Está en la página 1de 274

Edición Bilingüe

Bilingual Edition
ISSN: 2448-6698
Revista Mexicana de Ciencias Pecuarias Rev. Mex. Cienc. Pecu. Vol. 14 Núm. 1, pp. 1-259, ENERO-MARZO-2023

Rev. Mex. Cienc. Pecu. Vol. 14 Núm. 1, pp. 1-259, ENERO-MARZO-2023


REVISTA MEXICANA DE CIENCIAS PECUARIAS Volumen 14 Numero 1, Enero-Marzo
2023. Es una publicación trimestral de acceso abierto, revisada por pares y arbitrada, editada
por el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP).
Avenida Progreso No. 5, Barrio de Santa Catarina, Delegación Coyoacán, C.P. 04010, Cuidad
de México, www.inifap.gob.mx.
Distribuida por el Centro de Investigación Regional Sureste, Calle 6 No. 398 X 13, Avenida
Correa Racho, Col. Díaz Ordaz, Mérida Yucatán, C.P. 97130.
Editor responsable: Arturo García Fraustro Reservas de Derechos al Uso Exclusivo número
04-2022-033116571100-102. ISSN: 2448-6698, otorgados por el Instituto Nacional del
Derecho de Autor (INDAUTOR).
Responsable de la última actualización de este número: Arturo García Fraustro, Campo
Experimental Mocochá, Km. 25 Antigua Carretera Mérida–Motul, Mocochá, Yuc. C.P. 97454.
http://cienciaspecuarias. inifap.gob.mx, la presente publicación tuvo su última actualización
en diciembre de 2022.
Macho semental de venado cola blanca
manejado en cautiverio en la Facultad de
Ciencias Biológicas de Córdova, Ver.
Fotografía: Ricardo Serna Lagunes y Norma DIRECTORIO
Mora Collado
FUNDADOR
John A. Pino
EDITOR EN JEFE EDITORES ADJUNTOS
Arturo García Fraustro Oscar L. Rodríguez Rivera
Alfonso Arias Medina
EDITORES POR DISCIPLINA

Dra. Yolanda Beatriz Moguel Ordóñez, INIFAP, México Dr. Alejandro Plascencia Jorquera, Universidad Autónoma de
Dr. Ramón Molina Barrios, Instituto Tecnológico de Sonora, Baja California, México
Dr. Alfonso Juventino Chay Canul, Universidad Autónoma de Dr. Juan Ku Vera, Universidad Autónoma de Yucatán, México
Tabasco, México Dr. Ricardo Basurto Gutiérrez, INIFAP, México
Dra. Maria Cristina Schneider, Universidad de Georgetown, Dr. Luis Corona Gochi, Facultad de Medicina Veterinaria y
Estados Unidos Zootecnia, UNAM, México
Dr. Feliciano Milian Suazo, Universidad Autónoma de Dr. Juan Manuel Pinos Rodríguez, Facultad de Medicina
Querétaro, México Veterinaria y Zootecnia, Universidad Veracruzana, México
Dr. Javier F. Enríquez Quiroz, INIFAP, México Dr. Carlos López Coello, Facultad de Medicina Veterinaria y
Dra. Martha Hortencia Martín Rivera, Universidad de Sonora Zootecnia, UNAM, México
URN, México Dr. Arturo Francisco Castellanos Ruelas, Facultad de
Dr. Fernando Arturo Ibarra Flores, Universidad de Sonora Química. UADY
URN, México Dra. Guillermina Ávila Ramírez, UNAM, México
Dr. James A. Pfister, USDA, Estados Unidos Dr. Emmanuel Camuus, CIRAD, Francia.
Dr. Eduardo Daniel Bolaños Aguilar, INIFAP, México Dr. Héctor Jiménez Severiano, INIFAP., México
Dr. Sergio Iván Román-Ponce, INIFAP, México Dr. Juan Hebert Hernández Medrano, UNAM, México
Dr. Jesús Fernández Martín, INIA, España Dr. Adrian Guzmán Sánchez, Universidad Autónoma
Dr. Maurcio A. Elzo, Universidad de Florida Metropolitana-Xochimilco, México
Dr. Sergio D. Rodríguez Camarillo, INIFAP, México Dr. Eugenio Villagómez Amezcua Manjarrez, INIFAP, CENID
Dra. Nydia Edith Reyes Rodríguez, Universidad Autónoma del Salud Animal e Inocuidad, México
Estado de Hidalgo, México Dr. José Juan Hernández Ledezma, Consultor privado
Dra. Maria Salud Rubio Lozano, Facultad de Medicina Dr. Fernando Cervantes Escoto, Universidad Autónoma
Veterinaria y Zootecnia, UNAM, México Chapingo, México
Dra. Elizabeth Loza-Rubio, INIFAP, México Dr. Adolfo Guadalupe Álvarez Macías, Universidad Autónoma
Dr. Juan Carlos Saiz Calahorra, Instituto Nacional de Metropolitana Xochimilco, México
Investigaciones Agrícolas, España Dr. Alfredo Cesín Vargas, UNAM, México
Dr. José Armando Partida de la Peña, INIFAP, México Dra. Marisela Leal Hernández, INIFAP, México
Dr. José Luis Romano Muñoz, INIFAP, México Dr. Efrén Ramírez Bribiesca, Colegio de Postgraduados,
Dr. Jorge Alberto López García, INIFAP, México México

TIPOGRAFÍA Y FORMATO: Oscar L. Rodríguez Rivera

Indizada en el “Journal Citation Report” Science Edition del ISI . Inscrita en el Sistema de Clasificación de Revistas Científicas y
Tecnológicas de CONACyT; en EBSCO Host y la Red de Revistas Científicas de América Latina y el Caribe, España y Portugal
(RedALyC) (www.redalyc.org); en la Red Iberoamericana de Revistas Científicas de Veterinaria de Libre Acceso
(www.veterinaria.org/revistas/ revivec); en los Índices SCOPUS y EMBASE de Elsevier (www.elsevier. com).

I
REVISTA MEXICANA DE CIENCIAS PECUARIAS
La Revista Mexicana de Ciencias Pecuarias es un órgano trimestral en formato bilingüe Español e Inglés. El costo
de difusión científica y técnica de acceso abierto, revisada total por publicar es de $ 7,280.00 más IVA por manuscrito
por pares y arbitrada. Su objetivo es dar a conocer los ya editado.
resultados de las investigaciones realizadas por cualquier Se publica en formato digital en acceso abierto, por lo que
institución científica, relacionadas particularmente con las se autoriza la reproducción total o parcial del contenido de
distintas disciplinas de la Medicina Veterinaria y la los artículos si se cita la fuente.
Zootecnia. Además de trabajos de las disciplinas indicadas
El envío de los trabajos de debe realizar directamente en el sitio
en su Comité Editorial, se aceptan también para su
evaluación y posible publicación, trabajos de otras oficial de la revista. Correspondencia adicional deberá dirigirse al
disciplinas, siempre y cuando estén relacionados con la Editor Adjunto a la siguiente dirección: Calle 36 No. 215 x 67 y 69
Colonia Montes de Amé, C.P. 97115 Mérida, Yucatán, México.
investigación pecuaria.
Tel/Fax +52 (999) 941-5030. Correo electrónico (C-ele):
Se publican en la revista tres categorías de trabajos: rodriguez_oscar@prodigy.net.mx.
Artículos Científicos, Notas de Investigación y Revisiones
La correspondencia relativa a suscripciones, asuntos de
Bibliográficas (consultar las Notas al autor); la
responsabilidad de cada trabajo recae exclusivamente en intercambio o distribución de números impresos anteriores, deberá
los autores, los cuales, por la naturaleza misma de los dirigirse al Editor en Jefe de la Revista Mexicana de Ciencias
Pecuarias, Campo Experimental Mocochá, Km. 25 Antigua
experimentos pueden verse obligados a referirse en
algunos casos a los nombres comerciales de ciertos Carretera Mérida–Motul, Mocochá, Yuc. C.P. 97454;
productos, ello sin embargo, no implica preferencia por los garcia.arturo@inifap.gob.mx o arias.alfonso@inifap.gob.mx.
productos citados o ignorancia respecto a los omitidos, ni Inscrita en la base de datos de EBSCO Host y la Red de Revistas
tampoco significa en modo alguno respaldo publicitario Científicas de América Latina y el Caribe, España y Portugal
hacia los productos mencionados. (RedALyC) (www.redalyc.org), en la Red Iberoamericana de
Revistas Científicas de Veterinaria de Libre Acceso
Todas las contribuciones serán cuidadosamente evaluadas
por árbitros, considerando su calidad y relevancia (www.veterinaria.org/revistas/ revivec), indizada en el “Journal
académica. Queda entendido que el someter un Citation Report” Science Edition del ISI (http://thomsonreuters.
com/) y en los Índices SCOPUS y EMBASE de Elsevier
manuscrito implica que la investigación descrita es única
e inédita. La publicación de Rev. Mex. Cienc. Pecu. es (www.elsevier.com)

VISITE NUESTRA PÁGINA EN INTERNET


Artículos completos desde 1963 a la fecha y Notas al autor en: http://cienciaspecuarias.inifap.gob.mx

Revista Mexicana de Ciencias Pecuarias is an open access Part of, or whole articles published in this Journal may be
peer-reviewed and refereed scientific and technical reproduced, stored in a retrieval system or transmitted in
journal, which publishes results of research carried out in any form or by any means, electronic, mechanical,
any scientific or academic institution, especially related to photocopying or otherwise, provided the source is
different areas of veterinary medicine and animal properly acknowledged.
production. Papers on disciplines different from those Manuscripts should be submitted directly in the official web site.
shown in Editorial Committee can be accepted, if related Additional information may be mailed to Associate Editor, Revista
to livestock research. Mexicana de Ciencias Pecuarias, Calle 36 No. 215 x 67 y 69 Colonia
The journal publishes three types of papers: Research Montes de Amé, C.P. 97115 Mérida, Yucatán, México. Tel/Fax +52
Articles, Technical Notes and Review Articles (please (999) 941-5030. E-mail: rodriguez_oscar@prodigy.net.mx.
consult Instructions for authors). Authors are responsible For subscriptions, exchange or distribution of previous printed
for the content of each manuscript, which, owing to the issues, please contact: Editor-in-Chief of Revista Mexicana de
nature of the experiments described, may contain Ciencias Pecuarias, Campo Experimental Mocochá, Km. 25 Antigua
references, in some cases, to commercial names of certain Carretera Mérida–Motul, Mocochá, Yuc. C.P. 97454;
products, which however, does not denote preference for garcia.arturo@inifap.gob.mx or arias.alfonso@inifap.gob.mx.
those products in particular or of a lack of knowledge of Registered in the EBSCO Host database. The Latin American and
any other which are not mentioned, nor does it signify in the Caribbean Spain and Portugal Scientific Journals Network
any way an advertisement or an endorsement of the (RedALyC) (www.redalyc.org). The Iberoamerican Network of free
referred products. access Veterinary Scientific Journals (www.veterinaria.org/
All contributions will be carefully refereed for academic revistas/ revivec). Thomson Reuter´s “Journal Citation Report”
relevance and quality. Submission of an article is Science Edition (http://thomsonreuters.com/). Elsevier´s SCOPUS
understood to imply that the research described is unique and EMBASE (www.elsevier.com) and the Essential Electronic
and unpublished. Rev. Mex. Cien. Pecu. is published Agricultural Library (www.teeal.org)
quarterly in original lenguage Spanish or English. Total fee .
charges are US $ 425.00 per article in both printed
languages.
VISIT OUR SITE IN THE INTERNET
Full articles from year 1963 to date and Instructions for authors can be accessed via the site http://cienciaspecuarias.inifap.gob.mx

II
REVISTA MEXICANA DE CIENCIAS PECUARIAS

REV. MEX. CIENC. PECU. VOL. 14 No. 1 ENERO-MARZO-2023

CONTENIDO
Contents

ARTÍCULOS
Articles
Pág.

Identification of candidate genes and SNPs related to cattle temperament using a


GWAS analysis coupled with an interacting network analysis
Identificación de genes candidatos y SNP relacionados con el temperamento del ganado
utilizando un análisis GWAS junto con un análisis de redes interactuantes
Francisco Alejandro Paredes-Sánchez, Ana María Sifuentes-Rincón, Edgar Eduardo
Lara-Ramírez, Eduardo Casas, Felipe Alonso Rodríguez-Almeida, Elsa Verónica
Herrera-Mayorga, Ronald D. Randel ...........................................................................................1

Efecto de la consanguinidad y selección sobre los componentes de un índice


productivo en ratones bajo apareamiento estrecho
Effect of consanguinity and selection on the components of a productive index, in mice under
close mating
Dulce Janet Hernández López, Raúl Ulloa Arvizu, Carlos Gustavo Vázquez Peláez, Graciela
Guadalupe Tapia Pérez .....................................................................................…………............23

Variabilidad genética en biomasa aérea y sus componentes en alfalfa bajo riego y


sequía
Genetic variability in aerial biomass and its components in alfalfa under irrigation and drought
Milton Javier Luna-Guerrero, Cándido López-Castañeda ..............…………………………………………….39

Estimación de masa de forraje en una pradera mixta por aprendizaje automatizado,


datos del manejo de la pradera y meteorológicos satelitales
Estimation of forage mass in a mixed pasture by machine learning, pasture management and
satellite meteorological data
Aurelio Guevara-Escobar, Mónica Cervantes-Jiménez, Vicente Lemus-Ramírez, Adolfo
Kunio Yabuta-Osorio, José Guadalupe García-Muñiz ……………………………………………………………….61

Thymol and carvacrol determination in a swine feed organic matrix using Headspace
SPME-GC-MS
Determinación de timol y carvacrol en una matriz orgánica de alimento para cerdo utilizando
Headspace SPME-GC-MS
Fernando Jonathan Lona-Ramírez, Nancy Lizeth Hernández-López, Guillermo González-Alatorre,
Teresa del Carmen Flores-Flores, Rosalba Patiño-Herrera, José Francisco Louvier-Hernández …….78

III
Cambios en el recuento de cuatro grupos bacterianos durante la maduración del
Queso de Prensa (Costeño) de Cuajinicuilapa, México
Changes in the count of four bacterial groups during the ripening of Prensa (Costeño) Cheese
from Cuajinicuilapa, Mexico
José Alberto Mendoza-Cuevas, Armando Santos-Moreno, Beatriz Teresa Rosas-Barbosa, Ma.
Carmen Ybarra-Moncada, Emmanuel Flores-Girón, Diana Guerra-Ramírez ......………………………..…94

Detección molecular de un fragmento del virus de lengua azul en borregos de


diferentes regiones de México
Molecular detection of a fragment of bluetongue virus in sheep from different regions of
Mexico
Edith Rojas Anaya, Fernando Cerón-Téllez, Luis Adrián Yáñez-Garza, José Luis
Gutiérrez-Hernández, Rosa Elena Sarmiento-Salas, Elizabeth Loza-Rubio ...........................……110

Insulin-like growth factor 1 (IGF-1) concentrations in synovial fluid of sound and


osteoarthritic horses, and its correlation with proinflammatory cytokines IL-6 and TNF
Concentraciones del factor de crecimiento similar a la insulina 1 (IGF-1) en el líquido sinovial de
caballos sanos y osteoartríticos, y su correlación con las citoquinas proinflamatorias IL-6 y TNFα
Fernando García-Lacy F., Sara Teresa Méndez-Cruz, Horacio Reyes-Vivas, Victor Manuel Dávila-
Borja, Jose Alejandro Barrera-Morales, Gabriel Gutiérrez-Ospina, Margarita Gómez-Chavarín,
Francisco José Trigo-Tavera .......................................................…………………………………………122

Uso de células estromales mesenquimales derivadas de la gelatina de Wharton para


el tratamiento de uveítis recurrente equina: estudio piloto
Use of Wharton's jelly-derived mesenchymal stromal cells for the treatment of equine recurrent
uveitis: a pilot study
María Masri-Daba, Montserrat Erandi Camacho-Flores, Ninnet Gómez-Romero, Francisco Javier
Basurto Alcántara .................................................................................………………………………137

Escala de la producción y eficiencia técnica de la ganadería bovina para carne en


Puebla, México
Scale of production and technical efficiency of beef cattle farming in Puebla, Mexico
José Luis Jaramillo Villanueva, Lissette Abigail Rojas Juárez, Samuel Vargas López ……………….…154

Regresión cuantil para predicción de caracteres complejos en bovinos Suizo


Europeo usando marcadores SNP y pedigrí
Quantile regression for prediction of complex traits in Braunvieh cattle using SNP markers
and pedigree
Jonathan Emanuel Valerio-Hernández, Paulino Pérez-Rodríguez, Agustín Ruíz-Flores ……………….172

Análisis de crecimiento estacional de una pradera de trébol blanco ( Trifolium repens L)


Seasonal growth analysis of a white clover meadow ( Trifolium repens L.)
Edgar Hernández Moreno, Joel Ventura Ríos, Claudia Yanet Wilson García, María de los Ángeles
Maldonado Peralta, Juan de Dios Guerrero Rodríguez, Graciela Munguía Ameca,
Adelaido Rafael Rojas García....................................................................................…………….190

IV
REVISIONES DE LITERATURA
Reviews

Aspects related to the importance of using predictive models in sheep production.


Review
Aspectos relacionados con la importancia del uso de modelos predictivos en la producción
ovina. Revisión
Antonio Leandro Chaves Gurgel, Gelson dos Santos Difante, Luís Carlos Vinhas Ítavo,
João Virgínio Emerenciano Neto, Camila Celeste Brandão Ferreira Ítavo, Patrick Bezerra
Fernandes, Carolina Marques Costa, Francisca Fernanda da Silva Roberto, Alfonso Juventino
Chay-Canul ..........................................................................................................................204

NOTAS DE INVESTIGACIÓN
Techcnical notes

Preferencia de ocho plantas por Odocoileus virginianus en cautiverio


Preference for eight plants among captive white-tailed deer Odocoileus virginianus in
Veracruz, Mexico
Hannia Yaret Cueyactle-Cano, Ricardo Serna-Lagunes, Norma Mora-Collado, Pedro
Zetina-Córdoba, Gerardo Benjamín Torres-Cantú .....................................………………...............228

Rendimiento y valor nutricional de brásicas forrajeras en comparación con forrajes


tradicionales
Yield and nutritional value of forage brassicas compared to traditional forages
David Guadalupe Reta Sánchez, Juan Isidro Sánchez Duarte, Esmeralda Ochoa Martínez,
Ana Isabel González Cifuentes, Arturo Reyes González, Karla Rodríguez Hernández …….............237

Genetic characterization of bovine viral diarrhea virus 1b isolated from mucosal


disease
Caracterización del virus de la diarrea viral bovino subtipo 1b aislado de un caso de la
enfermedad de las mucosas
Roberto Navarro-López, Juan Diego Perez-de la Rosa, Marisol Karina Rocha-Martínez,
Marcela Villarreal-Silva, Mario Solís-Hernández, Eric Rojas-Torres, Ninnet Gómez-Romero ...........248

V
Actualización: marzo, 2020

NOTAS AL AUTOR

La Revista Mexicana de Ciencias Pecuarias se edita 6. Los manuscritos de las tres categorías de trabajos que
completa en dos idiomas (español e inglés) y publica tres se publican en la Rev. Mex. Cienc. Pecu. deberán
categorías de trabajos: Artículos científicos, Notas de contener los componentes que a continuación se
investigación y Revisiones bibliográficas. indican, empezando cada uno de ellos en página
aparte.
Los autores interesados en publicar en esta revista
deberán ajustarse a los lineamientos que más adelante se Página del título
indican, los cuales en términos generales, están de Resumen en español
acuerdo con los elaborados por el Comité Internacional de Resumen en inglés
Editores de Revistas Médicas (CIERM) Bol Oficina Sanit Texto
Panam 1989;107:422-437. Agradecimientos y conflicto de interés
Literatura citada
1. Sólo se aceptarán trabajos inéditos. No se admitirán
si están basados en pruebas de rutina, ni datos
7. Página del Título. Solamente debe contener el título
experimentales sin estudio estadístico cuando éste
del trabajo, que debe ser conciso pero informativo; así
sea indispensable. Tampoco se aceptarán trabajos
como el título traducido al idioma inglés. En el
que previamente hayan sido publicados condensados
manuscrito no es necesaria información como
o in extenso en Memorias o Simposio de Reuniones o
nombres de autores, departamentos, instituciones,
Congresos (a excepción de Resúmenes).
direcciones de correspondencia, etc., ya que estos
2. Todos los trabajos estarán sujetos a revisión de un datos tendrán que ser registrados durante el proceso
Comité Científico Editorial, conformado por Pares de de captura de la solicitud en la plataforma del OJS
la Disciplina en cuestión, quienes desconocerán el (http://ciencias pecuarias.inifap.gob.mx).
nombre e Institución de los autores proponentes. El
8. Resumen en español. En la segunda página se debe
Editor notificará al autor la fecha de recepción de su
incluir un resumen que no pase de 250 palabras. En
trabajo.
él se indicarán los propósitos del estudio o
3. El manuscrito deberá someterse a través del portal de investigación; los procedimientos básicos y la
la Revista en la dirección electrónica: metodología empleada; los resultados más
http://cienciaspecuarias.inifap.gob.mx, consultando importantes encontrados, y de ser posible, su
el “Instructivo para envío de artículos en la página de significación estadística y las conclusiones principales.
la Revista Mexicana de Ciencias Pecuarias”. Para su A continuación del resumen, en punto y aparte,
elaboración se utilizará el procesador de Microsoft agregue debidamente rotuladas, de 3 a 8 palabras o
Word, con letra Times New Roman a 12 puntos, a frases cortas clave que ayuden a los indizadores a
doble espacio. Asimismo se deberán llenar los clasificar el trabajo, las cuales se publicarán junto con
formatos de postulación, carta de originalidad y no el resumen.
duplicidad y disponibles en el propio sitio oficial de la
9. Resumen en inglés. Anotar el título del trabajo en
revista.
inglés y a continuación redactar el “abstract” con las
4. Por ser una revista con arbitraje, y para facilitar el mismas instrucciones que se señalaron para el
trabajo de los revisores, todos los renglones de cada resumen en español. Al final en punto y aparte, se
página deben estar numerados; asimismo cada deberán escribir las correspondientes palabras clave
página debe estar numerada, inclusive cuadros, (“key words”).
ilustraciones y gráficas.
10. Texto. Las tres categorías de trabajos que se publican
5. Los artículos tendrán una extensión máxima de 20 en la Rev. Mex. Cienc. Pecu. consisten en lo
cuartillas a doble espacio, sin incluir páginas de Título, siguiente:
y cuadros o figuras (los cuales no deberán exceder de
a) Artículos científicos. Deben ser informes de trabajos
ocho y ser incluidos en el texto). Las Notas de
originales derivados de resultados parciales o finales
investigación tendrán una extensión máxima de 15
de investigaciones. El texto del Artículo científico se
cuartillas y 6 cuadros o figuras. Las Revisiones
divide en secciones que llevan estos
bibliográficas una extensión máxima de 30 cuartillas y
encabezamientos:
5 cuadros.

VI
Introducción referencias, aunque pueden insertarse en el texto
Materiales y Métodos (entre paréntesis).
Resultados
Reglas básicas para la Literatura citada
Discusión
Conclusiones e implicaciones Nombre de los autores, con mayúsculas sólo las
Literatura citada iniciales, empezando por el apellido paterno, luego
iniciales del materno y nombre(s). En caso de
En los artículos largos puede ser necesario agregar apellidos compuestos se debe poner un guión entre
subtítulos dentro de estas divisiones a fin de hacer ambos, ejemplo: Elías-Calles E. Entre las iniciales de
más claro el contenido, sobre todo en las secciones de un autor no se debe poner ningún signo de
Resultados y de Discusión, las cuales también pueden puntuación, ni separación; después de cada autor sólo
presentarse como una sola sección. se debe poner una coma, incluso después del
b) Notas de investigación. Consisten en penúltimo; después del último autor se debe poner un
modificaciones a técnicas, informes de casos clínicos punto.
de interés especial, preliminares de trabajos o El título del trabajo se debe escribir completo (en su
investigaciones limitadas, descripción de nuevas idioma original) luego el título abreviado de la revista
variedades de pastos; así como resultados de donde se publicó, sin ningún signo de puntuación;
investigación que a juicio de los editores deban así ser inmediatamente después el año de la publicación,
publicados. El texto contendrá la misma información luego el número del volumen, seguido del número
del método experimental señalado en el inciso a), (entre paréntesis) de la revista y finalmente el número
pero su redacción será corrida del principio al final del de páginas (esto en caso de artículo ordinario de
trabajo; esto no quiere decir que sólo se supriman los revista).
subtítulos, sino que se redacte en forma continua y
coherente. Puede incluir en la lista de referencias, los artículos
aceptados aunque todavía no se publiquen; indique la
c) Revisiones bibliográficas. Consisten en el
revista y agregue “en prensa” (entre corchetes).
tratamiento y exposición de un tema o tópico de
relevante actualidad e importancia; su finalidad es la En el caso de libros de un solo autor (o más de uno,
de resumir, analizar y discutir, así como poner a pero todos responsables del contenido total del libro),
disposición del lector información ya publicada sobre después del o los nombres, se debe indicar el título
un tema específico. El texto se divide en: del libro, el número de la edición, el país, la casa
Introducción, y las secciones que correspondan al editorial y el año.
desarrollo del tema en cuestión.
Cuando se trate del capítulo de un libro de varios
11. Agradecimientos y conflicto de interés. Siempre autores, se debe poner el nombre del autor del
que corresponda, se deben especificar las capítulo, luego el título del capítulo, después el
colaboraciones que necesitan ser reconocidas, tales
nombre de los editores y el título del libro, seguido del
como a) la ayuda técnica recibida; b) el
país, la casa editorial, año y las páginas que abarca el
agradecimiento por el apoyo financiero y material,
capítulo.
especificando la índole del mismo; c) las relaciones
financieras que pudieran suscitar un conflicto de En el caso de tesis, se debe indicar el nombre del
intereses. Las personas que colaboraron pueden ser autor, el título del trabajo, luego entre corchetes el
citadas por su nombre, añadiendo su función o tipo de grado (licenciatura, maestría, doctorado), luego el
colaboración; por ejemplo: “asesor científico”, nombre de la ciudad, estado y en su caso país,
“revisión crítica de la propuesta para el estudio”, seguidamente el nombre de la Universidad (no el de
“recolección de datos”, etc. Siempre que corresponda, la escuela), y finalmente el año.
los autores deberán mencionar si existe algún
conflicto de interés. Emplee el estilo de los ejemplos que aparecen a
continuación, los cuales están parcialmente basados
12. Literatura citada. Numere las referencias en el formato que la Biblioteca Nacional de Medicina
consecutivamente en el orden en que se mencionan de los Estados Unidos usa en el Index Medicus.
por primera vez en el texto. Las referencias en el
texto, en los cuadros y en las ilustraciones se deben
identificar mediante números arábigos entre Revistas
paréntesis, sin señalar el año de la referencia. Evite
hasta donde sea posible, el tener que mencionar en el Artículo ordinario, con volumen y número. (Incluya el
texto el nombre de los autores de las referencias. nombre de todos los autores cuando sean seis o
Procure abstenerse de utilizar los resúmenes como menos; si son siete o más, anote sólo el nombre de
referencias; las “observaciones inéditas” y las los seis primeros y agregue “et al.”).
“comunicaciones personales” no deben usarse como

VII
I) Basurto GR, Garza FJD. Efecto de la inclusión de grasa XI) Olea PR, Cuarón IJA, Ruiz LFJ, Villagómez AE.
o proteína de escape ruminal en el comportamiento Concentración de insulina plasmática en cerdas
de toretes Brahman en engorda. Téc Pecu Méx alimentadas con melaza en la dieta durante la
1998;36(1):35-48. inducción de estro lactacional [resumen]. Reunión
nacional de investigación pecuaria. Querétaro, Qro.
Sólo número sin indicar volumen.
1998:13.
II) Stephano HA, Gay GM, Ramírez TC. Encephalomielitis,
XII) Cunningham EP. Genetic diversity in domestic
reproductive failure and corneal opacity (blue eye) in
animals: strategies for conservation and
pigs associated with a paramyxovirus infection. Vet
development. In: Miller RH et al. editors. Proc XX
Rec 1988;(122):6-10.
Beltsville Symposium: Biotechnology’s role in
III) Chupin D, Schuh H. Survey of present status ofthe use genetic improvement of farm animals. USDA.
of artificial insemination in developing countries. 1996:13.
World Anim Rev 1993;(74-75):26-35.
Tesis.
No se indica el autor.
XIII) Alvarez MJA. Inmunidad humoral en la anaplasmosis
IV) Cancer in South Africa [editorial]. S Afr Med J y babesiosis bovinas en becerros mantenidos en una
1994;84:15. zona endémica [tesis maestría]. México, DF:
Universidad Nacional Autónoma de México; 1989.
Suplemento de revista.
XIV) Cairns RB. Infrared spectroscopic studies of solid
V) Hall JB, Staigmiller RB, Short RE, Bellows RA, Bartlett oxigen [doctoral thesis]. Berkeley, California, USA:
SE. Body composition at puberty in beef heifers as University of California; 1965.
influenced by nutrition and breed [abstract]. J Anim
Sci 1998;71(Suppl 1):205. Organización como autor.

Organización, como autor. XV) NRC. National Research Council. The nutrient
requirements of beef cattle. 6th ed. Washington,
VI) The Cardiac Society of Australia and New Zealand. DC, USA: National Academy Press; 1984.
Clinical exercise stress testing. Safety and performance
guidelines. Med J Aust 1996;(164):282-284. XVI) SAGAR. Secretaría de Agricultura, Ganadería y
Desarrollo Rural. Curso de actualización técnica para
En proceso de publicación. la aprobación de médicos veterinarios zootecnistas
responsables de establecimientos destinados al
VII) Scifres CJ, Kothmann MM. Differential grazing use of
sacrificio de animales. México. 1996.
herbicide treated area by cattle. J Range Manage [in
press] 2000. XVII) AOAC. Oficial methods of analysis. 15th ed.
Arlington, VA, USA: Association of Official Analytical
Chemists. 1990.
Libros y otras monografías
XVIII) SAS. SAS/STAT User’s Guide (Release 6.03). Cary
Autor total. NC, USA: SAS Inst. Inc. 1988.
VIII) Steel RGD, Torrie JH. Principles and procedures of XIX) SAS. SAS User´s Guide: Statistics (version 5 ed.).
statistics: A biometrical approach. 2nd ed. New Cary NC, USA: SAS Inst. Inc. 1985.
York, USA: McGraw-Hill Book Co.; 1980.
Publicaciones electrónicas
Autor de capítulo.
XX) Jun Y, Ellis M. Effect of group size and feeder type
IX) Roberts SJ. Equine abortion. In: Faulkner LLC editor. on growth performance and feeding patterns in
Abortion diseases of cattle. 1rst ed. Springfield,
growing pigs. J Anim Sci 2001;79:803-813.
Illinois, USA: Thomas Books; 1968:158-179.
http://jas.fass.org/cgi/reprint/79/4/803.pdf.
Accessed Jul 30, 2003.
Memorias de reuniones.
XXI) Villalobos GC, González VE, Ortega SJA. Técnicas
X) Loeza LR, Angeles MAA, Cisneros GF. Alimentación
para estimar la degradación de proteína y materia
de cerdos. En: Zúñiga GJL, Cruz BJA editores.
orgánica en el rumen y su importancia en rumiantes
Tercera reunión anual del centro de investigaciones
forestales y agropecuarias del estado de Veracruz. en pastoreo. Téc Pecu Méx 2000;38(2): 119-134.
Veracruz. 1990:51-56. http://www.tecnicapecuaria.org/trabajos/20021217
5725.pdf. Consultado 30 Ago, 2003.

VIII
XXII) Sanh MV, Wiktorsson H, Ly LV. Effect of feeding ha hectárea (s)
level on milk production, body weight change, feed h hora (s)
conversion and postpartum oestrus of crossbred i.m. intramuscular (mente)
lactating cows in tropical conditions. Livest Prod Sci i.v. intravenosa (mente)
2002;27(2-3):331-338. http://www.sciencedirect. J joule (s)
com/science/journal/03016226. Accessed Sep 12, kg kilogramo (s)
2003.
km kilómetro (s)
13. Cuadros, Gráficas e Ilustraciones. Es preferible L litro (s)
que sean pocos, concisos, contando con los datos log logaritmo decimal
necesarios para que sean autosuficientes, que se Mcal megacaloría (s)
entiendan por sí mismos sin necesidad de leer el texto. MJ megajoule (s)
Para las notas al pie se deberán utilizar los símbolos
m metro (s)
convencionales.
msnm metros sobre el nivel del mar
14 Versión final. Es el documento en el cual los autores µg microgramo (s)
ya integraron las correcciones y modificaciones µl microlitro (s)
indicadas por el Comité Revisor. Los trabajos deberán
µm micrómetro (s)(micra(s))
ser elaborados con Microsoft Word. Las fotografías e
imágenes deberán estar en formato jpg (o mg miligramo (s)
compatible) con al menos 300 dpi de resolución. ml mililitro (s)
Tanto las fotografías, imágenes, gráficas, cuadros o mm milímetro (s)
tablas deberán incluirse en el mismo archivo del texto. min minuto (s)
Los cuadros no deberán contener ninguna línea ng nanogramo (s)Pprobabilidad (estadística)
vertical, y las horizontales solamente las que delimitan p página
los encabezados de columna, y la línea al final del PC proteína cruda
cuadro.
PCR reacción en cadena de la polimerasa
15. Una vez recibida la versión final, ésta se mandará para pp páginas
su traducción al idioma inglés o español, según ppm partes por millón
corresponda. Si los autores lo consideran conveniente % por ciento (con número)
podrán enviar su manuscrito final en ambos idiomas.
rpm revoluciones por minuto
16. Tesis. Se publicarán como Artículo o Nota de seg segundo (s)
Investigación, siempre y cuando se ajusten a las t tonelada (s)
normas de esta revista. TND total de nutrientes digestibles
17. Los trabajos no aceptados para su publicación se UA unidad animal
regresarán al autor, con un anexo en el que se UI unidades internacionales
explicarán los motivos por los que se rechaza o las vs versus
modificaciones que deberán hacerse para ser xg gravedades
reevaluados.
Cualquier otra abreviatura se pondrá entre paréntesis
18. Abreviaturas de uso frecuente: inmediatamente después de la(s) palabra(s)
cal caloría (s) completa(s).
cm centímetro (s) 19. Los nombres científicos y otras locuciones latinas se
°C grado centígrado (s) deben escribir en cursivas.
DL50 dosis letal 50%
g gramo (s)

IX
Updated: March, 2020

INSTRUCTIONS FOR AUTHORS

Revista Mexicana de Ciencias Pecuarias is a scientific


journal published in a bilingual format (Spanish and
English) which carries three types of papers: Research
Articles, Technical Notes, and Reviews. Authors interested Title page
in publishing in this journal, should follow the below- Abstract
mentioned directives which are based on those set down Text
by the International Committee of Medical Journal Editors Acknowledgments and conflict of interest
(ICMJE) Bol Oficina Sanit Panam 1989;107:422-437. Literature cited
1. Only original unpublished works will be accepted.
Manuscripts based on routine tests, will not be 7. Title page. It should only contain the title of the
accepted. All experimental data must be subjected to work, which should be concise but informative; as well
statistical analysis. Papers previously published as the title translated into English language. In the
condensed or in extenso in a Congress or any other manuscript is not necessary information as names of
type of Meeting will not be accepted (except for authors, departments, institutions and
Abstracts). correspondence addresses, etc.; as these data will
have to be registered during the capture of the
2. All contributions will be peer reviewed by a scientific application process on the OJS platform
editorial committee, composed of experts who ignore (http://cienciaspecuarias.inifap.gob.mx).
the name of the authors. The Editor will notify the
author the date of manuscript receipt. 8. Abstract. On the second page a summary of no more
than 250 words should be included. This abstract
3. Papers will be submitted in the Web site should start with a clear statement of the objectives
http://cienciaspecuarias.inifap.gob.mx, according the and must include basic procedures and methodology.
“Guide for submit articles in the Web site of the The more significant results and their statistical value
Revista Mexicana de Ciencias Pecuarias”. Manuscripts and the main conclusions should be elaborated briefly.
should be prepared, typed in a 12 points font at At the end of the abstract, and on a separate line, a
double space (including the abstract and tables), At list of up to 10 key words or short phrases that best
the time of submission a signed agreement co-author describe the nature of the research should be stated.
letter should enclosed as complementary file; co- 9. Text. The three categories of articles which are
authors at different institutions can mail this form published in Revista Mexicana de Ciencias
independently. The corresponding author should be Pecuarias are the following:
indicated together with his address (a post office box
will not be accepted), telephone and Email. a) Research Articles. They should originate in primary
works and may show partial or final results of
4. To facilitate peer review all pages should be numbered research. The text of the article must include the
consecutively, including tables, illustrations and following parts:
graphics, and the lines of each page should be Introduction
numbered as well.
Materials and Methods
5. Research articles will not exceed 20 double spaced Results
pages, without including Title page and Tables and Discussion
Figures (8 maximum and be included in the text). Conclusions and implications
Technical notes will have a maximum extension of 15 Literature cited
pages and 6 Tables and Figures. Reviews should not In lengthy articles, it may be necessary to add other
exceed 30 pages and 5 Tables and Figures. sections to make the content clearer. Results and
6. Manuscripts of all three type of articles published in Discussion can be shown as a single section if
Revista Mexicana de Ciencias Pecuarias should considered appropriate.
contain the following sections, and each one should b) Technical Notes. They should be brief and be
begin on a separate page. evidence for technical changes, reports of clinical
cases of special interest, complete description of a
limited investigation, or research results which

X
should be published as a note in the opinion names(s), the number of the edition, the country, the
of the editors. The text will contain the same printing house and the year.
information presented in the sections of the
e. When a reference is made of a chapter of book
research article but without section titles.
written by several authors; the name of the author(s)
c) Reviews. The purpose of these papers is to of the chapter should be quoted, followed by the title
summarize, analyze and discuss an outstanding topic. of the chapter, the editors and the title of the book,
The text of these articles should include the following the country, the printing house, the year, and the
sections: Introduction, and as many sections as initial and final pages.
needed that relate to the description of the topic in
question. f. In the case of a thesis, references should be
made of the author’s name, the title of the research,
10. Acknowledgements. Whenever appropriate, the degree obtained, followed by the name of the City,
collaborations that need recognition should be
State, and Country, the University (not the school),
specified: a) Acknowledgement of technical support;
and finally the year.
b) Financial and material support, specifying its
nature; and c) Financial relationships that could be the
source of a conflict of interest. Examples

People which collaborated in the article may be The style of the following examples, which are partly
named, adding their function or contribution; for based on the format the National Library of Medicine
example: “scientific advisor”, “critical review”, “data of the United States employs in its Index Medicus,
collection”, etc. should be taken as a model.

11. Literature cited. All references should be quoted in


their original language. They should be numbered
Journals
consecutively in the order in which they are first
mentioned in the text. Text, tables and figure Standard journal article (List the first six authors
references should be identified by means of Arabic followed by et al.)
numbers. Avoid, whenever possible, mentioning in the
text the name of the authors. Abstain from using I) Basurto GR, Garza FJD. Efecto de la inclusión de grasa
abstracts as references. Also, “unpublished o proteína de escape ruminal en el comportamiento
observations” and “personal communications” should de toretes Brahman en engorda. Téc Pecu Méx
not be used as references, although they can be 1998;36(1):35-48.
inserted in the text (inside brackets).
Issue with no volume
Key rules for references
II) Stephano HA, Gay GM, Ramírez TC. Encephalomielitis,
a. The names of the authors should be quoted reproductive failure and corneal opacity (blue eye) in
beginning with the last name spelt with initial capitals, pigs associated with a paramyxovirus infection. Vet
followed by the initials of the first and middle name(s). Rec 1988;(122):6-10.
In the presence of compound last names, add a dash
between both, i.e. Elias-Calles E. Do not use any III) Chupin D, Schuh H. Survey of present status of the
punctuation sign, nor separation between the initials use of artificial insemination in developing countries.
of an author; separate each author with a comma, World Anim Rev 1993;(74-75):26-35.
even after the last but one.
No author given
b. The title of the paper should be written in full,
followed by the abbreviated title of the journal without IV) Cancer in South Africa [editorial]. S Afr Med J
any punctuation sign; then the year of the publication, 1994;84:15.
after that the number of the volume, followed by the
number (in brackets) of the journal and finally the Journal supplement
number of pages (this in the event of ordinary article).
V) Hall JB, Staigmiller RB, Short RE, Bellows RA, Bartlett
c. Accepted articles, even if still not published, can SE. Body composition at puberty in beef heifers as
be included in the list of references, as long as the influenced by nutrition and breed [abstract]. J Anim
journal is specified and followed by “in press” (in Sci 1998;71(Suppl 1):205.
brackets).
d. In the case of a single author’s book (or more
than one, but all responsible for the book’s contents),
the title of the book should be indicated after the

XI
Organization, as author Organization as author
VI) The Cardiac Society of Australia and New Zealand. XV) NRC. National Research Council. The nutrient
Clinical exercise stress testing. Safety and requirements of beef cattle. 6th ed. Washington,
performance guidelines. Med J Aust 1996;(164):282- DC, USA: National Academy Press; 1984.
284. XVI) SAGAR. Secretaría de Agricultura, Ganadería y
In press Desarrollo Rural. Curso de actualización técnica para
la aprobación de médicos veterinarios zootecnistas
VII) Scifres CJ, Kothmann MM. Differential grazing use of responsables de establecimientos destinados al
herbicide-treated area by cattle. J Range Manage [in sacrificio de animales. México. 1996.
press] 2000.
XVII) AOAC. Official methods of analysis. 15th ed.
Books and other monographs Arlington, VA, USA: Association of Official Analytical
Chemists. 1990.
Author(s)
XVIII) SAS. SAS/STAT User’s Guide (Release 6.03). Cary
VIII) Steel RGD, Torrie JH. Principles and procedures of NC, USA: SAS Inst. Inc. 1988.
statistics: A biometrical approach. 2nd ed. New
York, USA: McGraw-Hill Book Co.; 1980. XIX) SAS. SAS User´s Guide: Statistics (version 5 ed.).
Cary NC, USA: SAS Inst. Inc. 1985.
Chapter in a book
Electronic publications
IX) Roberts SJ. Equine abortion. In: Faulkner LLC editor.
Abortion diseases of cattle. 1rst ed. Springfield, XX) Jun Y, Ellis M. Effect of group size and feeder type
Illinois, USA: Thomas Books; 1968:158-179. on growth performance and feeding patterns in
growing pigs. J Anim Sci 2001;79:803-813.
http://jas.fass.org/cgi/reprint/79/4/803.pdf.
Conference paper
Accesed Jul 30, 2003.
X) Loeza LR, Angeles MAA, Cisneros GF. Alimentación
XXI) Villalobos GC, González VE, Ortega SJA. Técnicas
de cerdos. En: Zúñiga GJL, Cruz BJA editores.
para estimar la degradación de proteína y materia
Tercera reunión anual del centro de investigaciones
forestales y agropecuarias del estado de Veracruz. orgánica en el rumen y su importancia en rumiantes
Veracruz. 1990:51-56. en pastoreo. Téc Pecu Méx 2000;38(2): 119-134.
http://www.tecnicapecuaria.org/trabajos/20021217
XI) Olea PR, Cuarón IJA, Ruiz LFJ, Villagómez AE. 5725.pdf. Consultado 30 Jul, 2003.
Concentración de insulina plasmática en cerdas
alimentadas con melaza en la dieta durante la XXII) Sanh MV, Wiktorsson H, Ly LV. Effect of feeding
inducción de estro lactacional [resumen]. Reunión level on milk production, body weight change, feed
nacional de investigación pecuaria. Querétaro, Qro. conversion and postpartum oestrus of crossbred
1998:13. lactating cows in tropical conditions. Livest Prod Sci
2002;27(2-3):331-338.
XII) Cunningham EP. Genetic diversity in domestic
animals: strategies for conservation and http://www.sciencedirect.com/science/journal/030
development. In: Miller RH et al. editors. Proc XX 16226. Accesed Sep 12, 2003.
Beltsville Symposium: Biotechnology’s role in 12. Tables, Graphics and Illustrations. It is preferable
genetic improvement of farm animals. USDA.
that they should be few, brief and having the
1996:13.
necessary data so they could be understood without
reading the text. Explanatory material should be
Thesis
placed in footnotes, using conventional symbols.
XIII) Alvarez MJA. Inmunidad humoral en la anaplasmosis
y babesiosis bovinas en becerros mantenidos en una 13. Final version. This is the document in which the
zona endémica [tesis maestría]. México, DF: authors have already integrated the corrections and
Universidad Nacional Autónoma de México; 1989. modifications indicated by the Review Committee. The
works will have to be elaborated with Microsoft Word.
XIV) Cairns RB. Infrared spectroscopic studies of solid Photographs and images must be in jpg (or
oxigen [doctoral thesis]. Berkeley, California, USA:
compatible) format with at least 300 dpi resolution.
University of California; 1965.
Photographs, images, graphs, charts or tables must
be included in the same text file. The boxes should
not contain any vertical lines, and the horizontal ones
only those that delimit the column headings, and the
line at the end of the box.

XII
14. Once accepted, the final version will be translated into MJ mega joule (s)
Spanish or English, although authors should feel free m meter (s)
to send the final version in both languages. No µl micro liter (s)
charges will be made for style or translation services. µm micro meter (s)
15. Thesis will be published as a Research Article or as a mg milligram (s)
Technical Note, according to these guidelines. ml milliliter (s)
mm millimeter (s)
16. Manuscripts not accepted for publication will be min minute (s)
returned to the author together with a note explaining ng nanogram (s)
the cause for rejection, or suggesting changes which
P probability (statistic)
should be made for re-assessment.
p page
CP crude protein
PCR polymerase chain reaction
17. List of abbreviations:
pp pages
cal calorie (s) ppm parts per million
cm centimeter (s) % percent (with number)
°C degree Celsius rpm revolutions per minute
DL50 lethal dose 50% sec second (s)
g gram (s) t metric ton (s)
ha hectare (s) TDN total digestible nutrients
h hour (s) AU animal unit
i.m. intramuscular (..ly) IU international units
i.v. intravenous (..ly) vs versus
J joule (s) xg gravidity
kg kilogram (s)
The full term for which an abbreviation stands should
km kilometer (s) precede its first use in the text.
L liter (s)
log decimal logarithm 18. Scientific names and other Latin terms should be
written in italics.
Mcal mega calorie (s)

XIII
https://doi.org/10.22319/rmcp.v14i1.6077

Artículo

Identificación de genes candidatos y SNP relacionados con el


temperamento del ganado utilizando un análisis GWAS junto con un
análisis de redes interactuantes

Francisco Alejandro Paredes-Sánchez a

Ana María Sifuentes-Rincón b*

Edgar Eduardo Lara-Ramírez c

Eduardo Casas d

Felipe Alonso Rodríguez-Almeida e

Elsa Verónica Herrera-Mayorga f

Ronald D. Randel g

a
Universidad Autónoma de Tamaulipas, IA-UAMM. Mante, México.
b
Instituto Politécnico Nacional. Centro de Biotecnología Genómica. Laboratorio de
Biotecnología Animal, Blvd. Del Maestro esq. Elías Piña. Col. Narciso Mendoza s/n. Cd.
Reynosa, Tam. México.
c
Instituto Mexicano del Seguro Social, Unidad de Investigación Biomédica de Zacatecas,
Zacatecas, México.
d
United States Department of Agriculture. National Animal Disease Center, Iowa, USA.
e
Universidad Autónoma de Chihuahua. Facultad de Zootecnia y Ecología, Chihuahua,
México.
f
Universidad Autónoma de Tamaulipas. IBI-UAMM, Mante, México.
g
Texas A&M University. AgriLife Research. Texas, USA.

