Les acides gras individuels du lait sont de possibles prédicteurs des émissions de méthane entériques des vaches laitières recevant un vaste éventail de régimes alimentaires : Approche par méta-analyse

Citation

Bougouin, A., Appuhamy, J.A.D.R.N., Ferlay, A., Kebreab, E., Martin, C., Moate, P.J., Benchaar, C., Lund, P., Eugène, M. (2019). Individual milk fatty acids are potential predictors of enteric methane emissions from dairy cows fed a wide range of diets: Approach by meta-analysis. Journal of Dairy Science (JDS), [online] 102(11), 10616-10631. http://dx.doi.org/10.3168/jds.2018-15940

Résumé en langage clair

Il faut pouvoir quantifier les émissions de méthane (CH4) à l’aide d’autres méthodes. Au cours de la dernière décennie, les acides gras du lait (AGL) pouvaient être utilisés comme indicateurs pour prédire les émissions de CH4 des vaches laitières en raison de la possibilité de voies biochimiques communes dans le rumen. Cependant, les équations ont été élaborées sur la base d’une gamme étroite de régimes alimentaires et avec des données limitées. Les objectifs de cette étude étaient de (1) de construire un ensemble de modèles empiriques basés sur des données individuelles d’émissions de CH4 et d’AGL provenant d’un grand nombre de vaches laitières recevant un vaste éventail de régimes alimentaires; (2) d’augmenter le niveau de complexité des modèles (depuis la ferme jusqu’au niveau de la recherche) avec des variables indépendantes supplémentaires comme la composition chimique du régime alimentaire (matière organique, fibres insolubles dans les détergents neutres, protéines brutes, amidon et extrait à l’éther), la production de lait (rendement en lait et composition de celui-ci) et les caractéristiques des animaux (nombre de jours de lactation ou poids corporel); et (3) d’évaluer la performance des modèles élaborés avec des ensembles de données indépendantes comprenant des mesures provenant d’animaux individuels ou des moyennes de groupes d’animaux. Les équations de prédiction basées uniquement sur les AGL [C10:0, iso C17:0 + trans-9 C16:1,cis-11 C18:1 et trans-11,cis-15 C18:2 pour la production de CH4 (g/j); iso C16:0, cis-11 C18:1, trans-10 C18:1, et cis-9,cis-12 C18 :2 pour le rendement en CH4 (g/kg de matière sèche ingérée, MSI); et iso C16:0, cis-15 C18:1, et trans-10 + trans-11 C18:1 pour l’intensité du CH4 (g/kg de lait)] avaient une erreur quadratique moyenne de 65,1 g/j, 2,8 g/kg de MSI et 2,9 g/kg de lait, respectivement, alors que les équations complexes qui utilisent en plus la MSI, les fibres alimentaires insolubles dans les détergents neutres, l’extrait à l’éther, les jours de lactation et le poids corporel avaient une erreur quadratique moyenne plus faible de 46,6 g/j, 2,6 g/kg de MSI et 2,7 g/kg de lait, respectivement). Des évaluations externes avec des données individuelles ou moyennes qui n’avaient pas été utilisées pour l’élaboration des équations ont conduit à des résultats variables. Lorsque les évaluations ont été réalisées à l’aide de données de vaches individuelles provenant d’un ensemble de données externes, nous avons obtenu des prévisions exactes de la production de CH4 (g/j) à l’aide d’équations simples basées sur les AGL. La performance observée était meilleure dans une évaluation externe avec les données individuelles pour l’équation simple de la production de CH4 (g/j, basée sur les AGL), alors qu’avec les données moyennes pour l’équation simple de la production de CH4 (g/kg de MSI) la performance était meilleure. La performance de l’évaluation des modèles dépend du domaine de validité des ensembles de données d’évaluation utilisés (données individuelles ou moyennes).

Résumé

© 2019, American Dairy Science Association. Il faut pouvoir quantifier les émissions de méthane (CH4) à l’aide d’autres méthodes. Au cours de la dernière décennie, les acides gras du lait (AGL) pouvaient être utilisés comme indicateurs pour prédire les émissions de CH4 des vaches laitières en raison de la possibilité de voies biochimiques communes dans le rumen. Cependant, des équations ont été élaborées sur la base d’une gamme étroite de régimes alimentaires et avec des données limitées. Les objectifs de cette étude étaient (1) de construire un ensemble de modèles empiriques basés sur des données individuelles d’émissions de CH4 et d’AGL provenant d’un grand nombre de vaches laitières recevant un vaste éventail de régimes alimentaires; (2) d’augmenter le niveau de complexité des modèles (depuis la ferme jusqu’au niveau de la recherche) avec des variables indépendantes supplémentaires comme la composition chimique du régime alimentaire (matière organique, fibres insolubles dans les détergents neutres, protéines brutes, amidon et extrait à l’éther), la production de lait (rendement en lait et composition de celui-ci) et les caractéristiques des animaux (nombre de jours de lactation ou poids corporel); et (3) d’évaluer la performance des modèles élaborés avec des ensembles de données indépendantes comprenant des mesures provenant d’animaux individuels ou des moyennes de groupes d’animaux. Les équations de prédiction basées uniquement sur les AGL [C10:0, iso C17:0 + trans-9 C16:1,cis-11 C18:1 et trans-11,cis-15 C18:2 pour la production de CH4 (g/j); iso C16:0, cis-11 C18:1, trans-10 C18:1, et cis-9,cis-12 C18 :2 pour le rendement en CH4 (g/kg de matière sèche ingérée, MSI); et iso C16:0, cis-15 C18:1, et trans-10 + trans-11 C18:1 pour l’intensité du CH4 (g/kg de lait)] avaient une erreur quadratique moyenne de 65,1 g/j, 2,8 g/kg de MSI et 2,9 g/kg de lait, respectivement, alors que les équations complexes qui utilisent en plus la MSI, les fibres alimentaires insolubles dans les détergents neutres, l’extrait à l’éther, les jours de lactation et le poids corporel avaient une erreur quadratique moyenne plus faible de 46,6 g/j, 2,6 g/kg de MSI et 2,7 g/kg de lait, respectivement). Des évaluations externes avec des données individuelles ou moyennes qui n’avaient pas été utilisées pour l’élaboration des équations ont conduit à des résultats variables. Lorsque les évaluations ont été réalisées à l’aide de données de vaches individuelles provenant d’un ensemble de données externes, nous avons obtenu des prévisions exactes de la production de CH4 (g/j) à l’aide d’équations simples basées sur les AGL. La performance observée était meilleure dans une évaluation externe avec les données individuelles pour l’équation simple de la production de CH4 (g/j, basée sur les AGL), alors qu’avec les données moyennes pour l’équation simple de la production de CH4 (g/kg de MSI) la performance était meilleure. La performance de l’évaluation des modèles dépend du domaine de validité des ensembles de données d’évaluation utilisés (données individuelles ou moyennes).

Date de publication

2019-11-01

Profils d'auteurs