Un allele per domarli tutti: i geni maggiori

Capita sempre più spesso, nelle riunioni di consiglio di un’associazione di razza, di sentirsi rivolgere le domande:

“Ma è possibile genotipizzare le caseine per i tori?”, oppure “Dobbiamo cominciare a fare il test per la k-caseina, l’altra associazione lo fa?”

La spinta non viene quasi mai dal genetista dell’associazione ma quasi sempre da tendenze di mercato o mode del momento. È una situazione che vale la pena raccontare con onestà, perché la risposta tecnica non è “sì, sempre” né “no, mai”. Dipende dal gene, dall’effetto biologico, dalla razza e, soprattutto, da cosa si sta già facendo in selezione genetica. Per questo, in questo articolo, proviamo a mettere ordine.

Cos’è un “gene maggiore” (e perché non è sinonimo di “gene importante”)

La genetica quantitativa moderna parte da un assunto che vale la pena richiamare: la maggior parte dei caratteri di interesse zootecnico (latte, accrescimento, fertilità, qualità della carne) è controllata da centinaia o migliaia di varianti, ognuna con un effetto piccolo. È il cosiddetto modello infinitesimale, alla base della selezione BLUP tradizionale e di tutto quello che usiamo da decenni (Henderson, 1975; Meuwissen et al., 2001). I caratteri si comportano in modo “rumoroso”, con distribuzioni continue, ereditabilità intermedie e una progenie che “assomiglia un pò a tutti”.

Ogni tanto, però, dentro questa nuvola di tanti piccoli effetti, salta fuori un locus che fa una differenza enorme. Una mutazione capace di togliere o aggiungere mezza deviazione standard fenotipica (o anche più) al carattere. È questo, in pratica, che chiamiamo gene maggiore: un singolo locus il cui effetto svetta nettamente sopra il rumore poligenico, al punto da essere visibile a occhio nudo (la doppia coscia del Piemontese), o da generare classi fenotipiche discrete (resistenza allo scrapie, assenza corna).

Attenzione, però: “gene maggiore” non significa “gene importante”. La k-caseina è importantissima per la mozzarella, ma il suo effetto sulle rese, quantitativamente, è dello stesso ordine di grandezza di tante altre varianti distribuite nel genoma. È una distinzione che torna utile più avanti. Immaginate un’auto sportiva potente: il motore è sicuramente la cosa più importante, ma la guidereste senza manubrio? O senza sedile?

Un piccolo bestiario zootecnico

Per non procedere in modo troppo astratto, la tabella sotto raccoglie i geni maggiori più noti nelle nostre specie di interesse, con una stima qualitativa dell’effetto e qualche caso d’uso. Non è esaustiva: i loci validati in letteratura sono molti di più, ma questi sono quelli che più frequentemente arrivano sulla scrivania di un’associazione.

Il punto dolente: cosa cambia con la selezione genomica?

Qui veniamo al cuore del discorso. Negli anni ’90 e nei primi 2000, quando si parlava di gene maggiore, si parlava davvero di marker assistito: si genotipizzavano uno o due SNP, magari con PCR-RFLP, e quell’informazione entrava nelle decisioni in modo isolato. Aveva senso: non c’era altro. Oggi lo scenario è cambiato in modo profondo, e questo modifica la valutazione costi/benefici di un test puntuale.

Quando una popolazione è entrata in selezione genomica — cioè quando una quota significativa di animali viene genotipizzata (gli animali sono analizzati per più di 50.000 o più marcatori, comprese le caseine!) — succede un fatto tecnicamente molto rilevante: anche se il singolo SNP funzionale del gene maggiore non è fisicamente presente sul chip, di norma è in forte linkage disequilibrium (figura 1), ovvero è talmente vicino a uno dei marcatori genomici da poter essere identificato indirettamente senza analizzarlo direttamente.

Il risultato è che il modello GBLUP, o single-step ssGBLUP, già “vede” quella regione e ne incorpora l’effetto nel valore genomico stimato, senza bisogno di alcun test aggiuntivo.

È un punto poco intuitivo ma fondamentale. Detto in modo “da stalla”: se la regione che ospita la k-caseina è coperta da venti o trenta SNP del chip distanti pochi kb da CSN3, l’informazione sulle varianti AA/AB/BB — pur non essendo letta direttamente — è contenuta nei marker vicini, perché quei marker vengono ereditati insieme in blocchi (aplotipi).

Quando aggiungo il fenotipo (es. resa di mozzarella) alla mia base dati, la matrice G distribuisce l’effetto su quei marker e la valutazione genomica restituisce già un EBV che ne tiene conto. Aggiungere il test puntuale, in un quadro del genere, restituisce poca informazione marginale (e quindi poco vantaggio decisionale), perché quasi tutta l’informazione era già stata catturata.