*Autor de correspondencia: asifuentes@ipn.mx

1
Rev Mex Cienc Pecu 2023;14(1):1-22

Resumen:

El objetivo de este estudio fue identificar en animales de raza Angus y Brangus con
temperamento extremo, medido como velocidad de salida, regiones genómicas y genes
candidatos asociados con el temperamento bovino. La población fue genotipada con el chip
Genomic Profiler HD 150K y después del análisis de asociación del genoma completo, los
SNP rs133956611 (P= 2.65 E-06) y rs81144933 (P= 9.58 E-06) se asociaron con el
temperamento. El análisis de mapeo de las regiones cercanas al SNP rs81144933 identificó
los genes SNCA (alfa-sinucleína) y MMRN1 (multimerin-1) a 222.8 y 435.9 Kb corriente
abajo, respectivamente, mientras que para los loci rs133956611 se identificó el gen GPRIN3
(familia GPRIN- miembro 3) a 245.7 Kb corriente arriba, los tres genes se encuentran en el
cromosoma BTA6. El análisis de las interacciones proteína-proteína de SNCA permitió la
identificación de los genes APP (proteína precursora de β-amiloide), PARK7 (deglicasa
asociada al parkinsonismo), UCHL1 (ubiquitina C-terminal hidrolasa L1), PARK2 (parkina-
RBR-E3-ubiquitina-proteína-ligasa), y genes de la familia SLC como candidatos a estar
asociados con el temperamento bovino. Todos estos genes candidatos y su interacción fueron
resecuenciados, lo que permitió el descubrimiento de nuevos SNP en los genes SNCA y APP.
De estos, los SNP localizados en los intrones 5, 8 y 11 del gen APP afectan a los motivos del
sitio de empalme. Estos resultados indican que el SNCA y sus genes interactuantes son
candidatos para estar relacionados con el temperamento bovino.

Palabras clave: Ganado de carne, Comportamiento, BTA6, Genes candidatos,


Temperamento.

Recibido: 18/10/2021

Aceptado: 16/08/2022

Introducción

El temperamento es un rasgo económicamente relevante que afecta el bienestar de los


animales y los rasgos relacionados con la productividad. El temperamento bovino se
considera el rasgo más importante de la personalidad de un animal y comprende una amplia
gama de comportamientos, desde la docilidad hasta el miedo y el nerviosismo o la falta de
respuesta, los intentos de escape y el comportamiento agresivo, en el que se observan
diversos parámetros como la actividad locomotora general y la reactividad al estrés. El
temperamento es afectado por la edad, la experiencia, el sexo, el manejo, los efectos
maternos, los factores ambientales, la genética, la especie y la raza(1,2). Hasta la fecha, varios
enfoques genómicos intentaron identificar regiones genómicas y genes en los que los

2
Rev Mex Cienc Pecu 2023;14(1):1-22

polimorfismos de un solo nucleótido (SNP, del inglés single nucleotide polymorphisms)


subyacentes están asociados con el temperamento, un rasgo fenotípico complejo.

El mapeo de locus de rasgo cuantitativo (QTL, del inglés quantitative trait locus) descubrió
la primera evidencia de regiones genómicas asociadas con rasgos de comportamiento en
razas lecheras(3,4). La detección de QTL en el genoma condujo a la propuesta de genes
candidatos bajo la región genómica abarcada por el QTL, que podrían ser potencialmente
responsables de las diferencias en la expresión de rasgos. La identificación de genes
candidatos con base en su función y posible implicación en el temperamento bovino ha sido
una estrategia para la búsqueda de SNP. Garza-Brenner et al(5) seleccionaron un grupo de 19
genes que participan en la vía de la dopamina y la serotonina, y a través de un análisis de
interacciones proteína-proteína (IPP), identificaron cuatro nuevos genes candidatos
interactuantes (POMC, NPY, SLC18A2 y FOSFBJ), de los cuales POMC, SLC18A2 y DRD3,
HTR2A (seleccionados con base en su función) revelaron SNP asociados con la velocidad de
salida (VS) y puntuación en corral (PC), que son mediciones del temperamento bovino en
una población de ganado Charolais. El mismo grupo encontró que las variaciones en estos
genes (DRD3, HTR2A y POMC) tuvieron un efecto sobre el crecimiento bovino (peso al
nacer) en una población de ganado Charolais, mostrando que las variaciones identificadas no
solo tuvieron un efecto sobre el temperamento bovino sino también sobre los rasgos de peso
vivo(6). Del mismo modo, con el objetivo de evaluar la relación potencial de dos de estos SNP
en los genes DRD3 y HTR2A con el temperamento bovino y las características de
crecimiento, y la eficiencia alimenticia, se analizó una población de ganado Angus, Brangus
y Charolais con evaluaciones de temperamento; los resultados indicaron que no hubo
asociación con VS y PC, pero el SNP en el gen HTR2A se asoció con la eficiencia alimenticia
en el ganado Brangus(7).

Los estudios de asociación del genoma completo (GWAS, del inglés genome-wide
association studies), basados en tecnologías de genotipado de polimorfismo de un solo
nucleótido (SNP, del inglés single nucleotide polymorphisms) de alto rendimiento, son un
enfoque relativamente reciente aplicado a estudios genéticos del temperamento del ganado y
han permitido la identificación de diferentes grupos de genes candidatos. Lindholm-Perry et
al(8) analizaron una población de las razas Angus, Hereford, Simmental, Limousin, Charolais,
Gelbvieh y Red Angus para identificar regiones genómicas y genes asociados con la
velocidad de vuelo (VV); determinaron regiones cromosómicas en BTA 9 y 17 asociadas e
identificaron dentro de ellas tres genes GRIA2, GLRB y QKI asociados con SNP cercanos.
Valente et al(9) evaluaron una población de Nellore utilizando la VS para evaluar su
temperamento. Los genes NCKAP5, PARK2, DOCK1, ANTXR1, CPE y GUCY1A2 se
detectaron como candidatos potenciales para el rasgo de interés. Finalmente, Dos Santos et
al(10) utilizaron una población Guzerat en la que se midió la reactividad como indicador del
temperamento. Los genes POU1F1, DRD3, VWA3A, ZBTB20, EPHA6, SNRPF y NTN4 se
propusieron como genes candidatos responsables de la expresión del rasgo.

3
Rev Mex Cienc Pecu 2023;14(1):1-22

En un contexto relacionado, la resecuenciación específica del exoma de regiones específicas


utilizando tecnologías de secuenciación de nueva generación (SNG) se ha convertido en una
técnica poderosa que permite la identificación de SNP. Este método puede capturar
eficientemente toda la variación en las regiones de interés. Los efectos potenciales pueden
ser evaluados en un estudio de asociación, que proporciona una herramienta efectiva para
encontrar SNP que afectan a un rasgo determinado(11). Sin embargo, debido a las diferencias
en el fenotipado del temperamento en estudios anteriores (es decir, cada estudio utiliza
diferentes técnicas para evaluar el temperamento bovino, la puntuación en corral, la
velocidad de salida, la reactividad, que evalúan diferentes aspectos del temperamento
bovino), no es posible vincular la información para esos genes identificados como
candidatos, o encontrar un proceso biológico representativo, interacciones proteína-proteína
entre estos genes, o una ruta biológica en la que estos genes convergen para visualizar cómo
el conjunto de genes explica el temperamento bovino. Así, la información genómica a
menudo permanece aislada y necesita ser integrada. Por lo tanto, el objetivo fue identificar
regiones genómicas y genes candidatos asociados con el temperamento en el ganado de carne
a través de la integración de una estrategia GWAS, análisis de interacción proteína-proteína
y SNP obtenidos mediante resecuenciación específica del exoma.

Material y métodos

Descripción de los animales y fuentes de muestras biológicas

Se obtuvieron datos y muestras de pelo del biobanco ubicado en el Laboratorio de


Biotecnología Animal CBG-IPN y procedían de una población bovina (n= 104) de toros
jóvenes Angus (AN, n=63) y Brangus (BR, n=41), con una edad promedio y peso corporal
de 273 ± 38 días y 272 ± 38 kg, respectivamente, analizados durante dos pruebas
centralizadas de rendimiento de eficiencia alimenticia basadas en la ingesta residual de
alimento (IRA) en el norte de México. El registro de datos y el manejo de los animales han
sido previamente descritos por Garza-Brenner et al(7). Brevemente, los animales fueron
alimentados en un corral de engorda durante un período de 70 días con un período de
adaptación previo al ensayo de 20 días, pesados al principio y al final de la prueba con
intervalos de 14 días en los que se realizaron las mediciones del temperamento bovino.

De la población, se realizó un GWAS utilizando un enfoque de genotipado selectivo


siguiendo la estrategia de las colas de la distribución fenotípica del temperamento bovino
medida por la velocidad de salida (VS) porque facilita la detección de diferencias fenotípicas
entre alelos(12). El genotipado selectivo se logró seleccionando un grupo de los animales más
tranquilos (n= 17; 10-AN y 7-BR) y más temperamentales (n= 17; 9-AN y 8-BR) con base
en los valores de VS de la población de estudio. El temperamento se evaluó mediante

4
Rev Mex Cienc Pecu 2023;14(1):1-22

mediciones de la VS después de un estímulo del muestreo de pelo en una manga midiendo la


velocidad de desplazamiento de más de 1.83 m (6 pies) con un sensor infrarrojo (FarmTek
Inc., North Wylie, TX, EE. UU.). La velocidad se calculó como VS= distancia (m)/tiempo
(s)(13,14). Se definieron los grupos de temperamento contrastantes con base en las mediciones
de VS de los animales. Los animales con mediciones de VS ≤1.9 m/s se clasificaron como
tranquilos, y aquellos con puntuaciones de VS ≥2.4 m/s se clasificaron como
temperamentales(14,15).

Para identificar SNP informativos en genes candidatos, se utilizaron 91 animales. Se


seleccionó un total de 91 animales como población de descubrimiento de SNP: 18 (9 dóciles;
9 temperamentales) de la raza Angus, 68 (44 dóciles; 24 temperamentales) de la raza
Brahman, y 5 (2 dóciles; 3 temperamentales) de la raza Charolais. A partir de muestras de
cabello y muescas en las orejas, se realizó la extracción de ADN utilizando el kit de
extracción GenElute™ (Sigma, St. Louis, Missouri, Estados Unidos).

Análisis GWAS y descubrimiento de genes

Se genotiparon treinta y cuatro (34) animales utilizando el chip GeneSeek Genomic Profiler
HD 150K (Neogen, Lincoln, NE). El análisis de asociación e identificación de regiones
genómicas asociadas con el temperamento bovino se realizaron con el software PLINK
1.9(16). Se realizó un control de calidad de los genotipos para identificar animales sin genotipo
asignado o con una baja tasa de genotipado (MIND >0.1). También se evaluó la frecuencia
de los alelos y se eliminaron los SNP con umbrales más bajos (MAF <0.01). El umbral de
significancia se estableció en P < 3 × 10-5. Se construyó un gráfico de Manhattan utilizando
qqman: un paquete de R para la visualización de los resultados de GWAS(17). Las posiciones
de SNP significativos se identificaron utilizando el genoma bovino de Bos taurus (UMD
3.1.1) y el software Map Viewer disponible en el Centro Nacional para la Información
Biotecnológica (NCBI, por sus siglas en inglés). Los genes más cercanos a los SNP
significativos (dentro de ~ 350 kb) también se identificaron con Map Viewer.

Análisis de vías e interacciones proteína-proteína

Para la identificación de las vías génicas, se realizó un enriquecimiento de términos de


Ontología Génica (GO) y un análisis de red de interacciones proteína-proteína (IPP) en el
navegador de genomas Ensembl(18), la base de datos Gene Ontology(19) y la base de datos
STRING(20), respectivamente.

5
Rev Mex Cienc Pecu 2023;14(1):1-22

Resecuenciación de genes candidatos

Con el objetivo de identificar SNP en las regiones codificantes y del gen SNCA y sus genes
interactuantes, identificados a través del análisis de interacciones proteína-proteína (IPP),
estos genes se resecuenciaron en la población de descubrimiento de SNP. Como parte de la
estrategia de secuenciación, además de los exones, también se analizaron regiones no
codificantes (140 pb antes y después de cada gen-exón). Así, se diseñó un panel
personalizado utilizando el software Design Studio (https://designstudio.illumina.com)
(Illumina, San Diego, CA, Estados Unidos) para el Ensayo Genético de ADN AmpliSeq, en
el que se incluyeron las regiones codificantes y los límites de los genes APP, PARK7,
SLC6A2, SNCA, UCHL1, PARK2, SLC18A2 y POMC, utilizando el genoma UMD 3.1.1 de
Bos Taurus como referencia.

La cuantificación de ADN se realizó en todos los pasos utilizando el kit de ensayo Qubit
dsDNA HS en el fluorómetro Qubit 3.0 (Thermo Scientific, Massachusetts, Estados Unidos).
Las bibliotecas se prepararon utilizando la guía de referencia para paneles personalizados
AmpliSeq (Documento # 1000000036408 v04) de Illumina, siguiendo las instrucciones para
2 grupos y para 49-96 pares de iniciadores por grupo. La calidad y cuantificación de las
bibliotecas se realizó utilizando el equipo Bioanalyzer 2100 (Agilent, California, Estados
Unidos) con el kit Agilent DNA 1000. La secuenciación (extremo pareado; longitud de
lectura 126 pb) se realizó con el Sistema de Secuenciación MiniSeq™.

Análisis bioinformático de datos de secuenciación

Las lecturas de secuencia generadas por el Sistema de Secuenciación MiniSeq™ se alinearon


con el genoma de referencia UMD 3.1.1 de Bos taurus utilizando el alineador Burrows-
Wheeler (BWA-MEM) v0.(21). Las lecturas se procesaron utilizando Picard v1.135
(http://broadinstitute.github.io/picard) y se limpiaron marcando y eliminando lecturas
duplicadas para generar archivos BAM. Las variaciones se identificaron utilizando el flujo
de trabajo del formato de llamada de variante genómica (GVCF, del inglés genomic variant
call format) con HaplotypeCaller(22). Los SNP se generaron en archivos VCF y se filtraron
utilizando los siguientes criterios: confianza de variante normalizada por profundidad (QD)
<2.0, calidad de mapeo (MQ) <40.0, sesgo de hebra (FS) >60.0, HaplotypeScore >13.0,
MQRankSum <−12.5 y ReadPosRank-Sum <−8.0(23).

Predicción del efecto de SNP no codificantes en sitios de empalme

Para estudiar el efecto de los 58 SNP identificados en las secuencias no codificantes de la


secuenciación específica del exoma de los genes SNCA y APP, se utilizó la interfaz web
online ESE finder3.0 (http://krainer01.cshl.edu/cgi-bin/tools/ESE3)(24); las secuencias de

6
Rev Mex Cienc Pecu 2023;14(1):1-22

SNCA NC_037333.1 y APP: NC_037328.1 se utilizaron como entrada, introduciéndolas


intrón por intrón (<5,000 pb) sin y con mutaciones, según la ubicación de los SNP. Este
proceso permitió determinar si los SNP formaban parte de un motivo del sitio de empalme
donante (5') o aceptor (3'); el programa asigna una puntuación a la secuencia de entrada de
acuerdo con la pérdida de la secuencia de consenso, de modo que se predice que las
puntuaciones por encima de un valor umbral predeterminado (donante: 6.67; aceptor: 6.632)
actuarán como un sitio de empalme, lo que permite analizar si los SNP afectan a los motivos
de los sitios de empalme.

Resultados

Análisis GWAS e identificación de genes candidatos junto con análisis de


interacciones proteína-proteína

La Figura 1 muestra un gráfico de Manhattan con los resultados del análisis GWAS de los
SNP evaluados por su asociación con el temperamento en el ganado Brangus y Angus.
Rs133956611 y rs81144933 se asociaron con un temperamento dócil (Cuadro 1). Los genes
SNCA (alfa-sinucleína; GenID 282857) y MMRN1 (multimerin 1; GenID 516574) se
encuentran aproximadamente a 222.8 y 435.9 Kb corriente arriba, respectivamente, de
rs81144933; mientras que el gen GPRIN3 (miembro 3 de la familia GPRIN; GenID 517995)
se identificó a 245.7 Kb corriente abajo de rs133956611.

Figura 1: Gráfico de Manhattan de -log10 (valores P) para la asociación del genoma


completo con la velocidad de salida

7
Rev Mex Cienc Pecu 2023;14(1):1-22

Cuadro 1: SNP asociados con el temperamento bovino en ganado Angus y Brangus

CHR ID de rs Posición Frecuencia Valor-P


pb T D
6 rs133956611 36,676,986 0.14 0.67 9.2 E-06

6 rs81144933 36,655,249 0.20 0.70 3.48 E-05

T= temperamental; D= dócil.

La línea horizontal corresponde a un umbral significativo de P=3× 10-5. Utilizando los genes
identificados, se procedió a realizar un análisis IPP consultando la base de datos STRING(20).
Para MMRN1, el análisis IPP mostró interacciones con genes como F5 y VWF, involucrados
en el proceso de coagulación (Figura 2), en la base de datos Gene Ontology (GO), MMRN1
está anotado con el término GO: 0007596, llamado coagulación sanguínea. Para GPRIN3, el
motor de búsqueda mostró interacciones entre el proceso de fosforilación codificado por los
genes LOC790121 y OR6N1 con proteínas que están involucradas principalmente en el
ensamblaje citoesquelético y la modulación de la neurotransmisión (Figura 3). La base de
datos GO mostró que este gen fue anotado con el término GO:0031175, proceso biológico
llamado desarrollo de proyección neuronal, progresión de una proyección neuronal desde su
formación hasta la estructura madura.

Figura 2: Interacciones proteína-proteína reportadas para MMRN1 bovina en la base de


datos STRING

8
Rev Mex Cienc Pecu 2023;14(1):1-22

Figura 3: Interacciones proteína-proteína reportadas para GPRIN3 bovina en la base de


datos STRING

Finalmente, se encontró que la proteína SNCA, algunos términos GO identificados (GO:


0045920, GO: 004241 y GO: 0014059) están involucrados en la regulación, síntesis y
secreción de dopamina. Curiosamente, el gen SNCA se asoció con los términos asociados con
el comportamiento, incluidos los relacionados con el “comportamiento de vuelo” y las
respuestas de los animales (a través de saltar, pararse o caminar) a estímulos internos y
externos (términos GO: 0007610, GO: 0007629, GO: 0007628, GO: 0007630,
respectivamente).

El análisis de IPP indicó que SNCA interactúa con las proteínas APP (proteína precursora de
β-amiloide), PARK7 (deglicasa asociada al parkinsonismo) y UCHL1 (ubiquitina C-terminal
hidrolasa L1) (P= 5.88e-06) involucradas en el comportamiento locomotor adulto. Además,
el término GO:0008344 revela fuertes interacciones de SNCA con genes pertenecientes a una
familia de transportadores de neurotransmisores (SLC6A) en la red (Figura 4).

9
Rev Mex Cienc Pecu 2023;14(1):1-22

Figura 4: Interacciones proteína-proteína reportadas para SNCA bovino en la base de datos


STRING

Nodos rojos anotados con el término GO:0008344, comportamiento locomotor adulto (valor p 5.88E-06).
Nodos verdes anotados con el término GO:0043005, proyección neuronal (valor p 0.000966). Nodos azules
anotados con el ID de vía 05012 KEGG, enfermedad de Parkinson (valor p 6.49E-11).

Con base en su papel funcional reportado, GPRIN3 y, en particular, los genes SNCA podrían
considerarse como genes candidatos asociados con el temperamento del ganado, el análisis
del gen MMRN1 no indica implicaciones obvias para este rasgo, sin embargo, su
identificación podría ser importante para un análisis posterior.

Variación genética en genes candidatos

De acuerdo con los resultados del análisis de IPP, inferimos que los genes APP, PARK7,
SLC6A2, UCHL1, PARK2, SLC18A2 y POMC fueron candidatos asociados con el
temperamento bovino (Cuadro 2). Se resecuenciaron para descubrir la variación genética
para explicar potencialmente el temperamento del ganado. Se encontraron cincuenta y ocho
(58) SNP en las regiones no codificantes de los genes SNCA y APP. Se identificaron tres
SNP en los intrones 2 y 3 del gen SNCA, y se identificaron 55 SNP en los intrones 1, 5, 8,
11, 13, 14 y 17 del gen APP (Cuadro 3). Quince de los 58 SNP eran exclusivos de la raza
Angus, 1 en el gen SNCA y el resto en el gen APP. Los SNP restantes (n= 43) fueron
informativos (polimórficos) en las razas Brahman y Charolais, a diferencia de la raza Angus
en la que no eran informativos (monomórficos). Las frecuencias alélicas y el patrón de
distribución de los SNP variaron según la raza.

10
Rev Mex Cienc Pecu 2023;14(1):1-22

Cuadro 2: Funciones y procesos biológicos asociados con genes SNCA interactuantes

Gen Descripción
No hay información en ganado. En humanos, protege las neuronas
PARK7 dopaminérgicas contra el daño oxidativo y la degeneración; inhibe
indirectamente la agregación de α-sinucleína(25); por lo tanto, se ha demostrado
que las mutaciones en este gen causan la enfermedad de Parkinson(26).
No hay información en ganado. En humanos, controla la acción de la
norepinefrina que apoya la excitación, el estado de ánimo, la atención y las
SLC6A2 reacciones al estrés; por lo tanto, se ha asociado con dimensiones
temperamentales de la personalidad (búsqueda de novedad, evitación de daños,
dependencia de la recompensa y persistencia)(27).
No hay información en ganado. En humanos, se expresa abundantemente en
UCHL1 las neuronas e interactúa con APP, y los SNP; este gen se ha implicado en los
trastornos neurodegenerativos enfermedad de Parkinson y enfermedad de
Alzheimer(28).
En ganado se ha asociado con el temperamento (velocidad de vuelo)(9) y en
PARK2 humanos en las funciones de las neuronas dopaminérgicas debido a las
mutaciones en este gen asociado a la enfermedad de Parkinson(29).
En ganado se ha asociado con el temperamento (puntuación en corral) (Garza-
(5)
SLC18A2 Brenner et al . Participa en el transporte de dopamina, previniendo su
acumulación y muerte neuronal dopaminérgica; por lo tanto, es un factor de
riesgo para la enfermedad de Parkinson(30).
En ganado se ha asociado con el temperamento (puntuación en corral)(5).
POMC es el precursor de la hormona corticotrópica (ACTH), que aumenta la
POMC expresión del factor neurotrófico derivado del cerebro (FNDC) responsable de
la proliferación, diferenciación y supervivencia de las neuronas; por lo tanto,
se ha implicado en la enfermedad de Parkinson(31).

De los 58 SNP identificados en las regiones no codificantes de los genes SNCA y APP, tres
SNP formaron parte de un motivo del sitio de empalme de acuerdo con los umbrales
establecidos (donante: 6.67; aceptor: 6.632), como se muestra en el Cuadro 4; los SNP
identificados se localizaron en los intrones 5, 8 y 11. Todos los motivos del sitio de empalme
eran del tipo aceptor, es decir, estaban ubicados en el extremo 3'. El SNP g. 9770593 (C/T)
no añadió ni abolió ningún motivo del sitio de empalme, sino que sólo aumentó el valor de
la puntuación, mientras que los SNP g. 9806689 (G/T) y g. 9845821 (C/G) añadieron y
abolieron los motivos del sitio de empalme, respectivamente.

11
Rev Mex Cienc Pecu 2023;14(1):1-22

Discusión

Los estudios genómicos dirigidos a la exploración del temperamento del ganado son aún
escasos, principalmente debido a la complejidad biológica del sistema, las diferencias en la
medición del temperamento (objetivo/subjetivo) y las diferencias entre las razas de ganado
estudiadas. En este trabajo, se utilizaron los GWAS como una herramienta exploratoria para
encontrar genes candidatos asociados con VS, contrastando por temperamento un grupo de
animales Angus y Brangus. El GWAS permitió identificar una región genómica en BTA6
que alberga tres genes candidatos asociados con VS [SNCA (GenID 282857), MMRN1
(GenID 516574) y GPRIN3 (GenID: 517995)]. Para estos genes, Chen et al(32) reportaron
una expresión elevada de GPRIN3 en el cerebro humano, y la información de UniProtKB(33)
indica que la proteína GPRIN3 puede estar involucrada en el crecimiento de neuritas. Sin
embargo, los datos de la literatura (con respecto a la función y los genes interactuantes)
apoyan fuertemente el gen SNCA bovino como un nuevo candidato asociado con el
temperamento del ganado(9,34).

El gen SNCA es una proteína altamente conservada que es abundante en el cerebro de los
humanos y otras especies como ratas, ratones y monos(35); se encuentra en las neuronas,
especialmente en los terminales presinápticos(36). La función molecular de SNCA es bastante
ambigua, y con base en su estructura, propiedades físicas y socios interactuantes, se han
propuesto varias hipótesis sobre su función normal en humanos. Por ejemplo, se cree que
está involucrado en la regulación de la liberación y el transporte de dopamina(34). En
consecuencia, en humanos juega un papel importante en los trastornos neurodegenerativos.
Según Giasson et al(37), los agregados de proteína SNCA en humanos causan lesiones
cerebrales que son características de las sinucleinopatías neurodegenerativas. El gen SNCA
está asociado, en la Enciclopedia de genes y genomas de Kioto (KEGG, por sus siglas en
inglés)(38), con vías biológicas de enfermedades neurodegenerativas como la enfermedad de
Alzheimer (ko05010) y la enfermedad de Parkinson (ko05012). Ambas enfermedades son
trastornos cerebrales importantes en humanos. La enfermedad de Parkinson se caracteriza
por síntomas relacionados con la locomoción (temblor involuntario, rigidez muscular e
inestabilidad postural), así como depresión y psicosis, e implica la pérdida progresiva de
neuronas dopaminérgicas, presentándose la característica principal como la aparición de
cuerpos de inclusión llamados cuerpos de Lewy, cuyo componente principal es SNCA(37).

Aunque las alteraciones patológicas relacionadas con esas enfermedades humanas no se


pueden extrapolar a este modelo de estudio, este vínculo biológico proporciona alguna
evidencia para apoyar los hallazgos porque la comprensión de la relación entre genotipo y
fenotipo en humanos se derivó de animales modelo con mutaciones en genes ortólogos. Las
especies animales grandes, como perros, cerdos, ovejas y vacas, han sido algunos de los
animales modelo más importantes, principalmente porque son más similares a los humanos

12
Rev Mex Cienc Pecu 2023;14(1):1-22

que los ratones (tamaño, genética y fisiología similares). Así, los descubrimientos en
humanos pueden servir como referencia para inferir efectos sobre el temperamento
bovino(39).

Conectando redes genéticas para explicar el temperamento del ganado

A pesar de los escasos intentos de identificar genes y regiones genómicas subyacentes a la


arquitectura genética del temperamento, hasta ahora no ha habido reportes que conecten las
redes genéticas asociadas con este rasgo complejo.

El análisis de las interacciones proteína-proteína del gen SNCA permitió identificar y analizar
seis genes adicionales, de los cuales dos miembros génicos de la familia SLC (SLC18A2 y
SLC6A4) ya han sido identificados por Garza-Brenner et al(5) como genes interactuantes en
una red proteína-proteína basada en genes relacionados con la dopamina y la serotonina.
Estos autores también encontraron un SNP localizado en el gen SLC18A2 que causa un
cambio en la secuencia de aminoácidos de alanina a treonina, con efectos significativos sobre
el temperamento medidos por las puntuaciones en corral. Además, el análisis IPP incluyó
genes de la familia PARK (PARK2 y PARK7), que codifican proteínas de ubiquitina ligasa,
incluida la parkina RBR E3. El gen PARK2 fue identificado por Valente et al(9) como un gen
candidato asociado con el temperamento en el ganado Nellore; los autores utilizaron la VS
como prueba para evaluar el temperamento bovino. Múltiples estudios han utilizado la
estrategia GWAS para identificar genes que están vinculados a fenotipos de temperamento
bovino(8-10), pero en ninguno de estos casos ha sido posible establecer interacciones entre los
genes identificados, y la información de cada estudio parece ser aislada e independiente,
impidiendo la clarificación de la arquitectura genética del temperamento a partir de la
información disponible hasta la fecha. Además, el conjunto de genes candidatos no parece
estar asociado con un proceso biológico representativo que sugiera la participación en el
temperamento. La identificación de SNCA en el presente trabajo permite conectar los
resultados de Valente et al(9) y Garza-Brenner et al(5), mostrando que los genes identificados
a través de diferentes estrategias (GWAS y análisis de redes de interacción proteína-proteína)
presentan una conexión importante. De acuerdo con estos resultados, se exploró la variación
genética de estos genes en el ganado con énfasis en sus secuencias codificantes, y los
resultados revelaron una alta conservación de las secuencias exónicas en los siete genes
analizados. En humanos, se ha reportado una baja variación genética entre genes como SNCA
y UCHL1(40).

Curiosamente, y según reportes anteriores, se encontró una alta variación genética en las
regiones no codificantes de los genes bovinos SNCA y APP. La función exacta del gen de la
proteína (APP) precursora de beta amiloide (A4) es desconocida, pero se ha asociado con la
suavidad de la carne en cerdos(41), puede participar en la formación de neuronas y es conocida

13
Rev Mex Cienc Pecu 2023;14(1):1-22

por su participación en la enfermedad de Alzheimer(42). Debido a que los pacientes con


enfermedad de Alzheimer muestran la presencia y acumulación de proteínas SNCA y APP,
se ha propuesto que pueden estar relacionadas de alguna manera. Roberts et al(43) han
demostrado que la sobreexpresión de SNCA aumenta los niveles de APP, y ciertas mutaciones
en SNCA aumentan el procesamiento de APP, por lo que el descubrimiento de mutaciones en
las regiones codificantes de estos genes podría tener un impacto funcional en ellos y, por lo
tanto, en el temperamento bovino.

Se ha documentado que en aproximadamente el 21 % de los genes bovinos se produce


empalme alternativo(44). El análisis in silico identificó tres APP-SNP con el potencial de tener
un efecto funcional en el proceso de empalme de pre-ARNm y, por lo tanto, la expresión del
temperamento bovino. Hasta donde se sabe, no se han reportado diferentes isoformas del gen
APP bovino, pero se ha reportado que los motivos del sitio de empalme en genes bovinos
están altamente conservados en relación con los humanos(44). Los genes humano y bovino
para APP son ortólogos, con el mismo número de aminoácidos (770) y una secuencia idéntica
de aminoácidos. En humanos, se han identificado 8 isoformas diferentes del gen APP debido
al empalme alternativo en los exones 7, 8 y 15, que termina la expresión del gen APP en las
neuronas, resultando en la implicación de un papel fundamental en la enfermedad de
Alzheimer(45). Aquí se identificaron 3 SNP que afectan, agregan y abolen los motivos del
sitio de empalme en el gen APP, en los intrones 5, 8 y 11, por lo que probablemente podrían
afectar el producto final y tener un efecto en la expresión del temperamento bovino.

En el presente estudio, se utilizó la estrategia de fenotipo contrastante para realizar un análisis


GWAS exploratorio para identificar genes candidatos para el temperamento en el ganado, e
incluso con la limitación del tamaño de muestra pequeño, los presentes resultados que
muestran una conexión entre SNCA y el temperamento son consistentes con estudios GWAS
más grandes. Adicionalmente, el acoplamiento de estos resultados con un análisis IPP
permitió establecer conexiones entre diferentes genes que fueron previamente identificados
dentro de la asociación al aparato locomotor. El mapeo fino de los genes candidatos predijo
que el GWAS y los genes IPP confirmaron la existencia de SNP con el potencial de afectar
el temperamento bovino. El presente estudio proporciona información valiosa que contribuye
a los aún escasos esfuerzos por describir la arquitectura genética del temperamento del
ganado, y muestra que esta estrategia analítica es apropiada para su aplicación en estudios
con un tamaño de muestra limitado, especialmente en países donde el fenotipado para este
rasgo complejo es limitado.

Conclusiones e implicaciones

Una región genómica BTA6 (36,655,249-36,676,986 pb) vecina al gen SNCA se asoció con
el rasgo de temperamento en las razas Angus y Brangus. Se identificaron seis genes,

14
Rev Mex Cienc Pecu 2023;14(1):1-22

vinculados a SNCA, como potencialmente asociados con el temperamento. De ellos, el gen


APP albergó tres SNP con un efecto potencial sobre el proceso de empalme de pre-ARNm y
la expresión del temperamento bovino.

Agradecimientos

Esta investigación fue financiada por becas de investigación financiadas por CONACYT e
IPN (proyecto 294826, SIP 20171674) y apoyo financiero parcial de CONARGEN, A.C.
para financiar las pruebas de eficiencia alimenticia. Los autores también desean reconocer a
los diferentes propietarios de rebaños y al personal técnico del complejo Palomas UGRCH,
que recolectaron y proporcionaron los datos y muestras utilizados en este estudio. La
mención del nombre comercial, productos patentados o equipos especificados no constituye
una garantía por parte del USDA y no implica la aprobación para la exclusión de otros
productos que puedan ser adecuados. El USDA es un empleador con igualdad de
oportunidades.

Literatura citada:

1. Buchenauer D. Genetics of behaviour in cattle. In: Fries R Ruvinsky A, editors. The


genetics of cattle. CABI Publishing, Wallingford;1999:365–390.

2. Mormède P. Molecular genetics of behaviour: research strategies and perspectives for


animal production. Livest Prod Sci 2005;93(1):15–21.

3. Schmutz SM, Stookey JM, Winkelman-Sim DC, Waltz CS, Plante Y, Buchanan FC. A
QTL study of cattle behavioural traits in embryo transfer families. J Hered 2001;
92(3):290–292.

4. Hiendleder S, Thomsen H, Reinsch N, Bennewitz J, Leyhe-Horn B, Looft C, et al.


Mapping of QTL for body conformation and behavior in cattle. J Hered 2003;
94(6):496–506.

5. Garza-Brenner E, Sifuentes-Rincón AM, Randel RD, Paredes-Sánchez FA, Parra-


Bracamonte GM, Arellano-Vera W, et al. Association of SNPs in dopamine- and
serotonin-pathway genes and their interacting genes with temperament traits in
Charolais cows. J Appl Genetics 2016;58(3):363–371.

6. Garza-Brenner E, Sifuentes-Rincón AM, Rodríguez-Almeida FA, Randel RD, Parra-


Bracamonte GM, Arellano-Vera W. Influence of temperament-related genes on live
weight traits of Charolais cows. R Bras Zootec 2020:49:e20180121.

15
Rev Mex Cienc Pecu 2023;14(1):1-22

7. Garza-Brenner E, Sifuentes-Rincón AM, Rodríguez Almeida FA, Randel RD, Parra-


Bracamonte GM, Arellano Vera W. Influence of genetic markers on the feeding
behavior of yearling bulls. Rev Colomb Cienc Pecu 2019;32(1):14-20.

8. Lindholm-Perry AK, Kuehn LA, Freetly HC, Snelling WM. Genetic markers that
influence feed efficiency phenotypes also affect cattle temperament as measured by
flight speed. Anim Genet 2014;46(1):60-64.

9. Valente TS, Baldi F, Sant´Anna AC, Albuquerque LG, Da Costa MJRP. Genome-wide
association study between single nucletide polymorphismos and flight speed in Nellore
cattle. PLoS One 2016;11(6):1-18.

10. Dos Santos FC, Campolina PMG, De Souza PA, Ávila PMF, Ventura RV, Rosse IC, et
al. Identification of candidate genes for reactivity in Guzerat (Bos indicus) cattle: a
Genome-Wide Association Study. Plos One 2017;12(1):1-15.

11. Jiang L, Liu X, Yang J, Wang H, Jiang J, Liu L, et al. Targeted resequencing of GWAS
loci reveals novel genetic variants for milk production traits. BMC Genomics
2014;15(1):1105.

12. Kurz JP, Yang Z, Weiss RB, Wilson DJ, Rood KA, Liu GE, Wang Z. A genome-wide
association study for mastitis resistance in phenotypically well-characterized Holstein
dairy cattle using a selective genotyping approach. Immunogenetics 2019;71(1):35-47.

13. Burrow HM. Measurements of temperament and their relationships with performance
traits of beef cattle. Anim Breed 1997;65(7):477–495.

14. Curley KOJr, Paschal JC, Welsh THJr, Randel RD. Exit velocity as a measure of cattle
temperament is repeatable and associated with serum concentration of cortisol in
Brahman bulls. J Anim Sci 2006;84(11):3100-3103.

15. Burrow HM. Effect of intensive handling of zebu crossbred weaner calves on
temperament. Proc Assoc Advmt Anim Breed Genet 1991;9:208-211.

16. Purcell S, Neale B, Todd-Brown K, Thomas L, Ferreira MA, Bender D. PLINK: a tool
set for whole-genome association and population-based linkage analyses. Am J Hum
Genet 2007;8(3):559-575.

17. Turner SD. qqman: an R package for visualizing GWAS results using Q-Q and
manhattan plots. bioRxiv 2014;3(25):005165.

18. Zerbino DR, Achuthan P, Akanni W, Amode MR, Barrell D, Bhai J. Ensembl 2018.
Nucleic Acids Res 2018;46(D1):754–761.

16
Rev Mex Cienc Pecu 2023;14(1):1-22

19. Mi H, Huang X, Muruganujan A, Tang H, Mills C, Kang D, Thomas PD. PANTHER


version 14: more genomes, a new PANTHER GO-slim and improvements in enrichment
analysis tools. Nucleic Acids Res 2019;47(D1):D419-D426.

20. Szklarczyk D, Morris JH, Cook H, Kuhn M, Wyder S, Simonovic M, et al. The STRING
database in 2017: quality-controlled protein-protein association networks, made broadly
accessible. Nucleic Acids Res 2017;45(D1):362-368.

21. Li H, Durbin R. Fast and accurate short read alignment with Burrows–Wheeler
transform. Bioinformatics 2009;25(14):1754–1760.

22. Van der Auwera GA, Carneiro MO, Hartl C, Poplin R, Del Angel G, LevyMoonshine
A, et al. From FastQ data to high-confidence variant calls: the genome analysis toolkit
best practices pipeline. Curr Protoc Bioinf 2013;43(1110):11101–111033.

23. Choi JW, Liao X, Stothard P, Chung WH, Jeon HJ, Miller SP, et al. Whole-genome
analyses of Korean native and Holstein cattle breeds by massively parallel sequencing.
PLoS One 2014;9(7):e101127.

24. Cartegni L, Wang J, Zhu Z, Zhang MQ, Krainer AR. ESEfinder: A web resource to
identify exonic splicing enhancers. Nucleic Acid Res 2003;31(13):3568-3571.

25. Dolgacheva LP, Berezhnov AV, Fedotova EI, et al. Role of DJ-1 in the mechanism of
pathogenesis of Parkinson's disease. J Bioenerg Biomembr 2019;51(3):175–188.

26. He L, Lin S, Pan H, Shen R, Wang M, Liu Z, et al. Lack of association between DJ-1
gene promoter polymorphism and the risk of parkinson’s disease. Front Aging Neurosci
2019;11(24):1-11.

27. Narita SI, Kazuhiko N, Kenta N, Maki Y, Eiji O, Nobuyo I. Analysis of association
between norepinephrine transporter gene polymorphisms and personality traits of NEO-
FFI in a Japanese population. Psychiatry Investig 2015;12(3):381-387.

28. Rydning SL, Backe PH, Sousa MML, Iqbal Z, Øye AM, Sheng Y, et al. Novel UCHL1
mutations reveal new insights into ubiquitin processing. Hum Mol Genet
2017;26(6):1031-1040.

29. Bakhit YH, Ibrahim MO, Amin M, Mirghani YA, Hassan MA. In silico analysis of SNPs
in PARK2 and PINK1 genes that potentially cause autosomal recessive Parkinson
disease. Adv Bioinformatics 2016;9313746:1-5.

30. Brighina L, Riva C, Bertola F, Saracchi E, Fermi S, Goldwurm S, et al. Analysis of


vesicular monoamine transporter 2 polymorphisms in Parkinson's disease. Neurobiol
Aging 2013;34(6):1712.e9-13.

17
Rev Mex Cienc Pecu 2023;14(1):1-22

31. Shadrina M, Nikopensius T, Slominsky P, Illarioshkin S, Bagyeva G, Markova E, et al.


Association study of sporadic Parkinson's disease genetic risk factors in patients from
Russia by APEX technology. Neurosci Lett 2006;405(3):212-6.

32. Chen LT, Gilman AG, Kozasa T. A Candidate target for G protein action in brain. J Biol
Chem 1999;274(38):26931–26938.

33. Chen C, Huang H, Wu CH. Protein bioinformatics databases and resources. Methods
Mol Biol 2017;1558:3-39.

34. Siddiqui IJ, Pervaiz N, Abbasi AA. The Parkinson disease gene SNCA: Evolutionary
and structural insights with pathological implication. Sci Rep 2016;6(1):24475.

35. Deng H, Yuan L. Genetic variants and animal models in SNCA and Parkinson disease.
Ageing Res Rev 2014;15:161-76.

36. Campêlo CLDC, Silva RH. Genetic variants in SNCA and the risk of sporadic
Parkinson’s disease and clinical outcomes: A review. Parkinsons Dis 2017;4318416:1-
11.

37. Giasson BI, Duda JE, Murray IVJ, Chen Q, Souza JM, Hurtig HI, et al. Oxidative
damage linked to neurodegeneration by selective alpha-synuclein nitration in
synucleinopathy lesions. Science 2000;290(5493):985-989.

38. Kanehisa M, Furumichi M, Tanabe M, Sato Y, Morishima K. KEGG: New perspectives


on genomes, pathways, diseases and drugs. Nucleic Acids Res 2017;45(D1):353-361.

39. Pinnapureddy AR, Stayner C, McEwan J, Baddeley O, Forman J, Eccles MR. Large
animal models of rare genetic disorders: sheep as phenotypically relevant models of
human genetic disease. Orphanet J Rare Dis 2015;10:107-115.

40. Dong N, Zhang X, Liu Q. Identification of therapeutic targets for Parkinson's disease
via bioinformatics analysis. Mol Med Rep 2017;15(2):731-735.

41. Lobjois V, Liaubet L, San Cristobal M, Glénisson J, Fève K, Rallières J. A muscle


transcriptome analysis identifies positional candidate genes for a complex trait in pig.
Anim Genet 2008;39(2):147-162.

42. Masters CL, Simms G, Weinman NA, Multhaup G, McDonald BL, Beyreuther K.
Amyloid plaque core protein in Alzheimer disease and Down syndrome. Proc Natl Acad
Sci USA 1985;82(12):4245-4249.

43. Roberts HL, Schneider BL, Brown DR. α-Synuclein increases β-amyloid secretion by
promoting β-/γ-secretase processing of APP. PLoS One 2017;12(2):e0171925.

18
Rev Mex Cienc Pecu 2023;14(1):1-22

44. Chacko E, Ranganathan S. Genome-wide analysis of alternative splicing in cow:


Implications in bovine as a model for human diseases. BMC Genomics 2009;10(3):S11.

45. Sandbrink R, Masters CL, Beyreuther K. APP gene family. Alternative splicing
generates functionally related isoforms. Ann N Y Acad Sci 1996;777:281-287.

19
Rev Mex Cienc Pecu 2023;14(1):1-22

Cuadro 3: SNP identificados por secuenciación específica del exoma en cada población de los genes APP, PARK7, SLC6A2, SNCA,
UCHL1, PARK2, SLC18A2 y POMC

Posición Frecuencia
Gen Región Alelos
Angus Brahman Charolais
(pb)
Ref Alt Ref Alt Ref Alt Ref Alt
36297353 Intrón 3 G A 0.9924 0.0076 1.0 0.0
SNCA 36297374 Intrón 3 A G 0.8500 0.1500 1.0 0.0
36297422 ¥ Intrón 2 T A 0.5000 0.5000
9674371 Intrón 1 T C 0.9717 0.0283 1.0 0.0
9674423 Intrón 1 A C 0.9403 0.0597 1.0 0.0
9674429 Intrón 1 T A 0.9478 0.0522 1.0 0.0
9674430 ¥ Intrón 1 T A 0.9722 0.0278
9674431* Intrón 1 A T 0.9706 0.0294 0.9925 0.0075 1.0 0.0
9674437 Intrón 1 T C 1.0000 0.0 0.9000 0.1000
9674448 Intrón 1 T C 0.9921 0.0079 1.0 0.0
9674451 Intrón 1 A G 0.9921 0.0079 0.9000 0.1000
9674455* Intrón 1 G A 0.6071 0.3929 0.0093 0.9907 0.5000 0.5000
9770586* Intrón 5 A G/T 0.6944 0.3056/0.0 0.8772 0.0395/0.0833 0.8000 0.2000/0.0
9770593 Intrón 5 C T 0.3507 0.6493 1.0 0.0
9770633 Intrón 5 G A 0.5373 0.4627 1.0 0.0
APP 9803985* Intrón 8 C T 0.9722 0.0278 0.0944 0.9056 1.0 0.0
9803991* Intrón 8 A G 0.9722 0.0278 0.0909 0.9091 1.0 0.0
9806624* Intrón 8 A G 0.9167 0.0833 0.0574 0.9426 0.8000 0.2000
9806672 Intrón 8 T C 0.9769 0.0231 0.8000 0.2000
9806689 Intrón 8 G T 0.9851 0.0149 1.0 0.0
9845631 Intrón 11 C A 1.0000 0.0000 0.8000 0.2000
9845821 Intrón 11 C G 0.7177 0.2823 1.0 0.0
9845862 ¥ Intrón 11 G T 0.8750 0.1250
9845934 Intrón 11 G A 0.9844 0.0156 1.0 0.0
9845944 Intrón 11 G A 0.8750 0.1250 1.0 0.0
9845966 Intrón 11 G A 0.9692 0.0308 1.0 0.0
9845980 Intrón 11 A G 0.8056 0.1944 1.0 0.0
9863873* Intrón 13 T C 0.9722 0.0278 0.0522 0.9478 1.0 0.0
9863960 Intrón 13 T C 0.0818 0.9182 1.0 0.0
20
Rev Mex Cienc Pecu 2023;14(1):1-22

9863974¥ Intrón 13 T C 0.6666 0.3333


9863983¥ Intrón 13 T C 0.0 1.0
9863984¥ Intrón 13 G T 0.0 1.0
9866489 Intrón 13 G A 0.8433 0.1567 1.0 0.0
9866528 Intrón 13 A G 0.9925 0.0075 1.0 0.0
9866542¥ Intrón 13 A G 0.9722 0.02
9866545 Intrón 13 C T 0.8433 0.1567 1.0 0.0
9866552¥ Intrón 13 T C 0.9118 0.08
9866569 Intrón 13 C T 0.8624 0.1376 1.0 0.0
9879860 Intrón 13 T C 0.7881 0.2119 1.0 0.0
9880018 Intrón 13 C A 0.5694 0.4306 1.0 0.0
9880025 Intrón 13 G T 0.7787 0.2213 1.0 0.0
9889605¥ Intrón 14 C G 0.6250 0.3750
9889627 Intrón 14 G A 0.9462 0.0538 1.0 0.0
9889677* Intrón 14 G T 0.0 1.0 0.9925 0.0075 0.0 1.0
9889687¥ Intrón 14 T C 0.4167 0.5833
9891054¥ Intrón 14 C T 0.5833 0.4167
9891056¥ Intrón 14 T C 0.5000 0.5000
9891124¥ Intrón 14 G T 0.4000 0.6000
9891130¥ Intrón 14 A G 0.4063 0.5938
9891155¥ Intrón 14 T G 0.4063 0.5938
9918483 Intrón 17 C T 0.9841 0.0159 1.0 0.0
9918506* Intrón 17 A G 0.1389 0.8611 0.9250 0.0750 0.2000 0.8000
9918508 Intrón 17 C T 0.9655 0.0345 1.0 0.0
9918512 Intrón 17 C T 0.9914 0.0086 1.0 0.0
9931517 Intrón 17 C G 0.9924 0.0076 1.0 0.0
9931524 Intrón 17 C G 0.9924 0.0076 1.0 0.0
9931525 Intrón 17 T G 0.9924 0.0076 1.0 0.0
9931529 Intrón 17 C T 1.0000 0.0000 0.9000 0.1000
* Variaciones presentes en las tres poblaciones. ¥ Variaciones específicas en la población Angus.

