Cerca
Close this search box.

Modificare il microbiota intestinale delle mucche per aumentare la produzione del latte

Microbioma del ruminale e profilo metabolico delle mucche sembrerebbero incidere sulla produzione di latte. A dirlo è uno studio pubblicato su Microbiome.
CONDIVIDI →

Modificare il microbiota intestinale delle mucche per aumentare la produzione del latte

CONDIVIDI →

• Latte bovino e microbiota intestinale
• Prevotella e la produzione di latte
• Metabolomica del microbiota bovino
• Conclusioni

Stato dell’arte
A parità di razza, dieta e condizioni di vita, certe mucche producono più latte e con un maggior contenuto proteico. Una spiegazione potrebbe venire dal microbioma e/o metaboloma del ruminale.

Cosa aggiunge questa ricerca
Scopo dello studio è stato quello di confrontare il profilo batterico e funzionale di mucche con una diversa produzione e caratteristiche del latte al fine di evidenziarne eventuali correlazioni.

Conclusioni
Mucche con la maggior produzione di latte ad alto contenuto proteico hanno mostrato una maggiore abbondanza di Prevotella spp. associate a un altrettanto aumentata biosintesi di aminoacidi ramificati. Di contro, meno espressi sono risultati i pathways coinvolti nella produzione di metano, principale inquinante ambientale.

Stesse caratteristiche fisiche, stessa dieta, stesso ambiente ma diversa quantità e qualità di latte prodotto. La differenza sembrerebbe farla il microbioma del ruminale e il profilo metabolico. Esemplari con abbondante latte e ricco di proteine sono infatti risultati caratterizzati rispettivamente da Prevotella spp. e da vie metaboliche legate al metabolismo di glutatione, fenilalanina, amido, saccarosio e gallatosio. In questi, ridotta si è invece mostrata la produzione di metano, con riscontri positivi per l’ambiente.

È quanto dimostra lo studio di Ming-Yuan Xue della Zhejiang University di Hangzhou (Cina), di recente pubblicato su Microbiome.

Latte bovino e microbiota intestinale

Il latte bovino rappresenta una delle nostre principali fonti di sostentamento. Considerandone la richiesta, l’ottimizzazione della produzione è necessaria. Genetica, alimentazione e ambiente di allevamento la influenzano però molto. Un’elevata produzione di latte da una stessa mucca è di solito negativamente correlata alla quota di proteine. In alcuni casi però, anche con alte rese, il contenuto proteico è abbondante.

Cosa cambia? La risposta è stata cercata nel ruminale di 347 mucche da latte in quanto sede di conversione del cibo analizzandone in particolare la componente batterica e il profilo metabolico associato rispetto a situazioni standard. Delle 347, 10 hanno mostrato un’elevata produzione di latte ricco di proteine (gruppo HH) rispetto alla media, 10 invece la minore con scarso contenuto proteico (LL).

Dal punto di vista metagenomico, il ruminale ha dimostrato di esser popolato in generale soprattutto da batteri (94.43%), seguiti a distanza da eucarioti (3.80%), archeae (1.41%) e virus (0.6%). Comparando i due gruppi (HH vs LL) differenze significative sono state registrate solo in relazione a batteri e archeae (p< 0.01). Le analisi si sono dunque concentrate su queste due specie di microoganismi.

Prevotella e la produzione di latte

Partendo dalla componente batterica, i phyla dominanti hanno dimostrato essere Bacteroidetes (55.98 ± 1.02%), Firmicutes (27.32 ± 1.14%) e Proteobacteria (7.32 ± 1.57%). Prevotella (41.95 ± 0.85%), Bacteroides (7.29 ± 0.31%), un non classificato Lachnospiraceae (3.29 ± 0.18%) e Clostridium (2.99 ± 0.19%) invece a livello di genere e, infine, Prevotella sp. FD3004 (7.01 ± 0.37%), Prevotella ruminicola (4.64 ± 0.21%), Prevotella brevis (3.83 ± 0.21%), Prevotella sp.MA2016 (2.77 ± 0.15%) e Prevotella bryantii (2.57 ± 0.44%) per le specie. Differenze di espressione però nei due gruppi per alcuni ceppi. Infatti:

  • il phylum Bacteroidetes è risultato significativamente più espresso nel gruppo LL contrariamente a Proteobacteria più elevato in HH
  • a livello di specie, 15 sono risultate significativamente più abbondanti nel ruminale del gruppo HH, 11 delle quali comprendenti Prevotella sp., una Succinimonas sp., una Selenomonas sp. e una un non classificato Bacteroidales (p< 0.05). 23 invece sono risultate più espresse nella controparte LL

Per gli archea invece Euryarchaeota (99.01 ± 0.23%) è risultato in generale il più abbondante con un’espressione ancora maggiore nel gruppo LL. A livello di genere e specie invece:

  • Methanobrevibacter si è dimostrato il genere più abbondante nel ruminale del gruppo LL (85.44 ± 2.41%). I rimanenti sono invece risultati tutti più abbondanti nella controparte (HH)
  • analogamente per le specie, tranne che per Methanobrevibacter millerae risultata più espressa nel gruppo LL (22.10 ± 2.31%), i restanti sono risultati più abbondanti in quello HH

Analizzando poi la componente funzionale, 158 sono emersi come pathways principali e comprendenti la categoria “metabolismo” (72.26 ± 0.46%), “processo delle informazioni genetiche” (19.08 ± 0.12%), “processo delle informazioni ambientali” (4.42 ± 0.03%) e “processo cellulare” (4.24 ± 0.04%). Andando più nel dettaglio, il metabolismo dei carboidrati è risultato il più espresso (17.33 ± 0.10%) seguito da quello degli amminoacidi (15.96 ± 0.11%), nucleotidi (9.82 ± 0.06%) ed energetico (8.07 ± 0.05%)

Paragonando i due gruppi invece:

  • 13 pathways sono risultati significativamente più espressi nel gruppo HH. Tra questi, 2 appartenenti al processo cellulare, 2 a quello genetico, 2 a quello ambientale, 7 al metabolismo
  • 18 sono invece emersi più abbondanti nel gruppo LL. Tra questi, uno coinvolto nel processamento delle informazioni genetiche, due nella funzionalità cellulare, 15 nel metabolismo
  • con riferimento ai pathways coinvolti nel metabolismo, il gruppo LL ha mostrato un aumento nell’attività di glicolisi e degradazione del galattosio e amido. Di contro, il metabolismo di carboidrati e la conversione energetica è risultata aumentata nella controparte HH

Approfondendo il pattern dei carboidrati, 313 geni sono risultati appartenenti alla categoria CAZymes (Carbohydrate-Active enZYmes). Di questi, quelli codificanti per glicosiltransferasi 2 sono risultati nel complesso i più abbondanti (GT2; n=74, 8.64 ± 0.04%) seguiti da quelli per esterasi 1 (CE1; 4.66 ± 0.02%), GT4 (4.34 ± 0.02%), glicosilidrolasi 2 (GH2; 4.30 ± 0.02%) e GH3 (4.16 ± 0.02%).

Dal confronto HH vs LL ancora una volta sono emerse però differenze di espressione come ad esempio:

  • tra i CAZymes coinvolti nella degradazione dei carboidrati (inclusa cellulosa, emicellulosa, amido, proteine e lignine), 18 hanno mostrato un’espressione maggiore nel gruppo HH (15 GH, un CE, un polisaccaride liasi (PL) e uno per attività ausiliarie (AA)). Nel gruppo LL invece maggiore attività è stata dimostrata da 34 geni, dei quali 27 GH, 4 CE, 2 PL, e uno AA. Nello stesso pathway ma con attività non catalitica (CBMs) nei confronti di carboidrati complessi 3 enzimi hanno mostrato arricchimento nel gruppo HH, 19 nella controparte
  • tra gli enzimi coinvolti invece nella sintesi dei carboidrati, 11 hanno mostrato arricchimento nel ruminale di HH, 2 in quello di LL

Metabolomica del microbiota bovino

Le caratteristiche batteriche sono poi state correlate con il profilo funzionale.