Questo non vale per tutti i geni e non vale sempre. Ci sono almeno tre situazioni in cui la cosa cambia: quando l’effetto del locus è così grande da richiedere una decisione binaria (accoppiare o non accoppiare, classificare l’animale in una categoria di rischio).

Quando il test puntuale ha senso e quando aggiunge poco

Prima dei casi, una sintesi operativa. La griglia sotto raccoglie i criteri da usare prima di rispondere a un consiglio di amministrazione.

Caso 1 – Le caseine nel Bufalo Mediterraneo: il classico esempio di “poco da aggiungere”

Il Bufalo Mediterraneo Italiano è oggi sottoposto a selezione genomica con chip ad alta densità (Axiom Buffalo, circa 90K marcatori). Le valutazioni migliorano l’accuratezza per i tori giovani e anticipano la scelta delle madri di toro rispetto alla scelta fatta solo con il pedigree.

Vale la pena chiedere la genotipizzazione mirata delle caseine CSN1S1, CSN2, CSN3, varianti più volte caratterizzate nella specie (Cosenza et al., 2007; Pauciullo et al., 2012; Cosenza et al., 2017)?

È vero che le varianti hanno effetti biologici noti sulla composizione caseinica e quindi, potenzialmente, sulla resa casearia.

È anche vero che si tratta di effetti quantitativamente modesti rispetto alla variabilità totale del fenotipo “resa”, dominata da molti altri loci e da forti effetti ambientali (stato di lattazione, salute della mammella, alimentazione, lavorazione). Detto in altre parole, le caseine sono fondamentali per fare mozzarella ma sono solo un pezzo del puzzle complesso che è il carattere “resa”.

In una popolazione già sotto ssGBLUP, inserire un test mirato per due o tre SNP delle caseine porta in dote pochissima informazione che non sia già implicitamente dentro il GEBV. Altro problema è il costo per campione. Paradossalmente, un costo di un’analisi di un singolo SNPs una tantum può in alcuni casi avvicinarsi molto al costo del chip genomico, per cui ne annulla la convenienza (e.g. un test scrapie costa circa 15-20 euro, un chip 50k Illumina viene pagato oggi tra i 20 e i 25 euro/campione).

Caso 2 – La miostatina: il caso da manuale del “sì, conviene”

All’estremo opposto sta la miostatina (MSTN), che ha tutte le caratteristiche per essere genotipizzata anche quando si fa già selezione genomica. Le mutazioni di perdita di funzione di MSTN producono un effetto fenotipico macroscopico: gli omozigoti mostrano un’ipertrofia muscolare del 20-30% rispetto agli eterozigoti e ai wild-type. È un effetto talmente grande da non poter essere trattato come “un SNP tra tanti” in un modello poligenico: pretende una decisione esplicita.

La storia è ricca. Nel bovino sono note diverse mutazioni indipendenti che producono la doppia muscolatura: la Belgian Blue, la Piemontese, la Marchigiana, ecc.

Sul piano pratico, conoscere il genotipo MSTN dei riproduttori è importante per due ragioni molto concrete. La prima è che la doppia muscolatura, in omozigosi, porta con sé una serie di problemi: distocia gravissima (in Belgian Blue il taglio cesareo è prassi), ridotta sopravvivenza neonatale, ridotta tolleranza allo stress termico, problemi di fertilità femminile in alcune popolazioni. La seconda è che l’effetto eterozigote esiste, ed è sensibilmente più “gestibile” e beneficioso in termini commerciali: in razze come la Marchigiana, una quota della selezione consiste proprio nel mantenere l’allele a frequenza intermedia.

Tradotto: anche con il chip in azienda, sapere se il toro che sto comprando è mt/mt, mt/+ o +/+ è informazione decisiva, non ridondante. Qui il test puntuale conviene.

Caso 3 – DGAT1, il caso “intermedio” che fa discutere

DGAT1 è un caso interessantissimo perché sta nel mezzo. La sostituzione K232A nel gene DGAT1 dei bovini ha un effetto grosso sulla percentuale di grasso del latte (circa 0,3-0,4 deviazioni standard per copia dell’allele K) ma in direzione antagonista con la resa (Grisart et al., 2002; Spelman et al., 2002). È sufficientemente grande da non essere “under the radar”, ma allo stesso tempo è un solo SNP, perfettamente catturato da qualunque chip 50K (il marker che lo tagga è a frequenza alta in Frisona).