21
Rev Mex Cienc Pecu 2023;14(1):1-22

Cuadro 4: Resultados del buscador ESE para SNP no codificantes identificados en los genes SNCA y APP
Gen Posición Intrón SNP Secuencia del sitio Donante/aceptor Puntuación
C TS CTCTCCCCTCGTCAGTGCTGTAGTTCAGGT aceptor 6.74720
9770593 5
T M CTTTCCCCTCGTCAGTGCTGTAGTTCAGGT aceptor 7.11480 ↑
G TS ------ ------ ------
APP 9806689 8
T M CTTTGGATTTGCCAGGCACACTCACCTCCA aceptor 6.81380 ↑
C TS CTCCTTCCACAACAGAAGGCGCTATTTTAA aceptor 6.71530
9845821 11
G M ------ ------ ------

El nucleótido SNP se resalta en negritas en la secuencia. TS: tipo salvaje. M: secuencia con SNP no codificante. ↑ indica una puntuación mayor en comparación
con la secuencia de tipo salvaje.

22
https://doi.org/10.22319/rmcp.v14i1.6073

Artículo

Efecto de la consanguinidad y selección sobre los componentes de un


índice productivo, en ratones bajo apareamiento estrecho

Dulce Janet Hernández López a

Raúl Ulloa Arvizu a

Carlos Gustavo Vázquez Peláez a

Graciela Guadalupe Tapia Pérez a*

a
Universidad Nacional Autónoma de México, Departamento de Genética y
Bioestadística de la Facultad de Medicina Veterinaria y Zootecnia. Ciudad de México,
México.

*Autor de correspondencia: tapiadoctora@gmail.com

Resumen:

Con objeto de examinar la influencia de la depresión endogámica en algunas


características productivas del ratón de laboratorio, se reanalizaron 871 registros
provenientes de 20 generaciones en una línea con cruza consanguínea estrecha con
selección a un índice productivo (CNHS) comparando con una línea sin selección, con
cruzamiento endogámico (n= 135). Se calcularon los coeficientes de endogamia (F) para
cada generación. En todos los componentes del índice (vida reproductiva, estros postparto
fértiles y tamaño de camada), se compararon las dos líneas, en las 15 generaciones
disponibles de la no seleccionada, por método de mínimos cuadrados, agrupando cada
cinco generaciones. La seleccionada, se analizó en las 20 generaciones, para diferencias
intergeneracionales con el mismo método. La depresión endogámica se estimó en todas
las generaciones con una regresión lineal de consanguinidad (expresada en 10 %) en todos
los componentes. Se observó diferencia significativa (P<0.01) entre líneas en las
variables analizadas. Los estros post parto fértiles de la línea seleccionada se mantuvieron
constantes, hubo un decremento de 0.331 en la no seleccionada (P<0.01). El índice
productivo se mantuvo estable (aumentó 0.071) en la seleccionada, en la no seleccionada
disminuyó (0.39) hasta desaparecer (G15). La depresión endogámica impactó en la vida
reproductiva de ambas, decreció 4.741 días en la seleccionada vs. 7.718 días en la no
seleccionada (P<0.01). En la no seleccionada afectó en mortalidad al destete y ciclo estral,

23
Rev Mex Cienc Pecu 2023;14(1):23-38

la selección al índice contrarrestó ese impacto, probablemente debido a la selección de


genes que favorecen el desarrollo gonadal de los ratones.

Palabras clave: Ratones, Selección, Vida reproductiva, Número de estros, Depresión


endogámica.

Recibido: 05/10/2021

Aceptado: 16/08/2022

Introducción

En la actualidad se han desarrollado un gran número de líneas de ratones genéticamente


diferentes, que tienen propósitos de investigación particulares. Las líneas consanguíneas
fueron el prototipo de las líneas genéticamente estandarizadas, que permitieron elaborar
experimentos eliminando la variabilidad de origen genético. Aunque la genómica,
proporciona a los laboratorios las herramientas necesarias para producir ratones con las
características que demanda la investigació, cuando se ha fijado una característica, se
necesita de un riguroso proceso de selección y apareamiento dirigido para mantener la
viabilidad de la línea, que generalmente conlleva a depresión endogámica(1,2).

La base genética de este fenómeno está relacionada con tres hipótesis a saber, dominancia
parcial (mayor expresión de alelos recesivos deletéreos, sobredominancia (superioridad
de heterocigotos sobre ambos tipos de homocigotos) y epistasis (mayor probabilidad de
combinaciones genéticas favorables para heterocigotos)(3).

Los criadores de animales domésticos de razas puras utilizan la endogamia para fijar
rasgos genéticos deseables dentro de una población o para intentar eliminar los rasgos
deletéreos, la depresión por endogamia puede afectar los ingresos económicos de los
criadores(4). Los estudios en ratones al ofrecer un mayor número de generaciones en
menor tiempo ayudan a comprender la depresión endogámica, en poblaciones donde se
busca seleccionar alguna característica.

En el ratón, se observó una reducción de 7.2 % en el tamaño de camada por cada 10 %


de incremento en consanguinidad, bajo apareamiento consecutivo de hermanos completos
sin selección(2) y, con el mismo incremento de consanguinidad en cruzas entre medios
hermanos sin selección, el decremento fue de 6.22% en el tamaño de camada(5).

La depresión fue menos severa en líneas bajo selección dirigida que en líneas sin
selección(6), esto fue observado cuando se seleccionó para tamaño de camada en ratones,
encontrando que la reducción en la aptitud reproductiva fue significativamente menor en
las líneas consanguíneas bajo selección, comparada con la de las líneas consanguíneas sin

24
Rev Mex Cienc Pecu 2023;14(1):23-38

selección; lo anterior se explica porque gracias a la selección, hay un aumento de los


genes relacionados con la mejor aptitud reproductiva, que contrarresta la depresión
endogámica causante de la reducción de dicha aptitud(7). Se ha visto que el
comportamiento de una línea consanguínea seleccionada para tamaño de camada es
similar al de una no consanguínea, seleccionada para la misma característica. En un
estudio, la consanguinidad permitió superar el límite de selección para tamaño de camada
grande, cuando en la línea seleccionada se accedió a un cruzamiento consanguíneo(8).

El número de crías destetadas por hembra por semana (CDHS), es un índice productivo
que se mide durante y al término de la vida reproductiva en cada pareja de ratones. Se
utiliza en las colonias fundadoras de algunas compañías de animales de laboratorio(9,10).
A pesar de que se recomienda seleccionar a los ratones provenientes de familias con más
alto CDHS para mantener líneas de laboratorio, mediante cruzamiento consanguíneo
estrecho con características fijadas(11), en la literatura hay poca información del efecto de
esa selección en ratones endogámicos acerca de las variables incluidas en él.

Por lo que el objetivo de este estudio fue evaluar el efecto de la endogamia sobre los
componentes de un índice productivo, en el modelo animal de ratón de laboratorio,
durante 20 generaciones de selección con cruza consanguínea estrecha, así como evaluar
si la selección puede afectarse en su avance, por el efecto de la depresión endogámica, en
las características que lo constituyen.

Material y métodos

El presente trabajo es un estudio retrospectivo, transversal, comparativo y observacional.


Se reanalizaron 871 registros de un bioterio, que fueron tomados durante cinco años en
ratones con selección continua y cruza consanguínea estrecha (hermano con hermana)
donde hubo cinco líneas seleccionadas a un índice productivo: (CDHS) en 20
generaciones (n= 871). Los datos, recabados entre 1989-1994, se habían analizado con el
objetivo de la obtención de heredabilidad realizada, para el índice productivo, una
descripción detallada se puede ver en Tapia-Pérez(12).

Para este estudio se añadió una línea de la misma cepa contemporánea, del propio bioterio
(n= 135), con cruza consanguínea estrecha sin selección hasta la generación 15; después
de esta generación las parejas dejaron de ser fértiles.

Los animales se alojaron en jaulas de policarbonato tipo caja de zapatos, la cual ofrece
un área de 375 cm, con tapa tipo Cambridge de acero inoxidable y filtro de poliéster rígido
tipo Kraft; se proporcionó alimento ad libitum, agua potable filtrada por ósmosis
reversible acidificada a un pH de 2.5. El aire se filtraba, y se mantuvo una temperatura de
18 a 26 °C. La identificación de los animales fue individual, primero, por medio de
muescas en las orejas, y los registros por medio de tarjetas en cada jaula. Estas tarjetas
después se resumieron en carpetas de registro llamadas AER (Análisis de Eficiencia

25
Rev Mex Cienc Pecu 2023;14(1):23-38

Reproductiva), a partir de las cuales se calculó el índice CDHS cada tres generaciones, o
cuando se detectaron líneas divergentes (esto podría darse en la cuarta generación en cada
línea seleccionada), para obtener y seleccionar la sublínea con el promedio más alto, que
además contara con crías de tercer parto, con cuando menos dos hembras y dos machos
para cría. Cabe hacer notar que aquellas parejas estériles (no se registró gestación),
infértiles (se registró gestación, pero no parto) o que canibalizaron a sus crías tuvieron un
valor CDHS de cero, que fue incluido para obtener el promedio dado que se consideran
resultado de la depresión endogámica. En cuanto a la línea no seleccionada, el manejo
fue similar; esta línea fue la única que continuó activa de las cinco que comenzaron al
mismo tiempo de las seleccionadas, las otras cuatro se perdieron en la segunda
generación. El manejo reproductivo en ambas líneas fue bajo un método monogámico
intensivo, es decir, se colocaron en la misma jaula un macho con una hembra y
permanecieron juntos toda su vida reproductiva (165 ± 3.6 días). Los apareamientos se
iniciaron cuando los animales alcanzaron la madurez sexual (8-10 semanas).

Las parejas seleccionadas para reproducción se formaron aleatoriamente, una hembra y


un macho hermanos completos, provenientes del tercer parto de sus padres, tanto en la
generación de selección (3 o 4) como en las anteriores. En cada generación se mantuvo
un promedio de ocho parejas por línea.

Descripción de variables

Las variables que se analizaron fueron:


VR: vida reproductiva, medida como los días totales en reproducción.
EPPF: número total de estros post parto fértiles en la VR. Se considera un estro post parto
fértil cuando la hembra tiene un parto en el primer estro, dentro de 35 o menos días del
anterior (ya que se asume un período de gestación de 21 días, con una implantación dentro
de 5 días, si ésta se lleva a cabo cuando la madre aún está lactando una camada previa, se
puede dar en 14 días máximo, así: 21 + 14 =35)(9).
CNAC: número total de crías nacidas en la VR.
CDEST: número total de crías destetadas en la VR.
𝐶𝑁𝐴𝐶
CNPP: crías nacidas por parto = 𝑃𝐴𝑅𝑇𝑂𝑆 (PARTOS: número de partos totales en la VR).
𝐶𝐷𝐸𝑆𝑇
CDPP: crías destetadas por parto = 𝑃𝐴𝑅𝑇𝑂𝑆.
CDHS: (Índice de eficiencia productiva) es el número de crías destetadas por hembra por
𝐶𝐷𝐸𝑆𝑇
semana = × 7.
𝑉𝑅
𝐶𝑁𝑃𝑃−𝐶𝐷𝑃𝑃
Porcentaje de mortalidad al destete = 𝑋100.
𝐶𝑁𝑃𝑃

Análisis estadístico

Para el análisis estadístico, la línea seleccionada corresponde al conjunto de las cinco


líneas con selección a CDHS dividida en: línea seleccionada durante 15 generaciones
(S15G) n= 733 , la misma línea seleccionada en las 20 generaciones (S20G) n= 871 y

26
Rev Mex Cienc Pecu 2023;14(1):23-38

línea no seleccionada, que permaneció hasta la generación 15 (NS15G) n=135, ya que en


ésta quedaron cinco parejas, de las cuales solo una llegó al tercer parto y las crías no eran
suficientes para hacer las cruzas.

Se agrupó la información de cinco generaciones en cada línea, para todas las variables,
de manera que, los datos analizados en cada nivel corresponden a los de cinco
generaciones sucesivas. Se agruparon de esta forma para observar el resultado de la
selección en la quinta generación, debido a que, como se explicó, se seleccionaba mínimo
cada tres generaciones o cuando se detectaban líneas divergentes, que podría darse hasta
en cuatro generaciones. El nivel 1 contiene la suma de las generaciones de 1 a 5; el nivel
2, de 6 a 10 y el nivel 3 de 11 a 15 de S15G y NS15G, mientras que el nivel 4 únicamente
corresponde a S20G, en las generaciones de 16 a 20.

Se realizaron pruebas de normalidad de las variables mencionadas por el método de


Kolmogorov-Smirnov.

El modelo lineal general utilizado para comparar S15G y NS15G fue (Modelo 1):

𝑌𝑖𝑗𝑘 = 𝜇 + 𝑠𝑖 + 𝑔𝑗 + (𝑠𝑔)𝑖𝑗 + 𝜀𝑖𝑗𝑘

Donde
𝒀𝒊𝒋𝒌 es la suma de cinco generaciones sucesivas de las parejas, para cada variable
cuantitativa;
𝒔𝒊 es el efecto del i-ésimo grupo de selección (i=1,2);
𝒈𝒋 es el efecto de la generación agrupada cada cinco generaciones (j=1,2,3);
(𝒔𝒈)𝒊𝒋 el efecto de la interacción entre el grupo de selección y la generación agrupada;
𝜺𝒊𝒋𝒌 el error aleatorio (𝜀~𝑁0,𝜎𝜀2 ).

El modelo de análisis para S20G (Modelo 2), sólo incluyó el efecto de la generación
agrupada gi, (i=1,2,3,4):
𝑌𝑖𝑗 = 𝜇 + 𝑔𝑖 + 𝜀𝑖𝑗

Donde
𝒀𝒊𝒋 es la suma de 5 generaciones sucesivas de las parejas, para cada variable cuantitativa,
en la iésima generación;
𝜺𝒊𝒋 el error aleatorio (𝜀~𝑁0,𝜎𝜀2 ).

Ambos modelos se analizaron por el método de cuadrados mínimos. El coeficiente de


consanguinidad se calculó para cada animal, con el Programa Computacional Pedigree
Viewer©, desarrollado por Brian Kinghorn(13), que utiliza el método desarrollado por
Wright (1922)(14).

27
Rev Mex Cienc Pecu 2023;14(1):23-38

La depresión por endogamia media (𝛽̂1 ) y su error estándar (e.e.), de CDHS se estimaron
por el método de cuadrados mínimos con los coeficientes de consanguinidad (Fi) de cada
generación, en unidades de 10 % para las líneas S15 y NS15 (i=1,2,3, …,15) y S20
(i=1,2,3, ..., 20), con el siguiente modelo de regresión lineal simple (Modelo 3).

̂0 + ̂
𝑌̂ 𝑖 = 𝛽 𝛽1 𝐹𝑖 + 𝑒𝑖
Donde
̂ i Es el promedio de cada componente del índice en la generación i-ésima;
𝒀
̂ 𝟎 es la estimación del intercepto;
𝜷
̂
𝜷𝟏 es la depresión por endogamia media, Fi es el coeficiente de consanguinidad (10%);
𝒆𝒊 es el error aleatorio (𝑒𝑖 ~𝑁µ,𝜎𝑒2 ).

Dado que el aumento de la consanguinidad se consideró en unidades de 10 %, las


depresiones endogámicas se relacionaron con esta medida, que se eligió para poder
comparar los resultados de este estudio con otros artículos de ratones donde se calcula de
esa forma.

Los modelos se analizaron con el paquete estadístico, IBM SPSS Versión 22(15), los
porcentajes de mortalidad al destete, de S15G y NS15G, en cada una de las tres
generaciones agrupadas, se analizaron mediante la prueba de Ji-cuadrada, con el
programa MedCalc ® en línea(16). Se consideró el valor P≤0.05 como significativo y
P≤0.01 como altamente significativo.

Resultados

Modelos lineales

Modelo 1

Se observó un efecto de grupo de selección (si) altamente significativo (P<0.01) en todas


las variables. En cuanto a la interacción (sg)ij, en las variables EPPF, CNAC, CDEST y
CDHS fue altamente significativo (P<0.01), en VR y CDPP el efecto de la interacción
resultó significativo (P<0.05), lo que no sucedió en la variable CNPP (P>0.05) (Cuadro
1).

28
Rev Mex Cienc Pecu 2023;14(1):23-38

Cuadro 1: Medias mínimo cuadráticas (M) y errores estándar (EE) de la interacción


(sg)ij, en cinco generaciones agrupadas, para S15G y NS15G

LÍNEA GA F(%) EST EPPF VR CNAC CDEST CNPP CDPP CDHS


S15GA 1a5 50 M 1.74a 165.2a 20.35a 17.77a 4.77a 4.16a 0.66a
(n=733) EE 1.58 3.52 8.16 7.65 1.59 0.54 0.029
6 a 10 82.6M 2.18a 129.5b 19.01a 16.09a 4.62a 3.92a 0.598a
EE 1.62 3.44 10.33 10.29 2. 06 2.27 0.029
a a a a a a
11 a 15 93.9M 2.1 146.2 21.06 19.31 5.01 4.60 0.687a
EE 1.5 3.32 9.78 9.61 1.92 2.00 0.028
NS15GB 1a5 50 M 2.65a 146.7a 17.16a 13.63a 3.76a 2.96a 0.59a
(n=135) EE 1.63 6.64 7.52 7.164 1.26 1.49 0.055
6 a 10 82.6M 1.32b 99.67b 7.76b 4.64b 3.04a 1.45b 0.12b
EE 1.41 7.74 4.37 4.85 1.45 1.70 0.064
11 a 15 93.9M 0.3c 99.75b 7.85b 6.15b 3.87a 2.88a 0.20b
EE 0.66 8.36 5.26 5.59 1.57 2.10 0.069
P(SG) <0.01 0.047 <0.01 0.01 0.482 0.048 <0.01
GA= generaciones agrupadas. F= consanguinidad obtenida en 5 generaciones. EST= estadístico. EPPF=
número de estros post parto fértiles. VR= vida reproductiva de la pareja en días. CNAC= número total de
crías nacidas en la VR. CDEST= número total de crías destetadas en la VR. CNPP= crías nacidas por
parto. CDPP= crías destetadas por parto. CDHS= número de crías destetadas por hembra por semana.
A,B
literales diferentes denotan diferencias altamente significativas entre los grupos de selección s i
(P<0.01).
P(SG) es la significancia calculada por el modelo,
.abc
literales distintas denotan diferencias significativas (P<0.05) intergeneracionales, dentro de línea.

Las medias de los EPPF de S15G subieron 0.44 estros y se mantuvieron (P>0.05),
mientras que las medias de NS15G decrecieron 2.4 estros promedio, de 1 a 5 hasta las
generaciones 11 a 15 (P<0.05) (Cuadro 1 y Figura 1). La vida reproductiva (VR),
disminuyó en S15G, en las generaciones 6 a 10 casi 36 días (P<0.05), después se
recuperó, aunque no al nivel de las primeras cinco generaciones, mientras que en NS15G
se mantuvo 47 días más baja que en las primeras cinco generaciones (P<0.05). Tanto el
número de crías nacidas y destetadas, en el total de vida reproductiva de las parejas, los
valores más bajos se observaron en las generaciones 6 a 10 en ambas líneas; sin embargo,
sólo NS15G mostró diferencias significativas (P<0.05) con una disminución de 9.4 y 9
crías respectivamente. Tanto CNPP como CDPP, se obtuvieron como promedio de todos
los partos en la vida reproductiva de la hembra, agrupados cada cinco generaciones y
fueron más bajos en NS15G, el pico más bajo se observó entre las generaciones 6 a 10 en
ambas, pero sólo fue significativo en NS15G en las CDPP con una disminución de 0.7
crías destetadas (P<0.05) (Cuadro1).

29
Rev Mex Cienc Pecu 2023;14(1):23-38

Figura 1: Medias y desviaciones estándar de número de estros post parto fértiles


(EPPF) con la consanguinidad agrupada cada cinco generaciones (1 a 5, 6 a 10 y 11 a
15)

S15G y NS15G, son las líneas con selección y sin selección para CDHS en las 15 generaciones de la
última.

El índice (CDHS), se mantuvo estable a través de todas las generaciones acumuladas


(P>0.05) en S15G, mientras que NS15G tiene una caída abrupta de las generaciones 1-5
a 6-10 (-0.47 crías) (P<0.05), con una leve recuperación en las siguientes cinco
generaciones agrupadas (0.08 crías) (P<0.05); después se pierde debido a una gran
mortalidad (Cuadro 1 y Figura 2).

Figura 2: Medias y desviaciones estándar del número de crías destetadas por hembra
por semana (índice de eficiencia productiva) (CDHS) con la consanguinidad agrupada
cada 5 generaciones (1 a 5, 6 a 10 y 11 a 15)

S15G y NS15G, son las líneas con selección y sin selección para CDHS en las 15 generaciones de la
última.

30
Rev Mex Cienc Pecu 2023;14(1):23-38

Modelo 2

Cuando se analizó S20G, se observó el pico más bajo en las generaciones 6 a 10 (P<0.05),
en casi todos los componentes, mientras que EPPF y el índice CDHS no mostraron
cambios significativos intergeneracionales (P>0.05) (Cuadro 2).

Cuadro 2: Medias mínimo cuadráticas (M) y errores estándar (EE) de cinco


generaciones agrupadas, para S20G
GA F(%) EST EPPF VR CNAC CDEST CNPP CDPP CDHS

1a5 50 M 1.59a 165.2a 18.64a 16.29a 4.77a 4.17a 0.616a


EE 0.12 3.58 0.81 0.76 0.14 0.14 0.031
6 a 10 82.6 M 1.79a 130.0b 15.26b 12.92b 4.63a 3.92b 0.598a
EE 0.12 3.49 0.78 0.74 0.14 0.15 0.030
11 a 15 93.9 M 1.78a 146.7c 17.64ab 16.17a 5.01a 4.59a 0.687a
EE 0.11 3.38 0.76 0.71 0.13 0.14 0.029
16 a 20 97.4 M 1.80a 133.9bc 17.26ab 15.17ab 5.18b 4.49ab 0.675a
EE 0.11 3.39 0.76 0.72 0.14 0.14 0.029
GA= generaciones agrupadas. F= consanguinidad agrupada en 5 generaciones. EST= estadístico. EPPF=
número de estros post parto fértiles. VR= vida reproductiva de la pareja en días. CNAC= número total de
crías nacidas. CDEST= número total de crías destetadas en la VR. CNPP= Crías nacidas por parto.
CDPP= crías destetadas por parto. CDHS= número de crías destetadas por hembra por semana.
abc
Literales distintas denotan diferencias significativas (P<0.05) intergeneracionales-

Modelo 3. Depresión endogámica

Hubo un efecto altamente significativo (P<0.01) de depresión endogámica en S15G, en


la VR, CNPP y CDPP, mientras que CNAC, CDEST, EPPF y CDHS no fue significativo
(P>0.05); en NS15G, las características EPPF, VR, CNAC, CDEST y CDHS mostraron
un efecto altamente significativo (P<0.01) de la depresión endogámica, sin embargo, en
CNPP y CDPP, fue no significativo (P>0.05) (Cuadro 3).

31
Rev Mex Cienc Pecu 2023;14(1):23-38

Cuadro 3: Coeficientes de regresión no estandarizados medios (𝛽̂1 ) y su error estándar


(EE), de los componentes de CNHS y del índice mismo, en NS15G, S15G y S20G,
sobre el coeficiente de consanguinidad
Línea Estadístico EPPF VR CNAC CDES CNPP CDPP CDHS

S15G 𝛽̂ 1 0.052 4.741 -0.454 -0.332 -0.466 -0.578 -0.001

(n=733) EE 0.030 1.276 0.256 0.256 0.084 0.086 0.007

NS15G 𝛽̂ 1 0.331 7.718 -1.705 -1.325 0.028 -0.010 -0.062

(n=135) EE 0.066 2.507 0.341 0.326 0.087 0.109 0.015

S20G 𝛽̂ 1 0.047 -4.76 -0.361 -0.268 0.02 0.026 -0.001

(n= 871) EE 0.026 1.09 0.213 0.210 0.036 0.036 0.007

S15G= línea con 15 generaciones de selección. NS15= línea sin selección durante 15 generaciones.
S20G= misma línea con selección durante 20 generaciones. EPPF: Número de estros post parto fértiles.
VR= vida reproductiva en días. CNAC= crías nacidas en el total de la vida reproductiva. CDES= crías
destetadas en el total de la vida reproductiva. CNPP= crías nacidas por parto. CDPP= crías destetadas por
parto. CDHS= número de crías destetadas por hembra por semana.
Los coeficientes de regresión en negritas fueron altamente significativos (P<0.01).

La vida reproductiva disminuyó en ambas líneas por cada 10 % de consanguinidad,


NS15G 7.718 días vs 4.741 en S15G (P<0.01). En CNAC y CDEST solo hubo efecto de
depresión endogámica en NS15G (-1.705 y -1.325 crías respectivamente) (P<0.01).
CNPP y CDPP se obtuvieron como un promedio de los partos en la VR de cada pareja,
en estas variables la depresión endogámica afectó solo a S15G (-0.466 y -0.578 crías
respectivamente) (P<0.01) mientras que NS15G hubo una aparente estabilidad (P>0.05),
debido a que el número de partos promedio en las generaciones acumuladas fue
disminuyendo (4.2, 1.7 y 1.1), en las generaciones acumuladas 1 a 5, 6 a 10 y 11 a 15
respectivamente, mientras que en la seleccionada se mantuvieron casi sin cambios (3.9,
3.8 y 3.6) . El índice CDHS no mostró depresión endogámica en S15G (P>0.05) lo
contrario ocurrió en NS15G (P<0.01). Por otro lado, S20G mostró depresión endogámica
altamente significativa de –4.76 días en la VR por cada 10 % de aumento en la
consanguinidad (P<0.01) (Cuadro 3).

32
Rev Mex Cienc Pecu 2023;14(1):23-38

Mortalidad al destete

El porcentaje de mortalidad por parto al destete, con respecto a CNPP tuvo un


comportamiento similar en ambas líneas, con un pico máximo en las generaciones 6 a 10,
sin embargo, la línea no seleccionada mantuvo una mortalidad más alta que la
seleccionada (52.30 %) teniendo una diferencia con la seleccionada del 36.8 (P<0.01)
(Figura 3). La sobrevivencia por parto (100 – % mortalidad por parto) entonces, decae en
las generaciones de las 6 a la 10 en la línea no seleccionada 31 % (78.47 - 47.7 %) y la
seleccionada 2.37 % (87.22 - 84.85 %) manteniéndose más alta en la línea con selección.

Figura 3: Mortalidad por parto al destete, en porcentaje respecto a las CNPP, con la
consanguinidad agrupada en 5 generaciones

S15G y NS15G, son las líneas con selección y sin selección para CDHS en las 15 generaciones de la
última.

Discusión

En la literatura se encuentran pocos trabajos de selección sobre fertilidad a largo plazo y


su efecto en la depresión endogámica en ratones; en un estudio de selección de tamaño
de camada al primer parto que comenzó en 1972, evitando los cruzamientos entre
hermanos completos, medios hermanos o primos, después de 124 generaciones de
selección se encontró una consanguinidad de 0.64 en una de sus líneas, lo que llevó a ésta
a una mayor depresión endogámica (-0.39), con un menor número de crías vivas en el
primer parto, por cada 10 % de consanguinidad(17). Los resultados del presente trabajo
coinciden con aquél, cuando se obtuvo el promedio de las crías nacidas vivas por parto
(CNPP) en la línea con selección, el efecto de la depresión endogámica fue de -0.466, un
poco más alto que aquél, debido a que en ese trabajo sólo se midió el primer parto. El
número de crías nacidas por parto, en el grupo NS15G, mostró un efecto no significativo
de la consanguinidad (P>0.05) (Cuadro 3), lo que pareciera contrario a lo esperado; la
explicación es que el número de partos en la vida reproductiva de las parejas fue

33
Rev Mex Cienc Pecu 2023;14(1):23-38

disminuyendo conforme aumentaban las generaciones y al promediar el tamaño de


camada al parto y al destete (de toda la VR de cada pareja) con estos, parece que se
hubiera mantenido constante (𝛽̂ 1= 0.028). Otra diferencia es que la consanguinidad en
dicho estudio es menor, aunque el número de generaciones de selección es de 124, durante
ese tiempo (1972 a 2007), hubo varios cambios en la dirección de la selección en ese
trabajo, pero se trató de evitar las cruzas endogámicas(17). No se encontró en la literatura,
algún trabajo con selección a tamaño de camada de toda la vida reproductiva con cruza
endogámica, sin embargo, en un estudio con selección a un índice combinando tamaño
de camada con peso al nacimiento, pero con cruzamientos abiertos (no endogámicos)
durante 150 generaciones, se obtuvieron tamaños de camada en la vida reproductiva de
una pareja, de 17.6 crías nacidas y 20.2 crías en promedio(18), muy similares al promedio
de CNAC al inicio de este estudio. La disminución de este promedio en las generaciones
siguientes en el presente trabajo, se debe muy probablemente a la depresión endogámica,
que en la línea no seleccionada fue de -1.705 crías por cada 10 % de consanguinidad
(P<0.01). Cabe hacer notar que en las características CNAC y CDEST, originalmente
utilizadas para obtener el CDHS (en toda la VR de cada pareja), hubo un efecto altamente
significativo (P<0.01) de depresión endogámica en NS15G lo que no ocurre en la S15G
(Cuadros 1,2,3). En aquel estudio, se observó un aumento en los niveles de testosterona
en los machos, mientras que, en las hembras, hubo una elevación de progesterona en una
de sus líneas; éstas mostraron un mayor número de ovocitos por ciclo, pero una mayor
pérdida de embriones, y una disminución de la vida reproductiva, en comparación con la
línea sin selección. Estos resultados coinciden con el presente trabajo, ya que también se
obtuvo una disminución en la vida reproductiva en S1G y S20G (Cuadros 1,2).

En el presente estudio se reveló, que el número de EPPF tiene una disminución constante
a lo largo de las generaciones estudiadas en NS15G, con un decremento de 0.331 estros
post parto fértiles por cada 10 % de aumento en la consanguinidad (P<0.01), en
comparación con S15G que se mantiene casi constante (P>0.05) (Cuadro 3); este
comportamiento se observa también en CDHS (el índice productivo) con una disminución
marcada en NS15G de las generaciones 1 - 5 a 6 - 10, con una ligera recuperación en las
últimas cinco; la depresión endogámica fue de -0.062 (P<0.01) crías destetadas por
hembra por semana por cada 10 % de aumento en consanguinidad, vs -0.001 (P>0.05) en
S15G. Un estudio mostró que una deleción de Kiss1r en las neuronas del eje GnRH
interrumpe la señal de kisspeptina, la proteína que induce la secreción de GnRH (hormona
liberadora de gonadotropina); esto resulta en infertilidad debida a hipogonadismo,
probablemente la consanguinidad tuvo un efecto negativo en este mecanismo, a través de
la interrupción de esta señal(19) en los ratones S15G; en el presente trabajo no se midieron
los efectos en los machos. Algo muy parecido se encontró en cerdos bajo selección para
prolificidad, cuando ésta se hizo con índices de familias, ya que se vio un aumento en la
depresión endogámica de tres veces más a la esperada sin selección y una disminución de
la respuesta a la selección(20).

La VR, se vio afectada por la consanguinidad tanto en S15G, con una disminución de
4.741 días, en NS15G disminuyó casi tres días más (7.718 días) (P<0.01 en ambas)

34
Rev Mex Cienc Pecu 2023;14(1):23-38

(Cuadro 3), en un estudio donde hubo selección para mayor tiempo de vida en ratones, se
encontró que el aumento estuvo relacionado con mutaciones, que aumentaban los niveles
de la hormona del crecimiento en el eje GH/IGF-1(21), que podría estar relacionada con
una disminución en el tiempo de vida de los ratones, como sucedió en las líneas
seleccionadas para un índice involucrando tamaño de camada y peso al nacer, sin
consanguinidad(18) en el presente trabajo disminuyó en ambas líneas ya que el objetivo de
selección fue distinto.

La mortalidad postparto es más alta en NS15G, desde las primeras cinco generaciones de
cruzamiento consanguíneo estrecho, comparada con S15G, resultado similar al obtenido
por Sallah(5), tanto en la línea seleccionada, como la no seleccionada, con apareamiento
entre medios hermanos, donde, la mayor mortalidad se dio en las generaciones
intermedias. Charlesworth(22) explica esto bajo dos hipótesis: 1) la de dominancia, donde
la endogamia aumenta la frecuencia de los individuos que expresan los efectos de
mutaciones deletéreas o 2) sobredominancia, donde los homocigóticos tendrían una
menor aptitud por falta de alelos, con ventaja heterocigótica que mantendrían
equilibrando la selección a frecuencias intermedias en los heterocigóticos.

Como resultado de lo anterior, el número de crías al destete por parto en NS15G, cae
significativamente en las generaciones 6 a 10 (1.51 crías), con una recuperación en las
siguientes generaciones acumuladas, mientras que, en el número de crías al nacimiento
por parto, se mantiene en todas las generaciones (P<0.05) (Cuadro 1) (Figura 3). Un
estudio reciente(23) reveló que, en camadas con menos de cuatro crías al nacimiento, en
ratones sin selección, existe una mayor mortalidad al destete, y en el presente estudio la
línea NS15G presentó menos de cuatro crías al nacer como promedio en las primeras
cinco generaciones.

El resultado en estas características era presumible, ya que por un lado se puede esperar
una alta depresión endogámica cuando se realiza cruza consanguínea estrecha (hermano,
hermana) y, por otro lado, debido a la baja heredabilidad (0.024 a 0.063), del índice
productivo(12), sólo se puede esperar un progreso de reproducción limitado; un resultado
similar se obtuvo en el tamaño de camada con una consanguinidad de 0.61 en ocho
generaciones de selección con consanguinidad en cruzas entre medios hermanos (5).

Estos resultados, conllevan a reflexionar si en un programa de selección en animales


domésticos, aun evitando cruzamientos entre hermanos, generaciones más adelante se
pudieran llegar a dar entre parientes, y esto induzca una endogamia, con los efectos
contraproducentes que aquí se vieron.

En un programa de mejoramiento de ganado Holstein, se encontró que con 1 % de


incremento en consanguinidad, la producción de leche en 305 días disminuyó 36.3 kg en
promedio, en vacas de 4 a 5 años, y 2.42 kg de grasa(24). Recientemente, se evaluó la
implementación de selección genómica, en la pérdida de diversidad genética en ganado
Holstein y Jersey en Norte América, debida a la consanguinidad; sus resultados mostraron

35
Rev Mex Cienc Pecu 2023;14(1):23-38

un incremento de endogamia de 1.19 a 2.06 % por generación, en un período de 10 años


en ganado Holstein, y advirtieron sobre la necesidad de implementar medidas para evitar
la endogamia en este tipo de programas(25). En la población Holstein de México, se
encontró que, con niveles menores al 5 % de consanguinidad, no se detectó en grasa ni
en proteína de la leche, ningún efecto, sin embargo, cuando la consanguinidad aumentó a
más de 5 %, se encontró una disminución en la producción de leche de 260 kg por
lactación, además de una pérdida en la producción de grasa de 11 kg y de 10 kg en
proteína con respecto al promedio de los grupos con menos de 5 %(26).

Conclusiones e implicaciones

Como muestran los resultados de NS15G para un índice productivo (número de crías por
hembra por semana), la depresión por consanguinidad afectó a sus distintos componentes,
especialmente en las características reproductivas, que se pudieron regular en gran
medida mediante una selección simultánea de éstas, probablemente debido a un
mantenimiento de genes que favorecieron el desarrollo gonadal en las hembras y machos.
El trabajo es relevante porque no se había analizado la selección de un índice productivo
en ratones en sus diferentes componentes, de una forma integral, además de mostrar que,
en un programa de selección con consanguinidad simultánea, se favorece la fijación de
alelos deseables en el sostenimiento de los ciclos reproductivos y la sobrevivencia de las
crías.

Literatura citada:
1. Silver LM. Mouse genetics: Concepts and applications. 1st ed. Oxford, United UKA:
Oxford University; 2001.

2. Falconer DS, Mackay TFC. Introduction to quantitative genetics. 4th ed. Harlow, UKA:
Longman; 1996.

3. Curik I, Sölkner J, Stipic N. The influence of selection and epistasis on inbreeding


depression estimates. J Anim Breed Genet 2001;118:247-262.
https://doi.org/10.1046/j.1439-0388.2001.00284.x.

4. Leroy G. Inbreeding depression in livestock species: review and meta-analysis. Anim


Genet 2014;45 (5):618-628.

5. Sallah BI, Seeland G. Einfluss von Inzucht und selektion auf die Fruchtbarkeit und das
Wachstum der Maus. Arch. Tierz. Dummerstorf 2001;44(6): 671– 676.

6. Bohren BB. Designing artificial selection experiments for specific objectives. Genetics
1975; 80(1):205-220.

7. De la Fuente LF, San Primitivo F. Selection for large and small litter size of the first
three litters in mice. Gênet Sêl Evo 1985;(17):251-264.

36
Rev Mex Cienc Pecu 2023;14(1):23-38

8. Eklund J, Bradford GE. Genetic analysis of a strain of mice plateaued for litter size.
Genetics 1977;(85):529-542.

9. Festing FWM. Inbred strains in biomedical research. 1ra ed. London, UKA: Palgrave;
1979.

10. Hubrecht R, Kirkwood J. Handbook on care and management of laboratory animals.


8a ed. London, UKA: UFAW; 2010.

11. Benavides FJ, Guénet JL. Manual de genética de roedores de laboratorio: Principios
básicos y aplicaciones. 1ra ed. Madrid, España: Universidad de Alcalá; 2003.

12. Tapia-Pérez G. Respuesta a la selección para el número de crías destetadas por semana
en líneas congénicas y singénicas de ratones de laboratorio [tesis maestría]. México,
CDMX: Universidad Nacional Autónoma de México; 1995.

13. Kinghorn B, Kinghorn S. Pedigree Viewer, Ver 5.0. The University of New England
2010. https://bkinghor.une.edu.au/pedigree.htm. Accessed Jan 10, 2021.

14. Wright S. Coefficients of inbreeding and relationship. The American Naturalist 1992;
(56):330-338.

15. IBM SPSS Statistics for Windows, Ver 22.0. Armonk, New York: IBM Corp. 2013.

16. MedCalc Software Ltd. Comparison of proportions calculator, Ver 20.022.


https://www.medcalc.org/calc/comparison_of_proportions.php. Accessed Dec 22,
2021.

17. Hinrichs D, Meuwissen THE, Odegard J, Holt M, Vangen O, Woolliams JA. Analysis
of inbreeding depression in the first litter size of mice in a long-term selection
experiment with respect to the age of the inbreeding. Heredity 2007;(99):81-88.
https://doi.org/10.1038/sj.hdy.6800968.

18. Langhammer M, Michaelis M, Hoeflich A, Sobczak A, Schoen J, Weitzel JM. High-


fertility phenotypes: two outbred mouse models exhibit substantially different
molecular and physiological strategies warranting improved fertility. Reproduction
2014;147(4):427-133. https://doi.org/10.1530/REP-13-0425.

19. Novaira HJ, Momodou LS, Hoffman G, Koo Y, Ko C, Wolfe A, Radovik S. Disrupted
kisspeptin signaling in GnRH neurons leads to hypogonadotrophic hypogonadism.
Molecular Endocrinology 2014; 28 (2): 225–238. https://doi.org/10.1210/me.2013-
1319.

20. Toro M, Silio L, Rodrigañez J, Dobao M. Inbreeding and family index selection for
prolificacy in pigs. Anim Sci 1988; 46(1): 79-85.
https://doi:10.1017/S0003356100003135.

37
Rev Mex Cienc Pecu 2023;14(1):23-38

21. Junnila RK, List EO, Berryman DE, Murrey JW, Kopchick JJ. The GH/IGF-1 axis in
ageing and longevity. Nat Rev Endocrinol 2013;9(6):366-376. doi:
10.1038/nrendo.2013.67.

22. Charlesworth D, Willis J. The genetics of inbreeding depression. Nat Rev Genet 2009;
(10):783–796.

23. Morello GM, Hultgren J, Capas-Peneda S, Wiltshire M, Thomas A, Wardle-Jones H,


et al. High laboratory mouse pre-weaning mortality associated with litter overlap,
advanced dam age, small and large litters. PloS one 2020;15(8):e0236290.
https://doi.org/10.1371/journal.pone.0236290.

24. Doekes HP, Veerkamp RF, Bijma P, De Jong G, Hiemstra SJ, Windig JJ. Inbreeding
depression due to recent and ancient inbreeding in Dutch Holstein–Friesian dairy
cattle. Genet Sel Evol 2019;51(54). https://doi.org/10.1186/s12711-019-0497-z.

25. Makanjuola BO, Miglior F, Abdalla EA, Maltecca C, Schenkel FS, Baes CF. Effect
of genomic selection on rate of inbreeding and coancestry and effective population
size of Holstein and Jersey cattle populations. J Dairy Sci 2020;103(6):5183-5199.
https://doi.org/10.3168/jds.2019-18013.

26. García-Ruíz A, Martínez-Marín GJ, Cortes-Hernández J, Ruíz-López FJ. Niveles de


consanguinidad y sus efectos sobre la expresión fenotípica en ganado Holstein. Rev
Mex Cienc Pecu 2021;12(4):996-1007. https://doi.org/10.22319/rmcp.v12i4.5681.

38
https://doi.org/10.22319/rmcp.v14i1.6129

Artículo

Variabilidad genética en biomasa aérea y sus componentes en alfalfa bajo


riego y sequía

Milton Javier Luna-Guerrero a

Cándido López-Castañeda a*

a
Colegio de Postgraduados. Postgrado en Recursos Genéticos y Productividad. Carretera
México-Texcoco km. 36.5, Montecillo, Texcoco, Estado de México, México.

*Autor de correspondencia: clc@colpos.mx

Resumen:

La sequía disminuye el rendimiento de biomasa aérea (BM) y sus componentes, y la calidad


del forraje en alfalfa. Se estudió la variación genética en BM y sus componentes en 10
variedades de alfalfa bajo riego (R) y sequía (S) en invernadero. Se utilizó un diseño
experimental de bloques completos al azar, con cuatro repeticiones en R y cuatro en S. La
unidad experimental fue una planta individual en un tubo de PVC. La siembra se realizó el
15 de marzo de 2017 y el trasplante en los tubos, 20 días después de la siembra. Se aplicó la
dosis de fertilización 60-140-00 a 44, 240 y 420 ddt (días después del trasplante). La S redujo
(P≤0.01) la BM, el rendimiento de materia seca de hojas (RMSH), número de tallos (NT) y
la eficiencia en el uso de la radiación (EUR). Las plantas en S no recuperaron su capacidad
productiva después de experimentar el déficit hídrico, aún después del riego de recuperación.
La S también disminuyó (P≤0.01) la varianza fenotípica para la BM y sus componentes; la
varianza aditiva fue mayor (P≤0.01) que la varianza de dominancia para todos los caracteres
en R y S. La BM, relación H:T, altura de planta (AP), NT y EUR tuvieron mayor (P≤0.01)
heredabilidad en R y S. Las variedades Genex, Atlixco, Júpiter y Milenia fueron las más
productivas (P≤0.01) en S, y podrían utilizarse para la producción de forraje en áreas con
escasez de agua o como líneas parentales, para el mejoramiento del rendimiento de forraje
en los programas de selección.

39
Rev Mex Cienc Pecu 2023;14(1):39-60

Palabras clave: Análisis de componentes principales, Componentes de varianza,


Heredabilidad, Invernadero.

Recibido: 22/12/2021

Aceptado: 22/06/2022

Introducción

En México, la alfalfa (Medicago sativa L.) para forraje se cultiva principalmente bajo
condiciones de riego y consume grandes volúmenes de agua. En las regiones con sistemas de
irrigación, un dosel vegetal de alfalfa en su pico de máximo desarrollo puede consumir una
cantidad de agua de 10 mm día-1(1). En estas condiciones de cultivo, la caída en la cantidad
de precipitación durante largos periodos de tiempo disminuye la capacidad de
almacenamiento de agua en el subsuelo y, por tanto, la disponibilidad de riego. Así mismo,
cuando la sequía se prolonga, la escasez de agua para riego es más severa y los cultivos de
alfalfa pueden experimentar algún grado de estrés hídrico, que se puede reflejar en una
disminución significativa del rendimiento y calidad del forraje(2).

En un futuro próximo, el recurso hídrico estará menos disponible para la producción de


forraje de alfalfa, debido a la incidencia de frecuentes periodos de sequía, cambio climático
y mayores demandas ocasionadas por el incremento en la población humana(3). Una forma
de satisfacer la demanda en la producción de forraje de alfalfa será a través de la obtención
de nuevas variedades con tolerancia a sequía, alta capacidad de ajuste osmótico e intercambio
gaseoso, alta eficiencia en el uso del agua (p. ej. mayor cantidad de materia seca por unidad
de agua transpirada o evapotranspirada) y capacidad productiva(3). La alfalfa está considerada
como una especie resistente a sequía, pero su rendimiento de biomasa aérea puede fluctuar
considerablemente bajo condiciones de déficit hídrico; en estas condiciones la alfalfa tiene
algunas ventajas agronómicas en comparación con otros cultivos anuales, al poseer un
sistema de raíces que le permite explorar capas del suelo más profundas, para absorber agua
y tolerar en mayor grado la sequía; además de reducir la conductancia estomática y minimizar
la tasa transpiratoria(4).

La reacción más común a un déficit hídrico del suelo es el incremento en la proporción del
peso seco de biomasa radical/peso seco de biomasa aérea, como resultado de una mayor
reducción en el crecimiento de los órganos aéreos que en el crecimiento de las raíces bajo
sequía. El incremento en el cociente raíz/parte aérea implica aumentos mayores en la
densidad de raíces con respecto a la biomasa aérea, lo que en consecuencia se refleja en mejor
capacidad para mantener el estatus hídrico de la planta bajo una demanda evapotranspiratoria

40
Rev Mex Cienc Pecu 2023;14(1):39-60

dada(5). La sequía también reduce el rendimiento de biomasa aérea y sus componentes, tasas
relativa de crecimiento, transpiración y elongación del tallo, contenido de clorofila, contenido
relativo de agua, y peso seco y diámetro de raíces(6), y concentración de proteína cruda y
carbohidratos hidrosolubles(7).

Por otra parte, las variedades de alfalfa resistentes a sequía exhiben alta concentración de
carbohidratos hidrosolubles en los órganos de almacenamiento bajo condiciones de estrés
hídrico severo. Esta situación se combina con una estrategia de conservación del agua que
implica menor evapotranspiración en las fases iniciales del estrés por sequía, debido a un
desarrollo limitado del sistema radical que resulta en mayor cantidad de humedad disponible,
para su utilización bajo condiciones severas de estrés hídrico(8). Las tasas de acumulación de
biomasa en las raíces y órganos aéreos de las plantas fueron más altas en praderas de dos
años de edad y la acumulación de biomasa aérea fue más alta y mantuvo las mejores
condiciones de humedad en el suelo en praderas de cuatro años, una vez que el cultivo
alcanzó el máximo desarrollo del sistema radical y cobertura de la superficie del suelo (9). El
germoplasma tolerante a sequía muestra menor grado de marchitamiento bajo condiciones
iniciales de déficit hídrico, más plantas con el dosel vegetal verde bajo condiciones de estrés
hídrico severo y más tallos por planta en condiciones de estrés o condiciones favorables de
humedad(3). No obstante, la existencia de una amplia variabilidad genética en caracteres
morfológicos y fisiológicos asociados con la resistencia a sequía, es difícil lograr la
combinación de caracteres adaptativos a ambientes específicos en una misma variedad con
amplia adaptación a ambientes vulnerables a sequía(8).

