Detección del estrés metabólico en ovejas gestantes a través del análisis de espectroscopia de infrarrojo medio de la leche
[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...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2023 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/196601 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/196601 |
| Access Level: | acceso abierto |
| Palabra clave: | Ovejas lecheras Toxemia de gestación Ganadería de precisión Metabolitos T3 SS-hidroxibutirato Glucosa MIR. Dairy sheep Pregnancy toxemia Precision livestock farming Metabolites SS-hydroxybutyrate Glucose Máster Universitario en Ganadería de Precisión-Màster Universitari en Ramaderia de Precisió |
| Sumario: | [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. |
|---|