cui tali dati possano essere integrati con successo, e altri casi che invece richiedono ancora lavoro. La strada è ancora lunga, ma le opportunità offerte dalla “Zootecnia 4.0” sono decisamente invitanti.