El mejoramiento genético de la resistencia a sequía y el rendimiento de biomasa aérea y sus


componentes requiere especial atención en caracteres con alta heredabilidad, aptitud
combinatoria general, efectos genéticos aditivos, efectos genéticos maternos, baja interacción
genotipo*ambiente y facilidad para la selección. En el análisis de la variación genética de
una población de la misma especie, la varianza genética aditiva es la más importante porque
es la principal determinante de las propiedades genéticas observables en la población y de la
respuesta a la selección(10). La varianza aditiva es la única que puede estimarse directamente
a partir de las observaciones hechas en la población y puede utilizarse en la estimación de la
heredabilidad, que representa la confiabilidad del valor fenotípico como indicación del valor
reproductivo que es el que determina su influencia en la siguiente generación(10). La similitud
observada en los valores de heredabilidad, para los caracteres medidos en la planta bajo riego
y sequía, puede utilizarse como un indicativo de la efectividad en la selección de nuevas
progenies, independientemente del ambiente de selección(10). La heredabilidad en sentido
amplio (H2) mide la contribución del genotipo a la varianza fenotípica total (𝜎𝑓2 );
teóricamente puede variar en un rango de cero, cuando no hay variación genética presente a
1, cuando toda la variación observada es genotípica en origen(11).

41
Rev Mex Cienc Pecu 2023;14(1):39-60

La selección por resistencia a sequía puede lograrse incrementando la eficiencia en el uso del
agua, índice de severidad de la sequía, media de productividad, media harmónica, media
geométrica, índice de tolerancia al estrés, índice modificado de tolerancia al estrés, índice de
superioridad e índice de tolerancia abiótica en condiciones de déficit hídrico(12). La selección
por componentes morfológicos del rendimiento de biomasa aérea puede lograrse incluyendo
el número de tallos secundarios y diámetro de la corona por planta en los criterios de
selección(13). Otros componentes del rendimiento de la biomasa aérea con heredabilidad
moderada a alta que podrían utilizarse exitosamente en la selección, para incrementar el
rendimiento son la tasa absoluta de crecimiento, eficiencia en el uso de la radiación, número
de tallos, relación H:T y altura de planta, además de la presencia de efectos genéticos
maternos favorables al rendimiento de biomasa aérea(14). La selección de nuevas variedades
con resistencia a sequía y alto rendimiento de biomasa aérea y sus componentes puede
lograrse, al identificar los caracteres genéticos con mayor heredabilidad y contribución a la
productividad del genotipo. El objetivo de la presente investigación fue estudiar la
variabilidad genética en la producción de biomasa aérea y sus componentes, en variedades
comerciales de alfalfa bajo riego y sequía en condiciones de invernadero.

Material y métodos

Un experimento se llevó a cabo en condiciones de riego y sequía en invernadero con


estructura metálica y vidrio transparente sin encalado, y con sistema de ventilación mecánica
en el Colegio de Postgraduados, Montecillo, Texcoco, Estado de México (19° 29´ N, 98° 53´
O y altitud de 2,250 msnm) en el periodo 2017-2019. La localidad se caracteriza por tener
un clima templado subhúmedo con verano fresco largo (Cb (wo) (w) (i´)g), precipitación
media anual de 637 mm y lluvia invernal menor a 5%; temperatura media anual con
fluctuaciones de 12 a 18 °C y oscilación térmica entre 5 y 7 °C(15). El material genético
utilizado incluyó las siguientes variedades comerciales de alfalfa: San Miguel, Oaxaca,
Atlixco, Aragón, Victoria, Genex, Júpiter, Milenia, San Isidro y Cuf 101, con porcentaje de
germinación mayor a 95 %. Se utilizó un diseño experimental de bloques completos al azar
con cuatro repeticiones y dos tratamientos de humedad edáfica (riego y sequía). La unidad
experimental fue una planta individual trasplantada en una bolsa cilíndrica de polietileno
dentro de un tubo de PVC de 1 m de alto y 4” de diámetro, para favorecer la expresión del
potencial genético de las características morfológicas de la variedad. La siembra se realizó el
15 de marzo de 2017, al colocar cinco semillas de cada variedad en celdillas individuales de
cajas para almacigo. A los 20 días después de la siembra (dds), se seleccionó la plántula más
vigorosa de cada celdilla y se trasplantó en forma individual en los tubos de PVC. Los tubos
de PVC se llenaron con suelo seco de textura franco-arenosa, densidad aparente de 1.12 T m-
3
y pH de 7.3; 18.8 y 0.22 % de materia orgánica y nitrógeno total; 176.3 mg kg-1 y 2,420 mg
kg-1 de fósforo y potasio; 54.6 Cmol(+) kg-1 y 0.53 dS m-1 de capacidad de intercambio
catiónico y conductividad eléctrica; y 52 y 38.2 % de capacidad de campo (CC) y porcentaje

42
Rev Mex Cienc Pecu 2023;14(1):39-60

de marchitamiento permanente (PMP) (Laboratorio Central Universitario, Universidad


Autónoma Chapingo, Chapingo, México, 2016). Se aplicó la dosis de fertilización 60-140-
00 a los 44 días después del trasplante (ddt), al utilizar urea y superfosfato de calcio triple
como fuentes de nitrógeno y fósforo, diluidos en el agua de riego; una segunda y tercera
fertilización se hizo a los 240 y 420 ddt con la misma dosis de fertilizante. Se utilizaron dos
tratamientos de humedad del suelo: riego, donde el contenido hídrico edáfico se mantuvo
cercano a CC desde la fecha de trasplante (20 dds) hasta los 406 ddt (R1) y desde los 406 ddt
hasta la conclusión de experimento (798 ddt) (R2), y sequía, donde la aplicación de agua a
las plantas se suspendió en un primer periodo por 61 días [345 a 406 ddt; marzo a mayo 2018;
(S1)] y un segundo periodo por 68 días [620-688 ddt; noviembre 2018 a febrero 2019; (S2)].
El riego de recuperación (RR) se aplicó a las plantas al término de los tratamientos de S1 (406
ddt, RR1) y S2 (688 ddt, RR2).

Se hicieron cortes en la parte aérea de la planta cada cinco semanas en el periodo otoño-
invierno y cada cuatro semanas en el periodo primavera-verano, a una altura de 5 cm sobre
el nivel del suelo. En cada corte se midió la altura de planta (AP, cm) desde la superficie del
suelo hasta la última hoja expuesta en el tallo más alto con una regla graduada a 5 mm;
además, se contó el número total de tallos (NT) y se determinó la relación hoja:tallo (H:T)
en una submuestra de cuatro tallos secundarios, al dividir el peso seco de las hojas (PSH)
entre el peso seco del tallo (PST), obtenido después de un periodo de secado de 48 h a una
temperatura de 65 °C (H:T = PSH / PST). El rendimiento de materia seca total (RMST, g) o
biomasa aérea (BM) se calculó al sumar el peso seco de hojas y tallos secundarios de la
submuestra utilizada para determinar la relación H:T, y el peso seco de las hojas y tallos
secundarios de la muestra remanente de la planta. El rendimiento de materia seca de hojas
(RMSH, g) se representó por el peso seco de hojas. La eficiencia en el uso de la radiación
(EUR, g MS MJ-1) se calculó al dividir el RMST entre la radiación solar acumulada
diariamente (datos obtenidos de la estación meteorológica de la Universidad Autónoma
Chapingo) durante el periodo transcurrido entre cortes subsecuentes(16). La temperatura
máxima y mínima del aire en el invernadero se registró diariamente con un termómetro de
máxima y mínima de columna de mercurio, marca Taylor modelo 5458P, colocado junto a
las plantas a una altura de 2 m sobre el nivel del piso. La temperatura máxima durante el
estudio varió de 19 a 40 °C y la mínima de -4 a 15 °C, con un promedio de 32 y 8.5 °C. El
contenido hídrico en el suelo se determinó mediante el método gravimétrico cada tercer día
con una balanza electrónica marca Tor-Rey, modelo PCR Series. En riego el contenido
hídrico del suelo se mantuvo cercano a CC, al agregar agua en cada pesada durante el
experimento, mientras en sequía las plantas se condujeron de la misma forma que en riego,
excepto, en los periodos en los que se suspendió la aplicación de agua [345 a 406 (S1) y 620-
688 (S2) ddt] y sólo se registró, la disminución en el peso del suelo en cada tubo de PVC
(datos no mostrados).

43
Rev Mex Cienc Pecu 2023;14(1):39-60

La varianza fenotípica (σ𝑓2 ) y sus componentes se estimaron para las variables medidas en
todos los cortes en riego (R1 y R2) y sequía (S1 y S2), bajo el modelo estadístico siguiente(17,18):

Yijk = µ + FCi + R(FC)ij + Gk + G*FCik + Eijk

Donde,

Yijk es el valor de la variable de repuesta;


µ es la media general;
FCi es el efecto de la fecha de corte;
R(FC)ij es el efecto de las repeticiones dentro de la fecha de corte;
Gk es el efecto de los genotipos;
G*FCik es el efecto de la interacción entre los genotipos y las fechas de corte;
Eijk es el error experimental.

Las estimaciones de la varianza fenotípica y sus componentes se hicieron bajo el supuesto de


equilibrio de Hardy-Weinberg, equilibrio de ligamiento y ausencia de epistasis(17,19). Los
valores de la varianza fenotípica (σ𝑓2 ) y sus componentes, y la heredabilidad (h2) se
obtuvieron a partir de los valores de las esperanzas de los cuadrados medios del análisis de
varianza fenotípica y sus componentes de la manera siguiente:

σ𝑓2 = σ𝐴2 + σ2e + σ𝑔∗𝑓𝑐


2

Donde, σ𝐴2 es la varianza aditiva (σ2A = (M1 – M2)/r*f), σ2e es la varianza ambiental (σ2𝑒 = M3)
2 2
y σ𝑔∗𝑓𝑐 es la varianza de la interacción de genotipos*fechas de corte (σ𝑔∗𝑓𝑐 = (M2 – M3)/r);
M1, M2 y M3 representan las esperanzas de los cuadrados medios, f representa la fecha de
corte y r representa al número de repeticiones(17).

La heredabilidad en sentido estricto (h2) se calculó de acuerdo con la siguiente ecuación:


h2 = (σ𝐴2 ) / (σ𝑓2 ). Donde, σ𝐴2 es la varianza aditiva y σ𝑓2 es la varianza fenotípica.

La varianza de dominancia (𝜎𝐷2 ) se estimó(17) al utilizar la varianza aditiva (𝜎𝐴 ) entre familias
de medios hermanos(20):

3 1
𝜎𝐺2 = 4 𝜎𝐴2 + 𝜎𝐷2 y 𝜎𝐴2 = 4 𝜎𝐺2

Donde, 𝜎𝐺2 es la varianza genética y el valor de 𝜎𝐷2 se obtiene de la siguiente forma(20):

44
Rev Mex Cienc Pecu 2023;14(1):39-60

1
𝜎𝐷2 = 𝜎𝐴2
4

La heredabilidad en sentido estrecho o estricto (h2) se calculó bajo el supuesto de que las
variedades utilizadas es una muestra aleatoria y representativa de la variabilidad genética de
la alfalfa, y al considerar que esta es una especie alógama(17). De esta manera, el componente
de varianza obtenido de la esperanza matemática del cuadrado medio del factor variedades
es un estimador de la varianza aditiva(21).

Los datos obtenidos se analizaron con el procedimiento GLM(22), versión para Windows 10,
con un diseño completamente al azar en arreglo factorial. Las medias de los tratamientos de
humedad edáfica, los genotipos y los genotipos dentro de los tratamientos de humedad
edáfica se compararon con la diferencia mínima significativa honesta (DMSH, P<0.05) de
acuerdo, al modelo siguiente:

Yij = µ + Ti + Gj + T*Gjj + Eij

Donde,

Yij es el valor de la variable de respuesta;


µ es la media general;
Ti representa los tratamientos de humedad del suelo;
Gj representa los genotipos;
T*Gjj representa la interacción entre los tratamientos de humedad edáfica y los genotipos;
Eij es el error experimental(23).

Resultados y discusión

Los tratamientos de humedad edáfica fueron diferentes (P≤0.01) en rendimiento de materia


seca total y materia seca de hojas en los cortes realizados entre los 406 y 798 ddt; diferencias
(P≤0.01) en la relación H:T a los 406, 434, 462, 490 y 686 ddt; diferencias (P≤0.01) en altura
de planta a los 406, 434, 462, 686,742,770 y798 ddt; y diferencias (P≤0.01) en número de
tallos y eficiencia en el uso de la radiación entre los 406 y 798 ddt (Cuadro 1). Las variedades
mostraron diferencias (P≤0.01) en rendimiento de materia seca total, relación H:T, altura de
planta y eficiencia en el uso de la radiación en todos los cortes realizados entre los 112 y 798
ddt; diferencias (P≤0.01) en rendimiento de materia seca de hojas y número de tallos en todos
los cortes, excepto en los cortes efectuados a los 245, 406, 434, 553 y 588, y 140 ddt. La
interacción tratamientos de humedad del suelo*variedades mostró diferencias (P≤0.01) en

45
Rev Mex Cienc Pecu 2023;14(1):39-60

rendimiento de materia seca total a los 112, 140, 210, 406 y 746 ddt y diferencias (P≤0.05)
a los 175, 315, 434 y 770 ddt; diferencias (P≤0.01) en rendimiento de materia seca en hojas
a los 112, 140 y 210 ddt, y diferencias (P≤0.05) a los 175, 742 y 770 ddt; diferencias (P≤0.01)
en la relación H:T a los 112, 140, 175, 210, 245, 280, 315, 406, 434, 490, 686, 770 y 798 ddt,
diferencias (P≤0.05) a los 588 ddt; diferencias (P≤0.01) en altura de planta a los 112, 245,
280, 490, 742 y 798 ddt, y diferencias (P≤0.05) a los 112, 210, 315 y 406 ddt; diferencias
(P≤0.01) en número de tallos a los 175, 315 y 434 ddt, y diferencias (P≤0.05) a los 140, 245,
462, 518 y 686 ddt; y diferencias (P≤0.01) en eficiencia en el uso de la radiación a los 140,
210, y 742 ddt, y diferencias (P≤0.05) a los 112, 175, 315, 434 y 770 ddt.

La comparación del rendimiento de materia seca y sus componentes en riego vs. sequía
mostró que el déficit hídrico del suelo en S1 y S2 redujo (P≤0.01) el rendimiento de materia
seca total y materia seca en hojas, número de tallos y eficiencia en el uso de la radiación
desde los 406 hasta los 798 ddt; las plantas en sequía no recuperaron su capacidad productiva
después de experimentar el déficit hídrico en S1 y S2 con respecto a las plantas en riego (R1
y R2), aún después de los riegos de recuperación (RR1 y RR2) (Figura 1). La relación H:T en
las plantas bajo sequía fue más alta (P≤0.01) que en riego (R1 y R2), y estas diferencias entre
riego y sequía fueron más notorias durante la aplicación de la sequía (S1 y S2). La altura de
planta en S1 y S2 fue menor (P≤0.01) que en riego (R1 y R2) y posteriormente recuperó su
capacidad de crecimiento con respecto a su comportamiento en riego. La sobrevivencia de la
alfalfa a través de periodos de déficit hídrico en condiciones de campo depende de la duración
e intensidad de la sequía, el genotipo, el tipo de suelo (capacidad hídrica del suelo y
profundidad del sistema radical) y el ambiente (salinidad y temperatura); su sobrevivencia a
periodos cortos (2-3 semanas) sin riego se refleja en su alta capacidad de recuperación al
recibir riego nuevamente y producir rendimientos normales en los años subsecuentes(24). La
mayor capacidad de recuperación de la alfalfa al recibir agua después de experimentar
periodos de déficit hídrico(24), puede deberse a que las plantas que crecen en condiciones de
campo tienen mayor acceso a la humedad y nutrientes en el perfil del suelo, a diferencia de
las plantas que crecen en condiciones de invernadero en macetas o tubos de PVC, donde las
raíces de las plantas crecen en un ambiente limitado en volumen de suelo, humedad y
nutrientes; lo que se refleja en una reducción en la acumulación de biomasa aérea debida a
una disminución en la conductancia estomática, transpiración y asimilación(3). Los altos
valores en la relación H:T en sequía, pudieron deberse a una menor partición de asimilados
al tallo con respecto a la hoja; las plantas sometidas a estrés hídrico muestran algunos
cambios morfológicos en respuesta al déficit hídrico, al reducir la pérdida o aumentar la
absorción de agua para mantener el estatus hídrico del tejido(25). La altura de planta fue la
única característica morfológica que mostró capacidad de recuperación después de la
aplicación de agua (RR1 y RR2), al alcanzar valores similares a los observados en las plantas
bajo riego; el déficit hídrico del suelo afecta diferentes características morfológicas de las
plantas como altura de planta, diámetro del tallo, número, tamaño y área de las hojas,
producción de materia seca, partición de asimilados, producción de flores y frutos, y madurez

46
Rev Mex Cienc Pecu 2023;14(1):39-60

fisiológica(25).

Figura 1: Rendimiento de materia seca total (a) y materia seca de hojas (b), relación
hoja:tallo (c), altura de planta (d), número de tallos (e) y eficiencia en el uso de la radiación
(f) en 18 cortes en riego (R1 y R2) y sequía (S1 y S2), promedio de 10 variedades de alfalfa

Montecillo, Texcoco, Estado de México [R1= Riego de recuperación en R1; R2=Riego de recuperación en R2;
*(P≤0.05); **(P≤0.01); ns (no significativo)].

Por otro lado, en riego (R1 y R2) se observó una amplia variabilidad (P≤0.01) entre genotipos
para rendimiento de materia seca total (Figuras 2a y 3a), relación H:T (Figuras 2c y 3c),
altura de planta (Figuras 2d y 3d) y eficiencia en el uso de la radiación (Figuras 2f y 3f) en
todos los cortes en R1 (112 a 434 ddt) y R2 (462 a 798 ddt). Las variedades Genex, Atlixco,
Júpiter, Oaxaca, San Miguel y Milenia produjeron mayor (P≤0.01) rendimiento de materia

47
Rev Mex Cienc Pecu 2023;14(1):39-60

seca total que las otras variedades en todos los cortes en R1 (Figura 2a), y sólo las variedades
Genex, Atlixco, Júpiter y Milenia mostraron alto (P≤0.01) rendimiento de materia seca total
en R2 (Figura 3a). El alto rendimiento de materia seca total en las variedades Genex, Atlixco,
Júpiter, Oaxaca, San Miguel y Milenia (Figura 2a) estuvo acompañado de alto (P≤0.01)
rendimiento de materia seca de hojas (Figura 2b), altura de planta (Figura 2d), número de
tallos (Figura 2e) y eficiencia en el uso de la radiación (Figura 2f) en R 1. El alto (P≤0.01)
rendimiento de materia seca total de las variedades Genex, Atlixco, Júpiter y Milenia (Figura
3a) también estuvo acompañado por un alto (P≤0.01) rendimiento de materia seca de hojas
(Figura 3b), altura de planta (Figura 3d), número de tallos (Figura 3e) y eficiencia en el uso
de la radiación (Figura 3f) en R2. Las variedades Victoria, Aragón y San Isidro (Figura 2c),
y Aragón y San Isidro (Figura 3c) mostraron mayor (P≤0.01) relación H:T que las otras
variedades en R1 y R2. En un estudio con 11 cultivares de alfalfa en condiciones de riego en
invernadero, se determinó que las variedades BCB, ALF y AFR mostraron mayor
rendimiento de materia seca total, materia seca de raíces, tasa de elongación del tallo,
contenido relativo de agua y diámetro de raíces que las otras variedades de alfalfa(6). Las
variedades F 1412-02, F 1535-03, Roxana y F 2007-08 y F 1414-02, F 1711-05, F 1715-05
y F 2010-08 sobresalieron entre un grupo de 74 genotipos en condiciones de riego en
invernadero, al producir mayor rendimiento de materia seca total, altura de planta y número
de tallos que el resto de las variedades(4).

48
Rev Mex Cienc Pecu 2023;14(1):39-60

Figura 2: Rendimiento de materia seca total (a) y materia seca de hojas (b), relación hoja
tallo (c), altura de planta (d), número de tallos (e) y eficiencia en el uso de la radiación (f)
en nueve cortes en riego (R1), para 10 variedades de alfalfa

R1= Riego en el periodo de corte de 112 a 406 ddt.

49
Rev Mex Cienc Pecu 2023;14(1):39-60

Figura 3: Rendimiento de materia seca total (a) y materia seca de hojas (b), relación hoja
tallo (c), altura de planta (d), número de tallos (e) y eficiencia en el uso de la radiación (f)
en nueve cortes en riego (R2), para 10 variedades de alfalfa

R2= Riego en el periodo de corte de 462 a 798 ddt.

En sequía también se observó una variabilidad amplia (P≤0.01) entre genotipos para
rendimiento de materia seca total (Figuras 4a y 5a), relación H:T (Figuras 4c y 5c), altura de
planta (Figuras 4d y 5d) y eficiencia en el uso de la radicación (Figuras 4f y 5f) en todos los
cortes en S1 (112 a 406 ddt) y S2 (462 a 798 ddt). Las variedades Genex, Atlixco, Júpiter,
Oaxaca, San Miguel y Milenia produjeron mayor (P≤0.01) rendimiento de materia seca total
que las otras variedades en todos los cortes en S1 (Figura 4a), y sólo las variedades Genex,
Atlixco, Júpiter y Milenia mostraron alto (P≤0.01) rendimiento de materia seca total en S2

50
Rev Mex Cienc Pecu 2023;14(1):39-60

(Figura 5a). El rendimiento alto de materia seca total de las variedades Atlixco, Júpiter,
Oaxaca, San Miguel y Milenia (Figura 4a) estuvo acompañado de mayor (P≤0.01)
rendimiento de materia seca de hojas (Figura 4b), altura de planta (Figura 4d), número de
tallos (Figura 4e) y eficiencia en el uso de la radiación (Figura 4f) en R1. En R2 el mayor
(P≤0.01) rendimiento de materia seca total de las variedades Genex, Atlixco, Júpiter y
Milenia (Figura 5a) también estuvo acompañado de alto (P≤0.01) rendimiento de materia
seca de hojas (Figura 5b), altura de planta (Figura 5d), número de tallos (Figura 5e) y
eficiencia en el uso de la radiación (Figura 5f). Las variedades Milenia, Victoria, Cuf-101,
Aragón y San Isidro (Figura 4c), y Victoria, Aragón y San Isidro (Figura 5c) mostraron mayor
(P≤0.01) relación H:T que las otras variedades en R1 y R2. Otros estudios en diferentes
variedades de alfalfa bajo sequía en invernadero, detectaron genotipos que reducen menos la
elongación del tallo, tasa relativa de crecimiento y biomasa aérea con respecto a riego,
además de mantener mayor capacidad del crecimiento de las raíces, contenido relativo de
agua, contenido de clorofila y eficiencia en el uso del agua(6). La variedad Gold Queen
produjo mayor rendimiento de materia seca y carbohidratos hidrosolubles, y fue más
resistente a sequía que la variedad Suntory en condiciones de campo; la sequía disminuyó el
contenido de proteína cruda y aumentó la fracción de fibra en respuesta a la deficiencia
hídrica en las dos variedades de alfalfa(7). Los genotipos Amerist (EE. UU.), Sardi10 y Siriver
(Australia), y Melissa (Francia) mostraron mayor tolerancia a sequía que otras variedades de
alfalfa, debido a que produjeron hojas más delgadas, acumularon más prolina y potasio, y
mantuvieron una mayor eficiencia en el uso del agua en condiciones de deficiencias
hídricas(26). Las variedades Aragón y San Isidro mostraron consistentemente altos valores
promedio para la relación H:T en riego y sequía; esta característica morfológica de la planta
es altamente apreciada como un estimador de la calidad del forraje y puede ser utilizada para
mejorar el rendimiento, y calidad de la materia seca en líneas, familias de medios hermanos
o clones en poblaciones amplias, al considerar sus altos valores heredabilidad en sentido
estrecho (h2=0.75)(27).

51
Rev Mex Cienc Pecu 2023;14(1):39-60

Figura 4: Rendimiento de materia seca total (a) y materia seca de hojas (b), relación hoja
tallo (c), altura de planta (d), número de tallos (e) y eficiencia en el uso de la radiación (f)
en nueve cortes en sequía (S1), para 10 variedades de alfalfa

S1= Sequía en el periodo de cortes de 112 a 406 ddt.

52
Rev Mex Cienc Pecu 2023;14(1):39-60

Figura 5: Rendimiento de materia seca total (a) y materia seca de hojas (b), relación hoja
tallo (c), altura de planta (d), número de tallos (e) y eficiencia en el uso de la radiación (f)
en nueve cortes en sequía (S2), para 10 variedades de alfalfa

S2= Sequía en el periodo de cortes de 462 a 798 ddt.

La varianza fenotípica para rendimiento total de materia seca y materia seca de hojas, relación
H:T, altura de planta, número de tallos y eficiencia en el uso de la radiación en riego (R 1 y
R2) fue mayor (P≤0.05) que en sequía (S1 y S2). La varianza fenotípica para el rendimiento
total de materia seca y sus componentes fue mayor (P≤0.05) que los demás componentes de
varianza en riego y sequía. No obstante, la varianza ambiental contribuyó en mayor
proporción (P≤0.05) a la varianza fenotípica que la varianza genética en ambos; riego y
sequía. La varianza genética aditiva fue mayor (P≤0.05) que la varianza genética de

53
Rev Mex Cienc Pecu 2023;14(1):39-60

dominancia para todos los caracteres medidos en las plantas en riego y sequía. La varianza
de la interacción fue menor que las varianzas fenotípica, ambiental y genética aditiva, para
todos los caracteres medidos en las plantas en riego y sequía (Cuadro 2). En alfalfa
autotetraploide se obtuvieron resultados similares al estimar los componentes de varianza; la
varianza de dominancia fue mucho menor que la varianza aditiva para el rendimiento de
materia seca y sus componentes(28). La varianza aditiva fue significativamente mayor de cero
y la varianza genética, para el rendimiento de materia seca total fue principalmente aditiva
en una población F1 de alfalfa en condiciones controladas de crecimiento(29). La heredabilidad
(h2) fue de baja para rendimiento de materia seca de hojas a moderada para el rendimiento
de materia seca total, relación H:T, altura de planta, número de tallos y eficiencia en el uso
de la radiación en riego y sequía (Cuadro 2). Estos valores de heredabilidad son similares a
los obtenidos para la biomasa aérea y altura de planta en alfalfa anual (Medicago sativa
subesp. falcata) en condiciones de campo(28), y podrían ser útiles en el mejoramiento del
rendimiento de materia seca de alfalfa con el apoyo de la selección genómica(27).

Cuadro 2: Parámetros genéticos estimados para rendimiento de materia seca total (RMST)
y materia seca de hojas (RMSH), relación hoja:tallo (H:T), altura de planta (AP), número
de tallos (NT) y eficiencia en el uso de la radiación (EUR) en riego (R1 y R2), y sequía (S1 y
S2), promedio de 10 variedades de alfalfa
Parámetros genéticos RMST RMSH H:T AP NT EUR
Riego R1 y R2
Varianza fenotípica (𝜎𝑓2 ) 3.6 (0.7) 0.5 (0.1) 0.01 (0.001) 86.4 (7.6) 16.0 (1.6) 0.021 (0.001)
Varianza genotípica (𝜎𝑔2 )
aditiva (𝜎𝐴2 ) 1.2 (0.4) 0.1 (0.05 0.005 (0.0003) 31.6 (1.2) 4.5 (0.8) 0.01 (0.001)
de dominancia (𝜎𝐷2 ) 0.3 0.02 0.001 7.9 1.1 0.002
2
de interacción (𝜎𝑔∗𝑓𝑐 ) 0.7 0.06 0.002 12.3 2.5 0.002
Varianza ambiental (𝜎𝑒2 ) 1.7 (0.4) 0.4 (0.08) 0.004 (0.0008) 42.6 (6.9) 9.0 (1.6) 0.01 (0.001)
Heredabilidad (h2) 0.3 (0.04) 0.2 (0.04) 0.4 (0.04) 0.4 (0.03) 0.3 (0.04) 0.4 (0.04)
Sequía S1 y S2
Varianza fenotípica (𝜎𝑓2 ) 1.5 (0.2) 0.2 (0.03) 0.01 (0.001) 61.6 (5.8) 11.5 (0.8) 0.015 (0.007)
Varianza genotípica (𝜎𝑔2 )
aditiva (𝜎𝐴2 ) 0.5 (0.02) 0.04 (0.004) 0.004 (0.0003) 20.4 (2.0) 4.1 (0.3) 0.046 (0.005)
de dominancia (𝜎𝐷2 ) 0.1 0.01 0.001 5.1 1.0 0.001
2
de interacción (𝜎𝑔∗𝑓𝑐 ) 0.2 0.04 0.004 13.7 1.8 0.002
Varianza ambiental (𝜎𝑒2 ) 0.8 (0.2) 0.1 (0.03) 0.001 (0.0003) 27.5 (4.9) 5.5 (0.8) 0.008 (0.2)
Heredabilidad (h2) 0.3 (0.04) 0.2 (0.04) 0.4 (0.03) 0.3 (0.04) 0.4 (0.04) 0.3 (0.04)

El análisis de componentes mayores (CP1 y CP2) identificó dos componentes que explican
la mayor proporción de la variación total (75.8 %) mostrada en el experimento. El CP1
explicó el 56.2 % de la variación y tuvo correlación positiva con el rendimiento de materia
seca total (r= 0.52), rendimiento de materia seca de hojas (0.50), número de tallos (r= 0.42),
eficiencia en el uso de la radiación (r= 0.40) y altura de planta (r= 0.34), y correlación
negativa con la relación H:T (r= -0.19). El CP2 explicó sólo el 19.6 % de la variabilidad
observada y tuvo correlación positiva con la relación H:T (r= 0.78) y rendimiento de materia

54
Rev Mex Cienc Pecu 2023;14(1):39-60

seca de hojas (r=0.31), y correlación negativa con altura de planta (r= -0.49) (Figura 6).
Adicionalmente, el rendimiento de materia seca total se relacionó positivamente con el
número de tallos y el rendimiento de materia seca de hojas, y negativamente con altura de
planta; la altura de planta se relacionó negativamente con la relación H:T. La variabilidad
observada para rendimiento de materia seca y sus componentes en el presente estudio fue
similar a la observada en un grupo de 27 poblaciones, y cultivares de alfalfa en condiciones
de campo, donde el CP1 contribuyó con el 58.2 % de la variabilidad total y mostró asociación
positiva con rendimiento de materia seca y verde, vigor, hábito de crecimiento, regeneración
de la planta y ancho del foliolo central(30). Otros resultados en alfalfa con riego y secano en
campo mostraron un CP1 con 54.3 % de la variabilidad total y asociación positiva con el
diámetro de raíces laterales y número de raíces laterales o ramificadas(31). Es interesante
señalar la similitud en los valores observados para el CP1 y la variabilidad entre genotipos
en estos estudios, y los caracteres de la planta que tuvieron mayor asociación positiva con
dicho componente, sobre todo con el rendimiento de materia seca total.

Figura 6: Plano biplot del rendimiento de materia seca vs. rendimiento de materia seca
total (RMST), rendimiento de materia seca de hojas (RMSH), relación H:T (H:T), número
de tallos (NT), altura de planta (AP) y eficiencia en el uso de la radiación (EUR)en riego
(R1 y R2) y sequía (S1 y S2), en promedio de 10 variedades de alfalfa en condiciones de
invernadero

55
Rev Mex Cienc Pecu 2023;14(1):39-60

Conclusiones e implicaciones

La sequía disminuyó el rendimiento de materia seca total y sus componentes, y las plantas
bajo condiciones de déficit hídrico edáfico no recuperaron su capacidad productiva después
de experimentar las deficiencias hídricas del suelo, aún después del riego de recuperación.
En contraste, la relación H:T fue más alta en las plantas en sequía que en riego y la altura de
planta fue el único componente del rendimiento que recuperó su capacidad de crecimiento
después del riego de recuperación. El déficit hídrico edáfico también redujo la varianza
fenotípica para el rendimiento de materia seca total y sus componentes; la varianza ambiental
fue mayor que la varianza genética en riego y sequía. La varianza aditiva fue mayor que la
varianza de dominancia para todos los caracteres medidos en riego y sequía. El rendimiento
de materia seca total, relación H:T, altura de planta, número de tallos y eficiencia en el uso
de la radiación tuvieron mayor heredabilidad en riego y sequía. El rendimiento de materia
seca de hojas, número de tallos, eficiencia en el uso de la radiación y altura de planta, se
relacionaron positivamente con el rendimiento de materia seca total. Las variedades más
productivas podrían utilizarse para la producción de forraje en áreas con escasez de agua y/o
como líneas parentales para el mejoramiento del rendimiento de forraje en los programas de
selección. Futuro trabajo de investigación en este tema, requiere confirmación en condiciones
de campo.

Literatura citada:
1. Guitjens JC. Alfalfa. In: Stewart BA, Nielsen DR, editors. Irrigation of agricultural crops.
American Society of Agronomy, Inc. Madison, Wisconsin USA; Monograph Number
30 in the series of Agronomy; 1990:537-596.

2. Lauriault L, Marsalis M, Contreras-Govea F, Angadi S. Managing alfalfa during drought.


Cooperative Extension Service, College of Agricultural and Environmental Sciences,
New Mexico State University. Las Cruces, New Mexico; 2009 (Circular 646):4.

3. Luna-Guerrero MJ, López-Castañeda C, Quero-Carrillo AR, Herrera-Haro JG, Ortega-


Cerrilla ME, Martínez-Hernández PA. Water relations and gas exchange in lucerne
under drought conditions. Rev Mex Cienc Agríc 2020; Special Publication Number
24:81-92.

4. Petcu E, Schitea M, Drăgan L, Bǎbeanu N. Physiological response of several alfalfa


genotypes to drought stress. Rom Agric Res 2019;36:107-118.

5. Blum A. Crop responses to drought and the interpretation of adaptation. Plant Grow Reg
1996;20:135–148.

56
Rev Mex Cienc Pecu 2023;14(1):39-60

6. Anower MR, Boe A, Auger D, Mott IW, Peel MD, Xu L, Kanchupati P, Wu Y.


Comparative drought response in eleven diverse alfalfa accessions. J Agron Crop Sci
2017;203:1-13.

7. Liu Y, Wu Q, Ge G, Han G, Jia Y. Influence of drought stress on alfalfa yields and


nutritional composition. BMC Plant Biology 2018;18(13):1-9. doi:10.1186/s12870-017-
1226-9.

8. Annicchiarico P, Pecetti L, Tava A. Physiological and morphological traits associated with


adaptation of lucerne (Medicago sativa) to severely drought-stressed and to irrigated
environments. Ann Appl Biol 2013; 162:27–40. doi:10.1111/j.1744-
7348.2012.00576.x.

9. Huang Z, Liu Y, Cui Z, Fang Y, He H, Liu BR, Wu GL. Soil water storage deficit of alfalfa
(Medicago sativa) grasslands along ages in arid area (China). Field Crop Res
2018;221:1-6.

10. Falconer DS. Introducción a la genética cuantitativa. México: Cía. Editorial Continental,
SA de CV: 1984.

11. Hill J, Becker HC, Tigerstedt PMA. Quantitative and ecological aspects of plant breeding.
London: Chapman & Hall; 1998.

12. Bellague D, Hammedi-Bouzina MM, Abdelguerfi A. Measuring the performance of


perennial alfalfa with drought tolerance indices. Chil J Agric Res 2016;76(3):273-284.
doi:10.4067/ S0718-58392016000300003.

13. Márquez-Ortiz JJ, Lamb JFS, Johnson LD, Barnes DK, Stucker RE. Heritability of crown
traits in alfalfa. Crop Sci 1999;39:38-43.

14. Luna-Guerrero MJ, López-Castañeda C, Hernández-Garay A. Genetic improvement of


aerial alfalfa biomass and its components: half-sib family selection. Rev Mex Cienc
Pecu 2020;11(4):1126-1141. doi.org/10.22319/rmcp.v11i4.5344.

15. García E. Modificaciones al sistema de clasificación climática de Köppen. Serie Libros


Núm. 6, Instituto de Geografía, UNAM. México, DF; 2004.

16. Luna-Guerrero MJ, López-Castañeda C, Hernández-Garay A, Martínez-Hernández PA,


Ortega-Cerrilla ME. Evaluación del rendimiento de materia seca y sus componentes en
germoplasma de alfalfa (Medicago sativa L.). Rev Mex Cienc Pecu 2018;9(3):486-505.
doi.org/10.22319/rmcp.v9i3.4440.

17. Molina-Galán JD. Introducción a la genética de poblaciones y cuantitativa (algunas


implicaciones en genotecnia). México, DF: AGT Editor, SA; 1992.

57
Rev Mex Cienc Pecu 2023;14(1):39-60

18. Márquez-Sánchez F, Sahagún-Castellanos J. Estimation of genetic variances with


maternal half-sib families. Maydica 1994;39(3):197-201.

19. Melendres-Martínez JI, Valdivia-Bernal R, Lemus-Flores C, Medina-Torres R, García-


López M, Ortiz-Caton M, et al. Estimación de parámetros genéticos de maíz bajo
mejoramiento por selección recíproca recurrente. Rev Mex Cienc Agríc 2018;9(7):1327-
1337.

20. Galicia-Juárez M. Varianza genética y mapeo molecular de rendimiento y calidad


nutricional en familias de medios hermanos en Medicago sativa [tesis maestría].
Texcoco, México: Colegio de Postgraduados; 2012.

21. Hill J, Becker HC, Tigerstedt PMA. Quantitative and ecological aspects of plant breeding.
London: Chapman & Hall; 1998.

22. SAS (Statistical Analysis System), Version 9.4 para Windows. SAS Institute Inc., Cary,
NC, USA; 2012.

23. Hinkelmann K, Kempthorne O. Design and analysis of experiments. Volume 1:


Introduction to experimental design. USA: A John Wiley and Sons, Inc; 2008.

24. Orloff S, Putnam D, Bali K. Drought strategies for alfalfa. Agriculture and Natural
Resources, UC, USA. Publication 8522; 2015:1-9 (http://anrcatalog.ucanr.edu/).

25. Anjum SA, Ashraf U, Zohaib A, Tanveer M, Naeem M, Ali I, Tabassum T, Nazir U.
Growth and developmental responses of crop plants under drought stress: a review.
Zemdirbyste-Agriculture 2017;104(3):267-276. doi:10.13080/z-a.2017.104.034.

26. Benabderrahim MA, Hamza H, Haddad M, Ferchichi A. Assessing the drought tolerance
variability in Mediterranean alfalfa (Medicago sativa L.) genotypes under arid
conditions. Plant Biosystems 2015; 149 (2):395-403.
doi.org/10.1080/11263504.2013.850121.

27. Annicchiarico P. Alfalfa forage yield and leaf/stem ratio: narrow-sense heritability,
genetic correlation, and parent selection procedures. Euphytica 2015;205(2):409–420.
doi:10.1007/s10681-015 1399-y.

28. Riday H, Brummer EC. Narrow sense heritability and additive genetic correlations in
alfalfa subsp. falcata. J Iowa Academy Sci 2007;114(1-4):28-34.

29. Bowley SR, Christie BR. Inheritance of dry matter yield in a heterozygous population of
alfalfa. Can J Plant Sci 1981;61:313-318.

58
Rev Mex Cienc Pecu 2023;14(1):39-60

30. Tucak M, Popović S, Ćupić T, Šimić G, Gantner R, Meglić V. Evaluation of alfalfa


germplasm collection by multivariate analysis based on phenotypic traits. Rom Agric
Res 2009;26:47-52.

31. Odorizzi A, Basigalup D, Arolfo V, Balzarini M. Análisis de la variabilidad de caracteres


de raíz en poblaciones de alfalfa (Medicago sativa L.) con alto número de raíces
laterales. AgriSci 2008;25(2):65-73.

59
Rev Mex Cienc Pecu 2023;14(1):39-60

Cuadro 1: Factores de variación, grados de libertad (GL) y significancia del rendimiento de materia seca total (RMST) y materia seca
de hojas (RMSH), relación hoja:tallo (H:T), altura de planta (AP), número de tallos (NT) y eficiencia en uso de la radiación
(EUR) en riego (R1) y sequía (S1) (112-434 ddt), y en R2 y S2 (462-798 ddt)
Característica GL 112 140 175 210 245 280 315 406 434 462 490 518 553 588 686 742 770 798
RMST (g MS planta-1)
A 1 ns ns ns ns ns ns ns ** ** ** ** ** ** ** ** ** ** **
B 9 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
A*B 9 ** ** * ** ns ns * ** * ns ns ns ns ns ns ** * ns
RMSH (g MS planta-1)
A 1 ns ns ns ns ns ns ns ** ** ** ** ** ** ** ** ** ** **
B 9 ** ** ** ** ns ** ** ns ns ** * ** ns ns * ** ** **
A*B 9 ** ** * ** ns ns ns ns ns ns ns ns ns ns ns * * ns
Relación H:T
A 1 ns ns ns ns ns ns ns ** ** ** ** ns ns ns ** ns ns ns
B 9 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
A*B 9 ** ** ** ** ** ** ** ** ** ns ** ns ns * ** ns ** **
AP (cm)
A 1 ns ns ns ns ns ns ns ** ** ** ns ns ns ns ** ** ** **
B 9 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
A*B 9 ** * ns * ** ** * * ns ns ** ns ns ns ns ** ns **
NT
A 1 ns ns ns ns ns ns ns ** ** ** ** ** ** ** ** ** ** **
B 9 ** ns ** ** ** ** ** * ** ** ** ** ** ** ** ** ** **
A*B 9 ns * ** ns * ns ** ns ** * ns * ns ns * ns ns ns
EUR (g MS MJ-1)
A 1 ns ns ns ns ns ns ns ** ** ** ** ** ** ** ** ** ** **
B 9 ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** ** **
A*B 9 * ** * ** ns ns * ns * ns ns ns ns ns ns ** * ns
A=Tratamientos de humedad edáfica (Riego=R1 y R2, y Sequía=S1 y S2); B=Genotipos; A*B Interacción tratamientos de humedad edáfica*genotipos; *(P≤0.05);
**(P≤0.01); ns (no significativo). S1 (345-406 ddt) y S2 (620-688 ddt).

60
https://doi.org/10.22319/rmcp.v14i1.6162

Artículo

Estimación de masa de forraje en una pradera mixta por aprendizaje


automatizado, datos del manejo de la pradera y meteorológicos
satelitales

Aurelio Guevara-Escobar a

Mónica Cervantes-Jiménez a*

Vicente Lemus-Ramírez b

Adolfo Kunio Yabuta-Osorio b

José Guadalupe García-Muñiz c

a
Universidad Autónoma de Querétaro. Facultad de Ciencias Naturales. 76230 Juriquilla,
Santiago de Querétaro, Querétaro, México.
b
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y
Zootecnia, Centro de Enseñanza, Investigación y Extensión en Producción Animal en
Altiplano CEIEPAA. Querétaro, México.
c
Universidad Autónoma Chapingo. Departamento de Zootecnia, Posgrado en Producción
Animal. Estado de México, México.

* Autor de correspondencia: monica.cervantes@uaq.mx

Resumen:

Medir la masa de forraje (MF) en la pradera, antes del pastoreo, es fundamental para
determinar la asignación diaria de forraje en sistemas pastoriles de producción animal. La
MF se estima por corte de forraje en áreas conocidas, utilizando ecuaciones alométricas,
o con el uso de sensores de percepción remota (PR); sin embargo, la exactitud y
practicidad de los distintos métodos para estimar la MF, es variable. El objetivo fue
obtener modelos predictivos usando variables ambientales y del manejo de la pradera para
predecir la MF. Se ajustaron modelos de regresión para estimar la MF con base en
variables del manejo de la pradera (MP) o mediciones obtenidas por PR, como
reflectancia, temperatura del aire y lluvia. Por tres años se estudió una pradera mixta
pastoreada con bovinos productores de carne. Con 80 % de datos se modeló por mínimos

61
Rev Mex Cienc Pecu 2023;14(1):61-77

cuadrados ordinarios (OLS) o por algoritmos de aprendizaje automatizado (ML). El


20 % restante de los datos se utilizó para validar los modelos usando el coeficiente de
determinación y el sesgo promedio entre valores estimados y observados. El modelo base
de estudio fue la relación entre la altura de la pradera antes del pastoreo y la MF de este
modelo se ajustó usando OLS; la r2 fue 0.43. Cuando se ajustaron modelos que incluyeron
variables del MP, la r2 fue 0.45 para OLS y 0.63 para ML. Al ajustar modelos con
variables de MP y PR, la r2 fue 0.71 para OLS y 0.96 para ML. Los ensambles de modelos
ajustados con ML redujeron el sesgo de estimados de MF de la pradera examinada. En
general, los modelos de ML representaron mejor la relación entre altura de la pradera
antes del pastoreo y MF que los de modelos de OLS, al ajustarlos con variables de manejo
de la pradera y con información de PR. Los modelos de ML pueden usarse como
herramienta para la toma de decisiones diaria en sistemas productivos pastoriles.

Palabras clave: Alfalfa, Forraje, Lluvia, Temperatura, Sensores remotos.

Recibido: 08/03/2022

Aceptado: 18/07/2022

Introducción

La producción animal en pastoreo depende de la tasa de acumulación de la masa de forraje


(MF), así como de la asignación oportuna de una carga animal adecuada para aprovechar
la MF; otros aspectos importantes son la calidad nutricia y la estacionalidad en la tasa de
acumulación de la MF. El manejo rentable de una pradera a través del pastoreo directo
implica, entre otras cosas, implementar un manejo del pastoreo sin comprometer el
rebrote de la cubierta vegetal, así como conocer de forma precisa la MF en la pradera
antes y después del pastoreo(1). Tradicionalmente, la MF se mide directamente con cortes
de forraje en cuadrantes de área conocida, distribuidos de manera espacialmente
representativa y en un número suficiente que represente la variabilidad de la cubierta
vegetal en la pradera(2,3). El corte de cuadrantes es laborioso y por eso se han desarrollado
métodos y dispositivos para la estimación indirecta de la MF(4-6). La altura del dosel de la
pradera, medida con una regla graduada (sward stick) es útil para representar la MF,
aunque la relación puede ser diferente en función de la composición botánica, densidad
del dosel de la pradera y estación del año(7-9). La altura del forraje comprimido medida
con un plato de aluminio (rising plate meter), estima la MF considerando la densidad del
dosel y es una práctica muy común a nivel de granja en países como Nueva Zelanda(2).
La relación entre altura del dosel y MF en praderas de pasto ballico y trébol blanco es
bien conocida y de aplicación rutinaria en Nueva Zelanda(10); para praderas con otras
especies forrajeras como la alfalfa, se necesita más investigación para determinar la
relación entre altura del dosel y MF(8).

62
Rev Mex Cienc Pecu 2023;14(1):61-77

La percepción remota por satélites orbitales (PR) mide la reflectancia espectral, la


proporción de la energía incidente reflejada por la superficie terrestre en distintas
longitudes de onda; estas mediciones se han asociado a los procesos de actividad de la
vegetación(11). Con la información de PR también es posible estimar variables
ambientales como la temperatura, la precipitación pluvial, y otras(12). La amplia
disponibilidad y acceso libre de productos de PR es una oportunidad para explorar la
dinámica de los cultivos y establecer relaciones con parámetros productivos, como la MF.
Las series de tiempo disponibles para distintos productos de PR permiten hacer estudios
retrospectivos, lo cual es valioso para evaluar prácticas de manejo de praderas y estudios
regionales de pastizales. Sin embargo, la escala espacial de medición es gruesa en algunos
sensores PR y es una desventaja importante en estos estudios.

