Effect of the rate of artificial insemination on the genetic gain for meat sheep breeding programs
Effet du taux d'insémination animal sur le gain génétique des programmes de sélection ovins allaitants
Résumé
Numerous French sheep breeding programs use artificial insemination (AI). With AI, a lower number of sires are needed and the computation of their estimated breeding value (EBV) can be done based on a larger number of daughter' records. Compared to natural mating, AI allows a higher selection differential. In addition, the use of AI sires in several flocks leads to create a genetic connectedness across flocks. In France, fresh semen is used for AI and the synchronization of sheep ovulation based on hormones is needed. Future regulations on hormones could affect the number of AI achieved in breeding programs and thus potentially decrease genetic gains and genetic connectedness. The objective of this study was to assess the consequences of a reduced use of AI on genetic gain for a repeated maternal trait. Using stochastic modeling, we simulated a breeding program of 7,500 ewes. Young males were selected on average parental EBVs: AI males were first selected prior to those used as natural mating sires. Several levels of AI (% of inseminated females per year) were assessed for three breeding program designs: 1) with a progeny testing of AI males, 2) short reproductive lifetime of AI males and no progeny testing, 3) no AI. The phenotypes of the females were simulated according to their true breeding value, a permanent environmental effect, a flock x year effect and a residual effect. EBVs were computed based on a BLUP animal model using the BLUPF90 software and the genetic gain was computed for a time horizon of 15 years. Additional gains from +15 to + 50% was obtained for the AI based design without progeny testing and from +57 to + 84% for the AI based design with progeny testing compared to the natural mating based design. Incomplete pedigree (no information of natural mating sires) induce a significant decrease in genetic gain for natural mating based breeding programs. This effect of incomplete pedigree is reduced for AI based breeding programs.
De nombreux programmes de sélection des ovins en France utilisent l’insémination animale (IA). Grâce à l’IA, moins de pères sont nécessaires et le calcul de leur valeur génétique estimée (index) peut être réalisé sur la base d’un nombre plus important de performances de filles. Comparée à la monte naturelle, l’IA permet donc de réaliser une différentielle de sélection plus importante. De plus, l’utilisation de pères d’IA dans plusieurs troupeaux crée des connexions génétiques entre ces troupeaux. En France, l’IA est principalement réalisée en semence fraîche et nécessite la synchronisation de l’ovulation des brebis par un traitement hormonal. Une limitation de l’utilisation des hormones pourrait affecter le nombre d’IA réalisées dans les programmes de sélection et ainsi potentiellement décroître la connexion génétique et les gains génétiques. L’objectif de cette étude était d’évaluer les conséquences d’une utilisation réduite de l’IA sur le gain génétique pour un caractère maternel répété. À l’aide d’une modélisation stochastique, nous avons simulé un noyau de sélection de 7 500 brebis. Pour l’ensemble des scénarios évalués, les jeunes mâles étaient sélectionnés sur ascendance (index parentaux) et les mâles d’IA sélectionnés prioritairement à ceux utilisés par monte naturelle. Plusieurs niveaux du taux d’IA (pourcentage de brebis inséminées annuellement) ont été considérés pour trois organisations de programmes de sélection : 1) avec testage sur descendance des mâles d’IA, 2) renouvellement rapide des mâles d’IA et sans testage sur descendance, 3) aucun mâle n’était utilisé par IA. Les phénotypes des femelles ont été simulés en fonction de leur valeur génétique vraie, un effet aléatoire d’environnement permanent, un effet aléatoire troupeau*année et un effet aléatoire résiduel. Les index ont été calculés par un BLUP modèle animal à l’aide du logiciel BLUPF90 et le gain génétique a été calculé pour une période de 15 années. Les résultats indiquent un gain génétique de +15 à +50% pour un programme IA sans testage et de +57 à + 84% pour programme IA avec testage par rapport à un programme basé uniquement sur la monte naturelle. Les filiations incomplètes (pères des filles de monte naturelle non identifiés) induisent une diminution importante du gain génétique pour les programmes exclusivement basés sur la monte naturelle. Cet effet des filiations incomplètes sur le gain génétique est largement réduit en présence d’IA.