Entwicklung von Selektionsinstrumenten für Milchrinder und Schweine in heterogenen sozial-ökologischen Systemen mit Anwendungspotenzial für vom Aussterben bedrohte Rassen und kleinbäuerliche Betriebsstrukturen

In den letzten Jahrzehnten lag der Fokus der Tierzuchtwissenschaften vordergründig auf der Verbesserung von Leistungsmerkmalen, gleichwohl entwickelt sich die Tierzucht kontinuierlich weiter. So orientiert sich die aktuelle Ausrichtung der Zuchtziele allgemein an den gesellschaftlichen Interessen für mehr Tierwohl und Nachhaltigkeit. Neben den für die Praxis direkt monetär bedeutenden Merkmalen, wie z. B. der Milchleistung, Milchinhaltsstoffen (Eiweiß, Fett), Mastleistung, Legeleistung etc., gewinnen in den vergangenen Jahren häufiger Merkmale, welche nur eine indirekte monetäre Bewertung haben oder aktuell noch gar keinen wirtschaftlich vergüteten Wert besitzen, an Bedeutung. Hierzu zählen Merkmale wie das Verhalten der Tiere, die Fleischqualität, die Robustheit, die Resistenz gegen Erkrankungen oder Hilfsmerkmale wie die somatische Zellzahl, Milchketonkörper (ß-Hydroxybutyrat, Aceton) oder Milchfettsäuren als Indikatoren für (Stoffwechsel-) Erkrankungen. Durch die Identifikation und Etablierung neuer Merkmale versucht die Tierzuchtwissenschaft ihren Beitrag für eine zukunftsfähige Landwirtschaft zu generieren. In der praktischen Zuchtarbeit sind aber vor allem die ausgewiesenen Zuchtwerte sowie deren Sicherheiten/Genauigkeiten für eine erfolgreiche Zucht entscheidend. Je früher der/dem Landwirt: in Zuchtwerte mit entsprechenden Sicherheiten/Genauigkeiten zur Verfügung stehen, desto effizienter kann sie/er Selektionsentscheidungen treffen. Innerhalb großer Populationen hat sich die genomische Selektion auf der Basis großer Lernstichproben mittlerweile etabliert, wodurch Zuchtwerte zwar anfänglich mit mäßigen Sicherheiten/Genauigkeiten, aber sehr früh zur Verfügung stehen.
Bedrohte Rassen bzw. kleine Populationen stehen hierbei vor einem Problem, da die Populationsstruktur meist nicht die notwendige Größe für die Lernstichprobe hergibt. Des Weiteren ist der finanzielle Aufwand der Genotypisierung meist recht groß. Speziell diese kleinen und z. T. bedrohten Rassen bilden jedoch das lebende genetische Back-up für die Tierzuchtwissenschaften, um in hochspezialisierte Rassen zukünftig neue Eigenschaften einkreuzen zu können und so den Marktanforderungen Genüge zu tun.
Das Ziel der vorliegenden Arbeit besteht darin für kleinstrukturierte Populationen, speziell bedrohte Rassen, die klassische pedigree-basierte Zuchtwertschätzung so zu optimieren, dass höhere Sicherheiten/Genauigkeiten für die Zuchtpraxis generiert werden und eine Rangierung von Genotypen innerhalb von Produktionssystemen (= Betriebstypen) ermöglicht wird.