Nei programmi genomici delle grandi popolazioni di Frisona, l’effetto DGAT1 è da tempo dentro le valutazioni: il GEBV per grasso e per latte ne tiene già conto. Genotipizzare DGAT1 separatamente, in una popolazione Holstein già sotto chip 50K, non aggiunge nulla. Può avere senso, invece, in popolazioni piccole o di razze locali da latte dove la selezione genomica non è attivata, oppure quando si vuole gestire esplicitamente il trade-off latte/grasso in linee specifiche (es. caseifici che premiano la percentuale di grasso). È il caso più chiaro in cui la stessa domanda – “devo genotipizzare DGAT1?” – ha due risposte opposte a seconda del contesto.

La trappola comunicativa: “lo fanno gli altri”

Qui però va detto un pezzo che il genetista, per pudore, spesso non dice. La spinta a genotipizzare un singolo gene quando hai già il chip non è quasi mai una spinta tecnica: è una spinta competitiva. L’associazione concorrente offre il test, quindi “noi non possiamo essere da meno”. È una dinamica che, in sé, non è illegittima – le associazioni vivono anche di percezione di modernità – ma rischia di diventare un problema vero quando la genotipizzazione mirata sottrae budget alle cose che servirebbero davvero: aumento dei fenotipi raccolti, controllo funzionale costante, ampliamento della popolazione di riferimento, validazione dell’accuratezza dei GEBV, controllo della consanguineità di popolazione.

E poi c’è un effetto collaterale meno ovvio: comunicare in azienda un test puntuale (“il toro è BB su CSN3”) tende a far passare in secondo piano l’indice genomico complessivo, che è invece lo strumento decisionale principale. L’allevatore, fisiologicamente, si fida di più di un’etichetta semplice che di un EBV multicarattere. È una semplificazione cognitiva legittima, ma rischia di portarci ad una zootecnia che ottimizza singoli loci leggibili dimenticando il resto del genoma.

Conclusione? Il lavoro di divulgazione del lavoro di selezione è uno degli “obiettivi di selezione” più importanti.

Riferimenti bibliografici essenziali

Clop, A., Marcq, F., Takeda, H., et al. (2006). A mutation creating a potential illegitimate microRNA target site in the myostatin gene affects muscularity in sheep. Nature Genetics, 38, 813-818.

Cosenza, G., Pauciullo, A., Macciotta, N. P. P., et al. (2017). Mediterranean river buffalo CSN1S1 gene: search for polymorphisms and association studies. Animal Production Science, 57, 1539-1545.

Cosenza, G., Pauciullo, A., Colimoro, L., et al. (2007). An SNP in the goat CSN2 promoter region is associated with the absence of beta-casein in milk. Animal Genetics, 38, 655-658.

Grisart, B., Coppieters, W., Farnir, F., et al. (2002). Positional candidate cloning of a QTL in dairy cattle: identification of a missense mutation in the bovine DGAT1 gene with major effect on milk yield and composition. Genome Research, 12, 222-231.

Grobet, L., Martin, L. J. R., Poncelet, D., et al. (1997). A deletion in the bovine myostatin gene causes the double-muscled phenotype in cattle. Nature Genetics, 17, 71-74.

Henderson, C. R. (1975). Best Linear Unbiased Estimation and Prediction under a Selection Model. Biometrics, 31, 423-447.

Kambadur, R., Sharma, M., Smith, T. P. L., Bass, J. J. (1997). Mutations in myostatin (GDF8) in double-muscled Belgian Blue and Piedmontese cattle. Genome Research, 7, 910-916.

Legarra, A., Aguilar, I., Misztal, I. (2009). A relationship matrix including full pedigree and genomic information. Journal of Dairy Science, 92, 4656-4663.

Meuwissen, T. H. E., Hayes, B. J., Goddard, M. E. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics, 157, 1819-1829.

Pauciullo, A., Cosenza, G., D’Avino, A., et al. (2012). Sequence analysis and genetic variability of stearoyl CoA desaturase (SCD) gene in the Italian Mediterranean river buffalo. Molecular and Cellular Probes, 26, 91-96.

Spelman, R. J., Ford, C. A., McElhinney, P., et al. (2002). Characterization of the DGAT1 gene in the New Zealand dairy population. Journal of Dairy Science, 85, 3514-3517.

VanRaden, P. M. (2008). Efficient methods to compute genomic predictions. Journal of Dairy Science, 91, 4414-4423.

Wilson, T., Wu, X. Y., Juengel, J. L., et al. (2001). Highly prolific Booroola sheep have a mutation in the intracellular kinase domain of bone morphogenetic protein IB receptor (ALK-6). Biology of Reproduction, 64, 1225-1235.