  • due importanti pathway coinvolti nel metabolismo di amminoacidi ramificati (BCAA) hanno mostrato differente espressione nei due gruppi. In particolare, la biosintesi di valina, leucina e isoleucina (ko00290) è risultata incrementata nel gruppo HH, la loro degradazione (ko00280) nel corrispettivo LL. Tale alterazioni di pathway si è inoltre confermata con l’espressione dei geni coinvolti
  • 24 specie batteriche hanno mostrato significativa correlazione con due pathways di BCAA, 13 dei quali positiva con la loro biosintesi. Tra questi l’associazione più forte si è registrata tra cinque Prevotella spp. (P. multisaccharivorax, P. histicola, P. maculosa, P. buccae e P. albensis)

I ricercatori hanno poi analizzato nel complesso e confrontato il metaboloma di ruminale e siero dimostrando che

  • 263 i composti identificati nel ruminale, 25 dei quali significativamente alterati tra HH e LL e tutti più espressi nel primo (p < 0.05). A questi si associano 10 pathways, 3 significativamente alterati (metabolismo di vitamina B6, glicerolipidi e beta-alanina)
  • metaboliti quali acidi grassi volatili totali (VFAs), propionato, valerato e isovalerato sono risultati significativamente più espressi nel ruminale del gruppo HH
  • 126 sono invece i metabotipi (metaboliti significativamente associati al fenotipo, la produzione di latte in questo caso), 106 correlati con le alterazioni di microbioma del ruminale
  • a livello del siero invece, 176 sono i composti identificati, 19 significativamente più elevati nel gruppo HH, 12 nella controparte LL. L’alterazione di questi 31 metaboliti è risultata nella differenza di espressione anche di 12 pathways (metabolismo di glicina, serina e treonina, nicotinammide, sfingolipidi: biosintesi di aminoacil-tRNA; degradazione di valina, leucina e isoleucina)
  • tre pathways sono poi risultati comuni a siero e ruminale nel gruppo HH ossia il metabolismo di pirimidine, glicerolipidi, amido e zuccheri

Da ultimo. I ricercatori hanno valutato l’eventuale associazione tra microbioma e metaboloma del ruminale e del siero dimostrando:

  • 65 correlazioni tra microbioma e metaboloma del ruminale. Tra queste, associazione positiva si è registrata tra 11 Prevotella species (P. albensis, P. maculosa, P. timonensis, P. histicola, P. denticola, P. buccae, P. paludivivens, P. multisaccharivorax, P.corporis, P. bryantii, e P. oralis) con amminoacidi, peptidi, proteine e composti chimici organici
  • 22 le correlazioni tra metabotipi e microbioma, 9 Prevotella species in particolare (P. maculosa, P. histicola, P. denticola, P. buccae, P. paludivivens, P. multisaccharivorax, P. corporis, P. bryantii, P. oralis) con metaboliti coinvolti nella conversione di glutatione, fenilalanina, amido, saccarosio e galattosio
  • 7 Prevotella spp. sono risultate positivamente associate a metabotipi sierici coinvolti nel metabolismo di svariati amminoacidi quali glicina, serina, treonina, alanina, aspartato, glutammato, cisteina e metionina

Conclusioni

In conclusione dunque, integrando dati di metagenomica e metabolomica a livello di ruminale e siero è stato possibile approfondire il contributo e i meccanismi batterio- e metabolismo-dipendenti nella produzione di latte. Basandosi su queste informazioni sembrerebbe quindi possibile la messa a punto di strategie di manipolazione batterica mirata per aumentare non solo la produzione ma anche la qualità del latte.

Potrebbe interessarti

Oppure effettua il login