Hierfür wurden zunächst 30 rinderhaltende Betriebe mit Deutschen Schwarzbunten Niederungsrindern (DSN) bzw. Holstein Friesian (HF) sowie 45 schweinehaltende Betriebe mit Bunten Bentheimer Schweinen (BB) anhand von sozio-ökologischen Kriterien charakterisiert. Basierend auf der Annahme, dass die phänotypische Leistung von Tieren durch Umwelt- und Betriebsfaktoren ähnlich wirtschaftender Betriebe in einem ähnlichen Umfang beeinflusst werden, werden verschiedene clusteranalytische Verfahren (agglomerative hierarchische Clusterung, Partitionierung um Medoiden, Fuzzy-Clusterung und Clusterung von Variablen kombiniert mit einer agglomerativen hierarchischen Clusterung) zur Identifikation von Ähnlichkeiten angewendet. Ziel ist es Betriebe mit vergleichbaren Eigenschaften innerhalb von Betriebstypen zu gruppieren. Sowohl in der Rinder- als auch der Schweinepopulation zeichnet sich die Clusterung von Variablen kombiniert mit einer agglomerativen hierarchischen Clusterung (CoVAHC) basierend auf der Silhouettenweite (= Evaluationskriterium) als die beste Methode zur Einteilung von Betrieben in Betriebstypen aus. Innerhalb des Rinderdatensatzes können vier Betriebstypen und im Schweinedatensatz drei Betriebstypen als Optimum identifiziert werden. Anhand der erfassten Merkmale lassen sich die Rinder-Betriebstypen differenzieren als „mittlere DSN-Betriebe mit dem Fokus auf Milchproduktion“, „kleine DSN-Betriebe mit geringer Intensität“, „Intensiv wirtschaftende DSN-Großbetriebe“ und „spezialisierte HF-Betriebe“. Der Fokus bei der Charakterisierung der schweinehaltenden Betriebe liegt vor allem auf deren Zuchtbestrebungen sowie dem Vermarktungspotential. Entsprechend können die Betriebstypen beschrieben werden als Betriebstypen mit geringer, mittlerer und hoher Zuchtaktivität bzw. mit geringem, mittlerem und hohem Vermarktungspotential. Die erfassten Produktions- und Fruchtbarkeitsmerkmale, die Gesundheitsindikatoren und die Fleisch- und Schlachtkörperqualitätsmerkmale zeigen überwiegend hochsignifikante Unterschiede zwischen den einzelnen Betriebstypen der jeweiligen Spezies. Dies untermauert, dass eine Gruppierung der Betriebe in Betriebstypen sinnvoll sein kann.
Verglichen mit den separaten rassespezifischen Rechenläufen, können innerhalb der Rinderpopulation durch die Verwendung eines gemeinsamen Datensatzes (DSN und HF) unter Berücksichtigung eines Rasseneffektes in der Modellierung eineinhalb- bis dreifach höhere Sicherheiten sowie höhere Anpassungsgüten der Modellierung generiert werden.
Die unterschiedlichen Definitionen der Zeitgefährtengruppen (Betrieb, Betriebstyp, Kombinations- oder Nestungsvarianten aus beiden, sowie Kombination mit Testtag oder Testmonat) im Rinderdatensatz zeigen einen deutlichen Vorteil der Bildung von Zeitgefährtengruppen mittels Betriebstyp als Einzeleffekt in Kombination mit dem Testtag oder dem Testmonat. Insgesamt konnten so die höchsten Sicherheiten sowie Anpassungsgüten erzielt werden. Der Unterschied zwischen den beiden Kombinationseffekten Testtag bzw. Testmonat führt lediglich zu geringfügigen Unterschieden in den Evaluationskriterien.
Die Berechnung der genetisch-statistischen Parameter (Varianzkomponenten, Heritabilitäten sowie Zuchtwerte und deren Sicherheiten/Genauigkeiten) zeigen grundsätzlich eine Überlegenheit bei der Verwendung von Betriebstypen anstelle des Betriebseffekts in der Modellierung. So können bei den klassischen Merkmalen Steigerungen der Heritabilität bis zu 16 % (Proteinmenge; Testtag) bzw. 17 % (Proteinmenge; Testmonat) in der Rinderpopulation und bis zu 11 % (Leitfähigkeit) bzw. bei den in vivo erfassten Fleischqualitätsmerkmalen von bis zu 17 % gegenüber dem Modell mit Betriebseffekt in der Schweinepopulation ermittelt werden. Auch die