Recientemente se han incorporado al análisis de regresión una variedad de algoritmos de


aprendizaje automatizado o machine learning (ML) y son una alternativa a la regresión
por mínimos cuadrados ordinarios (OLS). La fotosíntesis en ecosistemas, nombrada
productividad primaria bruta y la productividad primaria neta (descontando las perdidas
por respiración) se han modelado con enfoques empíricos o mecanísticos, desde modelos
OLS hasta aquellos que simulan los procesos ecofisiológicos a nivel global a partir de
PR(13). La productividad primaria neta incluye la partición fotosintética hacia la biomasa
aérea y de raíces y por eso no refleja la MF disponible para el pastoreo. Lang et al(14)
estimaron la producción del pastizal árido usando mediciones de sensores PR de lluvia,
reflectancia espectral obtenida del satélite Landsat 7 y un algoritmo ML con random
forest. Utilizando Redes Neurales, otro algoritmo de tipo ML, Chen et al(15) relacionaron
la reflectancia espectral medida por el satélite Sentinel-2 y la MF en granjas lecheras de
Tasmania en Australia. En estos estudios el coeficiente de determinación (r2) en distintos
modelos fue entre 0.6 y 0.7. Conceptualmente, es importante incorporar las condiciones
de humedad, a corto o mediano plazo para explicar la capacidad de carga del pastizal(16),
ya que el agua es el principal recurso limitante de las plantas en los ambientes áridos y
semiáridos. Las condiciones de disponibilidad de agua para las plantas se pueden
representar por la precipitación pluvial ocurrida (P), el agua disponible en el suelo o el
déficit de vapor en la atmósfera. Sin embargo, para explicar la MF no sólo es importante
la P ocurrida en el periodo de acumulación de la MF (mes en que se midió la MF), sino
las condiciones de humedad ocurridas en meses precedentes.

En el presente trabajo se examinó la relación entre la MF y la altura del forraje como un


punto de partida para comparar otros modelos que usen variables meteorológicas
obtenidas por PR o en conjunto con variables representativas de las condiciones de
manejo de la pradera (MP); como son los periodos de descanso y ocupación del área de
pastoreo o la misma altura del forraje. En particular, se exploró la utilidad de los modelos
para predecir la MF en función de condiciones precedentes de lluvia y temperatura en
distintas ventanas temporales; por ejemplo, la P acumulada en el mes anterior, en dos
meses o tres meses antes de la medición de la MF. El objetivo fue obtener un modelo
predictivo de la MF que pueda incorporarse en la planeación del pastoreo. Con este

63
Rev Mex Cienc Pecu 2023;14(1):61-77

propósito se usaron tres años de mediciones de una pradera mixta de alfalfa y pasto,
pastoreada con ganado productor de carne.

Material y métodos

Sitio

El trabajo se efectuó en el Centro de Enseñanza, Investigación y Extensión en Producción


Animal en el Altiplano, a cargo de la Facultad de Medicina Veterinaria y Zootecnia de la
Universidad Nacional Autónoma de México. El sitio se ubica a 20° 36’ 13.88” N, 99° 55’
02.91” O y altitud de 1,913 msnm. El clima es seco extremoso tipo Ganges sin canícula,
BS1 0w(e)g, de acuerdo con los registros climatológicos históricos (1951 a 2006) de la
estación meteorológica 22025; la más cercana al sitio donde los promedios anuales de
precipitación y temperatura son 458 mm y 23.5 °C(17).

La pradera se estableció en 2004 con una mezcla de 50 % alfalfa (Medicago sativa) y


gramíneas como pasto ovillo (Dactylis glomerata), festuca alta (Festuca arundinaceae)
y ballico perenne (Lolium perenne). La superficie de pastoreo fue de 19 ha dividida en 16
secciones de igual dimensión y delimitadas a través de cerco eléctrico móvil. Con riego
por aspersión bajo la modalidad de pivote central se regó la pradera; no se contó con
registros de la lámina o de calendario de riego. El grupo de pastoreo se conformó por 88
vientres de la raza Limousin y sus crías. El tiempo de ocupación en cada división se
estableció con base en la estimación de la MF, el análisis químico proximal de muestras
de MF y el requerimiento de materia seca (MS) del grupo de pastoreo en turno. El manejo
reproductivo fue principalmente con inseminación artificial y pariciones distribuidas a lo
largo del año.

Datos

De 2008 a 2010 se obtuvieron 399 observaciones de MF antes del pastoreo del área
asignada. Cada observación de MF correspondió al inicio de un ciclo de pastoreo del hato.
Las observaciones se consideraron unidades experimentales y cada una consistió de ocho
mediciones aleatorias obtenidas con la técnica del marco metálico modificada, para
proteger el rebrote de la alfalfa se cortó el forraje a 10 cm de altura en un área de 0.25
m2(18). Las muestras de forraje se deshidrataron en una estufa de aire forzado durante 48
h para determinar el contenido de MS y el dato se expresó en kg MS ha-1. En cada ciclo
de pastoreo, se registró la altura de la pradera (A_pradera), la fecha de pastoreo
(Dia_pastoreo y Mes_pastoreo), el tiempo de ocupación (T_ocupación), días de descanso
del área de pastoreo desde el pastoreo anterior (D_descanso), mes del inicio del
crecimiento en el ciclo anterior (Mes_ini_crec) y tasa de acumulación de MS promedio
mensual (TAF, kg MS ha-1 d-1). Estas variables se denominaron en conjunto como
variables de manejo de la pradera (MP).

64
Rev Mex Cienc Pecu 2023;14(1):61-77

Usando la Application for Extracting and Exploring Analysis Ready Samples del Land
Processes Distributed Active Archive Center de la National Aeronautics and Space
Administration (NASA), se solicitó el producto MCD43A4 versión 6(19). El producto
MCD43A4 se genera a partir de las mediciones que efectúan los sensores del Moderate-
Resolution Imaging Spectroradiometer (MODIS) a una resolución espacial de 500 m2.
Este producto consiste en siete bandas de reflectancia ajustada por la Bidirectional
Reflectance Distribution Function y producido diariamente, los cuales son un promedio
móvil de los 16 días contiguos. Se descargaron los datos de ocho pixeles contiguos
correspondientes al polígono de coordenadas: 99.93 O, 20.60 N a 99.92 O, 20.61 N. El
espectro de radiación (nm) cubierto por las bandas uno a la siete es (b1-b7): 620-670,
841-876, 459-479, 545-565, 1230-1250, 1628-1652 y 2105-2155. Los datos de P fueron
del producto 3IMERG versión 6 de la misión Global Precipitation Measurement de la
NASA obtenidos a través del portal Giovanni (https://giovanni.gsfc.nasa.gov/giovanni).
El dato P (mm) fue el acumulado mensual para la coordenada 99.92 O, 20.60 N; la
resolución espacial del 3IMERG es de 10 km2. A través del portal Giovanni también se
obtuvo el producto MODIS MOD11A2 versión 6 de temperatura de superficie diaria
durante el día (LST_d) y la noche (LST_n).

Para MODIS se determinó la buena calidad de acuerdo con los datos de calidad adjuntos
a los productos respectivos. En el lenguaje R(20), se generó un código para encontrar las
fechas de medición del MCD43A4 más cercanas a la fecha de medición de la MF. Usando
Qgis v3.16.4(21) y una imagen satelital de Google Maps(22) como plantilla guía, se
determinó una capa vectorial correspondiente área de riego por pivote central; el círculo
comprendió diferente área de los pixeles muestreados del MCD43A4. Para cada banda de
reflectancia se obtuvo el promedio correspondiente al vector usando la función extract
del paquete raster.

Generación de variables

La reflectancia en las bandas b2 y b1 se asocian a la capacidad de la vegetación para


absorber luz fotosintéticamente activa y existen distintos índices para representar dicha
actividad de la vegetación. Se calculó el índice normalizado de la vegetación (NDVI) y
el índice mejorado de la vegetación (EVI) usando las bandas espectrales del producto
MCD43A4:

𝑏2−𝑏1
𝑁𝐷𝑉𝐼 = 𝑏2+𝑏1 1)
(𝑏2−𝑏1)
𝐸𝑉𝐼 = 2.5 (𝑏2+2.4𝑏1+1) 2)

Con la serie de tiempo de P se calcularon las siguientes variables: la P acumulada en el


mes anterior (P_lag_1), la P acumulada en los dos meses anteriores (P_lag_2) y así
sucesivamente hasta la P acumulada en seis meses anteriores: (P_lag_3, P_lag_4, P_lag_5
y P_lag_6). Para LST_d y LST_n se calculó el promedio del mes anterior
(LST_x_avg_1), de los dos meses anteriores (LST_x_avg_2) o de los tres meses

65
Rev Mex Cienc Pecu 2023;14(1):61-77

anteriores (LST_x_avg_3), donde x representa el indicativo d o n, para día o noche. Estas


variables representaron el ambiente prevalente antes de medir la MF.

Modelación

El modelo base para comparación fue la regresión lineal simple entre MF y A_pradera.
Se exploraron cuatro escenarios de modelación según el tipo de algoritmo: ML u OLS y
el tipo de variables disponibles para la modelación: sólo usando variables explicativas de
origen PR (ML_PR y OLS_PR) o variables PR y además las de MP (ML_PR_MP y
OLS_PR_MP). Los modelos se entrenaron con el 80 % de las observaciones elegidas al
azar y se reservó el 20 % para su evaluación. La evaluación del modelo es un concepto
de caja negra sobre la relevancia del resultado del modelo(23). Los procedimientos
estadísticos se efectuaron en el lenguaje R, el nombre de los paquetes se indica donde es
pertinente. Se ajustó un modelo de regresión ortogonal (major axis regression) entre
valores observados y valores predichos usando el paquete smatr 3, dado que los valores
observados de MF se miden con error(24). Se calculó el coeficiente de determinación (r2),
la raíz del cuadrado medio del error (RMSE), los criterios de información de Akaike
(AIC) y bayesiano (BIC), la devianza y el sesgo. Estos indicadores cuantitativos, así como
la evaluación gráfica son técnicas comúnmente usadas para evaluar modelos matemáticos
con fines predictivos(25).

En el caso de OLS, se usó el valor de inflación de varianza (VIF) para identificar


multicolinealidad utilizando las funciones stepAIC y vif(26); 10.0 fue el valor máximo
permitido de VIF para retener variables en el modelo de regresión múltiple OLS. El nivel
de significancia se fijó en 0.05 para los análisis paramétricos y del cumplimiento de sus
supuestos estadísticos de la regresión OLS.

Se generó el modelo ML con la función h2o.automl del paquete H2O(27), éste produce un
conjunto de modelos con diferentes realizaciones de algoritmos: deep learning (DL),
feedforward artificial neural network (NN), general linear models (GLMs), gradient-
boosting machine (GBM), extreme gradient-boosting (XGBoost), default distributed
random forest (DRF) y extremely randomized trees (XRT). Cada modelo individual se
puede usar para predecir la respuesta, pero también para generar dos tipos de ensamble
de modelos: uno es a partir de todos los algoritmos usados en los modelos generados, y
el segundo tipo de ensamble sólo considera los mejores modelos de cada clase o familia
de algoritmos; ambos tipos de ensamble generalmente producen mejores predicciones
que los modelos individuales(23).

La función h2o.automl se ejecutó veinte veces con los siguientes parámetros: a)


max_runtime_secs = 500 el tiempo máximo de ejecución antes de entrenar un ensamble
final de modelos, b) nfolds = 15, número de pliegues para evaluación cruzada (k-folds),
c) seed = un valor entero aleatorio con valor entre 1 y 50; cada una de las ejecuciones usó
un valor semilla elegido al azar, d) nthreads = 50, el número de hilos de procesamiento
disponibles, e) max_mem_size = 100GB, la memoria RAM disponible en Gigabytes. El

66
Rev Mex Cienc Pecu 2023;14(1):61-77

tiempo aproximado de ejecución fue de 50 min en un equipo con doble procesador Xeon
2680 v4 de 14 núcleos y doble hilo cada uno y 128 GB de memoria RAM.

Con la función h2o.explain, se obtuvo la importancia de las variables en los modelos ML


individuales y figuras de dependencia(27). Se utilizó la devianza como estadístico de
bondad de ajuste para ordenar los modelos generados. El aprendizaje automatizado tiene
dos elementos para el aprendizaje supervisado: la pérdida de entrenamiento y la
regularización. La tarea de entrenamiento intenta encontrar los mejores parámetros para
el modelo mientras minimiza la función de pérdida de entrenamiento; esta función es el
cuadrado medio del error u otras. El término de regularización controla la complejidad
del modelo, ayudando a reducir el sobreajuste. El sobreajuste se hace evidente cuando el
modelo funciona con precisión durante el entrenamiento, pero la precisión disminuye
durante la evaluación del modelo. Un buen modelo necesita un ajuste extenso de
parámetros ejecutando el algoritmo varias veces para explorar el efecto en la
regularización y la precisión de la evaluación cruzada(28). En esta investigación, la función
de la pérdida de entrenamiento fue la devianza, que es una generalización de verosimilitud
de la suma de cuadrados del error; los valores más bajos o negativos indican un mejor
desempeño del modelo(29).

Resultados y discusión

El promedio de MF de la pradera fue de 2,134 kg MS ha-1 con un patrón estacional de


menor producción en invierno y mayor en verano (Figura 1a). La MF fue diferente entre
los tres años 2,121, 1,770 y 2,392 kg ha-1 para 2008 a 2010 (P<0.05). La lluvia fue de
636, 382 y 552 mm, respectivamente. La mayor cantidad de lluvia fue de julio a
septiembre; para el año 2010 fue atípico el mes de febrero con 151 mm (Figura 1b) y
posiblemente impactando positivamente la MF a partir de marzo en ese año. La lluvia
registrada por el producto IMERG en 2008 y 2010 fue superior a la registrada por la
estación climatológica más cercana al sitio del estudio; este estimado de lluvia se
consideró acertado porque este producto ha mostrado buena concordancia con registros
terrestres de precipitación(30). El comportamiento estacional de la MF sugirió un efecto
importante de la lluvia, aun tratándose de una pradera irrigada. Abril y mayo fueron los
meses con mayor LST_d promedio (Figura 1c). La diferencia entre la LST_d y LST_n
fue mayor en los meses de abril a mayo (28.5 y 27.3 °C) y menor en julio a septiembre
(17.3, 16.4 y 15.6 °C); lo cual indica la característica extremosa del clima durante la
primavera en el sitio de estudio. Estas condiciones ambientales también se reflejaron en
cambios estacionales en el manejo de la pradera en los días de descanso, la altura del
forraje y la TAF (Figura 2).

67
Rev Mex Cienc Pecu 2023;14(1):61-77

Figura 1: Variables ambientales y producción de masa de forraje de pradera mixta de


alfalfa y pastos templados pastoreada con ganado de carne: a) masa de forraje (MF), b)
lluvia (P) y c) temperatura de superficie (LST) diurna (●) y nocturna (○)

Figura 2: Manejo de pradera mixta de alfalfa y pastos templados pastoreada con


ganado de carne durante 2008 (●), 2009 (○) y 2010 (■): a) Días de descanso antes del
pastoreo, b) tasa de acumulación de forraje (TAF) del periodo, c) altura del forraje

En la regresión MA el intercepto fue numéricamente cercano a 0 en el escenario


ML_PR_MP y su pendiente fue igual a 1, un modelo con pendiente igual a 1 e intercepto
igual a 0 indica buen ajuste. El valor menor del RMSE, AIC, BIC y devianza sugirieron
una mejor representación de la MF con el escenario ML_PR_MP (Cuadro 1). En el
análisis de devianza la comparación entre dos o más modelos será válida si se ajustan al
mismo conjunto de datos, este requisito no se cumplió porque los valores predichos de
MF fueron inherentemente distintos para cada modelo generado. La diferencia de
devianzas se distribuye aproximadamente como X2 con grados de libertad iguales a la
diferencia en el número de parámetros entre los modelos(14), siendo esta diferencia 0 para
el caso de los modelos de regresión lineal simple usados para representar la relación entre
valores estimados y predichos en cada escenario de modelación. Por estas dos razones la
elección del mejor modelo se basó únicamente en el valor numérico de las medidas de

68
Rev Mex Cienc Pecu 2023;14(1):61-77

bondad de ajuste. El peor modelo fue la regresión lineal entre MF y A_pradera, no solo
en función de las medias de bondad de ajuste sino también en la representación gráfica
de los valores estimados vs. observados (Figura 3).

Cuadro 1: Medidas de bondad de ajuste entre valores observados y estimados de MF


resultantes de escenarios de modelación usando algoritmos de mínimos cuadrados
ordinarios (OLS) o aprendizaje automatizado (ML) en combinación con variables
explicativas referentes al manejo de la pradera (MP) únicamente o en conjunto con
variables de sensores remotos (MP_PR)
OLS_A_pradera OLS_PR OLS_PR_PM ML_PR ML_PR_PM
r2 0.40 0.49 0.67 0.70 0.97
RMSE 361.0 341.0 269.0 259.0 78.0
AIC 734.0 724.0 686.0 691.0 542.0
BIC 738.0 728.0 690.0 695.0 546.0
Devianza 8079684.0 6874194.0 4377078.0 4003784.0 363954.0
Sesgo -3.4 47.1 16.5 -35.1 -1.3
IC 2.5 % -95.9 -39.2 -52.7 -43.5 -21.2
IC 97.5 % 89.0 133.5 85.7 96.4 18.6
MA intercepto -1799.0 -2044.0 -594.0 -735.0 27.0
IC 2.5 % -3386.0 -3395.0 -1137.0 -1257.0 62.0
IC 97.5 % -831.0 -1162.0 -162.0 -316.0 112.0
MA pendiente 1.9 2.0 1.3 1.4 1.0
IC 2.5 % 1.4 1.6 1.1 1.2 0.9
IC 97.5 % 2.6 2.7 1.6 1.6 1.0
r2= coeficiente de determinación; RMSE= raíz del cuadrado medio del error; AIC= criterio de
información de Akaike; BIC= criterio de información de Bayesiano; MA= regresión ortogonal (major
axis regression); IC= intervalo de confianza.

69
Rev Mex Cienc Pecu 2023;14(1):61-77

Figura 3: Evaluación entre valores observados y estimados de MF usando algoritmos


de mínimos cuadrados ordinarios (OLS) o aprendizaje automatizado (ML)

a) OLS, variable predictora altura del forraje; b) escenario OLS_PR; c) escenario OLS_PR_MP; d)
escenario ML_PR; e) escenario ML_PR_MP. Coeficiente de determinación (r 2), raíz del cuadrado medio
del error (RMSE), sesgo y su intervalo de confianza (IC) al 95%.

Las variables TAF y A_pradera de MP fueron las más importantes (Cuadro 2), tanto en
los modelos ML como OLS; la variable D_descanso tuvo mucho menor importancia
(Cuadro 2). Las variables PR más importantes fueron: LST_n, P, P_lag_3 o P_lag_5,
LST_d_avg_3 o LST_n_avg_3; indicando la relevancia de las condiciones ambientales
de precipitación y temperatura no sólo del mes en curso, sino de las condiciones
precedentes a la medición de la MF. La reflectancia (b1 – b7) y los índices de la
vegetación se incorporaron en modelos ML, pero el procedimiento stepwise no los eligió
para el OLS. Comparadas con TAF y A_pradera, las variables de reflectancia fueron de
baja importancia en los escenarios PR_MP del ML. Las bandas espectrales de reflectancia
fueron más importantes que el EVI y NDVI; este hallazgo coincide con el estudio de MF
para praderas mixtas de clima templado(15). Aunque se consideró adecuada la predicción
de la biomasa fresca en praderas de Brachiaria con base en el NDVI con r2 =0.73(31).

70
Rev Mex Cienc Pecu 2023;14(1):61-77

Cuadro 2: Variables importantes incluidas en los escenarios usando dos posibles


algoritmos: mínimos cuadrados ordinarios (OLS) o aprendizaje automatizado (ML) y
dos tipos de variable explicativa: sólo sensores remotos (PR) o variables del manejo de
la pradera y las PR (PR_MP)
Aprendizaje automatizado Mínimos cuadrados ordinarios
(ML) (OLS)
Sensores
Sensores remotos
remotos (PR) (PR)_Manejo de
Variable la pradera (MP) PR PR_MP
LST_d_avg_3 0.081 0.023 0.036 0.027
LST_n_avg_3 0.064 0.017
LST_d 0.036 0.036
LST_n 0.161 0.007 0.060
b1 0.027 0.008
b2 0.034 0.014
b3 0.028 0.003
b4 0.033 0.004
b5 0.044 0.008
b6 0.048 0.010
b7 0.096 0.008
P 0.058 0.008 0.048
P_lag_3 0.099 0.023
P_lag_5 0.270
NDVI 0.001
EVI 0.018 0.001
A_pradera 0.303 0.231
Mes_ini_crec 0.006 0.020
D_descanso 0.101 0.072
TAF 0.417 0.368
Para los modelos ML la suma de la importancia es 1, para los modelos OLS la suma de la importancia es
igual a la r2.

La dependencia parcial que existió entre la predicción de MF y el valor de algunas de las


variables de mayor importancia en algunos modelos ML se muestra en la Figura 4, en el
escenario ML_PR y en la Figura 5 para el ML_PR_MP. Los ensambles de modelos ML
tuvieron menor devianza en comparación con algún algoritmo ML en los dos escenarios
y por tanto se consideraron mejores representaciones de la MF. Las figuras de
dependencia parcial indican cómo la variable explicativa influye en las predicciones de
uno de los modelos o ensambles, después de estandarizar el efecto de otras variables. Para
modelos de regresión lineal (como el modelo GLM obtenido por ML), la figura es una
línea recta con pendiente igual al parámetro del modelo(32). La MF dependió directa y

71
Rev Mex Cienc Pecu 2023;14(1):61-77

proporcionalmente de las variables TAF, A_pradera y D_descanso en diferentes modelos


incluso para un modelo GLM (línea rosa), pero para las variables P_lag_3 y LST_d la
dependencia difirió entre el modelo GLM y los modelos ML, particularmente el modelo
de tipo DL (línea verde obscura) que fue el mejor modelo ML individual (Figura 5). La
interpretación de las figuras se mejora con el histograma de frecuencia de las
observaciones, en función del valor de la variable. Donde hubo menor frecuencia de datos
se interpretó que la dependencia no fue soportada por suficiente evidencia. Un ejemplo
de esta situación fue la dependencia de LST_n en la Figura 4 donde el modelo de tipo DL
tiene un ascenso abrupto, pero los dos últimos intervalos de clase del histograma tienen
pocas observaciones.

Figura 4: Dependencia parcial de la MF y: A) promedio mensual de la temperatura de


superficie nocturna (LST_n), B) precipitación acumulada en los tres meses anteriores
(P_lag_3), C) banda de reflectancia b7 del producto MCD43A4 de MODIS, D)
promedio mensual de la temperatura de superficie diurna en los tres meses anteriores
(LST_d_avg_3)

Las barras grises son la frecuencia de datos según intervalos de clase de la variable. Se presentan solo
modelos de menor devianza (valor entre paréntesis) obtenidos por aprendizaje automatizado en el
escenario usando solo variables medidas con sensores remotos (ML_PR).

72
Rev Mex Cienc Pecu 2023;14(1):61-77

Figura 5: Dependencia parcial de la MF y: A) tasa de acumulación de forraje (TAF), B)


altura del forraje (A_pradera), C) días de descanso de la pradera (D_descanso), D)
promedio mensual de la temperatura de superficie diurna (LST_d)

Las barras grises son la frecuencia de datos según intervalos de clase de la variable. Se presentan solo
modelos de menor devianza (valor entre paréntesis) obtenidos por aprendizaje automatizado en el
escenario usando variables medidas con sensores remotos y del manejo de la pradera (ML_PR_MP).

El escenario ML_PR_MP incluye la variable TAF y esto podría ser una limitante para la
aplicación práctica del modelo. Para aclarar este aspecto se construyó un modelo ML sin
esta variable y usando los mismos datos de entrenamiento, resultando en una r2 de 0.76,
RMSE de 232.2 y sesgo de –35.6 (IC –94.4 a 23.1), siendo mejor que el obtenido en el
escenario ML_PR (datos no mostrados). Este resultado tiene dos aspectos de importancia:
otras variables disponibles para la modelación pueden sustituir a una variable identificada
como la más importante y segundo, es posible incurrir en una solución de óptimo local,
aun cuando el algoritmo ML explora un espacio de solución con diferentes parámetros de
optimización. Una alternativa posible sería aumentar el número de veces de ejecución de
la función h2o.automl e incrementar el valor de la constante max_runtime_secs.

A pesar de la resolución espacial gruesa de los sensores remotos MODIS y GPM (250 m2
y 10 km2) se estimó la MF adecuadamente en el escenario ML_PR (Figura 3d), siendo
que la r2= 0.70 de este modelo se encontró dentro del rango reportado recientemente en
la literatura para modelos ML que estiman la biomasa con datos PR(14,15) o la
productividad primaria bruta(33). Un modelo con base en datos PR únicamente resulta

73
Rev Mex Cienc Pecu 2023;14(1):61-77

atractivo para el manejo de pastizales de gran área. Cuando las variables PR se usaron en
combinación con variables del manejo de la pradera sencillas de medir (A_pradera) o
registrar (D_descanso y Mes_ini_crec) la estimación fue muy buena (Figura 3e); la r2=
0.97 fue parecida a la estimación de biomasa con datos PR de resolución espacial de 30
m fue de r2= 0.96(5). La predicción de la masa de forraje obtenida con mediciones de altura
de forraje, mejoró cuando se incorporaron variables del manejo de la pradera y datos
meteorológicos locales en un algoritmo ML de random forest (r2= 0.82), este enfoque se
juzgó práctico para los productores, con excepción del costo de los instrumentos
meteorológicos(2).

A pesar de ser una pradera irrigada, la lluvia antecedente de corto plazo fue información
importante para los modelos OLS y ML. En un estudio reciente identificaron que la
variación espacio-temporal de productividad primaria bruta no sólo se explicó por bandas
de reflectancia del MCD43A4 de MODIS, sino que también se relacionó con el déficit de
presión de vapor(33). Similar al resultado de esos autores, aquí resultó útil incluir otras
bandas de reflectancia además de la b1, b2 e índices de la vegetación como el NDVI y el
EVI. Desde el punto de vista práctico, el modelo del escenario ML_PR_MP se consideró
muy factible de implementar ya que usó mediciones rutinarias del manejo de la pradera
y los datos de sensores remotos de la NASA que son de acceso público.

La producción animal en pastoreo es sostenible cuando se garantiza un consumo de


alimento que satisfaga las necesidades de nutrientes. En el manejo del pastoreo esto
depende de ajustar la carga animal en función de la etapa fenológica de la planta, de la
MF antes y después del pastoreo y del forraje que se decida dejar como remanente en la
pradera. Para el ganado bovino productor de carne, la MF antes del pastoreo adecuada, se
puede establecer en 2,500 kg ha-1 y la MF después del pastoreo alrededor de los 1,200 kg
ha-1(10); aunque estos umbrales dependerán de la etapa reproductiva y fisiológica del
animal, la época del año y diferentes estrategias de manejo de la pradera para el
racionamiento del alimento, el control fenológico o el balance en la composición
botánica(34). Por estas razones es importante que el modelo predictivo de MF ajuste bien
en los extremos de su rango y con excepción del escenario ML_PR_MP, existió una
sobreestimación de la MF cuando fue inferior a 1,500 kg ha-1 aproximadamente (Figura
3).

La masa de forraje en la pradera tiene una variabilidad espacial dada por diferencias en
humedad, fertilidad, deposición de excretas, alteraciones en la comunidad vegetal por el
pastoreo selectivo y otros factores. El método de cortes de forraje en cuadrantes es
limitado para representar y capturar esta variabilidad espacial en la pradera y por eso el
método estadístico de muestreo es importante. Los sensores a bordo de vehículos aéreos
no tripulados o drones son una alternativa para capturar la variabilidad en la reflectancia
de la vegetación en la escala espacial de centímetros, pero debe considerarse el costo del
equipo multiespectral, el procesamiento de datos y la limitante operativa para cubrir el
territorio(35), además de la necesidad de una función de calibración para la masa de forraje.

74
Rev Mex Cienc Pecu 2023;14(1):61-77

Conclusiones e implicaciones

La predicción de la MF tuvo menor sesgo con modelos de ML que con modelos OLS,
sobre todo cuando se incorporaron en los modelos variables de sensores remotos y de
manejo de la pradera. Los ensambles de ML tuvieron menor devianza que algunos de los
modelos individuales de ML. El uso de variables PR predice la MF de manera semejante
que la relación A_pradera vs. MF, aunque el modelo ML tuvo menor sesgo. Los modelos
explorados tendrán que probarse en otras condiciones de pradera para tener una aplicación
espacial, poder representar ecosistemas y valorar el servicio ambiental de captura de
carbono. En la escala local de granja, estos modelos tendrán aplicación para el uso
cotidiano en la planeación de la presupuestación forrajera o evaluación retrospectiva del
manejo del pastoreo de la pradera. En estos casos el resultado presentado aquí tiene una
aplicación promisoria.

Agradecimientos

El estudio fue producto del apoyo para estancia sabática del primer autor por parte de la
Universidad Autónoma de Querétaro.

Literatura citada:
1. Sheath GW, Hay RJM, Giles KH. Managing pastures for grazing animals. In: Nicol,
AM, editor. Livestock feeding on pasture. NZ Soc Anim Prod occasional
publication. 1987;65–74.

2. Murphy D, O’Brien B, Hennessy D, Hurley M, Murphy M. Evaluation of the


precision of the rising plate meter for measuring compressed sward height on
heterogeneous grassland swards. Precis Agric 2021;22(3):922–946.

3. Radcliffe J. Cutting techniques for pasture yields on hill country. Proc NZ Grassland
Association. 1971;33:91–104.

4. Jáuregui JM, Delbino FG, Bonvini MIB, Berhongaray G. Determining yield of


forage crops using the Canopeo mobile phone app. J NZ Grassl 2019;41–46.

5. Marsett RC, Qi J, Heilman P, Biedenbender SH, Watson MC, Amer S, et al. Remote
sensing for grassland management in the arid southwest. Rangel Ecol Manag
2006;59(5):530–540.

6. O’Donovan M, Dillon P, Rath M, Stakelum G. A comparison of four methods of


herbage mass estimation. Ir J Agric Food Res 2002;17–27.

7. Mills A, Smith M, Moot DJ. Relationships between dry matter yield and height of
rotationally grazed dryland lucerne. J NZ Grassl 2016;(78):185–196.

75
Rev Mex Cienc Pecu 2023;14(1):61-77

8. Moot DJ, Yang X, Ta HT, Brown HE, Teixeira EI, Sim RE, et al. Simplified methods
for on-farm prediction of yield potential of grazed lucerne crops in New Zealand. NZ
J Agric Res 2021;65(4-5)1–19.

9. Robertson S. Mass to height relationships in annual pastures and prediction of sheep


growth rates. Anim Prod Sci 2014;54(9):1305–1310.

10. Nicol AM, Nicoll GB. Pastures for beef cattle. In: Nicol, AM. editor. Feeding
livestock on pasture. Society of Animal Production. Lincoln, New Zealand.
1987;119–131.

11. Zhang Y, Ye A. Would the obtainable gross primary productivity (GPP) products
stand up? A critical assessment of 45 global GPP products. Sci Total Environ
2021;783:146965.

12. Jiao W, Wang L, McCabe MF. Multi-sensor remote sensing for drought
characterization: current status, opportunities and a roadmap for the future. Remote
Sens Environ 2021;256:112313.

13. Anav A, Friedlingstein P, Beer C, Ciais P, Harper A, Jones C, et al. Spatiotemporal


patterns of terrestrial gross primary production: A review. Rev Geophys
2015;53(3):785–818.

14. Lang M, Mahyou H, Tychon B. Estimation of rangeland production in the arid


oriental region (Morocco) combining remote sensing vegetation and rainfall indices:
challenges and lessons learned. Remote Sens 2021;13(11):2093.

15. Chen Y, Guerschman J, Shendryk Y, Henry D, Harrison MT. Estimating pasture


biomass using sentinel-2 imagery and machine learning. Remote Sens
2021;13(4):603.

16. Hacker R, Smith W. An evaluation of the DDH/100 mm stocking rate index and an
alternative approach to stocking rate estimation. Rangel J 2007;29(2):139–148.

17. CICESE C de IC y de ES de E. Base de datos climatológica nacional (CLICOM).


[Internet]. Tequisquiapan, Querétaro; 2021. Estación 22025: Consultada 6 Mar,
2021. http://clicom-mex.cicese.mx/.

18. Hodgson J. Grazing management. Science into practice. Longman Group UK Ltd.
1990.

19. Schaaf C, Wang Z. MCD43A4 MODIS/Terra+ Aqua BRDF/Albedo Nadir BRDF


Adjusted Ref Daily L3 Global 500 m V006. NASA EOSDIS Land Processes DAAC.
2015.

20. R Development Core Team. R: A language and environment for statistical


computing. R Foundation for Statistical Computing. 2009. https://www.r-project.org

76
Rev Mex Cienc Pecu 2023;14(1):61-77

21. QGIS.org. QGIS Geographic Information System. QGIS Association. 2021.


http://www.qgis.org

22. Google maps. Mapa satelital. México; 2021.

23. Pasquel D, Roux S, Richetti J, Cammarano D, Tisseyre B, Taylor JA. A review of


methods to evaluate crop model performance at multiple and changing spatial scales.
Precis Agric 2022;23:1489–1513.

24. Warton DI, Duursma RA, Falster DS, Taskinen S. smatr 3-an R package for
estimation and inference about allometric lines. Methods Ecol Evol 2012;3(2):257–
259.

25. Tedeschi LO. Assessment of the adequacy of mathematical models. Agric Syst
2006;89(2):225–247.

26. Hall P, Gill N, Kurka M, Phan W, Bartz A. Machine learning interpretability with
H2O driverless AI. Bartz A. Editor. California, U.S.: H2O.ai Inc.; 2019.

27. LeDell E, Poirier S. H2o automl: Scalable automatic machine learning. In 2020.
https://www.automl.org/wp-ontent/uploads/2020/07/AutoML_2020_paper_61.pdf.

28. Mitchell R, Frank E. Accelerating the XGBoost algorithm using GPU computing.
PeerJ Comput Sci 2017;3:e127.

29. McElreath R. Statistical rethinking: A bayesian course with examples in R and


STAN. Boca Raton, FL. U.S.: CRC Press; 2020.

30. Wang J, Petersen WA, Wolff DB. Validation of satellite-based precipitation products
from TRMM to GPM. Remote Sens 2021;13(9):1745.

31. Bretas IL, Valente DS, Silva FF, Chizzotti ML, Paulino MF, D’Áurea AP, et al.
Prediction of aboveground biomass and dry‐matter content in Brachiaria pastures
by combining meteorological data and satellite imagery. Grass Forage Sci
2021;76(3):340–352.

32. Friedman JH. Greedy function approximation: a gradient boosting machine. Ann Stat
2001;1189–1232.

33. Joiner J, Yoshida Y. Satellite-based reflectances capture large fraction of variability


in global gross primary production (GPP) at weekly time scales. Agric For Meteorol
2020;291:108092.

34. Griffiths W, Dodd M, Kuhn-Sherlock B, Chapman D. Management options to


recover perennial ryegrass populations and productivity in run-out pastures. NZGA:
Research and Practice Series. 2021;17.

35. Ahmad A, Ordonez J, Cartujo P, Martos V. Remotely piloted aircPARt (RPA) in


agriculture: A pursuit of sustainability. Agronomy 2021;11(1):7.

77
https://doi.org/10.22319/rmcp.v14i1.5394

Artículo

Determinación de timol y carvacrol en una matriz orgánica de alimento


para cerdo utilizando Headspace SPME-GC-MS

Fernando Jonathan Lona-Ramírez a

Nancy Lizeth Hernández-López a

Guillermo González-Alatorre a

Teresa del Carmen Flores-Flores a

Rosalba Patiño-Herrera a

José Francisco Louvier-Hernández a*

a
Tecnológico Nacional de México en Celaya. Departamento de Ingeniería Química.
Guanajuato, México.

*Autor de correspondencia: francisco.louvier@itcelaya.edu.mx

Resumen:

En los últimos años, el aceite esencial de orégano se ha utilizado como aditivo en alimentos
para animales debido a sus propiedades antifúngicas y antibacterianas, así como sustituto
sintético de antibióticos. Es deseable desarrollar un método rápido y efectivo de
cuantificación de timol y carvacrol en una matriz orgánica de alimento para cerdo. En este
trabajo se realiza una comparación de rendimiento entre la técnica de extracción con
disolvente Soxhlet utilizando éter de petróleo y acetato de etilo y la técnica de
microextracción en fase sólida en el espacio de cabeza (HS-SPME). Se realizó un diseño de
experimentos 24 para definir los parámetros de HS-SPME: temperatura de equilibrio de 40
°C, temperatura de extracción de 40 °C, fuerza iónica de 0.57 M y tiempo de extracción de
40 min. El método HS-SPME es más eficiente para la extracción de timol y carvacrol de una
matriz orgánica. Los límites de los valores de detección y cuantificación utilizando la
extracción Soxhlet con acetato de etilo fueron de 3.7 y 12.5 μl-1 para timol y de 1.4 y 4.7 μg

78
Rev Mex Cienc Pecu 2023;14(1):78-93

l-1 para carvacrol, respectivamente; mientras que el LDD y el LDC para HS-SPME fueron de
0.9 y 3.1 μg L-1 para timol y de 0.6 y 1.9 μg L-1 para carvacrol, respectivamente. El método
de microextracción en fase sólida en el espacio de cabeza tiene el potencial de control de
calidad en la industria para compuestos activos presentes en el aceite esencial de orégano
como aditivo en una matriz orgánica.

Palabras clave: Aceite esencial, Timol, Carvacrol, Orégano, Origanum, HS-SPME-GC-MS.

Recibido: 17/08/2020

Aceptado: 02/09/2021

Introducción

Las personas utilizan especias herbales como potenciadores del sabor de los alimentos y
ayudas medicinales desde la antigüedad(1), principalmente por su actividad biológica. El
orégano es una de las hierbas más importantes, que es el nombre común de una amplia
variedad de géneros y especies de plantas en todo el mundo, pero generalmente se le conoce
como Origanum en la familia Lamiaceae (Labiatae)(2) o Lippia graveolens en la familia
Verbenaceae. El aceite esencial de orégano (AEO) ha sido utilizado como aditivo alimentario
debido a su actividad antimicrobiana atribuida a su alto contenido de monoterpenos como el
timol y el carvacrol, el último generalmente reconocido como un aditivo alimentario
seguro(3-6). Debido a la prohibición de los antibióticos por parte de la Comisión Europea, el
AEO ha recibido una mayor atención por parte de la industria avícola y porcina para mejorar
las defensas naturales y fortalecer los organismos de los animales con resultados
favorables(7-10). El AEO se puede incorporar al alimento para cerdo mezclando el aceite y la
matriz orgánica. Sin embargo, se requiere un método de cuantificación confiable para el
control de calidad.

El timol y el carvacrol(11) muestran actividad antibacteriana(4,12), antioxidante(13) y


fungicida(3,4) y son dos de los principales componentes del AEO. Por lo tanto, pueden servir
como marcadores para la cuantificación. El método de control de calidad comienza con una
extracción con disolvente de los compuestos volátiles de la matriz del alimento; sin embargo,
los disolventes orgánicos no son respetuosos con el medio ambiente ni aceptables para el
procesamiento de alimentos. Algunas otras tecnologías de extracción, como la extracción con
dióxido de carbono supercrítico, requieren equipos de alto costo y condiciones operativas de
alta presión(14,15). Por lo tanto, es deseable desarrollar un método rápido y efectivo de
cuantificación de timol y carvacrol dentro de una matriz orgánica de alimento para cerdo. Se
propone la técnica de microextracción en fase sólida en el espacio de cabeza (HS-SPME, del

79
Rev Mex Cienc Pecu 2023;14(1):78-93

inglés headspace solid-phase microextraction) junto con el método de cromatografía de


gases-espectroscopía de masas (GC-MS, del inglés gas chromatography-mass spectroscopy)
ya que HS-SPME es una técnica efectiva, no costosa y respetuosa con el medio ambiente
para la detección y cuantificación de compuestos volátiles(16,17).

Hasta donde se sabe, esta técnica no ha sido utilizada para la detección de timol y carvacrol
en una matriz orgánica adicionada con AEO, sino sólo para cuantificar estos compuestos
activos en aceite puro(18-20). Este trabajo comparó una técnica de extracción con disolvente
utilizando éter de petróleo o acetato de etilo en un extractor Soxhlet(21) con una técnica HS-
SPME de la matriz de harina de alimento para cerdo para cuantificar el timol y el carvacrol
del extracto utilizando un sistema GC-MS. Se utilizó nitrosopiperidina (NPIP) como estándar
interno para absorber las variaciones de señal debidas al método de extracción y al propio
equipo(22) y calcular el límite de detección (LDD) y el límite de cuantificación (LDC) para
evaluar la efectividad de la técnica de extracción. Finalmente, se realizó un diseño de
experimentos utilizando el software R(23) y RStudio(24).

Material y métodos

Reactivos

El timol (100.0 %), el carvacrol (99.9 %), la nitrosopiperidina (99.9 %) y el cloruro de sodio
se obtuvieron de Sigma Aldrich (St. Louis, EE. UU.). El éter de petróleo y el acetato de etilo
de grado analítico (ACS) se obtuvieron de Fermont (Monterrey, México). Se utilizó agua
tridestilada de MERCK en los experimentos de HS-SPME. El gas portador utilizado para
GC-MS fue helio ultra alta pureza (grado 5.0) de Praxair. Las fibras de poliacrilato (PA) para
SPME se obtuvieron de Sigma Aldrich. Una industria local proporcionó la harina de alimento
para cerdo adicionada con AEO.

Método cromatográfico

Para la detección e identificación se utilizó un cromatógrafo de gases Agilent modelo 7890A


junto con un espectrómetro de masas modelo 5975C con un ion de polo positivo, un solo
cuadrupolo con fuente de ionización por impacto electrónico (IE). Una columna capilar HP-
INNOWax (30 m, 0.25 mm DI y película de polietilenglicol de 0.5 μm de grosor; Alltech) se
utilizó para la separación de compuestos. La temperatura de la línea de transferencia se fijó
en 250 °C y el puerto inyector GC en 260 °C en modo splitless. La temperatura del horno se
fijó inicialmente en 60 °C durante 3 min, luego se elevó a 250 °C a una velocidad de 20 °C
por minuto y se mantuvo allí durante 3 min. El MS se programó tanto en modo de escaneo
como en modo SIM, con un tiempo de retardo de disolvente de 8 min. El modo de escaneo
se estableció de 20 a 300 m/z, mientras que el modo SIM se estableció en 114 m/z (iones

80
Rev Mex Cienc Pecu 2023;14(1):78-93

característicos de nitrosopiperidina) durante el intervalo de tiempo de 8 a 11.5 min e


inmediatamente se cambió para seguir las señales de 135 y 150 m/z (ion característico de
timol y carvacrol) hasta el final del análisis.

Preparación de muestras

Una industria local proporcionó las muestras de harina de alimento para cerdo adicionado
con aceite esencial de orégano durante el proceso de elaboración. Las muestras se
almacenaron en bolsas de plástico herméticas hasta su uso. En este trabajo se utilizaron dos
técnicas diferentes para extraer timol y carvacrol: (i) extracción con disolvente utilizando un
aparato de destilación Soxhlet, y (ii) HS-SPME utilizando una fibra de PA. Se utilizaron tres
disolventes diferentes: acetato de etilo y éter de petróleo para la extracción Soxhlet y agua
desionizada para la técnica HS-SPME. Se agregaron 5.0 mg L-1 de NPIP a cada muestra como
estándar interno.

Extracción con disolvente Soxhlet

Se colocó una muestra de 10 g de alimento para cerdo en un aparato de extracción Soxhlet


con 130 ml de disolvente (ya sea acetato de etilo o éter de petróleo). La mezcla se calentó
hasta que se completaron cinco ciclos, luego se almacenó una alícuota de este extracto para
su análisis. Inmediatamente se añadió un disolvente nuevo fresco para realizar otros cinco
ciclos utilizando la misma muestra, y se tomó otra alícuota de extracto. Se realizó un tercer
paso de destilación con más disolvente fresco, y se tomó una tercera alícuota. Así, cada
muestra (10 g de alimento para cerdo) se sometió a extracción tres veces utilizando dos
disolventes diferentes.

Además, se utilizaron dos métodos de cuantificación utilizando (a) una curva de calibración
estándar externa y (b) un método de adición estándar. La curva de calibración para el estándar
externo se realiza utilizando concentraciones conocidas para timol y carvacrol (2, 4, 6, 8 y
10 mg L-1). Para el método de adición estándar, se mezclaron 0.5 ml de alícuota de extracto
con 0.5 ml de disolvente con diferentes concentraciones de timol y carvacrol (2, 4, 6, 8 y 10
mg L-1). En todos los casos, la cantidad de muestra inyectada en el GC fue de 1.0 μl.

Microextracción en fase sólida en el espacio de cabeza

La técnica HS-SPME involucra algunos parámetros como el tiempo de equilibrio (teq), la


temperatura de equilibrio (Teq), el tiempo de extracción (text), la temperatura de extracción
(Text) y la fuerza iónica (I). El tiempo y la temperatura de equilibrio son el tiempo y la
temperatura a la que se deja que la muestra alcance el equilibrio entre la fase sólida (matriz
de alimento para cerdo) y el espacio de cabeza del vial. El tiempo de extracción y la

81
Rev Mex Cienc Pecu 2023;14(1):78-93

temperatura de extracción corresponden al tiempo y la temperatura a la que la microfibra está


en contacto con el espacio de cabeza que adsorbe compuestos volátiles. La fuerza iónica es
una medida de la concentración de iones en una solución y modifica el equilibrio del sistema.
Es necesario determinar el efecto de estos parámetros sobre la señal obtenida en GC-MS.
Para evaluar este efecto, se agregaron estándares de timol y carvacrol en agua (junto con 5
mg L-1 de NPIP como el estándar interno) para formar una solución de 10 mg L-1.

Para la cuantificación de timol y carvacrol en alimento para cerdo, se agregó una muestra de
0.5 g de alimento en polvo para cerdo a viales de vidrio de 15 ml con septum de
PTFE/silicona con el contenido requerido de NaCl y 10 ml de agua con diferentes
concentraciones de timol y carvacrol para realizar el análisis de la técnica de adición estándar.
Las curvas de calibración estándar externas no fueron posibles de realizar en el HS-SPME
debido a las interacciones entre los compuestos volátiles de la matriz del alimento en polvo
para cerdo en la fase gaseosa y la fibra durante la extracción. El área relativa entre timol o
carvacrol y el estándar agregado (NPIP) se calculó y se utilizó como variable de respuesta
para evaluar el rendimiento del método de extracción.

Diseño de experimentos

Se realizó un análisis factorial 24 para evaluar el efecto de la temperatura de equilibrio (40-


50 °C), la temperatura de extracción (40-50 °C), el tiempo de extracción (20-40 min) y la
fuerza iónica (0.57-2.28 mol L-1 de NaCl). El tiempo de equilibrio se fijó en un tiempo
suficientemente largo para asegurar el equilibrio (Cuadro 1).

Cuadro 1: Valores de los niveles de los factores para el diseño del experimento
Factor Nivel bajo -1 Nivel alto +1
Temperatura de equilibrio, Teq (°C) 40 50
Temperatura de extracción, Text (°C) 40 50
Tiempo de extracción, text (min) 20 40
Fuerza iónica, I (mole L-1) 0.57 2.28

Un diseño factorial de experimentos 24 con una sola réplica consiste en 16 corridas


experimentales. El análisis de varianzas del modelo completo (factores principales y todas
las combinaciones de interacción posibles) no da residuales, Fo y valores P ya que el grado
de libertad del error es igual a cero y no hay estimación del error interno. Por lo tanto, las
interacciones insignificantes de tres y cuatro órdenes se utilizan para estimar el error.
Además, después de evaluar el ANOVA de los efectos principales y las interacciones de dos
factores, se definen los factores significativos y se realiza otro análisis ANOVA teniendo en

82
Rev Mex Cienc Pecu 2023;14(1):78-93

cuenta solo los factores que son significativos. A continuación, se evalúa un modelo de
regresión y se trazan las gráficas de residuales y de contorno utilizando R-studio.

Resultados

Identificación del espectro de masas de timol y carvacrol

Se colocó una muestra de 0.5 g de alimento en polvo para cerdo en un vial con 10 ml de agua
y NPIP como estándar interno. Se realizó un proceso HS-SPME para identificar la presencia
de timol y carvacrol, como se muestra en la Figura 1. Los espectros del modo de escaneo se
analizaron con la biblioteca de espectro de masas NUST/EPA/NIH para su confirmación con
una concordancia del 90 % entre el espectro experimental y teórico. Los tiempos de retención
del estándar interno, timol y carvacrol fueron de 10.3, 12.3 y 12.5 min, respectivamente. El
tiempo de retención se obtiene siguiendo su respectivo ion característico: 144 para NPIP, 135
para timol y 150 para carvacrol. Es importante tener en cuenta que la columna HP-Innowax
fue apropiada para una buena separación entre el timol y el carvacrol debido a su naturaleza
isomérica.

Figura 1: Cromatogramas de alimento en polvo para cerdo utilizando acetato de etilo y


HS-SPME

Curvas de calibración

Para fines de comparación, se realizaron tres metodologías diferentes para la cuantificación


de timol y carvacrol: (a) extracción Soxhlet utilizando disolventes orgánicos y calibración
con un estándar externo, (b) extracción Soxhlet usando disolventes orgánicos y calibración
por adición estándar, y (c) HS-SPME con agua como disolvente y calibración usando adición

83
Rev Mex Cienc Pecu 2023;14(1):78-93

estándar. El uso de un estándar externo y una adición estándar está destinado a la


comparación de sensibilidad.

La Figura 1 muestra la comparación de cromatogramas SIM utilizando la extracción HS-


SPME y Soxhlet con disolvente de acetato de etilo. Para la técnica HS-SPME, la sensibilidad
aumenta casi nueve veces en comparación con la técnica de extracción con disolvente,
incluso utilizando menos cantidad de muestra durante el proceso de microextracción, lo que
demuestra la efectividad y ventaja de la metodología de HS-SPME.

La señal obtenida [área relativa = (área de timol o de carvacrol) / (área del estándar interno)]
y su desviación estándar relativa (DER) para todos los experimentos del diseño factorial se
muestra en la Figura 2. Hay siete experimentos con una DER <15 % para ambos analitos,
pero solo dos con una DER <5.5 %, experimentos #1 y #12. Una señal alta es deseable, por
lo que se identificaron cuatro experimentos con un área relativa alta. Los experimentos #4,
#12 y #16 muestran una combinación de señal alta (área relativa) con valores de dispersión
(DER) bajos. Todos estos experimentos se realizaron a un contenido de sal de 0.57 M y
tiempo de extracción de 40 min, pero con temperatura de extracción y temperatura de
equilibrio de 40 y 50 °C. Es interesante notar que la fuerza iónica (contenido de sal) y el
tiempo de extracción son los factores en común, y son factores significativos como se
observará más adelante.

Figura 2: Área relativa y dispersiones (desviación estándar relativa) para timol y carvacrol
para cada experimento del diseño factorial para mejorar los parámetros del proceso

En la Figura 3 se pueden observar las curvas de calibración para: (a) el uso de timol y
carvacrol como estándares externos para la técnica de extracción Soxhlet; (b) el uso de NPIP

84
Rev Mex Cienc Pecu 2023;14(1):78-93

como estándar añadido para la técnica de extracción Soxhlet; y (c) el uso de NPIP como
estándar añadido para la técnica HS-SPME. No es posible utilizar estándares externos para
la técnica SPME. Cabe destacar que la señal del área relativa es del orden de decenas para el
carvacrol, ya sea con estándar externo o estándar de adición, mientras que la señal del área
relativa para el timol está en el orden de unidades para estándares externos y de adición. Pero
para HS-SPME la señal del área relativa es del orden de cientos tanto para el timol como para
el carvacrol, lo que confirma nuevamente el aumento de la sensibilidad de un orden de
magnitud (dos órdenes para el timol) de esta técnica.

Figura 3: Curvas de calibración de estándares externos de extracción Soxhlet (a),


extracción Soxhlet con curvas de adición estándar (b) y HS-SPME con curvas de adición
estándar (c), para cuantificación de carvacrol y timol

Los valores del área relativa (eje y) son mayores para la técnica HS-SPME en comparación con la
técnica de extracción Soxhlet. Extracción Soxhlet utilizando acetato de etilo y HS-SPME utilizando
agua como disolventes.

85
Rev Mex Cienc Pecu 2023;14(1):78-93

Discusión

Diseño de experimentos

El Cuadro 2 muestra el análisis de varianza para los efectos principales y las interacciones de
dos factores para la cuantificación de carvacrol y timol, y es posible observar que solo el
tiempo de extracción y el contenido de sal, así como la interacción entre ellos, son
significativos para ambos analitos. El Cuadro 3 muestra el análisis de varianza considerando
solo los factores de fuerza iónica, el tiempo de extracción y la interacción fuerza iónica-
tiempo de extracción para carvacrol y timol. Considerando sólo los factores e interacciones
significativas, el modelo de regresión para la extracción HS-SPME de carvacrol es:

𝐶𝑎𝑟𝑣𝑎𝑐𝑟𝑜𝑙𝐴𝑟𝑒𝑎𝑅𝑒𝑙 = 13.9782 + 9.0768 𝐼 + 1.3297 𝑡𝑒𝑥𝑡 − 0.6242 𝐼 × 𝑡𝑒𝑥𝑡

Con un R2 de 0.8558, que significa que el 85.6 % de la variabilidad de los datos se explica
por el modelo con una gráfica de residuos distribuidos aleatoriamente (no se muestra). Una
gráfica de contorno en la Figura 4 muestra que cuando el tiempo de extracción está en un
nivel alto, hay un fuerte efecto negativo del contenido de sal, lo que significa que el área
relativa de carvacrol es mayor cuando el contenido de sal es menor; además, cuando el tiempo
de extracción está en un nivel bajo, todavía hay un efecto negativo del contenido de sal, pero
más débil que en el nivel alto del tiempo de extracción. Considerando sólo los factores e
interacciones significativas, el modelo de regresión para la extracción HS-SPME de timol es:

𝑇𝑖𝑚𝑜𝑙𝐴𝑟𝑒𝑎𝑅𝑒𝑙 = 9.5790 + 5.5841 𝐼 + 0.8329 𝑡𝑒𝑥𝑡 − 0.4008 𝐼 × 𝑡𝑒𝑥𝑡

Con un R2 de 0.8401, que significa que el 84 % de la variabilidad de los datos se explica por
el modelo con una gráfica de residuos distribuidos aleatoriamente (no se muestra). Una
gráfica de contorno en la Figura 5 muestra que cuando el tiempo de extracción está en un
nivel alto, hay un fuerte efecto negativo del contenido de sal, lo que significa que el área
relativa de timol es mayor cuando el contenido de sal es menor; además, cuando el tiempo
de extracción está en un nivel bajo, todavía hay un efecto negativo del contenido de sal, pero
más débil que en el nivel alto de tiempo de extracción. Esto es lo mismo para el timol y el
carvacrol, la única diferencia es que el carvacrol muestra una señal del área relativa 1.5 veces
mayor que el timol.

86
Rev Mex Cienc Pecu 2023;14(1):78-93

Cuadro 2: ANOVA de los efectos principales e interacciones de dos factores para el diseño
del experimento
Carvacrol Timol
Suma de Media Suma de Media
GL F0 Valor P GL F0 Valor P
cuadrados cuadrática cuadrados cuadrática

Teq (°C) 1 0.6 0.6 0.016 0.90550 1 0.2 0.2 0.011 0.92026
Text (°C) 1 1.4 1.4 0.038 0.85218 1 0.7 0.7 0.042 0.84494
I (M) 1 1089.2 1089.2 29.208 0.00293 1 484.9 484.9 30.822 0.00261
text (min) 1 310.1 310.1 8.315 0.03444 1 109.7 109.7 6.974 0.04593
Teq x Text 1 39.0 39.0 1.046 0.35339 1 28.3 28.3 1.798 0.23760
Teq x I 1 13.7 13.7 0.368 0.57070 1 6.6 6.6 0.416 0.54715
Teq x text 1 3.6 3.6 0.096 0.76966 1 0.1 0.1 0.006 0.94100
Text x I 1 2.8 2.8 0.075 0.79541 1 1.4 1.4 0.089 0.77805
Text x text 1 65.0 65.0 1.742 0.24407 1 33.1 33.1 2.105 0.20652
text x I 1 455.8 455.8 12.222 0.01736 1 187.9 187.9 11.941 0.01813
Residuos 5 186.5 37.3 5 78.7 15.7
GL= grados de libertad.

El Cuadro 3 muestra el análisis de la varianza evaluado solo con los factores significativos
del DOE, es decir, los factores de fuerza iónica, tiempo de extracción e interacción fuerza
iónica-tiempo de extracción.

Cuadro 3: ANOVA de los factores significativos para el diseño de experimento


Carvacrol Timol
Suma de Media Suma de Media
GL F0 Valor P GL F0 Valor P
cuadrados cuadrática cuadrados cuadrática
I (M) 1 1089.2 1089.2 41.83 <0.001 1 484.9 484.9 39.065 <0.001
text (min) 1 310.1 310.1 11.91 0.00480 1 109.7 109.7 8.839 0.01163
text x I 1 455.8 455.8 17.50 0.00127 1 187.9 187.9 15.134 0.00215
Residuos 12 312.5 26.0 12 148.9 12.4
GL= grados de libertad.

Para elegir los mejores parámetros operativos, siempre se deben seleccionar un tiempo de
extracción alto y un contenido de sal bajo. Dado que los otros dos factores no son
significativos, se puede trabajar a cualquier temperatura de equilibrio y temperatura de
extracción; por lo tanto, se decidió trabajar a bajas temperaturas de equilibrio y extracción
por razones económicas.

87
Rev Mex Cienc Pecu 2023;14(1):78-93

Cuadro 4: Cuadro de efectos para el diseño del experimento


Carvacrol Timol
Efecto Valor T Valor P Efecto Valor T Valor P
Fuerza iónica, M -16.502 -6.467 <0.001 -11.0102 -6.250 <0.001
Tiempo de 8.804 3.451 0.00480 5.2372 2.973 0.01163
extracción, min
text x I -10.674 -4.183 0.00127 -6.853 -3.890 0.00215

Para ambos analitos, un aumento en el contenido de sal (o fuerza iónica) resulta en una
disminución en el área relativa, probablemente porque la solución está cerca de la saturación.
Además, un tiempo de extracción alto (text) beneficia la señal del área relativa lo que está en
buen acuerdo con el concepto de que la extracción aumenta a medida que aumenta el tiempo
de extracción.

El Cuadro 5 muestra el contenido de timol y carvacrol en el alimento en polvo para cerdo al


comparar las dos técnicas de extracción y los disolventes utilizados. El contenido total de
timol y carvacrol para cada disolvente se calcula sumando la cantidad medida de cada una de
las tres extracciones consecutivas. En cuanto a la extracción con disolvente Soxhlet, el éter
de petróleo no fue eficiente en la extracción de timol y carvacrol del alimento en polvo para
cerdo, como lo indica la baja cuantificación obtenida de ambos componentes, pero
especialmente para el timol. El éter de petróleo extrajo de 52 a 55 % menos de timol y de 19
a 22 % menos de carvacrol que el acetato de etilo. Curiosamente, existe una capacidad de
extracción selectiva de ambos disolventes para el timol sobre el carvacrol. Una vez más, la
técnica HS-SPME muestra una capacidad de extracción mejorada tanto para el timol como
para el carvacrol, y se extraen sin selectividad.

Cuadro 5: Comparación del contenido total de timol y carvacrol en alimento concentrado


para cerdo medido por diferentes técnicas de extracción
Técnica Extracción Soxhlet HS-SPME

Método
Adición estándar Estándar externo Adición estándar
estándar

Disolvente Acetato de etilo Éter de petróleo Acetato de etilo Éter de petróleo Agua

Analito Timol Carva- Timol Carva- Timol Carva- Timol Carva- Timol Carva-
crol crol crol crol crol

Primer
extracto, 4.25 0.67 1.99 0.48 4.03 0.58 1.92 0.40 - -
mg L-1

88
Rev Mex Cienc Pecu 2023;14(1):78-93

Segundo
extracto, 0.63 0.16 0.33 0.18 0.79 0.15 0.24 0.16 - -
mg L-1

Contenido
total, 4.88 0.82 2.32 0.67 4.82 0.73 2.16 0.56 3.25 4.17
mg L-1

Contenido
en
alimento 63.45 10.71 30.22 8.66 62.60 9.43 28.12 7.30 65.00 83.40
para cerdo,
mg kg-1

El método de calibración también muestra algunas diferencias. La calibración con un


estándar externo muestra un valor de concentración que es 9 % menor en promedio que el
que utiliza la calibración de adición estándar; el método de adición estándar tiene una
incertidumbre mejorada, pero es un método costoso ya que el estándar debe agregarse a cada
muestra.

Figura 4: Gráfico de contorno para la resistencia iónica y el tiempo de extracción para la


extracción de carvacrol utilizando HS-SPME

La técnica HS-SPME muestra la mayor concentración de timol y carvacrol. El contenido total


de timol concuerda con el contenido total de timol obtenido por extracción Soxhlet con
acetato de etilo de aproximadamente 63-65 mg/kg; sin embargo, el contenido total de
carvacrol es muy diferente. La cuantificación de carvacrol por HS-SPME tiene un valor de
83.40 mg/kg, mientras que la cuantificación utilizando extracción Soxhlet con acetato de etilo

89
Rev Mex Cienc Pecu 2023;14(1):78-93

es de 10.71 mg/kg, que es ocho veces menor que el resultado de HS-SPME. Esto podría estar
relacionado con el comportamiento estérico del timol y el carvacrol (estereoisómeros) y las
interacciones con el material de fibra (poliacrilato).

Figura 5: Diagrama de contorno para la resistencia iónica y el tiempo de extracción para la


extracción de timol utilizando HS-SPME

Validación de métodos

Los límites de detección (LDD) y cuantificación (LDC) se estimaron para evaluar el


rendimiento de los métodos de extracción y se calcularon utilizando el ruido y la señal de
referencia, definidos como tres veces la relación señal/ruido para LDD y diez veces para el
LDC(16). La Figura 3 muestra las curvas de calibración para cada componente (timol y
carvacrol) para los tres diferentes disolventes utilizados. Los valores de LDD y LDC
utilizando la extracción Soxhlet con acetato de etilo fueron de 3.7 y 12.5 μl-1 para el timol y
1.4 y 4.7 μg L-1 para el carvacrol, respectivamente. La técnica HS-SPME da mejores
resultados para ambas sustancias ya que los valores de LDD y LDC fueron de 0.9 y 3.1 μg
L-1 para el timol y 0.6 y 1.9 μg L-1 para el carvacrol, respectivamente. La linealidad de los
datos se estimó a través del coeficiente de correlación lineal, donde el valor más bajo
encontrado fue 0.9892.

Conclusiones e implicaciones

El aceite esencial de orégano se identifica positivamente en el alimento concentrado para


cerdo utilizando compuestos volátiles característicos timol y carvacrol utilizando dos
métodos de extracción diferentes: Soxhlet y HS-SPME. Entre los disolventes orgánicos para

90
Rev Mex Cienc Pecu 2023;14(1):78-93

la extracción Soxhlet, el éter de petróleo no fue adecuado ya que solo extrajo alrededor del
50 y el 10 % del contenido total de timol y carvacrol, respectivamente (en relación con la
cuantificación de HS-SPME). Además, en cuanto al uso de acetato de etilo en la extracción
Soxhlet, este disolvente fue capaz de extraer todo el timol, pero no el carvacrol, mostrando
algún tipo de selectividad. Para la técnica HS-SPME, se realizó un diseño factorial de
experimentos 24 para evaluar los parámetros del proceso y obtener la mayor relación S/N
posible. Las condiciones adecuadas son temperatura de equilibrio (Teq) de 40 °C, temperatura
de extracción (Text) de 40 °C, fuerza iónica (I) de 0.57 M y tiempo de extracción (t ext) de 40
min. HS-SPME mostró un rendimiento de extracción nueve veces mejor en comparación con
la extracción Soxhlet, incluso con cantidades de muestra más pequeñas, con un límite de
detección y cuantificación de 0.9 y 3.1 μg L-1 para timol, y 0.6 y 1.9 μg L-1 para carvacrol,
respectivamente. Los resultados muestran que el método HS-SPME es más eficiente para la
extracción de timol y carvacrol de una matriz orgánica y tiene el potencial de una técnica de
control de calidad en la industria alimentaria para cuantificar los compuestos activos del
aceite esencial de orégano cuando se utiliza como aditivo para una matriz orgánica como el
alimento para cerdo.

Agradecimientos

Al CONACYT (Consejo Nacional de Ciencia y Tecnología) por el apoyo financiero otorgado


al doctorando Fernando Jonathan Lona Ramírez (número de beca: 344837) y al Tecnológico
Nacional de México (TecNM) por la beca de investigación número 5267.14-P para la
realización de este estudio. A Alimentos Aicansa SA por proporcionar muestras de alimento
para cerdo con AEO como aditivo.

Conflicto de intereses

Los autores declaran no tener conflicto de intereses.

Literatura citada:
1. Sánchez-Ruíz JF, Tejeda-Rosales ME, Sánchez-Tejeda JF, Sánchez-Tejeda MG.
Pharmacy, medicine and herbolary in the Florentine Codex. Rev Mex Cienc Farm
2012;43(3):55-66.

2. Kintzios SE. Oregano. In: Peter KV editor. Handbook of herbs and spices Vol. 2.
Cambridge, UK: Woodhead; 2004:215-229.

3. Ahmad A, Khan A, Akhtar F, Yousuf S, Xess I, Khan LA, Manzoor N. Fungicidal


activity of thymol and carvacrol by disrupting ergosterol biosynthesis and membrane
integrity against Candida. Eur J Clin Microbiol Infect Dis 2011;30(1):41-50.

91
Rev Mex Cienc Pecu 2023;14(1):78-93

4. Liolios CC, Gortzi O, Lalas S, Tsaknis J, Chinou I. Liposomal incorporation of carvacrol


and thymol isolated from the essential oil of Origanum dictamnus L. and in vitro
antimicrobial activity. Food Chem 2009;112(1):77-83.

5. Marchese A, Orhan IE., Daglia M, Barbieri R, Di Lorenzo A, Nabavi SF, Gortzi O, Izadi
M, Nabavi SM. Antibacterial and antifungal activities of thymol: A brief review of the
literature. Food Chem 2016;210:402-414.

6. Pesavento G, Calonico C, Bilia AR, Barnabei M, Calesini F, Addona R, et al.


Antibacterial activity of Oregano, Rosma-rinus and Thymus essential oils against
Staphylococcus aureus and Listeria monocytogenes in beef meatballs. Food Control
2015;54:188-199.

7. Bozkurt M, Bintaş E, Kırkan Ş, Akşit H, Küçükyılmaz K, Erbaş G, et al. Comparative


evaluation of dietary supplementation with mannan oligosaccharide and oregano
essential oil in forced molted and fully fed laying hens between 82 and 106 weeks of
age. Poult Sci 2016;95(11):2576-2591.

8. Franciosini MP, Casagrande-Proietti P, Forte C, Beghelli D, Acuti G, Zanichelli D, et


al. Effects of oregano (Origanum vulgare L.) and rosemary (Rosmarinus officinalis L.)
aqueous extracts on broiler performance, immune function and intestinal microbial pop-
ulation. J Appl Anim Res 2016;44(1):474-479.

9. Scocco P, Forte C, Franciosini MP, Mercati F, Casagrande-Proietti P, Dall’Aglio C, et


al. Gut complex carbohydrates and intestinal microflora in broiler chickens fed with
oregano (Origanum vulgare L.) aqueous extract and vitamin E. J Anim Physiol Anim
Nutr (Berl) 2017;101(4):676-684.

10. Zeng Z, Zhang S, Wang H, Piao X. Essential oil and aromatic plants as feed additives
in non-ruminant nutrition: a review. J Anim Sci Biotechnol 2015;6:7.

11. Russo M, Galletti GC, Bocchini P, Carnacini A. Essential oil chemical composition of
wild populations of italian oregano spice (Origanum vulgare ssp. hirtum (Link)
Ietswaart):  A preliminary evaluation of their use in chemotaxonomy by cluster analysis.
1. Inflorescences. J Agric Food Chem 1998;46(9):3741-3746.

12. de Oliveira Nóbrega R, de Castro Teixeira, AP, Araújo de Oliveira W, de Oliveira Lima
E, Oliveira Lima I. Investigation of the antifungal activity of carvacrol against strains of
Cryptococcus neoformans. Pharm Biol 2016;54(11):2591-2596.

13. Safaei-Ghomi J, Ebrahimabadi AH, Djafari-Bidgoli Z, Batooli H. GC/MS analysis and


in vitro antioxidant activity of essential oil and methanol extracts of Thymus
caramanicus Jalas and its main constituent carvacrol. Food Chem 2009;115(4):1524-
1528.

92
Rev Mex Cienc Pecu 2023;14(1):78-93

14. Díaz-Maroto MC, Pérez-Coello MS, Cabezudo MD. Supercritical carbon dioxide
extraction of volatiles from spices: Comparison with simultaneous distillation–
extraction. J Chromatogr A 2001;947(1):23-29.

15. Hossain MB, Barry-Ryan C, Martin-Diana AB, Brunton NP. Optimisation of


accelerated solvent extraction of antioxidant compounds from rosemary (Rosmarinus
officinalis L.), marjoram (Origanum majorana L.) and oregano (Origanum vulgare L.)
using response surface methodology. Food Chem 2011;126(1):339-346.

16. Lona-Ramirez FJ, Gonzalez-Alatorre G, Rico-Ramírez V, Perez-Perez, MCI, Castrejón-


González EO. Gas chromatography/mass spectrometry for the determination of nitrosa-
mines in red wine. Food Chem 2016;196:1131-1136.

17. Méndez-Pérez D, González Alatorre G, Botello Álvarez E, Escamilla Silva E, Alvarado


JFJ. Solid-phase microextraction of N-nitrosodimethylamine in beer. Food Chem 2008;
107(3):1348-1352.

18. Adams A, Kruma Z, Verhé R, De Kimpe N, Kreicbergs V. Volatile profiles of rapeseed


oil flavored with basil, oregano, and thyme as a function of flavoring conditions. J Am
Oil Chem Soc 2011;88(2):201-212.

19. Karami-Osboo R, Miri R, Asadollahi M, Jassbi AR. Comparison between head-space


spme and hydrodistillation-gc-ms of the volatiles of Thymus daenensis. J Essent Oil Bear
Pl 2015;18(4):925-930.

20. Stashenko EE, Martínez JR. Sampling volatile compounds from natural products with
headspace/solid-phase micro-extraction. J Biochem Biophys Methods 2007;70(2):235-
242.

21. Pothier J, Galand N, El Ouali M, Viel C. Comparison of planar chromatographic


methods (TLC, OPLC, AMD) applied to essential oils of wild thyme and seven chemo-
types of thyme. II Farmaco 2001;56(5-7):505-511.

22. Pawliszyn J. Solid phase microextraction: Theory and practice. New York, USA: Wiley-
VCH; 1997.

23. R Core Team. R: A language and environment for statistical computing. Vienna,
Austria: R Foundation for Statistical Computing, 2021. http://www.R-project.org/

24. RStudio Team. RStudio: Integrated Development Environment for R. Boston,


Massachusetts, USA: RStudio. PBC; 2020. http://www.rstudio.com/

93
https://doi.org/10.22319/rmcp.v14i1.6121

Artículo

Cambios en el recuento de cuatro grupos bacterianos durante la


maduración del Queso de Prensa (Costeño) de Cuajinicuilapa, México

José Alberto Mendoza-Cuevas a

Armando Santos-Moreno a

Beatriz Teresa Rosas-Barbosa b

Ma. Carmen Ybarra-Moncada a

Emmanuel Flores-Girón a

Diana Guerra-Ramírez c*

a
Universidad Autónoma Chapingo. Departamento de Ingeniería Agroindustrial. Carretera
México-Texcoco km 38.5, Texcoco, Estado de México. México.
b
Universidad de Guadalajara. Centro Universitario de Ciencias Biológicas y Agropecuarias,
Zapopan, Jal. México.
c
Universidad Autónoma Chapingo. Departamento de Preparatoria Agrícola. Texcoco,
Estado de México. México.

* Autor de correspondencia: guerrard@correo.chapingo.mx

Resumen:

El Queso de Prensa, también llamado Costeño es elaborado artesanalmente a partir de leche


cruda de vaca en la región de la Costa Chica del estado de Guerrero. Con el fin de conocer
las características de los quesos artesanales mexicanos, el objetivo de esta investigación fue
analizar los cambios en el recuento de bacterias mesófilas aerobias (BMA), microorganismos
coliformes totales (CT), bacterias ácido lácticas (BAL) y estafilococos coagulasa positivos
(ECP), durante la maduración (5, 30, 60 y 90 días) de quesos de prensa, elaborados por cuatro
diferentes queserías (A, B, C y D) de Cuajinicuilapa, Guerrero, México. Una porción (25 g)

94
Rev Mex Cienc Pecu 2023;14(1):94-109

de cada muestra de queso se homogeneizó con diluyente de peptona (225 ml) y se prepararon
diluciones desde 10 -1 a 10 -6 con las que se sembraron placas 3M TM PetrifilmTM. Después de
incubar a diferentes condiciones, según el tipo de microorganismo, se hicieron recuentos de
BMA, CT, BAL y ECP. Los resultados mostraron que conforme avanzó el tiempo de
maduración del Queso de Prensa, la carga microbiana disminuyó: BMA de 4 a 2, CT de 6 a
3, BAL de 6 a 2 y ECP de 5 a 2 log10 UFC g-1. Los cambios en los recuentos de los grupos
bacterianos estudiados, pueden ser atribuidos a las transiciones fisicoquímicas y
microbiológicas propias de la maduración del queso y a las características de la microbiota
presente en cada una de las queserías. Los resultados de esta investigación aportan elementos
para la caracterización microbiana de los quesos artesanales mexicanos.

Palabras clave: Bacterias ácido lácticas, Bacterias mesófilas aerobias, Estafilococos


coagulasa positivos, Leche cruda, Microbiota, Microorganismos coliformes totales, Quesos
artesanales.

Recibido: 14/12/2021

Aceptado: 02/09/2022

Introducción

Alrededor del mundo, el queso además de ser una rica fuente de nutrientes es un alimento
esencial utilizado en la gastronomía local de diferentes sociedades(1,2). Actualmente se
conocen alrededor de 1,833 variedades de quesos ubicados en 74 países(3); dicha diversidad
está determinada por los procesos tecnológicos empleados para su elaboración, tales como
origen de la leche, relación grasa-proteína, tipos de cultivos y de agentes coagulantes; la
forma, el tamaño del queso y las condiciones de maduración(4,5,6).

La maduración del queso consiste en su almacenado, bajo ciertas condiciones de temperatura


y humedad, durante un periodo de tiempo que puede oscilar de 3 a 7 días, hasta 2 años(5,7).
El proceso de maduración, además de impartir características sensoriales, es un método de
conservación(5,6,8). En esta etapa se presentan cambios bióticos y abióticos que repercuten de
forma directa sobre la microbiota presente en el queso(5,7,9).

En su mayoría, los quesos artesanales son elaborados a partir de leche cruda, con
fermentación espontánea, procesos de fabricación no tecnificados y tiempos de maduración
variados(5,7,10).

95
Rev Mex Cienc Pecu 2023;14(1):94-109

En México existen alrededor de 40 quesos artesanales(7), entre ellos se encuentran quesos


madurados como el Cotija de la Sierra JalMich, el queso Añejo de Zacazonapan, el queso
Maduro de Veracruz, el queso Chihuahua y el queso artesanal de la región de Ojos Negros
de Baja California, de los cuales se han publicado algunos aspectos de su microbiología(11-
14)
.
El queso de prensa (QP), se elabora con leche de vaca, sin pasteurizar, cuajo líquido
comercial y sal; pasa por una etapa de prensado cuya duración varia a criterio del fabricante
de 1 a 3 días, posteriormente se deja madurar por periodos de hasta tres meses. El queso así
obtenido tiene variaciones de color entre blanco y amarillo(15).
Generalmente tiene forma rectangular o circular, su consistencia es firme, y su peso es de 1
a 14 kg por pieza (Figura 1)(15).

Figura 1: Queso de Prensa en formas rectangular y cilíndrica

El QP es elaborado desde hace más de 100 años en el suroeste de México, principalmente


en la región de la Costa Chica del estado de Guerrero en los municipios de Cuajinicuilapa y
Ometepec, así como en el municipio de Pinotepa Nacional, en la costa del estado de
Oaxaca(15). De acuerdo con el INEGI(16), el clima de la región Costa Chica es cálido
subhúmedo y sus temperaturas oscilan de 22 a 28 °C.

Actualmente se realizan estudios para identificar las características de los quesos artesanales
de México(7,15), el objetivo de esta investigación fue analizar los cambios que ocurren en el
recuento de bacterias mesófilas aerobias, microorganismos coliformes totales, bacterias
ácido lácticas y estafilococos coagulasa positivos, durante la maduración (5, 30, 60 y 90 días)
de los quesos de prensa elaborados por cuatro queserías (A, B, C y D) de Cuajinicuilapa,
Guerrero, México.

96
Rev Mex Cienc Pecu 2023;14(1):94-109

Material y métodos

Muestras de queso

Se analizaron muestras de QP producido de forma artesanal en el municipio de


Cuajinicuilapa, Guerrero, México (16°28′18′ N, 99°24′55′ O), en julio de 2018. Con base a
un muestreo dirigido, se seleccionaron como unidades de muestreo, cuatro queserías que en
adelante se nombrarán A, B, C y D. En cada quesería se adquirieron cuatro quesos recién
elaborados, de 1 kg de peso. Las muestras se trasladaron al municipio de San Marcos,
Guerrero (16°47′46′ N, 99°23′05′ O) a un espacio con características similares a aquellas de
las queserías de Cuajinicuilapa. En este lugar, las muestras de los quesos (cuatro de cada
quesería) se dejaron madurar durante 5, 30, 60 y 90 días. Concluido el tiempo de maduración,
cada lote se trasladó, en bolsas de polietileno, dentro de hieleras con refrigerante, al
laboratorio. Las muestras se conservaron en refrigeración a 4 °C hasta su análisis. El tiempo
máximo de maduración fue 90 días, debido a que después de ese período los sabores se
intensifican y los consumidores locales lo evitan porque prefieren sabores más suaves.

Preparación de la muestra

Cada una de las muestras de queso (25 g) se mezcló con 225 ml de diluyente de peptona, la
mezcla se homogeneizó durante 2 min (Vortex VWR symphony D S41 ®, VWR
International) y se hicieron diluciones desde 10-1 hasta 10-6 mediante la transferencia de 1 ml
de la muestra a frascos viales que contenían 9 ml de diluyente de peptona(17).

Recuento de microorganismos

Se utilizaron los siguientes medios de cultivo (3M Placas PetrifilmTM): recuento de aerobios
(AC No. de catálogo 6400), recuento de coliformes (CT No. de catálogo 6410), bacterias
ácido lácticas (No. de catálogo 6461) y staph express para estafilococos coagulasa positivos
(No. de catálogo 6493); en cada una de las placas se colocó 1 ml de la dilución
correspondiente(18-21).

Todos los recuentos se hicieron por duplicado. Para BMA se sembraron las diluciones 10-3 y
10-4 y el medio se incubó a 35 ± 2 °C durante 48 ± 3 h(18). Los microorganismos CT fueron
investigados a partir de las diluciones 10-2 y 10-3, incubándose a 35 ± 1 °C durante 24 ± 2
h(19). La determinación de BAL se hizo inoculando los medios con diluciones desde 10-3 a
10-6 e incubando a 35 ± 2 °C durante 48 ± 3 h(20). El estudio de ECP se llevó a cabo a partir
de las diluciones 10-2 a 10-4 y una incubación de 37 ± 1 °C durante 24 ± 3 h(21).

97
Rev Mex Cienc Pecu 2023;14(1):94-109

Una vez completado el tiempo de incubación se revisó el crecimiento y se contaron las placas
que contenían entre 15 y 300 colonias, se obtuvo la media de las dos repeticiones y este
promedio se multiplicó por el inverso de la dilución con que fue inoculada la placa(22). El
resultado del recuento se reportó como log10 del número de unidades formadoras de colonias
por gramo (log10 UFC g-1)(23).

Análisis estadístico

El análisis estadístico se fundamentó en un diseño con medias repetidas y asignación de


tratamientos completamente al azar, ensayados a través del tiempo, cuyo modelo
probabilístico corresponde a:

𝑌𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛾𝑘 + (𝛼𝛾)𝑖𝑘 + 𝑒𝑖𝑗𝑘̇ (24)

Donde:
𝝁 + 𝒂𝒊 + 𝒚𝒌 + (𝒂𝒚)𝒊𝒌 Es la media del tratamiento i en el momento k, que contiene los efectos
del tratamiento, tiempo, y la interacción tiempo × tratamiento;
𝒆𝒊𝒋𝒌 es el error aleatorio asociado a la medición en el momento k sobre j asignado al
tratamiento i.

El efecto de los tratamientos (queserías A, B, C y D) se evaluó a través del tiempo de


maduración (5, 30, 60 y 90 días) con cuatro repeticiones, generando 64 unidades
experimentales, cada una constituida de 25 g de queso.

Las variables respuesta evaluadas fueron: cuenta total de bacterias mesófilas aeróbicas
(BMA), coliformes totales (CT), bacterias ácido lácticas (BAL) y estafilococos coagulasa
positivos (ECP). Los datos se analizaron mediante un modelo mixto(24,25) cuyo efecto
aleatorio corresponde al tiempo de maduración y el efecto fijo a las queserías. Para identificar
el efecto de los tratamientos se aplicó el método de Tukey-Kramer (P<0.05). Los análisis se
llevaron a cabo en el paquete SAS versión 9.1 (SAS Institute, Inc., Cary, NC, EUA).

Resultados y discusión

Durante el tiempo de maduración, se observó una disminución en el recuento de los diferentes


microorganismos. Los recuentos más altos de todos los grupos microbianos se alcanzaron a
los cinco días de maduración mientras que los valores mínimos se registraron a los 90 días
(Cuadro 1).

98
Rev Mex Cienc Pecu 2023;14(1):94-109

Cuadro 1: Recuento de grupos bacterianos, log10 UFC g-1, durante la maduración del Queso de Prensa elaborado en cuatro queserías
(A, B, C y D) de Cuajinicuilapa, Guerrero, México

Grupo bacteriano Tiempo Queserías


(días) A B C D
Bacterias mesófilas 5 6.3143 ±0.2973 Cc 4.6802 ±0. 2973 Ba 5.8948 ±0.2973 Cb 5.9077 ±0.2973 Cb
aerobias 30 5.1156 ±0.2973 Bb 4.3884 ±0. 2973 Ba 4.4981 ±0.2973 Ba 5.1043 ±0.2973 Bb
(log10 UFC g-1) 60 4.0021 ±0.2973 Ab 3.1505 ±0. 2973 Aa 4.4047±0.2973 Bbc 4.6703±0.2973 ABc
90 4.3178 ±0.2973 Ab 2.5638 ±0. 2973 Aa 2.4005 ±0.2973 Aa 4.3597 ±0.2973 Ab

Coliformes totales 5 4.1093 ±0.1002 Cb 2.1505 ±0.1002 Aa 2.4203 ±0.1002 Aa 4.7211 ±0.1002 Db
(log10 UFC g-1) 30 3.7726 ±0.0541 Cc 2.8838 ±0.0541 Ba 3.7916 ±0.0541 Cc 3.0878 ±0.0541 Cb
60 2.3138 ±0.2854 Bb 2.3763 ±0.2854 ABb 2.2698 ±0.2854 Ab 1.5753 ±0.2854 Ba
90 <1 ±0.0440 Aa 2.3451 ±0.0440 Ab 2.0753 ±0.0440 Ab <1 ±0.0440 Aa

Bacterias ácido 5 6.5457 ±0.0651 Dc 5.9454 ±0.0651 Cb 5.5084 ±0.0651 Ba 6.7366 ±0.0651 Cc
lácticas 30 5.8336 ±0.0651 Cb 5.8231 ±0.0651 Cb 5.1193 ±0.0651 Ba 6.1241 ±0.0651 Cb
(log10 UFC g-1) 60 3.5524 ±0.0651 Ba 3.7918 ±0.0651 Ba 3.1945 ±0.0651 Aa 5.0914 ±0.0651 Bb
90 <1 ±0.0651 Aa <1 ±0.0651 Aa 3.2258 ±0.0651 Ab 4.2394 ±0.0651 Ac

Estafilococos 5 5.6562 ±0.0540 Cb 3.7456 ±0.0540 Ba 5.6918 ±0.0540 Cb 5.8746 ±0.0540 Cb


coagulasa positivos 30 3.6276 ±0.3811 Bb 2.2500 ±0.3811 Aa 3.7271 ±0.3811 Bb 3.8389 ±0.3811 Bb
(log10 UFC g-1) 60 2.6945 ±0.0438 Aa 2.7143 ±0.0438 Aa 2.7311 ±0.0438 Aa 2.8063 ±0.0438 Aa
90 2.5951 ±0.0524 Aa 2.4203 ±0.0524 Aa 2.6945 ±0.0524 Aa 2.5951 ±0.0524 Aa
Medias con letra minúscula en filas y medias con letra mayúscula en columna, seguidas de diferente letra, indican significancia estadística (Tukey, P<0.05).

99
Rev Mex Cienc Pecu 2023;14(1):94-109

Bacterias mesófilas aerobias

En los conteos de BMA, se presentaron diferencias significativas (P<0.05) entre las queserías
(Cuadro 1). El decremento gradual de BMA del día 5 al 90 fue próximo a 2 log10 UFC g-1,
para las queserías A, B y D; mientras que para la quesería C fue de 3.49 log10 UFC g-1 .

La mayoría de los valores de BMA encontrados en el QP están dentro del rango de 4 a 9


logaritmos UFC g-1 , reportado para quesos elaborados a partir de leche cruda y madurados
por 60 o más días(26). Dado que el proceso de maduración de los quesos conlleva la
multiplicación de los microrganismos presentes, lo esperado en este tipo de productos son
concentraciones de BMA de 4 a 9 logaritmos (104 a 109 UFC g-1), sin que esto implique un
deterioro del alimento o sugiera condiciones no sanitarias ocurridas durante su elaboración o
almacenamiento(26,27,28). En la región de Ojos Negros en el estado de Baja California a partir
de un estudio que incluyó quesos madurados de 22 queserías, elaborados con leche cruda se
reporta que las BMA se encontraron en un rango de 4.6 a 7.2 log10 UFC g-1(14).

En estudios sobre la maduración del queso Cotija artesanal, salado y madurado a


temperaturas de 14 °C a 32 °C, Chombo(11) reporta las siguientes variaciones en las BMA:
8.3, 7.0, 3.5 y 4.7 log10 UFC g-1, en los días 8, 30, 60 y 90, en tanto que Magallón(29) encontró
5.3 y 1.8 log10, en los días 30 y 90, respectivamente. Los recuentos encontrados en el QP a
los 30 y 90 días son muy próximos a los reportados para el queso Cotija que se madura en
rangos de temperatura similares a las del QP.

El decremento de las BMA fue común en los quesos de las cuatro queserías (Cuadro 1), lo
cual refleja cierta homogeneidad en los procesos de fabricación y las condiciones de
maduración de los quesos. La diferencia estadística (P<0.05) entre queserías sugiere
variaciones cuantitativas o cualitativas en la microbiota del queso generadas por la leche y
los microambientes propios de cada quesería. Cabe destacar que, entre el día 5 y el 60, se
observa que las BMA de los quesos de la quesería A descienden 2.31 log10 UFC g-1, sin
embargo, entre el día 60 y 90 permanecen sin cambios; en tanto que las BMA de los quesos
de la quesería C, del día 60 al 90 presentan una reducción de 2 log10 UFC g-1.

El desarrollo de BMA en los quesos de la quesería A muestra capacidades de adaptación y


sobrevivencia de las bacterias, en tanto que el decremento de BMA en los quesos de la
quesería C exhibe una pérdida de viabilidad con la liberación de enzimas que contribuyen a
la generación de sabores y texturas(5). Ello sugiere que es conveniente investigar la relación
de las características organolépticas del queso de prensa, entre queserías y entre diferentes
concentraciones de BMA a través del tiempo de maduración, así como la relación de las
BMA con la vida útil del queso a temperatura ambiente. Por otro lado, los estudios de BMA
son útiles como etapa inicial en la búsqueda de cultivos iniciadores a partir de quesos

100
Rev Mex Cienc Pecu 2023;14(1):94-109

artesanales. Las variaciones en la concentración de sal y la humedad pudieron influir en la


sobrevivencia de las BMA. Los resultados sugieren que, en los quesos de las queserías A y
D existen bacterias adaptadas para sobrevivencia a largo plazo. En tanto que en los de las
queserías B y C pueden estar presentes bacterias de sobrevivencia corta, y por tanto pueden
contribuir más rápidamente a la producción de sabores, olores y texturas (agradables o
desagradables)(5). Otra posibilidad es que, la reducción de BMA en los quesos de las
queserías B y C se deba a la presencia de sustancias con acción antimicrobiana, originadas
por el metabolismo de microorganismos, o por los cambios bioquímicos que ocurren en el
queso, derivados de la proteólisis de la caseína para dar origen a péptidos con actividad
antimicrobiana(5,30).

Bacterias coliformes totales

Los recuentos de coliformes totales en los quesos mostraron diferencias significativas


(P<0.05) entre queserías durante el periodo de maduración (Cuadro 1). Los recuentos
mayores se encontraron en el día 5 (4.72 log10 UFC g-1) y los menores en el día 90 (<1 log10).
El queso al ser una muestra sólida, obstaculiza un recuento directo, por lo que es necesario
hacer una dilución inicial que conduce a que el nivel mínimo de detección sea 10 UFC g-1,
por ello la ausencia de crecimiento se reportó como < 1 log10.

Se observaron dos dinámicas diferentes, los quesos de las queserías A y D presentaron las
mayores cargas iniciales de CT, que a los 30 días de maduración disminuyeron hasta alcanzar
3.72 a 3.10 log10 UFC g-1 , respectivamente (Cuadro 1). En los quesos de las queserías B y
C, los CT mostraron niveles iniciales de 2 logaritmos, que se elevaron durante el primer mes
y se mantuvieron con ligeras variaciones para coincidir en el día 90 con valores muy
próximos entre ellas.

La dinámica de los CT en los quesos de las queserías A y D han sido reportadas en quesos
maduros y está caracterizada por una disminución progresiva de los coliformes conforme
avanza la maduración(31) lo cual se atribuye a la disminución del pH debido a la fermentación
de la lactosa(32). En quesos madurados como el Cheddar, los coliformes mueren a una tasa de
0.3 log10 UFC g-1 por semana y en el Gouda a 0.7 log10 por semana(33). Por lo anterior, la
dinámica observada en los quesos de las queserías B y C es atípica, porque entre los días 5
al 30, ocurre un aumento de 0.73 y 1.37 log10, respectivamente, seguido en los días 60 a 90
por disminuciones muy pequeñas, 0.03 y 0.19 log10, respectivamente (Cuadro 1). Esto
sugiere que hay aspectos comunes entre las dos queserías que favorecen la selección de
bacterias que persisten durante la maduración, tales como la calidad del agua y de la leche,
el personal o variantes en los procesos de elaboración o limpieza.

101
Rev Mex Cienc Pecu 2023;14(1):94-109

Los niveles aceptados de coliformes totales en quesos madurados son menores a 100 UFC/g
(< 2 log10 UFC g-1)(34), valores que fueron alcanzados entre los días 60 y 90 (Cuadro 1) en
las queserías A y D. De acuerdo con Metz(32), los quesos elaborados con leche cruda de buena
calidad, bajo condiciones sanitarias higiénicas, aplicando buenas prácticas de manufactura y
madurados adecuadamente, tendrán bajos niveles de bacterias coliformes totales, coliformes
fecales, enterococos, Enterobacteriaceae y Escherichia coli.

La actividad de los organismos coliformes en los quesos puede afectar negativamente sus
características sensoriales(28,35). Sin embargo, se ha observado que ciertos géneros de
coliformes contribuyen positivamente en la textura y características sensoriales del producto;
además de que algunas cepas de Hafnia contribuyen a la acumulación de aromas, y
generación de sabores(32,35,36). La persistencia de coliformes sugiere la posibilidad de la
participación de dichos microorganismos en las características organolépticas de los quesos
de las queserías B y C aspecto que no ha sido abordado en los estudios de quesos mexicanos.

Bacterias ácido lácticas

Durante el periodo de maduración, las cuentas de BAL de los quesos de las queserías
estudiadas mostraron diferencias significativas (P<0.05) (Cuadro 1). En este grupo
microbiano se registraron los mayores recuentos de todo el estudio. En el día 5 los recuentos
oscilaron entre 5.50 y 6.73 log10 UFC g-1, estos valores fueron disminuyendo a partir del día
30. Del día 5 al 60 las reducciones fueron de 2.99, 2.15, 2.31 y 1.77 log10, para los quesos de
las queserías A, B, C y D, respectivamente.

Durante la maduración de los quesos artesanales españoles Casar de Cáceres, Afuega´l Pitu
y Cabrales se reportaron descensos en el recuento de lactococos de 2 a 3 log10 UFC g-1 entre
el día 0 y el 60, en tanto que en el queso “La Serena” solo hubo una reducción menor a un
logaritmo, hecho que se atribuye a que este queso tuvo un bajo contenido de sal durante las
primeras semanas de maduración(5). Lo anterior sugiere que las reducciones observadas en el
QP del día 5 al 60 están acordes a lo que ocurre con las bacterias ácido lácticas
homofermentativas en quesos elaborados artesanalmente con microbiota autóctona(5). Las
concentraciones de BAL encontradas en el QP del día 60 al 90 son menores a las reportadas
en quesos madurados de Europa, que presentan valores de 7 a 9 log10 UFC g-1(5,37,38).

Con diferencias en el tipo de ganado y áreas geográficas, el queso Cotija y el QP comparten


temperaturas, procesos de fabricación y maduración. En el queso Cotija se han encontrado
incrementos y decrementos pequeños en recuentos de BAL; un estudio reporta 2.6 log10 UFC
g-1 en el día 30 con aumento a 2.9 log10 en el día 90(29), otro estudio señala 5.9 log10 en el día
60, que disminuye a 5.0 log10 en el día 90(11). Los datos anteriores sugieren que, tanto en el
QP como en el Cotija, los recuentos de BAL tienden a ser menores que en otros quesos

102
Rev Mex Cienc Pecu 2023;14(1):94-109

madurados; esto podría tener una explicación por las temperaturas en que son madurados lo
cual favorece una mayor pérdida de humedad que genera valores de actividad de agua y de
relación humedad/sal que son inhibitorios para las BAL(5).

Estafilococos coagulasa positivos

Los recuentos ECP de los quesos de las queserías estudiadas exhibieron diferencias
significativas (P<0.05) durante el periodo de maduración (Cuadro 1). A partir del día 5 y
hasta el 60, en los quesos de las queserías A, C y D se observó un decremento continuo de
los ECP, seguido de una estabilización del día 60 al 90. En la quesería B hubo un decremento
del día 5 al 30 seguido de un incremento del día 30 al 60 y una estabilización del día 60 al 90
(Figura 2). Las tasas de muerte de ECP (promedio de decremento log10 UFC g-1 dividido
entre semana de maduración)(39) en los quesos de las queserías A y C fueron de 0.30 log10 y
de 0.23 y 0.31 log10 en las queserías B y D, respectivamente.