Sicherheiten/Genauigkeiten der geschätzten Zuchtwerte können z. T. deutlich gesteigert werden. So sind für die Produktionsmerkmale Milch- und Proteinmenge Steigerungen der Sicherheiten zwischen 3,9 % (tägliche Milchmenge in der Gesamtpopulation unter Berücksichtigung des Testtages) und 9,8 % (tägliche Proteinmenge in der Bullenpopulation unter Berücksichtigung des Testmonats) bzw. in der Schweinepopulation merkmalsabhängig Steigerungen der Genauigkeiten von deutlich über 10 % bis zu 39 % (in vivo erfasster Rückenspeckdicke innerhalb der Eberpopulation) zu verzeichnen. Zwar können z. T. auch bei den funktionalen Merkmalen Erblichkeiten bzw. Sicherheiten/Genauigkeiten durch Verwendung der Betriebstypen verbessert werden, allerdings auf einem deutlich geringeren Niveau. Hierbei wirkt sich der geringe Datenumfang, die Beurteilungshäufigkeit sowie eine womöglich ungünstige Datenstruktur/-verteilung bei den Merkmalen Body-Condition-Score, Sauberkeit-Euter, Lahmheit, Methanausstoß (Rind) bzw. Verhalten, Fundament und Exterieur (Schwein) negativ auf die Schätzparameter aus. Nichtsdestotrotz können auch hier Steigerungen der Sicherheiten bis zu 2,4 % (Rind: lineare Modellierung, Sauberkeit-Euter, Testmonat, Gesamtpopulation) bzw. Steigerungen der Genauigkeiten bis zu 22,3 % (Schwein: lineare Modellierung, Fundament, Eberpopulation) erzielt werden. Allerdings kommt es durch den Betriebstypeneffekt auch bei einigen Merkmalen zu einer Verschlechterung genetischer Parameter, wie z. B. innerhalb des Rinderdatensatzes für das Merkmal Body-Condition-Score in Höhe von -0,6 % (lineare Modellierung, Testmonat) bzw. im Schweinedatensatz für das Merkmal Exterieur von -9,5 % (logistische Modellierung, Eberpopulation).
Innerhalb der Rinderpopulation ist zu erkennen, dass insbesondere, wenn wenig Töchterinformationen (< 15 Nachkommenleistungen) zur Verfügung stehen, der Betriebstypeneffekt deutliche Zunahmen der Sicherheiten ermöglicht (Milchmenge: bis 9,7 % (Testtag) bzw. bis 11,2 % (Testmonat)). Hingegen bewirkt die Berücksichtigung des Testmonats gegenüber dem Testtag lediglich geringfügige Steigerungen der Zuchtwertsicherheiten.
In den Vorüberlegungen zu dieser Arbeit wurde dahingehend argumentiert, dass die Verwendung von Betriebstypen in den genetisch-statistischen Modellierungen zu einer Reduktion der Restvarianz führt, jedoch kam es vielmehr zu einer Steigerung der additiv-genetischen Varianz. Anhand der Analyse der Populationsstruktur kann gezeigt werden, dass es durch die Nutzung der Betriebstypen grundsätzlich zu einer Erhöhung der Zahl der eingesetzten Bullen/Eber innerhalb der Betriebstypen gegenüber der einzelbetrieblichen Betrachtung kommt. Zudem erhöht reduziert sich der Anteil von Bullen/Ebern mit Nachkommeninformationen gegenüber den Bullen/Ebern im Pedigree, bei denen diese fehlen. Des Weiteren verringern sich die über die Betriebstypen gemittelten Inzucht- bzw. Verwandtschaftskoeffizienten gegenüber denen in Einzelbetrieben. Folglich bedingt der Betriebstypeneffekt eine gleichmäßigere Verteilung der Vatertiere, was letztlich zu einer höheren Schätzgenauigkeit führt.
Die ermittelten Genotyp-Umwelt-Interaktionen sowohl in der Rinder- als auch der Schweinepopulation zeigen deutlich, dass nicht jedes Tier an die jeweiligen Betriebstypen optimal angepasst ist. Dies bestätigt sich auch in den Rangierungsunterschieden der Topvererber. Hierbei zeigen sich basierend auf der Höhe der ermittelten Zuchtwerte z. T. erhebliche Platzverschiebungen der Vatertiere.
Mit der vorliegenden Untersuchung kann gezeigt werden, dass Modellierungen mittels Betriebstypen-Effekt denen mit Betriebseffekt sowohl in den kleinen Populationen (DSN und BB) als auch in großen Populationen (HF) in nahezu allen untersuchten Merkmalen überlegen sind.