Figura 2: Antagonismo y cambio en la concentración de bacterias ácido lácticas (BAL)


respecto a estafilococos coagulasa positivos (ECP)

Para quesos elaborados con leche cruda, los límites aceptados de estafilococos coagulasa
positivos son de 104 a 105 UFC g-1, que equivale a 4-5 log10 UFC g-1(40), límites que fueron
excedidos en el día 5 en las queserías A, C y D pero que se retornó a ellos en el día 30 y
permanecieron hasta el día 90 (Cuadro 1). Los recuentos de ECP mayores a 4 log10 muestran
la necesidad de aplicar medidas correctoras en la higiene del proceso de recolección de la
leche, de fabricación del queso y la selección de materias primas(40). Valores de 105 UFC g-1
o mayores conducen a investigar la presencia de toxina estafilocócica en los quesos(40), pues
al ser termoestable puede persistir aún cuando los estafilococos hayan muerto. Generalmente

103
Rev Mex Cienc Pecu 2023;14(1):94-109

se necesitan concentraciones de 106 UFC g-1 para producir toxina suficiente (un nanogramo
por gramo de queso) para causar un brote de enfermedad(5).

Reducciones de Staphyloccocus aureus de 1 a 3 logaritmos han sido reportadas en diferentes


quesos(41,42,43), cifras que coinciden con las reducciones de ECP durante la maduración del
QP.

La tasa de muerte de S. aureus en Queso Manchego elaborado con leche cruda del día 1 al
60 es de 0.404 log10 UFC g-1(39), las tasas de muerte de ECP en las queserías A, C y D (0.49,
0.50 y 0.52) estuvieron próximas a este valor lo que sugiere que el decremento fue el esperado
para este tipo de quesos (quesos de pasta prensa madurados). No se identificaron factores que
expliquen la menor tasa de muerte observada en la quesería B (0.36).

El desarrollo y supervivencia de S. aureus son afectados por factores tales como: cambios
fisicoquímicos ocurridos durante el proceso de la maduración, metabolitos secundarios
generados por BAL, así como a la composición del producto, el periodo de almacenamiento
y la temperatura(44,45). Staphyloccocus aureus es inhibido por BAL mediante la competición
de nutrientes, producción de ácido láctico, peróxido de hidrógeno y producción de sustancias
antimicrobianas(46), lo anterior puede explicar la disminución de ECP en los primeros 30 días
de maduración, período en que los niveles de BAL fueron mayores (Figura 2). Entre el día
30 y 60 las condiciones de almacenamiento a temperatura ambiente pudieron aumentar la
pérdida de humedad lo que cambia relación humedad/sal siendo inhibitoria para BAL(5), esto
favorece a S. aureus, lo que pudiera explicar su ligero aumento en la quesería B y la
suspensión de su descenso en las queserías A, C y D.

Conclusiones e implicaciones

El queso de prensa es un queso elaborado artesanalmente madurado en clima cálido


subhúmedo con participación de bacterias ácido lácticas autóctonas, cuyas concentraciones
son menores a las reportadas para quesos europeos, pero semejantes a aquellas reportadas en
el queso Cotija. Las diferencias estadísticas de los recuentos microbianos a diferentes tiempos
muestran los cambios que van ocurriendo conforme avanza la maduración del queso. En tanto
que las diferencias estadísticas entre las queserías sugieren la existencia de microbiomas
propios de cada quesería, los cuales pudieran ser capaces de generar variantes del QP entre
los diferentes productores artesanales, aun cuando tengan procesos de producción similares.
Los cambios en los recuentos de los grupos bacterianos estudiados pueden ser atribuidos a
cambios fisicoquímicos y sucesiones en las poblaciones bacterianas propias de la maduración
del queso y a las características de la microbiota presente en cada una de las queserías. Es
conveniente explorar si la vida útil de este queso se prolonga más allá de los 90 días. El
hallazgo de coliformes que persisten durante la maduración muestra la necesidad de

104
Rev Mex Cienc Pecu 2023;14(1):94-109

investigar si se trata de un caso excepcional, y las bacterias de este grupo contribuyen a las
características agradables del queso o están relacionadas con su deterioro. Los datos de
reducción y sobrevivencia de estafilococos coagulasa positivos generados en esta
investigación pueden servir de referencia para iniciar y evaluar programas de mejora en este
tipo de queserías. Si bien esta investigación comprendió cuatro queserías del principal
municipio productor del QP, la información generada puede servir de referencia para la
caracterización de este queso artesanal.

Agradecimientos y conflictos de intereses

Este trabajo de investigación fue posible gracias a la beca otorgada por el Consejo Nacional
de Ciencia y Tecnología para los estudios de Maestría del primer autor. También
agradecemos los comentarios hechos al manuscrito por los Doctores Angélica Luis Juan
Morales y Ricardo Alaniz de la O. Ninguno de los autores tiene conflicto de intereses con
respecto a la presente publicación.

Literatura citada:
1. Cidón CD, Canut E. Quesos españoles, ases en la mesa, comodines en la cocina. 1a ed.
Madrid, ESP: Everest; 2003.

2. Yescas C, Santacruz J. Quesos mexicanos. 1a ed. México, Distrito Federal: Larousse;


2013.

3. Cheese.com specialty cheeses. Alphabetical list, find over 1833 specialty cheeses from 74
countries in the world´s greatest cheese resource. https://www.cheese.com/alphabetical/.
Accessed Jan 26, 2021.

4. Kongo JM, Malcata FX. Cheese: Types of cheeses - soft. In: Caballero B, Toldrá F, Pinglas
PM, editors. Encyclopedia of food and health. 1rst ed. Oxford, GB: Academic Press;
2015:768–773.

5. Fox PF, Guinee TP, Cogan TM, McSweeney PLH. Fundamentals of cheese science. 2nd
ed. New York, USA: Springer; 2017.

6. Santiago-López L, Aguilar-Toalá JE, Hernández-Mendoza A, Vallejo-Cordoba B, Liceaga


AM, González-Córdova AF. Invited review: Bioactive compunds produced during
cheese ripening and health effects associated with aged cheese consumption. J Dairy Sci
2018;101(5):3742–3757.

7. Villegas GA, Santos MA, Cervantes EF. Los quesos mexicanos tradicionales. 1a ed.
Texcoco, MEX: Universidad Autónoma Chapingo; 2016.

105
Rev Mex Cienc Pecu 2023;14(1):94-109

8. Alejo-Martínez K, Ortiz-Hernández M, Recino-Metelin BR, González-Cortés N, Jiménez-


Vera R. Tiempo de maduración y perfil microbiológico del queso de poro artesanal.
ReIbCi 2015;2(5):15–24.

9. Sánchez-Valdés JJ, Colín-Navarro V, López-González F, Avilés-Nova F, Castelán-Ortega


OA, Estrada-Flores JG. Diagnóstico de la calidad sanitaria en las queserías artesanales
del municipio de Zacazonapan, Estado de México. Salud Publ Mex 2016;58(4):461–
467.

10. Vasek O, Cardozo M, Fusco AJ. Producción artesanal de quesos. Sistema de


transformación agroalimentario en la región correntina (Argentina). IV Congreso
internacional de la red SIAL. Mar del Plata, provincia de Buenos Aires.2006:1–32.

11. Chombo-Morales P, Kirchmayr M, Gschaedler A, Lugo-Cervantes E, Villanueva-


Rodríguez S. Effects of controlling ripening conditions on the dynamics of the native
microbial population of Mexican artisanal Cotija cheese assessed by PCR-DGGE.
LWT-Food Sci Technol 2016;65:1153–1161.

12. Ramírez-Rivera EJ, Ramón-Canul LG, Torres-Hernández G, Herrera-Corredor JA,


Juárez-Barrientos JM, Rodríguez-Miranda J, et al. Tipificación de quesos madurados de
cabra producidos en la zona montañosa central del estado de Veracruz, México.
Agrociencia 2018;52(1):15–34.

13. Sánchez-Gamboa C, Hicks-Pérez L, Gutiérrez-Méndez N, Heredia N, García S, Nevárez-


Moorillón GV. Microbiological changes during ripening of Chihuahua cheese
manufactured with raw milk and its seasonal variations. Foods 2018; 7(9):153.https://
www.mdpi.com/2304-8158/7/9/153. Accessed Jan 30, 2021.

14. Silva-Paz LE, Medina-Basulto G. E., López-Valencia G, Montaño-Gómez MF, Villa-


Angulo R, et al. Caracterización de la leche y queso artesanal de la región de Ojos
Negros, Baja California, México. Rev Mex Cienc Pecu 2020;11(2):553-564.
https://cienciaspecuarias.inifap.gob.mx/index.php/Pecuarias/article/view/5084.
Consultado 30 Ene, 2021.

15. Sandoval-Alarcón F. Caracterización y análisis de la productividad del queso de prensa


de la Costa Chica de Guerrero y Oaxaca [tesis maestría]. Texcoco, Estado de México:
Universidad Autónoma Chapingo; 2016.

16. INEGI. Instituto Nacional de Estadística y Geografía. Guerrero, Clima. Recuperado


de:http://www.cuentame.inegi.org.mx/monografias/informacion/gro/territorio/clima.as
px?tema=me&e=12. Consultado 02 Sep, 2020.

106
Rev Mex Cienc Pecu 2023;14(1):94-109

17. Romero-Castillo PA, Leyva-Ruelas G, Cruz-Castillo JG, Santos-Moreno A. Evaluación


de la calidad sanitaria de quesos crema tropical mexicano de la región de Tonalá,
Chiapas. Rev Mex Ing Quím 2009;8(1):111–119.

18. 3M México. Placas Petrifilm™ para el recuento de aerobios AC, guía de interpretación.
Ciudad de México, México: 3M. 2017.

19. 3M México. Placas Petrifilm™ para el recuento coliformes, guía de interpretación.


Ciudad de México, México: 3M. 2017.

20. 3M México. Placas para el recuento de bacterias ácido lácticas 3M® Petrifilm®, guía de
interpretación. Ciudad de México, México: 3M. 2017.

21. 3M México. Placas Petrifilm™ Staph Express para recuento de Staphylococcus aureus,
guía de interpretación. México DF, México: 3M. 2009.

22. Camacho A, Giles M, Ortegón A, Palao M, Serrano B, Velázquez O. Técnicas para el


análisis microbiológico de alimentos, cuenta en placa de bacterias. 2a ed. México, DF,
México: Facultad de Química.; 2009.
http://depa.fquim.unam.mx/amyd/archivero/TecnicBasicas-Cuenta-en-placa_6527.pdf.
Consultado 2 Sep, 2020.

23. FAO, WHO. Statistical aspects of microbiological criteria related to foods, a risk
managers guide. 1st ed. Rome, ITA: Food and Agriculture Organization of the United
Nations; 2016.

24. Little RC, Milliken GA, Stroup WW, Wolfinger RD, Schabenberger O. SAS® for mixed
models. 2nd ed. Cary, North Carolina, USA: SAS Institute Inc; 2006.

25. Stroup WW, Milliken GA, Claassen EA, Wolfinger RD. SAS® for mixed models:
Introduction and basic applications. 3rd ed. Cary, North Carolina, USA: SAS Institute
Inc; 2018.

26. Brooks JC, Martinez B, Stratton J, Bianchini A, Kroksrom R, Hutkins R. Survey of raw
milk cheeses for microbiological quality and prevalence of foodborne pathogens. Food
Microbiol 2012;31(2):154–158.

27. ICMSF. International Commission on Microbiological Specifications for Foods.


Microorganismos de los alimentos 1. Técnicas de análisis microbiológico. 2da ed.
Zaragoza, ESP: Acribia; 2000.

28. Fernández-Escartín E. Microbiología e inocuidad de los alimentos. 2da ed. Querétaro,


MEX: Universidad Autónoma de Querétaro; 2008.

107
Rev Mex Cienc Pecu 2023;14(1):94-109

29. Flores-Magallón R, Oliva-Hernández AA, Narváez-Zapata AA. Characterization of


microbial traits involved with the elaboration of the Cotija cheese. Food Sci Biotechnol
2011;20(4):997–1003.

30. López-Expósito I, Miralles B, Amigo L, Hernández-Ledesma B. Health effects of cheese


components with a focus on bioactive peptides. In: Frias J, Martinez-Villaluenga C,
Peñas E, editors. Fermented foods in health and disease prevention. 1st ed. London, UK:
Academy Press; 2017:239–273.

31. Asperger H, Brandl E. The significance of coliforms as indicator organisms in various


types of cheese. Antonie van Leeuwenhoek 1983;48:635–639.

32. Metz M, Sheehan J, Feng PCH. Use of indicator bacteria for monitoring sanitary quality
of raw milk cheeses – A literature review. Food Microbiol 2020;85(2020): 103283.
https://www.sciencedirect.com/science/article/abs/pii/S0740002018311213?via%3Dih
ub. Accesed Jan 30, 2021.

33. Fox PF, Guinee TP, Cogan TM, McSweeney PLH. Fundamentals of cheeses science. 1st
ed. Gaithersburg, Maryland, USA: Aspen Publisher 2000.

34.NACMCF. National Advisory Committe on Microbiological Criteria for Foods.


NACMCF-Report-Process-Control-061015 (1) response to questions posed by the
Department of Defense regarding microbiological criteria as indicators of process
control or insanitary conditions, Washington DC, USA: United States Department of
Agriculture; 2015. https://www.fsis.usda.gov/sites/default/files/media_file/2020-
07/NACMCF-Report-Process-Control-061015.pdf . Accesed Aug 07, 2021.

35. Martin NH, Trmčić A, Hsieh TH, Boor KJ, Wiedmann, M. The evolving role of coliforms
as indicators of unhygienic processing conditions in dairy foods. Front Microbiol
2016;7:1549. https://www.frontiersin.org/articles/10.3389/fmicb.2016.01549/full.
Accessed Aug 07, 2021.

36. Trmčić A, Chauhan K, Kent DJ, Ralyea RD, Martin NH, Boor KJ, et al. Coliform
detection in cheese is associated with specific cheese characteristics but no association
was found with pathogen detection. J Dairy Sci 2016;99(8):6105–6120.

37. Khalid NM, Marth EH. Lactobacili – their enzymes and role in ripening and spoil age of
cheese- A review. J Dairy Sci 1990;73(10):2669–2684.

38. Tavaria FK, Reis PJM, Malcata FX. Effect of dairy farm and milk refrigeration on
microbiological and microstructural characteristics of matured Serra da Estrella cheese.
Int Dairy J 2006;16(8):895–902.

108
Rev Mex Cienc Pecu 2023;14(1):94-109

39. Nuñez M, Bautista L, Medina M, Gaya P. Staphylococcus aureus, thermostable nuclease


and staphylococcal enterotoxins in raw ewes' milk Manchego cheese. J Appl Bacteriol
1988;65(1):29–34.

40. Commission Regulation (EC) No. 2073/2005 of 15 November 2005 on microbiological


criteria of foodstuffs L338. Official Journal of the European Union 2005 L338: 1–26.
https://eur-lex.europa.eu/legal-content/EN/ALL/?uri=CELEX%3A32005R2073
Accessed Sep 2, 2020.

41. Kirdar SS, Yurdakul O, Kalit S, Kalit M. Microbiological changes throughout ripening
of Keş cheese. J Cent Eur Agric 2018;19(1):61–71.

42. Cardoso VM, Dias RS, Soares BM, Clementino LA, Araújo CP, Rosa CA. The influence
of ripening period length and season on the microbiological parameters of a traditional
Brazilian cheese. Braz J Microbiol 2013;44(3):743–749.

43. Çolaklar M, Taban BM, Aytaç SA, Barbaros H, Gürsoy A, Akçelik N. Application of
bacteriocin-like inhibitory substances (BLIS)- Producing probiotic strain of
Lactobacillus plantarum in control of Staphylococcus aureus in White-Brined cheese
production. J AgrSci 2019;25(2019):401–408.

44. Bellio A, Astegiano S, Traversa A, Bianchi DM, Gallina S, Vitale N, et al. Behaviour of
Listeria monocytogenes and Staphylococcus aureus in sliced, vacuum-packaged raw
milk cheese stored at two different temperatures and time periods. Int Dairy J 2016;
57:15–19.

45. Stecchini MA, Sarais I, de Bertoldi M. The influence of Lactobacillus plantarum culture
inoculation on the fate Staphylococcus aureus and Salmonella typhimurium in Montasio
cheese. Int J Food Microbiol 1991;14(2):99–109.

46. Haines WC, Harmon LG. Effect of selected lactic acid bacteria on growth of
Staphylococcus aureus and production of enterotoxin. Appl Microbiol 1973;25(3):436–
441.

109
https://doi.org/10.22319/rmcp.v14i1.6014

Artículo

Detección molecular de un fragmento del virus de lengua azul en


borregos de diferentes regiones de México

Edith Rojas Anaya a

Fernando Cerón-Téllez b

Luis Adrián Yáñez-Garza c

José Luis Gutiérrez-Hernández b

Rosa Elena Sarmiento-Salas c

Elizabeth Loza-Rubio b*

a
Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuarias (INIFAP). Centro
Nacional de Recursos Genéticos. México.
b
INIFAP. Centro Nacional de Investigación Disciplinaria en Salud Animal e Inocuidad
(CENID-SAI), Campus Ciudad de México. Carretera México-Toluca Km 15.5, Colonia Palo
Alto. 05110. Alcaldía Cuajimalpa de Morelos. Ciudad de México. México.
c
Universidad Nacional Autónoma de México, FMVZ. México.

*Autor de correspondencia: eli_rubio33@hotmail.com; loza.elizabeth@inifap.gob.mx

Resumen:

La enfermedad de la lengua azul (LA) afecta diferentes especies de rumiantes silvestres y


domésticos. En México, la enfermedad producida por el virus de la lengua azul (VLA), aún
es reconocida como exótica, a pesar de que, en diferentes ocasiones se han detectado
anticuerpos. El objetivo fue establecer técnicas moleculares usando un gen sintético que
incluye los genes NS1 y NS3 como control positivo para establecer el diagnóstico del VLA
en muestras de ovinos de diferentes regiones del país, mediante técnicas moleculares. Se
obtuvieron 320 muestras totales de sangre completa de ovinos. Las muestras obtenidas se

110
Rev Mex Cienc Pecu 2023;14(1):110-121

evaluaron mediante RT-PCR punto final y RT-PCR en tiempo real estableciendo las
condiciones por el grupo de trabajo. Se encontraron 12 muestras positivas de ovinos a la
detección de NS1; estas muestras se secuenciaron obteniendo un fragmento de 101 pares de
bases. Al realizar el alineamiento se obtuvieron identidades con secuencias reportadas en el
GenBank con fragmentos de NS1 desde 89 % (p= 1e-12) a 98 % (p= 4e-13), correspondientes
a los serotipos 10, 11 y 12. De estas muestras, se obtuvieron dos muestras positivas de ovinos
mediante el PCR tiempo real (PCR-tr), uno proveniente de Chiapas (raza Chiapas) y el otro
de Tamaulipas (raza Suffolk). Los resultados de la PCRtr fueron corroborados por la CPA-
SENASICA. Este trabajo, aporta por primera vez en México, la importancia de usar un gen
sintético como control positivo, para realizar la detección en laboratorios oficiales BSL-2, lo
cual en una emergencia sanitaria es de suma importancia.

Palabras clave: Lengua azul, Ovinos, Diagnóstico, Gen sintético, Genes NS1 y NS3.

Recibido: 01/07/2021

Aceptado: 31/08/2022

Introducción

El virus de lengua azul (VLA) pertenece al género Orbivirus y familia Reoviridae, es


causante de la enfermedad de la lengua azul (ELA) afectando rumiantes tanto domésticos
como silvestres(1). El virus posee un genoma ARN de doble cadena (dsRNA) sentido negativo
conformado por 10 segmentos(2). Es un virus sin envoltura, de cápside icosahédrica, con un
diámetro aproximado de 90 nm. El genoma codifica para las proteínas estructurales que
conforman la cápside externa e interna o core (VP1 - VP7), y las cuatro proteínas no
estructurales, denominadas no estructurales (NS) que están involucradas en la replicación,
maduración o salida del virión de las células infectadas). Los genes no estructurales son
altamente conservados a través del género(3,4). El gen NS1 codifica para una proteína del
mismo nombre, la cual se expresa en mayor cantidad durante la replicación del VLA y es la
proteína citoplasmática más abundante. Por otro lado, el gen NS3 codifica para la proteína
NS3 que tiene función de viroporina, relacionada con la lisis celular(3,4). Debido a lo anterior,
los dos genes se han utilizado como blanco en ensayos tamiz para la identificación de VLA(5).
El virus se transmite por medio de la picadura de mosquitos del género Cullicoides spp; por
lo anterior, la presentación de la enfermedad está asociada a la diseminación de dicho vector,
aunque se ha informado de otros vectores como las garrapatas(6); se sabe que el virus puede
permanecer viable durante toda la vida del vector.

111
Rev Mex Cienc Pecu 2023;14(1):110-121

Actualmente, se han descrito 28 serotipos diferentes de VLA en todo el mundo(7) y el virus


está distribuido prácticamente en todos los países que se dedican a la ganadería bovina y
ovina. La enfermedad de la lengua azul (ELA) se puede presentar tanto en forma subclínica
y clínica, especialmente en ovinos, ya que en bovinos la mayoría de las veces es asintomática.
En los países en donde la enfermedad es endémica causa severas pérdidas económicas a los
productores(8). El nombre “lengua azul” fue atribuido por africanos que observaron cianosis
en la lengua de algunos animales, aunque este signo no se observa en todos los animales
infectados, ya que los signos varían entre especies y es dependiente de la cepa. Las lesiones
como hiperemia y edema de los labios y cara; erosiones y úlceras orales y la típica cianosis
en lengua son debidas a la infección de las células endoteliales que permiten aumento de la
permeabilidad celular(9).

La Organización Mundial de Salud Animal (OIE)(10) clasifica a la enfermedad de lengua azul


como un padecimiento de declaración obligatoria, por lo que el diagnóstico oportuno es
importante. El grado de severidad de la enfermedad depende del serotipo, la cepa del virus,
la especie, la edad y el estado inmunológico del animal, siendo los más afectados las ovejas
y los venados cola blanca(11); en los ovinos el periodo de incubación del VLA es de seis a
ocho días, sin embargo el ganado bovino rara vez muestra signos clínicos, pero mantienen
una viremia prolongada(12). Los cérvidos también pueden ser infectados por un orbivirus
estrechamente relacionado responsable de la enfermedad hemorrágica epizoótica(13). La ELA
no es contagiosa y solo se transmite a través de insectos Culicoides, la distribución está
asociada por tanto a la prevalencia del vector. En América del Norte se han identificado hasta
cinco serotipos, sin embargo, solamente en Estados Unidos se ha informado de la presencia
de siete(14). La presentación del virus en América está asociado principalmente a la presencia
de dos especies del vector C. sonorensis y C. insignis(15). En cuanto a México, a pesar de
que la enfermedad es considerada exótica; en los años 80s se informó serología positiva al
virus tanto en ovinos como bovinos en diferentes regiones del país(16,17). Por otro lado, en el
año 2015 se publicó la detección de un fragmento genoma viral en tres especies de Culicoides
(C. variipennis, C. sonorensis y C. occidentalis)(18). Para poder definir los veintiocho
serotipos del VLA hasta ahora descritos se utiliza el gen VP2(7).

Finalmente, en el mes de febrero de 2021 se realizó la notificación de lesiones orales de


ovinos por la Secretaria de Desarrollo Agropecuario, Pesca y Acuacultura (SEDPA) de
Oaxaca en el Municipio de San Pedro Mixtepec. La CPA detectó dos muestras positivas al
virus de lengua azul, utilizando la técnica de RT-PCR y la notificación se hizo en el Boletín
Informativo de la CPA AVISE(19).

La ELA es de notificación obligatoria a la OIE, principalmente porque los nuevos brotes


implican restricciones de circulación y comercio, lo que provoca graves pérdidas
económicas. No obstante, a nivel mundial se implementa una vigilancia activa para detectar
la infección por VLA mediante diferentes pruebas como el aislamiento del virus u otra prueba

112
Rev Mex Cienc Pecu 2023;14(1):110-121

de detección o serología(11). El método de detección por excelencia es el aislamiento del virus


en cultivos celulares permisivos, para posteriormente realizar el análisis genético del virus,
que permita determinar el serotipo presente en la muestra del animal afectado. En las zonas
endémicas del virus, se recomienda el control de los vectores para impedir la diseminación,
además de programas de vacunación. En Estados Unidos y Europa, se han empleado vacunas
vivas atenuadas. El objetivo de este trabajo fue establecer técnicas moleculares utilizando un
gen sintético como control positivo que incluyera los genes NS1 y NS3, para posteriormente
evaluar muestras de ovinos, de diferentes regiones del país.

Material y métodos

Muestras

Se realizó un muestreo por conveniencia de ovinos aparentemente sanos, obteniendo 3 ml de


sangre completa con anticoagulante (heparina) de 320 individuos, provenientes de cinco
estados del país (Chiapas, Coahuila, Estado de México, Morelos y Tamaulipas). Las muestras
se obtuvieron durante el verano del 2016 al 2018. El muestreo se realizó en machos y hembras
reproductoras de entre uno y cinco años. El total de muestras analizadas se encuentran
descritas en el Cuadro 1.

Cuadro 1: Muestras de sangre obtenidas de ovinos en cinco Estados de la República


Mexicana y analizadas para la detección molecular del virus de lengua azul por RT-PCR
Estado Especie Sexo Raza Total
H Criollo 20
Chiapas Ovinos M Criollo 5
S/D S/D 66
Cruza 70
Ovinos H Dorper 37
Suffolk 13
Coahuila
Blackbelly 1
Ovinos H Criollo 29
Pelibuey 1
Morelos Ovinos S/D S/D 62
Pelibuey 8
Tamaulipas Ovinos H Dorset 4
Suffolk 4
Total 320
H= hembra; M= macho; S/D= sin dato.

113
Rev Mex Cienc Pecu 2023;14(1):110-121

Gen sintético

Debido a que la ELA se considera exótica en México, se diseñó un gen sintético para
posteriormente ser usado como control positivo, con la finalidad de no utilizar al virus
inactivado o material genético del mismo en un laboratorio BSL2. Para lo anterior, fueron
insertados en el vector pUC57 (GeneScript, USA), dos fragmentos del genoma viral, uno
correspondiente al gen NS1 (354 pb) y otro correspondiente al gen NS3 (300 pb) tomando
como base las secuencias del BTV-11 reportadas en el GenBank (KF986511 y KM580467,
respectivamente). Para su uso como control positivo en los ensayos moleculares, la
concentración del plásmido fue ajustado a 100ng/µl.

Extracción de material genético

El ARN viral fue extraído a partir de 250 l de la muestra de sangre utilizando Trizol LS®
Reagent (Ambion, USA), siguiendo las instrucciones del fabricante con algunas
modificaciones en el protocolo. El ARN obtenido se almacenó a -70 °C hasta su uso.

Ensayos moleculares

Gen constitutivo. Con la finalidad de verificar la calidad del ARN obtenido, se amplificó
mediante RT-PCR un fragmento del gen constitutivo GAPDH utilizando los iniciadores y
condiciones reportados por González-Arto M, et al(20). Como plantilla se utilizó ADN
complementario sintetizado a partir del ARN viral utilizando el kit MMLV
Retrotranscriptase (Invitrogen, USA).

Detección de un fragmento del gen NS3. El ARN extraído de las muestras fue utilizado como
plantilla para la detección de un fragmento del gen NS3 de los orbivirus utilizando un par de
iniciadores y la sonda recomendados en el Manual de la OIE10. La RT-PCRtr se llevó a cabo
mediante un protocolo de amplificación en un solo paso establecido en el laboratorio
utilizando el kit iTaq universal probe one step (Bio-Rad, USA).

Detección de un fragmento gen NS1. Con la finalidad de corroborar la presencia del genoma
del VLA en las muestras positivas a la RT-PCR en tiempo real, se estableció un protocolo
para la detección de un fragmento del gen NS1, utilizando iniciadores descritos en el Manual
de la OIE(10). Para lo anterior se utilizó el Kit iProof HF Master Mix (Bio-Rad, USA). Los
productos de amplificación de positivos a dicho protocolo se purificaron en geles de agarosa
y fueron secuenciados por el método de Sanger en la Unidad de Síntesis y Secuenciación del
IBT-UNAM.

114
Rev Mex Cienc Pecu 2023;14(1):110-121

Secuenciación. Los resultados de la secuenciación fueron analizados con la herramienta


BLAST del NCBI. Las secuencias obtenidas fueron comparadas con 29 secuencias
reportadas en el Gene Bank del virus de lengua azul y con la secuencia AM745001.1 del
virus de la fiebre epizoótica hemorrágica como outgroup. El alineamiento fue realizado
utilizando el “Multiple alignment program for amino acid or nucleotide sequences” (MAFFT
ver 7, AIST). Se realizó el análisis filogenético utilizando métodos bayesianos (Markov
Chain Monte Carlo) y el alineamiento se llevó a cabo con Mesquite en el software Mr. Bayes
(Open source).

Resultados

Como un ensayo de evaluación de la calidad del material genético se llevó a cabo la


amplificación de un fragmento de aproximadamente 400 pb del gen GAPDH ovino, como se
describe previamente. Todas las muestras utilizadas para la detección de un fragmento
genoma viral fueron positivas a la amplificación de GAPDH por RT-PCR, lo que indica que
el material genético estaba íntegro y en buen estado para su uso en los ensayos de RT-PCR
(Figura 1).

Figura 1: RT-PCR para la amplificación del gen constitutivo GAPDH Ovino

Carril 1, Marcador de tamaño de fragmento 50pb (Low Mass ladder); Carril 2-7, muestras de ovino. Los
productos de amplificación se corrieron en un gel de agarosa al 1.5%.

En cuanto al ensayo de detección de un fragmento del gen NS1 mediante el RT-PCR punto
final, se obtuvo la identificación de dicho gen en 12 muestras de sangre de ovinos proveniente
de los estados de Chiapas, Coahuila y Tamaulipas. Con la finalidad de armonizar los
métodos, se decidió utilizar iniciadores sugeridos por la OIE, como se describe previamente.
El análisis de las secuencias obtenidas mostró en el alineamiento identidad con secuencias

115
Rev Mex Cienc Pecu 2023;14(1):110-121

reportadas en el GenBank con el fragmento del NS1 desde 89 % (p= 1e-12) a 98 % (p= 4e-
13), correspondientes a los serotipos 10, 11 y 12.

Los resultados de la inferencia filogenética se observan en la Figura 2 en donde se muestra


el agrupamiento de las muestras primordialmente con los serotipos 10 y 11. Los resultados
positivos se corroboraron por el método de RT-PCR en tiempo real en dos de las muestras
una de Chiapas y otra de Tamaulipas; como se ha mencionado el RT-PCRtr utiliza el gen
NS3.

Figura 2: Inferencia filogenética de muestras de ovinos positivas al gen NS1 del virus de
lengua azul

El dendograma fue obtenido utilizando el alineamiento de 100 pb del gen NS1 de las secuencias de
las muestras positivas en este estudio y de 30 secuencias obtenidas del GenBank pertenecientes a
los serogrupos 10, 11 y 12. Las muestras positivas de ovinos mediante el RT-PCR en punto final
están identificadas como: OT=Ovinos Tamaulipas: OT1, OT2, OT3, OT4, OT5. OC=Ovinos
Chiapas: OC1, OC2, OC3, OCF10, OCF39, OC5, OC4. Las razas están indicadas por color:
Criollo Pelibuey Suffolk y Dorper Las muestras fueron
tomadas entre 2016 y 2017. Como outgroup se utilizó la secuencia del virus de la fiebre epizoótica
hemorrágica (AM745001) indicado con .

El resultado positivo a la detección por RT-PCRtr fue corroborado por el laboratorio de CPA
del SENASICA y notificado al SIVE. En dicho laboratorio se utiliza de igual manera la
detección de un fragmento del gen NS3, como control positivo se utiliza ARN viral que se
obtiene a partir de sobrenadante de cultivos celulares infectados con el virus que

116
Rev Mex Cienc Pecu 2023;14(1):110-121

posteriormente se inactivan (comunicación personal CPA). Con respecto a los ensayos


realizados en colaboración con el laboratorio oficial, para corroborar los resultados de los
animales que resultaron positivos, el control sintético propuesto en este trabajo mostró que
podría utilizarse sin problema en cualquier laboratorio BSL2 para realizar la detección del
virus en laboratorios oficiales BSL2.

Discusión

Como se ha mencionado, la ELA en diferentes hospederos puede ser subclínica y por tanto
la detección del agente causal en poblaciones ovinas puede ser compleja(21). Por lo anterior,
para este estudio en el muestreo fueron considerados animales clínicamente sanos, donde el
estado de la viremia en los animales y los signos pueden o no ser observados, dependiendo
de la carga viral o de los subtipos de los que se trate. Adicionalmente, se consideró para el
muestreo Entidades Federativas del país en zonas donde el vector transmisor del virus está
presente con un clima idóneo para su desarrollo(22), así como que los borregos estuvieran
cercanos a explotaciones de ganado bovino, ya que esta especie puede ser portadora sana del
virus.

Respecto al diagnóstico del agente causal de la ELA, el método recomendado es por


aislamiento del virus en cultivo celular o huevos embrionados(23), sin embargo, se han
desarrollado diferentes versiones de RT-PCR que pueden emplearse para detectar el VLA
específicamente el serogrupo de los Orbivirus y para determinar el serotipo del VLA. Estos
enfoques moleculares son mucho más rápidos que los métodos virológicos e inmunológicos
tradicionales, que pueden tardar hasta cuatro semanas en suministrar información sobre
serogrupos y serotipos, actualmente, existen ensayos dirigidos principalmente para las
proteínas VP1, NS1, NS2, VP6 y NS3. Ninguna de estas proteínas tiene relación con la
serotipificación del virus, y son fuertemente conservadas entre serotipos de VLA, algunas,
como el caso de NS3 tiene mayor grado de conservación entre Orbivirus. Y, por tanto, estos
ensayos carecen de potencial para clasificar los aislados(24).

Adicionalmente, cada técnica tiene un rango de detección del virus o del genoma, por
ejemplo, Bonneau et al(25) informan que el ensayo de RT-PCR es capaz de detectar el genoma
desde 3 hasta 122 días. Por lo que, es de relevancia hacer la recomendación de realizar
muestreos y campañas de vigilancia no solo en rumiantes, sino además en los posibles
vectores que están reportados como transmisores del virus.

En México, la ELA es considerada como exótica, sin embargo, este estatus debería ser
reconsiderado tomando en cuenta las diferentes notificaciones realizadas desde los años 80s
a la fecha en diferentes regiones del país; esto permitiría evaluar la presencia del virus en
diferentes hospederos y vectores utilizando varios métodos. En 1981 con el trabajo de

117
Rev Mex Cienc Pecu 2023;14(1):110-121

Moorhead et al(26), se determinó la presencia de anticuerpos por inmunoprecipitación en


ovinos sacrificados en el rastro encontrando 8.5 % de positividad en suero. Posteriormente,
Vilchis et al (1986)(27) utilizando inmunodifusión demostraron 27.4 % de seropositividad en
los animales muestreados. Stott et al(28) informaron seropositividad de 6 %, 35 % y 60 % en
tres estudios independientes en ganado de diferentes estados del país. La publicación
científica más reciente fue informada por Lozano-Rendón JA y su grupo de trabajo(17) donde
se demostró un 14.4 % en la detección molecular del gen NS1 del VLA en vectores
Culicoides en estado de Nuevo León.

En cuanto a los resultados presentados en esta investigación se detectó un 3.75 % de


positividad en las muestras de ovinos clínicamente sanos, utilizando el mismo gen NS1 que
Lozano-Rendón et al(15); sin embargo, este estudio se realizó en el vector, en donde la
probabilidad de demostrar la presencia del virus es mayor que en los ovinos, en donde el
tiempo de viremia es más corto. Dicho gen NS1, como ya se ha mencionado, es uno de los
más conservados, entre los diferentes serotipos de VLA(29). Los resultados de la detección de
un fragmento del genoma viral en muestras de ovino en este estudio coinciden con lo
notificado este año por la CPA(19).

Por otro lado, el porcentaje de detección es similar a lo descrito en los reportes más antiguos
en donde se utilizan muestras de rumiantes. Los resultados informados en el presente trabajo,
así como los presentados por otros autores, hacen manifiesta la necesidad de cambiar el
estatus de la enfermedad, así como de implementar sistemas de vigilancia del virus, tanto en
los vectores, como en los principales hospederos del virus, sean animales domésticos, como
silvestres.

Conclusiones e implicaciones

Se presenta como una alternativa el uso de un control positivo sintético que evitaría el uso de
ARN viral, que solo puede ser utilizado en laboratorio BSL3 de las instancias ofíciales del
país. Con el uso del control positivo sintético se aumentaría la red de laboratorios capaces de
implementar la técnica de detección viral y por tanto determinar el estatus real de la
enfermedad en el país.

Agradecimientos

Los autores agradecen la colaboración del M en C Roberto Navarro López, Dra. Marcela
Villarreal Silva, MC Mariana García Plata y al MVZ Martín García Osorio por su
colaboración en corroborar resultados en el Laboratorio de CPA-SENASICA. La presente
investigación fue financiada por el proyecto INIFAP No. 12583634008 y la ficha validada
914545716.

118
Rev Mex Cienc Pecu 2023;14(1):110-121

Literatura citada:
1. Qing-Long G, Wang Q, Yang XY, Li DL, Zhao B, Ge GY, et al. Seroprevalence and
risk factors of the bluetongue virus in cattle in China from 1988 to 2019: A
comprehensive literature review and meta-analysis. Front Vet Sci 2021;7:550381 doi:
10.3389/fvets.2020.550381.

2. Maclachlan NJ. Bluetongue: History, global epidemiology, and pathogenesis. Prev Vet
Med 2011;102(2):107– 111.

3. Chacko N, Mohanty NN, Biswas SK, Chand K, Yogisharadhya R, et al. A coiled-coil


motif in non-structural protein 3 (NS3) of bluetongue virus forms an oligomer. Virus
Genes 2015;51(2):244–251 doi 10.1007/s11262-015-1230-9.

4. Roy P. Bluetongue virus proteins and particles and their role in virus entry, assembly
and release. Adv Virus Res 2015;64:69–123. doi.org/10.1016/S0065-3527(05)64004-3.

5. Schwartz-Cornil PP, Mertens V, Contreras B, Hemati F, Pascale E, Breard et al.


Bluetongue virus: virology, pathogenesis and immunity. Vet Res 2008;39(5):46. doi:
10.1051/vetres:2008023.

6. Sperlova A, Zendulkova D. Bluetongue: a review. Vet Med 2011;56:430–452.

7. Bumbarov V, Golender N, Jenckel M, Wernike K, Beer M, Khinich E, Zalesky O, Erster


O. Characterization of bluetongue virus serotype 28. Transb Emer Dis 2020;67(1):171–
182. doi.org/10.1111/tbed.133338.

8. Maclachlan NJ, Drew CP, Drew CP, Darpel KE, Worwa G. The pathology and
pathogenesis of bluetongue. J Comp Pathol 2009;141:1-16.
doi.org/10.1016/j.jcpa.2009.04.003.

9. Drew CP, Heller MC, Mayo C, Watson JL, Maclachlan NJ. Bluetongue virus infection
activates bovine monocyte-derived macrophages and pulmonary artery endothelial cells.
Vet Immunol Immunopathol 2010;136(3–4):292–296.
doi:10.1016/j.vetimm.2010.03.006.

10. OIE. Enfermedades, infecciones e infestaciones de la Lista de la OIE en vigor en 2019.


http://www.oie.int/es/sanidad-animal-en-el-mundo/enfermedades-de-la-lista-de-la-oie-
2018/. Consultado 16 Nov, 2019.

11. Rojas JM, Rodríguez-Martín D, Martín V, Sevilla N. Diagnosing bluetongue virus in


domestic ruminants: current perspectives. Vet Med Res Report 2019;10:17–27.

119
Rev Mex Cienc Pecu 2023;14(1):110-121

12. Barratt-Boyes SM, Maclachlan NJ. Dynamics of viral spread in bluetongue virus
infected calves. Vet Microbiol 1994;40(3–4):361–371. doi.org/10.1016/0378-
1135(94)90123.

13. Falconi C, López-Olvera JR, Gortázar C. BTV infection in wild ruminants, with
emphasis on red deer: a review. Vet Microbiol 2011;151(3-4)209-219.
doi.org/10.1016/j.vetmic.2011.02.011.

14. Drolet S, Rijn P, Howerth E, Beer M, Mertens P. A review of knowledge gaps and tools
for Orbivirus research. Vector-borne Zoon Dis 2015;15(6): 339-347. doi:
10.1089/vbz.2014.1701.

15. Gay GC. Orbiviruses: A gap analysis. Vector Borne Zoonotic Dis- 2015;15(6):333-334.
doi:10.1089/vbz.2015.28999.cgg.

16. Suzan VM, Misao O, Romero EA, Yosuke M. Prevalence of bovine herpesvlrus-1,
paraenfluenza-3, bovine rotavirus, bovine viral diarrhoea, bovine adenovirus 7, bovine
leukemia virus and bluetongue virus antibodies in cattle in Mexico. Jpn J Vet Res
1983;31(3-4): 125-132.

17. Vilchis C, Gay J, Batalla D. Determinación de anticuerpos contra el virus de lengua azul
en ovinos por la técnica de inmunodifusión. Tec Pecu Méx 1986;51:116-121.

18. Lozano-Rendón JA, Contreras-Balderas AJ, Fernández-Salas I, Zarate-Ramos J,


Avalos-Ramírez R. Molecular detection of bluetongue virus (BTV) and epizootic
hemorrhagic disease virus (EHDV) in captured Culicoides spp. in the northeastern
regions of Mexico. Afr J Microbiol Res 2015;9(45):2218-2224.

19. Boletín Informativo de la CPA. AVISE. No 9 Febrero, 2021.


https://issuu.com/boletinavise/docs/boletin_avise_ed09_febrero.

20. Gonzalez-Arto M, Hamilton dos STR, Gallego M, Gaspar-Torrubia E, Aguilar D,


Serrano-Blesa E, et al. Evidence of melatonin synthesis in the ram reproductive tract.
Andrology 2016;4(1):167-171. doi: 10.1111/andr.12117.

21. Celma CC, Bhattacharya B, Eschbaumer M, Wernike K, Beer M, Roy P. Pathogenicity


study in sheep using reverse-genetics-based reassortant bluetongue viruses Vet
Microbiol 2014;174(1-2):139-47. doi: 10.1016/j.vetmic.2014.09.012.

22. SIAP. Producción por Estado. 2016.


http://infosiap.siap.gob.mx/anpecuario_siapx_gobmx/apecnal.jsp?id=5.

23. McHolland LE, Mecham JO. Characterization of cell lines developed from field
populations of Culicoides sonorensis (Diptera: Ceratopogonidae). J Med Entomol
2003;40(3):348-51. doi: 10.1603/0022-2585-40.3.348.

120
Rev Mex Cienc Pecu 2023;14(1):110-121

24. Maan S, Maan NS, Belaganahalli MN, Potgieter AC, Kumar V, Batra K, et al.
Development and evaluation of Real Time RT-PCR assays for detection and typing of
Bluetongue Virus. PLoS ONE 2016;11(9): e0163014. doi:
10.1371/journal.pone.0163014.

25. Bonneau KR, DeMaula CD, Mullens BA, Maclachlan NJ. Duration of viraemia
infectious to Culicoides sonorensis in bluetongue virus-infected cattle and sheep.
Amsterdam: Elsevier Scientific Publishing Co; 2002.

26. Moorhead JR. Estudio de la presencia de anticuerpos precipitantes contra el virus de la


Lengua Azul en ovinos y bovinos sacrificados en el Rastro de Ferrería de la Ciudad de
México, DF [tesis]. Facultad de Medicina Veterinaria y Zootecnia, Universidad
Nacional Autónoma de México;1981.

27. Vilchis CM, Gay GJ, Batalla D. Determinación de anticuerpos contra el virus de lengua
azul en ovinos por la técnica de inmunodifusión. Tec Pecu Méx 1986;51:116-121.

28. Stott JL, Blanchard-Channell M, Osburn BI, Riemann HP, Obeso RC. Serologic and
virologic evidence of bluetongue virus infection in cattle and sheep in Mexico. Am J
Vet Res 1989;50(3):335–340.

29. Mertens PP, Diprose J, Maan S, Singh KP, Attoui H, et al. Bluetongue virus replication,
molecular and structural biology. Vet Italiana 2004;40(4):426-437.

121
https://doi.org/10.22319/rmcp.v14i1.6241

Artículo

Concentraciones del factor de crecimiento similar a la insulina 1 (IGF-1)


en el líquido sinovial de caballos sanos y osteoartríticos, y su correlación
con las citoquinas proinflamatorias IL-6 y TNFα

Fernando García-Lacy F. a

Sara Teresa Méndez-Cruz b

Horacio Reyes-Vivas b

Victor Manuel Dávila-Borja c

Jose Alejandro Barrera-Morales d

Gabriel Gutiérrez-Ospina e

Margarita Gómez-Chavarín f*

Francisco José Trigo-Tavera g

a
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y Zootecnia.
Departamento de Medicina, Cirugía y Zootecnia para Équidos. Ciudad de México. México.
b
Instituto Nacional de Pediatría. Laboratorio de Bioquímica Genética. Ciudad de México.
México.
c
Instituto Nacional de Pediatría. Laboratorio de Oncología Experimental. México.
d
SEDENA. Centro Ecuestre de Alto Rendimiento. Ciudad México. México.
e
Universidad Nacional Autónoma de México. Departamento de Fisiología. Instituto de
Investigaciones Biomédicas. Ciudad de México. México.
f
Universidad Nacional Autónoma de México. Facultad de Medicina. Departamento de
Fisiología. Ciudad de México. Mexico.
g
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y Zootecnia.
Departamento de Patología. Ciudad de México. México.

122
Rev Mex Cienc Pecu 2023;14(1):122-136

*Autor de correspondencia: margaritachavarin@gmail.com

Resumen:

El factor de crecimiento similar a la insulina I (IGF-1) es el factor de crecimiento conocido


más importante para la reparación del cartílago en caballos. Promueve la mitosis de los
condrocitos, la expresión de colágeno II y la producción de matriz extracelular. La
osteoartritis (OA) es la condición musculoesquelética más común que causa cojera y bajo
rendimiento en caballos deportivos. Se evaluó clínica y radiográficamente un total de 11
caballos cojos, y se confirmó que todos sufrían una cojera metacarpofalángica frontal
mediante una prueba de flexión positiva, un bloqueo nervioso en 4 puntos bajos y un bloqueo
intraarticular. La proteína total, IGF-1, IL-6 y TNFα se determinaron por ELISA, lo que
demostró cambios y diferentes correlaciones entre la condición clínica, los cambios
radiográficos y el grado de inflamación. Todos los caballos con dolor asociado a las
articulaciones y, por lo tanto, asociado a la cojera, mostraron un aumento significativo de la
proteína total (P<0.0001) y la concentración de IGF-1 (P<0.05). Las concentraciones de IL-
6 y TNFα entre los controles y los caballos cojos mostraron diferencias significativas (P<0.01
y P<0.001 respectivamente). Los caballos con menos cambios radiográficos mostraron la
mayor expresión de IGF-1 en el líquido sinovial, y los caballos con condiciones de OA más
crónicas tuvieron niveles de expresión de IGF-1 muy similares a los de las articulaciones de
control. En todas las articulaciones cojas, se identificó por medio de Western blot una
isoforma de IGF-1 más ligera (~ 7.5 kDa) que estaba relacionada con la inflamación y es el
peso molecular del péptido maduro, y todas las articulaciones de control expresaron una
isoforma más pesada (~ 12 kDa). Este hallazgo podría conducir a una nueva investigación
para secuenciar y apuntar a la isoforma que no se expresa durante un proceso inflamatorio
dentro de una articulación, y para tener una mejor comprensión de su papel en la articulación
del caballo.

Palabras clave: Factor de crecimiento similar a la insulina 1 (IGF-1), Caballo, Osteoartritis


(OA), Cojera.

Recibido: 21/05/2022

Aceptado: 07/09/2022

123
Rev Mex Cienc Pecu 2023;14(1):122-136

Introducción

El factor de crecimiento similar a la insulina I (IGF-1, del inglés insulin-like growth factor I)
es el factor de crecimiento conocido más importante para la reparación del cartílago en
caballos, ya que estimula la síntesis de proteoglicanos y, por lo tanto, la matriz extracelular
(MEC), y promueve la mitosis de los condrocitos. Tiene una importante actividad promotora
del crecimiento no solo en el cartílago articular, sino en varios tejidos, principalmente en el
músculo, los huesos y el cerebro. Activa la vía de las proteínas quinasas activadas por
mitógenos (MAPK, del inglés mitogen-activated protein kinase), que tiene varios efectos en
la promoción de: la supervivencia, crecimiento, proliferación celular, protección contra la
hipoxia, regulación de la inflamación en lesiones musculares y en placas de crecimiento
óseo(1-4). También tiene un papel clave en el desarrollo del cerebro, junto con el estradiol,
regulando una variedad de eventos neuroplásticos y de desarrollo(5). En estructura, es muy
similar a la insulina. Cuando se instila insulina en una articulación, se mejora la expresión de
IGF-1 en el líquido sinovial(6).

Las lesiones del cartílago articular normalmente se reparan por sustitución con fibrocartílago,
lo que conduce a la pérdida de la función de la articulación que resulta en osteoartritis (OA)(7).
La cojera es la razón más frecuente por la cual se requieren clínicos equinos por parte de los
propietarios de caballos, y la OA representa más del 60 % de todos los casos de cojera en
caballos deportivos(8). El principal problema en la OA es la inflamación, que condiciona un
desequilibrio entre catabolismo y anabolismo en el cartílago articular. En este tejido en
particular, el único componente celular está constituido por condrocitos, que son
responsables de la síntesis de MEC, con el fin de mantener una función adecuada del
cartílago.

Existe evidencia con respecto a la eficacia exógena del IGF-1 in vitro, que mejora la síntesis
de proteoglicanos mediante condrocitos estimulados. Otras terapias, como el trasplante de
condrocitos de condrocitos maduros y neonatales, las estrategias de terapia génica para
aumentar la expresión de IGF-1 por condrocitos transfectados, requieren anestesia general,
un procedimiento quirúrgico y, por lo tanto, equipo y personal especializado(9).

En un estudio piloto realizado por los autores en el que se obtuvieron 13 muestras de líquido
sinovial de diferentes articulaciones (articulaciones interfalángicas distales, articulaciones
metacarpofalángicas, articulaciones del hombro, articulaciones tarsometatarsianas y babillas)
de caballos con cojera asociada grado AAEP (American Association of Equine
Practitioners): 2/5, sin cambios radiográficos, pero una respuesta positiva en la prueba de
flexión de 1 min. Por ELISA, se encontró un aumento significativo de IGF-1 y una
correlación positiva entre los niveles de proteína total e IGF-1 en el líquido sinovial (datos
no mostrados). En este estudio se obtuvieron muestras de líquido sinovial de 21 caballos con

124
Rev Mex Cienc Pecu 2023;14(1):122-136

diferentes grados de OA (confirmados por bloqueo intraarticular y cambios radiográficos) en


la articulación metacarpofalángica (AMCF), donde el IGF-1 y la proteína total se
correlacionaron positivamente en caballos con OA aguda, y negativamente en caballos con
OA crónica y marcada remodelación ósea. En caballos con cambios leves o no radiográficos
(OA aguda), el IGF-1 se correlacionó negativamente con la interleucina-6 (IL-6) y el factor
de necrosis tumoral alfa (TNFα, del inglés tumor necrosis factor alpha). Curiosamente, fue
posible encontrar por Western blot, al menos dos isoformas funcionales de IGF-1 expresadas
en líquido sinovial, una presente solo en caballos de control, y la otra en caballos cojos.

Hasta donde se sabe, no hay información con respecto a las fluctuaciones de IGF-1 en la OA
que ocurre de forma natural. No hay estudios in vivo con respecto a los niveles del IGF-1
durante la OA. Tal vez este documento puede ayudar a los clínicos a comprender el papel del
IGF-1 para esta condición particular y podría usarse como línea base para estudios
adicionales sobre la concentración de IGF-1 y su posible uso como tratamiento alternativo.

Material y métodos

Se obtuvieron muestras de líquido sinovial de caballos Warmblood y Thoroughbred (n=11)


de dos disciplinas diferentes: caballos de salto (Warmblood) (n=8) y caballos de carrera
(Thoroughbred) (n=3) con una edad media de 10.5 años y un peso medio de 520 kg. Las
muestras de control (Ctrl) se obtuvieron de dos caballos castrados, Warmblood de 5 y 7 años.
No había más caballos de control disponibles para el estudio, ya que todos estaban sanos, no
fue fácil obtener el consentimiento de los propietarios para tomar muestras de sus
articulaciones. Se realizó una evaluación completa de cojera y una evaluación radiográfica
en todos los caballos de control para ser incluidos en este estudio. Ninguno de ellos mostró
signos de cojera en las extremidades delanteras y fueron negativos a las pruebas de flexión
pasiva y activa (30 seg). Además, ninguno de ellos presentó cambios radiográficos asociados
con patología articular en la articulación metacarpofalángica.

Evaluación de cojera

Se realizó una evaluación clínica en todos los caballos incluidos en este estudio, con el fin de
encontrar evidencia de cojera asociada con la articulación metacarpofalángica de las
extremidades delanteras. La evaluación consistió en la observación estática, la palpación y la
respuesta de flexión pasiva; evaluación dinámica de caminar y trotar en línea recta y lanzarse
sobre una superficie dura y blanda. Todos los caballos incluidos mostraron una cojera de 2 y
3/5 (AAEP), con una prueba de flexión positiva (1 min). Adicionalmente, todos los caballos
fueron positivos a bloqueo 4 puntos bajos (nervios palmares laterales y mediales y nervios
metacarpianos laterales y mediales), utilizando 2 y 1.5 ml respectivamente de mepivacaína
al 2 % (Carbocaine, Zoetis Inc.) y bloqueo intraarticular adicional de la articulación

125
Rev Mex Cienc Pecu 2023;14(1):122-136

metacarpofalángica, utilizando un volumen de 6 ml de mepivacaína al 2 % (Carbocaine,


Zoetis Inc.) como se describió anteriormente(10). Cualquier caballo negativo a estos bloqueos,
fue excluido del estudio.

Recolección de líquido sinovial

Todas las muestras de líquido sinovial se obtuvieron de las articulaciones


metacarpofalángicas articulaciones AMCF de caballos cojos, utilizando una técnica aséptica
en el abordaje palmaro-lateral como se describió anteriormente y 5 d después del bloqueo
intraarticular (IA)(10). Se obtuvieron muestras de caballos sanos y se utilizaron como
controles (n=4).

Evaluación radiográfica

Todos los caballos seleccionados se evaluaron radiográficamente desde la AMCF, utilizando


cuatro vistas estándar (dorso-palmar, latero-medial, dorsolateral palmaro-medial y dorso-
medial palmaro-lateral) con el fin de evaluar la condición radiológica de todos los caballos.
Se determinaron tres diferentes grados de cambios radiológicos asociados con la condición
clínica del caballo (Cuadro 1).

Cuadro 1: Grado de severidad y su relación con los hallazgos clínicos y radiográficos en


los caballos incluidos en este estudio
Grado Hallazgos radiográficos y clínicos
I De ningún cambio a cambios menores asociados con dolor articular y cojera:
irregularidad y pérdida de homogeneidad normal de la cresta sagital de
MTCIII.
II Cambios moderados asociados con dolor articular y cojera: sobrehuesos
(osteofitos) en P1 y MTCIII.
III Cambios severos asociados con cojera severa y disminución del rango de
movimiento: lisis supracondilar o subcondral, osteofitos y formación de
hueso nuevo con reacción perióstica y pérdida de espacio articular.
(Modificado de: Verwilghen D et al., 2009)(11).

Determinación de la concentración de proteínas

La concentración de proteína total de todas las muestras de líquido sinovial se obtuvo


mediante el uso del kit de ensayo de proteínas BCA (Pierce BCA Protein Assay Kit cat.
23225), de acuerdo con las instrucciones del fabricante. Para cada muestra la concentración
final fue de 100 μg/50 μl para el procedimiento de ELISA.

126
Rev Mex Cienc Pecu 2023;14(1):122-136

Análisis de concentración de IGF-1

La determinación de la concentración de IGF-1 en muestras de líquido sinovial de los


caballos de control y osteoartríticos se realizó con 50 μl utilizando un kit de ELISA comercial
(Horse IGF1 ELISA kit, #MBS017382, MyBio-Source®) siguiendo las instrucciones del
fabricante.

Concentración de interleucina 6 (IL-6)

Se realizó una determinación cuantitativa de IL-6 en el líquido sinovial de todas las muestras
utilizando un kit de ELISA comercial (Horse interleukin-6 ELISA kit, cat. #: CSB-
E16634Hs), que es una técnica de inmunoensayo sándwich, donde las placas se recubren con
un anticuerpo IL-6 específico de caballo, luego, se agrega un anticuerpo conjugado con
biotina específico para IL-6 y luego peroxidasa de rábano picante (HRP, del inglés
horseradish peroxidase) conjugada con avidina. El protocolo se realiza siguiendo las
instrucciones del fabricante.

Concentración del factor de necrosis tumoral alfa (TNFα)

La determinación de la concentración del TNFα en muestras de líquido sinovial de los


caballos de control y osteoartríticos se realizó con 100 μl utilizando un kit de ELISA
comercial (Equine TNFα ELISA kit, cat #: ESS0017 Invitrogen) siguiendo las instrucciones
del fabricante.

Análisis de Western Blot

Se sometieron cantidades iguales de proteína (100 μg por carril) a un SDS-PAGE al 16 %


(90V durante 30 min y 120 V durante 3.5 h). Se utilizó el marcador Precision Plus Protein
Dual Color Standards, que contenía diez proteínas recombinantes preteñidas (10 a 250 kD),
incluyendo ocho bandas teñidas de azul y dos bandas de referencia rosas (25 y 75 kD).
Después de la electroforesis, los geles se transfirieron utilizando un sistema de transferencia
semiseco (271mA durante 15 min) a membranas de PVDF (0.45uM) (Bio-Rad), que se
bloquearon utilizando leche descremada al 4 % diluida en PBS (pH 7.4) y se incubaron en
un agitador a 37 °C, 120 rpm durante 2 h. Después del bloqueo, las membranas se lavaron 3
veces (durante 5 min cada una) utilizando PBS que contenía Tween-20 al 0.05 %. Como
anticuerpo primario, se utilizó un anti-IGF-1 policlonal de cabra (1:1000) (Sta. Cruz #Sc-
1422), se incubó en un agitador primero a 37 °C, 120 rpm durante 2 h, y se dejó durante la
noche a 4 °C; las membranas se lavaron nuevamente como se describió, y como anticuerpo
secundario se utilizó un IgG policlonal anti-cabra (1:5000) (Millipore #AP180B), y se incubó
en un agitador a 37 °C, 120 rpm durante 2 h y se realizó un lavado final de las membranas.

127
Rev Mex Cienc Pecu 2023;14(1):122-136

Las proteínas se detectaron mediante el uso de un método de quimioluminiscencia mejorada


y se visualizaron utilizando un sistema de imágenes de alta resolución (Bio-Rad ChemiDoc).
Las membranas se incubaron a una dilución 1:1 de luminol y peroxidasa utilizando (Merck
Millipore, Luminata # WBLUF0500), y se expusieron a varios tiempos, donde el tiempo
óptimo de exposición fue de 35 segundos.

Resultados

Se examinó un total de 45 caballos, de los cuales solo se incluyeron 11 caballos (22 muestras)
en este estudio y 2 caballos (4 muestras) como testigos. Todos los caballos variaron entre sí
en grados de cojera y cambios radiográficos, y todos respondieron positivamente a la prueba
de flexión digital, bloqueo de 4 puntos bajos y bloqueo intraarticular (IA) de la articulación
del menudillo. Seis articulaciones se calificaron como grado I, cinco articulaciones se
calificaron como grado II y 8 articulaciones fueron grado III (Figura 1).

Figura 1: Radiografías representativas de caballos calificados con varios grados

Grado 1 (A) Vista latero-medial con una irregularidad leve del aspecto proximal-dorsal de la cresta sagital
(flecha); Grado II (B) Vista oblicua palmaro-medial dorsolateral con un osteofito visible en el aspecto dorso-
medial proximal de P1 (flecha); y Grado III (C) Vista dorso-palmar donde un quiste óseo subcondral en el
aspecto proximal de la primera falange en el surco sagital con áreas de esclerosis ósea (flecha).

Concentración de IGF-1

Todos los caballos con dolor asociado a las articulaciones, cojera y menos cambios
radiográficos, mostraron un aumento significativo de la concentración de IGF-1 (P<0.05)
(Figura 2). Todas las muestras se repitieron por pares y se leyeron tres veces en un período
de 5, 10 y 15 min sin diferencia entre las mediciones (datos no mostrados) y los valores de
regresión lineal y curva estándar fueron: P<0.001; r2=0.9931.

128
Rev Mex Cienc Pecu 2023;14(1):122-136

Análisis de IL-6 y TNFα

Las concentraciones de IL-6 entre los controles y los caballos cojos también mostraron una
diferencia significativa (P<0.01). Las concentraciones de TNFα entre los controles y los
caballos cojos mostraron diferencias aún más significativas en términos de concentración
(P<0.001), siendo mayores en los caballos cojos con cambios más severos en las
articulaciones afectadas (Grado III). Se realizó un análisis de correlación de Pearson que
demostró una correlación positiva entre las concentraciones de proteína total e IGF-1 (r=1),
que se observó en caballos de grado I y II, mientras que en el grado III esta correlación es
negativa o inversamente proporcional. En otras palabras, cuanto peores fueron los cambios
que tuvo una articulación (como se observó en caballos de grado III), se observó menor
concentración de IGF-1 en el líquido sinovial.

Figura 2: A) Determinación de IGF-1 entre caballos de control (sanos) y cojos, que


muestra una diferencia significativa (P<0.05)*. B) Las concentraciones de IL-6 entre los
controles y los caballos cojos también mostraron una diferencia significativa (P<0.01)**.
C) Concentraciones de TNFα entre los controles y los caballos cojos que muestran
diferencias significativas en la concentración (P<0.001)***.

A 30 * B8 ** C 8000 ***
TNF  (pg/ml)

6
IL - 6 (pg/ml)

6000
IGF-1 (ng/ml)

20

4 4000

10
2 2000

0 0 0
o n o n o n
ig ció tig ió
st ca tig c ió es
c
Te di es ca T di
ca
o s
lau sT di s u
all C ll o a u all
o la
Ca
b n ba Cl b
on
C
co n Ca
l os Ca co sc
ba
l
os allo
Ca
ll b
ba Ca
Ca

Análisis de Western blot

Los caballos con menos cambios radiográficos demostraron una mayor concentración de
IGF-1 en concordancia con los resultados de ELISA para IGF-1 (Grado I y II). Los caballos
con cambios radiográficos más severos y un estado crónico de la condición patológica (Grado
III) fueron los que tuvieron las concentraciones más bajas de IGF-1 tanto en ELISA como en
el análisis WB. Curiosamente, con este análisis se pudo identificar en todas las muestras dos

129
Rev Mex Cienc Pecu 2023;14(1):122-136

bandas diferentes, una de ~12 kDa que se observó solo en caballos testigos (normales) sin
patología articular, y otra de ~7.5 kDa vista en todos los caballos cojos (Figura 3).

Figura 3: Fotografía representativa del análisis Western blot para IGF-1, demostrando una
diferencia de peso molecular entre muestras de líquido sinovial que indica la existencia de
dos isoformas diferentes presentes en articulaciones normales y durante un proceso
inflamatorio
Caballo
Marcador Testigo y Caballo Caballos
PM Testigo con OA
con OA

10 kDA

1: Marcador de proteínas (marcando 10 kDa); 2: Muestras de un caballo testigo y un caballo con OA; 3:
Caballo testigo; 4 y 5: Dos muestras diferentes de caballos con OA.

Discusión

Los caballos deportivos están expuestos a cargas excesivas en sus articulaciones y estructuras
de tejidos blandos. La articulación que puede experimentar OA traumática depende de la
disciplina en la que se desempeñe el caballo. Existe evidencia con respecto a intervenciones
como las inyecciones articulares en las fases agudas de la enfermedad que pueden ayudar a
modificar su curso y prevenir daños mayores mientras el caballo todavía está
desempeñándose(12).

Las cargas de impacto debidas al ejercicio son las responsables de dañar el cartílago articular
al agrietar primero la superficie, y dependiendo de la fuerza aplicada y del tiempo que se esté
aplicando, se produce la profundidad y, por tanto, la severidad del desarrollo de la
enfermedad (OA). Se ha comprobado que la caracterización de las consecuencias mecánicas
de las lesiones por impacto en el cartílago articular desarrolla daños, al estresar continua y
directamente las estructuras articulares(13).

Cuando se produce inflamación, los condrocitos migran al sitio de la lesión en un intento de


regenerar el defecto formando grupos de células o clústeres con la capacidad de sintetizar
MEC de novo. Dado que el componente celular (condrocitos) del cartílago articular es solo

130
Rev Mex Cienc Pecu 2023;14(1):122-136

el 1-2 % de todo el tejido, no pueden reparar el área dañada, porque su capacidad para
sintetizar la MEC es superada por la actividad de la metaloproteasas de la matriz (MMP, del
inglés matrix metalloprotease) que degrada la MEC ya dañada agravando la condición al
aumentar la necrosis y activando la inflamación local mediante la liberación de componentes
intracelulares que actúan como patrones moleculares asociados al daño (DAMP, del inglés
damage-associated molecular patterns) y citoquinas proinflamatorias como prostaglandinas
(PG), óxido nitroso (NO), interleucina-1 (IL-1), interleucina-6 (IL-6), factor de necrosis
tumoral alfa (TNFα) y sustancia P. Particularmente, el TNFα inhibe la expresión de IGF-1 al
aumentar el catabolismo de MEC y bloquear la vía AKT a través de la activación de la vía
JNK. Si el defecto del cartílago llega al hueso subcondral, el cartílago se repara formando un
cartílago articular de baja calidad llamado fibrocartílago(2,4,7).

Los factores que contribuyen a la cascada de inflamación, aparte de las citoquinas, incluyen
vesículas extracelulares, que desempeñan un papel importante en la promoción de la
inflamación articular y también están involucradas en la apoptosis y la degradación de la
MEC. Estas vesículas son exosomas, microvesículas y vesículas apoptóticas, que son
liberadas a la cavidad articular (en el líquido sinovial), y tienen una relación íntima con la
comunicación célula-célula durante el proceso inflamatorio(7,8,14).

El objetivo de este estudio fue comparar la concentración de IGF-1 en el líquido sinovial de


caballos sanos (testigo) y caballos con diferentes grados de cojera y patología articular (OA)
en la AMCF. Se planteó la hipótesis de que entre más severas y crónicas fueran las
condiciones de la articulación, se encontrarían niveles más altos de IGF-1 en el líquido
sinovial, debido a que la alta demanda de la articulación para reparar el defecto era mayor
que en los caballos con cambios leves. La razón detrás de la hipótesis era: que, todavía no
había datos disponibles con respecto a las concentraciones de IGF-1 y su correlación con una
condición clínica particular en caballos, por lo que se realizó un estudio piloto, donde se
recolectaron un total de 13 muestras de líquido sinovial de diferentes articulaciones de
diferentes caballos. Todos estos caballos eran caballos saltadores de alto rendimiento con una
prueba de flexión positiva de las articulaciones muestreadas (no se realizó ninguna
evaluación radiográfica en ninguno de estos caballos). Lo que se encontró fue un aumento
significativo de la proteína total, con una correlación positiva (correlación de Pearson,
P=0.0229) en los niveles de IGF-1 en el líquido sinovial en comparación con las muestras de
testigo (líquido sinovial obtenido de caballos sanos). Esto dio suficiente información para
plantear la hipótesis de que los caballos con signos clínicos más severos y una patología
articular más crónica tendrían niveles más altos de IGF-1 en comparación con los caballos
testigo.

Curiosamente, con los resultados obtenidos, esta hipótesis fue refutada. Se encontró que los
caballos con cambios radiográficos más severos y, por lo tanto, las condiciones inflamatorias

131
Rev Mex Cienc Pecu 2023;14(1):122-136

dentro de la articulación más crónicas fueron los que demostraron una disminución en las
concentraciones de IGF-1, muy similar a la que tenían los caballos testigo.

Se observaron resultados similares en estudios en los que las lesiones inducidas


experimentalmente en el cartílago articular en caballos producen un pico agudo de expresión
de ARNm de igf-1, y a las cuatro semanas tienden a disminuir. Cuando el IGF-1 disminuye,
predomina el TGF-β y es responsable de la formación de hueso nuevo y la activación de
linfocitos quiescentes a Th17(7).

El factor de crecimiento similar a la insulina 1 (IGF-1) equino ha sido ampliamente estudiado,


existen varios estudios donde su importancia en la proliferación, crecimiento y supervivencia
celular, reparación y producción de matriz extracelular está bien documentada, aunque no
hay suficientes estudios sobre las diferentes isoformas y su funcionalidad(15). Se sabe que el
ARNm sufre modificaciones postranscripcionales (empalme alternativo) lo que genera
diferentes isoformas junto con modificaciones postraduccionales. Los propéptidos IGF-1
están codificados por múltiples transcripciones empalmadas alternativamente, incluyendo los
péptidos de extensión C-terminal llamados péptidos E y los péptidos señal N-terminal.
Cuando una proteína inmadura tiene péptido señal, el péptido maduro y el péptido E se llama
pre-proIGF-1, y cuando el péptido señal se elimina dejando solo el péptido maduro y el
péptido E, se llama pro-IGF-1. Estos péptidos E controlan la biodisponibilidad del IGF-1
maduro, al unirse a la MEC debido a su carga altamente positiva, impidiendo su circulación
sistémica y, por lo tanto, su uso local. También modulan la reentrada de IGF-1 maduro a la
célula en una línea celular del músculo murino(1).

En humanos, se han identificado tres isoformas diferentes de IGF-1 [IGF-1Ea, IGF-1Eb e


IGF-1Ec, también conocido como factor de crecimiento mecano o MGF (del inglés mecano-
growth factor)], y se ha propuesto que tienen diversas funciones en la reparación muscular(16).

Nixon et al(17) describieron el gen igf1 que consiste en 5 exones con 4 secuencias de intrones,
que sufren modificaciones postranscripcionales y postraslacionales, donde las proteínas
traducidas resultantes del empalme alternativo del exón 4 forman una transcripción de
propéptidos más pequeña (105 aminoácidos) llamada Pre-proIGF-1A que consiste en péptido
señal (codificado por los exones 1 y 2), péptido maduro (codificado por los exones 2 y 3), y
un péptido E C-terminal (codificado por los exones 3 y 5); y cuando el exón 4 no se empalma
alternativamente, se traduce una transcripción más grande formando Pre-proIGF1B (111
aminoácidos)(17). Hasta donde se sabe, éste fue el último trabajo de investigación publicado
sobre modificaciones postranscripcionales y postraslacionales y empalme alternativo de
ARNm de IGF-1 en caballos. Se realizó un análisis bioinformático del gen igf1 sometido a
diferentes tipos de empalme alternativo, que según Le et al(18) son: salto de exón, retención
de intrones, exones mutuamente excluyentes y sitios alternativos donante 5’ o aceptor 3’.
Este análisis reveló que el ARNm de IGF-1 consistía no de 5, sino de 4 exones y 3 intrones,

132
Rev Mex Cienc Pecu 2023;14(1):122-136

que los transcriptos forman 4 isoformas: variante 1 (exones 1-3), variante 2 (exones 2 y 3),
variante 3 (exones 1-3, una retención de intrones de 93 pb y el exón 4) y variante 4 (exones
2-4)(18).

El análisis de Western blot demostró la presencia de al menos dos isoformas funcionales


diferentes de IGF-1, donde la observada en todos los caballos normales es más pesada (~ 12
kDa) que la observada en todos los caballos con diferentes grados de OA (7.5 kDa).
Probablemente la más ligera es la forma madura de IGF-1, aunque las técnicas de
secuenciación de aminoácidos deben llevarse a cabo para confirmar esta afirmación. Con este
resultado, se puede suponer que la expresión de estas dos diferentes isoformas funcionales
depende de la inflamación.

Esto podría conducir a una nueva línea de investigación que puede enfocarse en determinar
mediante técnicas avanzadas de secuenciación las isoformas exactas de IGF-1, y en apuntar
a la sobreexpresión de la isoforma que no está presente cuando hay un proceso inflamatorio
de la articulación, y su papel en la reparación de defectos del cartílago.

El cartílago articular no se regenera por sí mismo, ya que es el único tejido conectivo en


mamíferos que no tiene ni vasos sanguíneos y linfáticos, ni nervios(19). Por lo tanto, es
prácticamente imposible regenerarse después de una lesión, por lo que se repara mediante
sustitución con tejido fibroso, lo que genera un cartílago fibroso de baja calidad llamado
fibrocartílago. Ha habido varios tratamientos para mejorar la regeneración del cartílago, en
humanos, el trasplante de aloinjerto osteocondral ha demostrado ser eficaz en la mejora de la
función y la reparación general con la supervivencia del injerto de hasta el 80 % de los
pacientes que se habían sometido a tratamiento quirúrgico previo: microfractura,
desbridamiento del cartílago, forage, condroplastia de abrasión, injertos osteocondrales y
periósticos, reinserción de colgajo del cartílago, entre otros(7,17,20).

Los anestésicos locales y los esteroides han sido ampliamente utilizados por los practicantes
en el campo, por razones diagnósticas y terapéuticas respectivamente. Sin embargo, se ha
demostrado que el uso excesivo de estos componentes daña el cartílago articular. La
inyección intraarticular que utiliza anestésicos locales y esteroides ha generado una creciente
preocupación sobre la inducción de toxicidad potencial para los condrocitos y sinoviocitos.
Sherman et al(21) realizaron una comparación interesante de lidocaína, bupivacaína, acetato
de betametasona, acetato de metilprednisolona y acetónido de triamcinolona en un modelo
canino. Encontraron que in vitro, lidocaína al 1 y 0.5 %, bupivacaína al 0.2 y 0.25 %, acetato
de betametasona y acetato de metilprednisolona fueron severamente condrotóxicos y
sinoviotóxicos en comparación con bupivacaína y triamcinolona al 0.625 %(21).

133
Rev Mex Cienc Pecu 2023;14(1):122-136

Conclusiones e implicaciones

Por esta razón, en cuanto al tratamiento, el objetivo principal es tener alternativas que puedan
ser utilizadas en campo por los médicos, que puedan proporcionar una alternativa distinta a
los esteroides que también pueda mejorar la reparación del cartílago sin la necesidad de poner
al caballo bajo anestesia general, y aun así tener un efecto que conduzca a que los caballos
tengan una carrera deportiva duradera. Este artículo proporciona información importante que
puede servir como base para futuras investigaciones sobre las isoformas de IGF-1 y su papel
en la reparación del cartílago.

Agradecimientos

Los autores desean agradecer a todo el personal del CEAR, SEDENA, QFB Alberto Enrique
Fernández Molina y MVZ Jorge Rodríguez Lezama. Fernando García Lacy es estudiante de
doctorado en el Doctorado en Ciencias de la Producción y Salud Animal de la Facultad de
Medicina Veterinaria y Zootecnia de la Universidad Nacional Autónoma de México y recibió
una beca del CONACYT. El trabajo reportado en este manuscrito es parte de su tesis doctoral.

Conflictos de intereses

Los autores declaran que no hay conflictos de intereses.

Literatura citada:
1. Pfeffer LA, Brisson BK, Hanquin L, Barton ER. The Insulin-like Growth Factor (IGF-1)
E-peptides modulate cell entry to mature IGF-1 protein. Mol Biol Cel 2009;20:3810-
3817.

2. Choukair D, Hügel U, Sander A, Uhlmann L, Tönshoff B. Inhibition of IGF-1-related


intracellular signaling pathways by proinflammatory citokines in growth plate
chondrocytes. Ped Res 2014;76(3):245-251.

3. Liu Q, Guan JZ, Sun Y, Le Z, Zhang P, Yu D, et al. Insulin-like growth factor 1 receptor-
mediated cell survival in hypoxia depends on the promotion of autophagy via supression
of the PI3K/Akt/mTOR signaling pathway. Mol Med Rep 2017;15:2136-2142.

4. Tonkin J, Temmerman L, Sampson RD, Gallego-Colon E, Barberi L, Bilbao D, et al.


Monocyte/Macrophage-derived IGF-1 orchestrates murine skeletal muscle regeneration
and modulates autocrine polarization. Am Soc Gene Cell Ther 2015;23(7):1189-1200.

5. García-Segura LM, Arévalo MA, Azcoitia I. Interactions of estradiol and insulin-like


growth factor-I signaling in the nervous system: New advances. Prog Brain Res
2010;181:251-272.

134
Rev Mex Cienc Pecu 2023;14(1):122-136

6- García-Lacy F, Gutiérrez-Olvera L, Bernad M, Fortier L, Trigo-Tavera FJ, Gómez-


Chavarín M, et al. Pharmacokinetic analysis of intraarticular injection of insulin and its
effect on IGF-1 expression in synovial fluid of healthy horses. Rev Mex Cienc Pecu
2022;13(2):391-407.

7. Fortier LA, Balkman CE, Sandell LJ, Ratcliffe A, Nixon A. Insulin-like growth factor-1
gene expression patterns during spontaneous repair of acute articular cartilage injury. J
Orth Res 2001;19:720-728.

8. Frisbie D. Future directions in treatment of joint disease in horses. Vet Clin Equine
2005;21:713-724.

9. Aguilar IN, Trippel SB, Shuiliang S, Bonassar LJ. Comparison of efficacy of endogenous
and exogenous IGF-I in stimulating matrix production and mature chondrocytes.
Cartilage 2015;6(4):264-272.

10. Moyer W, Schumacher J, Schumacher J. A guide to equine joint injection and regional
anesthesia. Yardley, PA: Veterinary Learning Systems, USA. 2007.

11. Verwilghen D, Busoni V, Gangl M, Franck T, Lejeune JP, Vanderheyden L, et al.


Relationship between biochemical markers and radiographic scores in the evaluation of
the osteoarticular status of Warmblood stallions. Res Vet Sci 2009;87(2):319-328.

12. Chu CR, Beynnon BD, Buckwalter JA, Garrett WE Jr, Katz JN, Rodeo SA. Closing the
gap between benck and nedside research for early arthritis therapies (EARTH): report
from the AOOSSM/NIH U-13 Post-joint injury osteoarthritis conference II. Am J Sports
Med 2011;39(7):1569-1578.

13. Bonnevie ED, Delco ML, Fortier LA, Alexander PG, Tuan RS, Bonassar LJ.
Characterization of tissue response to impact loads delivered using a hand-held
instrument for studying articular cartilage injury. Cartilage 2015;6(4):226-232.

14. Buzas EI, Gyrgöry B, Nagy G, Falus A, Gay S. Emerging role of extracellular vesicles
in inflammatory diseases. Nat Rev Reumatol 2014;10(6):3563-3564.

15. www.uniprot.com. .
https://www.afternic.com/forsale/uniprot.com?utm_source=TDFS&utm_medium=sn_
affiliate_click&utm_campaign=TDFS_Affiliate_namefind_direct8&traffic_type=CL3
&traffic_id=Namefind.

16. Phillipou A, Papageorgiou E, Bogdanis G, Halapas A, Sourla A, Maridaki M, et al.


Expression fo IGF-1 isoforms after exercise-induced muscle damage in humans:
Characterization of the MGF E peptide actions in vitro. In vivo 2009;23:567-576.

135
Rev Mex Cienc Pecu 2023;14(1):122-136

17. Nixon AJ, Brower-Toland BD, Sandell LJ. Primary nucleotide structure of predominant
and alternate splice forms of equine insulin-like growth factor I and their gene
expression patterns in tissues. AJVR 1999;60(10):1234-1241.

18. Le, KQ, Prabhakar B, Hong, WJ. et al. Alternative splicing as a biomarker and potential
target for drug discovery. Acta Pharmacol Sin 2015;36:1212–1218.

19. Geneser F. Tejido esquelético. Cap 12, Geneser F. Histología. 3rd ed. Madrid, España:
Editorial Médica Panamericana; 2001.

20. Briggs DT, Sadr KN, Pulido PA, Bugbee WD. The use of osteochondral allograft
transplantation for primary treatment of cartilage lesions in the knee. Cartilage
2015;6(4):203-207.

21. Sherman SL, Khazai RS, James CH, Stoker AM, Flood DL, Cook JL. In vitro toxicity of
local anesthetics and corticosteroids on chondrocyte and synoviocyte viability and
metabolism. Catilage 2015;6(4):233-240.

136
https://doi.org/10.22319/rmcp.v14i1.6273

Artículo

Uso de células estromales mesenquimales derivadas de la gelatina de


Wharton para el tratamiento de uveítis recurrente equina: estudio piloto

María Masri-Daba a*

Montserrat Erandi Camacho-Flores b

Ninnet Gómez-Romero c,d

Francisco Javier Basurto Alcántara c

a
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y Zootecnia.
Departamento de Medicina, Cirugía y Zootecnia para Équidos. Ciudad de México, México.
b
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y Zootecnia.
Posgrado en Ciencias de la Producción y de la Salud Animal. Ciudad de México, México.
c
Universidad Nacional Autónoma de México. Facultad de Medicina Veterinaria y Zootecnia.
Departamento de Microbiología e Inmunología. Ciudad de México, México.
d
Comisión México-Estados Unidos para la prevención de fiebre Aftosa y otras enfermedades
exóticas de los animales. Ciudad de México, México.

*Autor de correspondencia: masri@unam.mx

Resumen:

La uveítis recurrente equina (URE) es una enfermedad que afecta del 2 al 25 % de los equinos
a nivel mundial, de los cuales el 56 % se quedan ciegos; por lo tanto, es considerada la causa
más común de ceguera en caballos. La URE es un padecimiento espontáneo inmunomediado
caracterizado por eventos recurrentes de inflamación intraocular. Actualmente, no existe
tratamiento para los caballos con esta enfermedad. Las células estromales mesenquimales
(CEM) derivadas de diversos tejidos, como la gelatina de Wharton (GW), han demostrado
su capacidad de modular la respuesta inmune al regular negativamente el proceso
inflamatorio. El objetivo del presente estudio piloto fue el evaluar el efecto del uso de CEM

137
Rev Mex Cienc Pecu 2023;14(1):137-153

derivadas de GW como tratamiento para la URE. La GW se obtuvo y procesó con base en


metodologías previamente descritas para la obtención de CEM. Los caballos involucrados en
este estudio recibieron una dosis de 5x106 CEM en la zona subpalpebral. Se evaluó la
concentración de interleucinas (IL) (IL-1, IL-2, IL-10, IFN- y TNF) en muestras de
lágrima obtenidas antes de la inoculación del tratamiento, 30 min después y 7 días post
inoculación. No se observaron cambios significativos en la concentración de IL que sugieran
la disminución de IL proinflamatorias. Sin embargo, los caballos con URE tratados con CEM
mostraron una respuesta positiva a la terapia, evidenciada por la disminución en la signología
de la URE. Los resultados obtenidos sugieren que el tratamiento de la URE con CEM
derivadas de GW es una alternativa segura con resultados prometedores.

Palabras clave: Gelatina de Wharton, Células estromales mesenquimales, Uveítis recurrente


equina, Terapéutica.

Recibido: 27/06/2022

Aceptado: 01/08/2022

Introducción

Las células estromales mesenquimales (CEM) se caracterizan por su capacidad de


diferenciación en diversos linajes celulares; por lo tanto, pueden estar involucradas en la
regeneración de tejidos dañados. Otra característica importante de las CEM es que tienen
propiedades antinflamatorias y regulan la respuesta inmune al producir un conjunto de
factores inmunomoduladores como la interleucina 6 (IL-6), prostaglandina E2 (PEG2) y
óxido nítrico(1,2). La secreción de estos factores inhibe la proliferación de linfocitos T
activados, disminuye la secreción de citocinas proinflamatorias e incrementan la población
de linfocitos T reguladores (LTreg)(2,3,4).

En equinos, las CEM pueden obtenerse a partir de médula ósea, tejido adiposo, membrana
amniótica, sangre de cordón umbilical y tejido de cordón umbilical de potro conocido como
gelatina de Wharton (GW)(5). La GW es el tejido conjuntivo mucoso primitivo del cordón
umbilical que se encuentra entre el epitelio amniótico y los vasos umbilicales; consiste en
una sustancia con base en ácido hialurónico y sulfato de condroitina con una alta
concentración de CEM(6). Debido a sus características moleculares, como la ausencia en la
expresión de moléculas de histocompatibilidad I y II, estas células tienen una ventaja única
para su aplicación de forma autóloga y alogénica(7). Particularmente, la GW es considerada
una fuente importante de CEM, tanto en humanos como en otras especies, con gran potencial

138
Rev Mex Cienc Pecu 2023;14(1):137-153

en la terapéutica de diversas condiciones inflamatorias e inmunomediadas, como la uveítis


recurrente equina (URE).

La URE, también conocida como ceguera lunar, es una enfermedad reconocida como la
principal causa de ceguera en caballos. Se ha reportado una prevalencia en EUA que va del
2 al 25 % de los equinos(8). Se caracteriza por episodios recurrentes de inflamación intraocular
o niveles bajos de inflamación persistente, que predomina en el iris, cuerpo ciliar y
coroides(9). Esta enfermedad tiene una presentación aguda que incluye signos como miosis,
presión intraocular disminuida y adherencias en el iris; mientras que la presentación crónica
deriva en el desarrollo de cataratas, glaucoma y ceguera.

Los factores desencadenantes o etiológicos de la URE permanecen desconocidos; sin


embargo, se ha reportado que componentes genéticos, así como infecciones por Leptospira
interrogans podrían estar implicados en el desarrollo de dicha condición(8,10). De manera
subsecuente, los signos que se presentan en la URE son el resultado de la activación de
linfocitos T, específicamente Th1 y Th17, causando destrucción del tracto uveal del
ojo(11,12,13). Actualmente, no existe cura para la URE; por consiguiente, el tratamiento se
enfoca en disminuir la inflamación con el objetivo de preservar la visión, limitar la
recurrencia de episodios y reducir el dolor utilizando antinflamatorios y midriáticos(14).

Se ha demostrado que el uso de CEM en enfermedades inmunitarias de perros, gatos y


caballos puede inducir el cambio de subconjuntos de linfocitos T proinflamatorios a
linfocitos T reguladores(15,16,17). Por lo tanto, el uso de CEM derivadas de la GW en el
tratamiento de la URE es una alternativa prometedora. Este artículo describe la obtención,
cultivo, caracterización y diferenciación de CEM derivadas de la GW del cordón umbilical
de potros al parto y su utilización preliminar en caballos con URE.

Material y métodos

Obtención y cultivo de CEM

Se recolectaron CEM de GW a partir de 26 partos en pradera de yeguas pura sangre inglés


(PSI) de entre 5 a 20 años. La toma de cordones umbilicales se realizó hasta la expulsión de
la placenta. El manejo y procesamiento de los cordones umbilicales se realizó bajo
condiciones de esterilidad en la Unidad de Ingeniería de Tejidos, Terapia Celular y Medicina
Regenerativa de Instituto Nacional de Rehabilitación.

Brevemente, se realizó la toma de un fragmento de 15 a 20 cm de cada cordón aún envuelto


en amnios, posteriormente se realizaron dos lavados con solución yodada intercalados con
lavados de solución salina fisiológica (SSF) esterilizada. Después se realizaron cortes de 5

139
Rev Mex Cienc Pecu 2023;14(1):137-153

cm aproximadamente y se conservaron a 4 ºC en solución bufferada de fosfatos (PBS) con


penicilina (10,000 U/ml) anfotericina B (25 µg/ml) y estreptomicina (10,000 µg/ml) para su
procesamiento en el laboratorio. De manera subsecuente, se separó la GW del tejido del
cordón umbilical y se depositó en una caja de Petri con PBS en donde se realizaron cortes
para facilitar la digestión enzimática. Esta última se llevó a cabo en 10 ml de solución de
medio de Eagle modificado por Dulbecco (DMEM) con colagenasa (0.8 mg/ml) en
incubación a 37 ºC por 1 h. Una vez transcurrido el tiempo de incubación, las células se
centrifugaron a 700 xg por 7 min a 37 ºC, se decantó el sobrenadante y las células se
resuspendieron en DMEM suplementado con suero fetal bovino (SFB) al 10% y 1% de
penicilina, anfotericina B y estreptomicina (10,000 U/ml; 25 µg/ml; 10,000 µg/ml). El cultivo
primario se mantuvo en botellas de cultivo celular de 25cm2 incubadas con CO2 al 5% a
37 ºC y se realizaron tres pases una vez que se alcanzó una confluencia del 80 %.

Caracterización de CEM

Las células obtenidas antes del tercer pase se sometieron a evaluación de fenotipo de
superficie para corroborar su perfil mesenquimal por medio de citometría de flujo. Se
utilizaron 2.5x105 células contenidas en tubos de poliestireno de fondo redondo
resuspendidas en 1 ml de PBS. Para el marcaje de las células, éstas se incubaron por 1h con
anticuerpos primarios específicos para detección de CD90 (FITC Mouse Anti-Human CD90
Clone 5E10 555595), CD73 (APC Mouse Anti-Human CD73 Clone AD2560847), CD105
(PE Mouse Anti-Human CD105 Clone 266 560839), CD45 (FITC Mouse Anti-Human CD45
Clone G44-26 555478), CD34 (PE Mouse Anti-Human CD166 Clone 34 559263), CD14
(PerCP Mouse Anti-Human CD14 Clone MφP9 340585) y MHC-II (APC Mouse Anti-
Human HLA-DR Clone G46-6 559866). Posteriormente, las células se sometieron a dos
lavados y se analizaron utilizando el citómetro de flujo FACS Calibur Becton and Dickinson.

Diferenciación de CEM

Se cultivaron CEM de GW en placas de 12 pozos a una densidad de 5x104 utilizando DMEM


suplementado con 5% de SFB y 1% de antibiótico, bajo las mismas condiciones de cultivo
que se mencionaron previamente. Después de 48 h el medio de cultivo se reemplazó por
medio adipogénico, osteoblástico y condrogénico como se describe a continuación.

Para la inducción del linaje adiposo, después de 48 h de incubación el medio de cultivo


celular se reemplazó por medio de diferenciación formulado con DMEM suplementado con
0.5% de SFB, dexametasona (1 mM), 3-isobutil-metilxantina (0.5 mM), insulina (10%),
indometacina (50 mM) y penicilina (10,000 U/ml) anfotericina B (25 µg/ml) y
estreptomicina (10,000 µg/ml). Se realizaron cambios de medio cada tercer día por 21 días.
Finalmente, se evaluó la diferenciación de las células utilizando la tinción rojo Nilo.

140
Rev Mex Cienc Pecu 2023;14(1):137-153

La diferenciación de las CEM a linaje osteoblástico se realizó mediante el uso de medio de


cultivo DMEM suplementado con SFB 1%, y adicionado con dexametasona (100 nM), ácido
ascórbico (0.05 mM), 10 mM/L de -glicerofosfato y BMP-7 (10 ng/ml). De la misma forma,
se realizaron cambios de medio de cultivo cada tercer día por 21 días y la diferenciación
osteogénica se evaluó por medio de la tinción Von Kossa.

El linaje condrogénico se obtuvo al utilizar medio de cultivo DMEM adicionado con insulina
(10 %), ácido ascórbico (1 mg/ml), factor transformante de crecimiento  (TGF-) (10
ng/ml), piruvato de sodio (1%) y proteína morfogénica ósea 2 (BMP-2) (100 ng/ml). La
evaluación de diferenciación se llevó a cabo con la tinción azul de Alcián.

Caballos

Para este estudio se incluyeron un total de 15 caballos PSI de 2 a 7 años. Como grupo testigo
se utilizaron 12 caballos clínicamente sanos. Como parte del grupo experimental se
consideraron 3 caballos con al menos un episodio de URE con signos característicos como:
miosis, hiperpigmentación del iris, blefaroespasmo, edema corneal, flama acuosa, hipopión,
hifema, epífora, fotofobia, fibrina en la cámara anterior, hiperemia conjuntival e inyección
escleral. Los caballos utilizados en este estudio se sometieron a un examen físico general y
oftalmológico completo estricto que consistió en la evaluación de reflejo de amenza,
respuesta pupilar, reflejo consensual, prueba de Schirmer, sensiblidad corneal, tinción de
flouresceína, prueba Jones, tinción rosa de bengala y observación de fondo de ojo.

Toma de muestra lagrimal e inoculación CEM

Una vez que se conformaron los grupos testigo y experimentales se realizó la sedación de los
caballos utilizando xilacina intravenosa a una dosis de 0.3 a 0.5 mg/kg. Posteriormente, se
llevó a cabo la toma de 100 l de lágrima, realizando la toma con capilar estéril sin aditivos;
la muestra se depositó en viales estériles y se conservaron a temperatura de ultracongelación
a -80 ºC hasta su uso.

Utilizando una jeringa de insulina se realizó la colecta del inóculo, PBS y 5x106 CEM para
seis caballos del grupo testigo, así como para los tres caballos con URE del grupo
experimental; ambos, en un volumen de hasta 200 l. Esta parte del procedimiento se llevó
a cabo en condiciones de esterilidad.

Previo a la aplicación del inóculo se realizó la asepsia del área con alcohol, evitando el
contacto directo con el ojo. Se introdujo una aguja 25G en la zona subpalpebral para
posteriormente conectar la jeringa y realizar la inoculación del contenido. La toma de la

141
Rev Mex Cienc Pecu 2023;14(1):137-153

segunda y tercera muestra de lágrima se realizaron 30 min y una semana post inoculación
respectivamente.

Evaluación de interleucinas en muestras de lágrima

Se realizó la evaluación de las interleucinas IL-1, IL-2, IL-10, IFN- y TNF en las
muestras de lágrima obtenidas antes y después de la aplicación del tratamiento, por medio de
inmunoensayo enzimático (ELISA) de tipo multiplex, con la finalidad de determinar si hay
cambios en el patrón de interleucinas detectadas.

Para la prueba de ELISA multiplex se utilizó el kit Milliplex MAP Kit: Equine
Cytokine/Chemokine Magnetic Bead Panel, siguiendo las indicaciones del fabricante en el
equipo Luminex (Bio-Plex 200, Bio-Rad Laboratories, EU). Brevemente, se adicionaron 200
l de buffer de lavado a cada uno de los 96 pozos de la placa, se cubrió la placa y se incubó
en agitación por 10 min a 20 ºC; al concluir este tiempo se desechó el contenido de los pozos
quitando el excedente al voltear la placa realizando pequeños golpes sobre una cama de
toallas absorbentes. Después se adicionaron 25 l del estándar y testigos en los pozos
correspondientes. A los pozos de las muestras se les agregaron 25 l de “Assay buffer”.
Posteriormente se agregaron 25 l de solución matriz a todos los pozos y 25 l de la muestra
de lágrima a los pozos correspondientes. Por último, se agregaron 25 l de la mezcla de perlas
a cada uno de los pozos de la placa, la cual se incubó por 18 h en agitación a 4 ºC cubierta
con papel aluminio.

Una vez transcurrido el tiempo de incubación se desechó el contenido total de la placa y se


realizaron tres lavados de ésta. Posteriormente, se adicionaron 25 l de anticuerpos de
detección de interleucinas en todos los pozos, se selló la placa e incubó en agitación a
temperatura ambiente por 1 h. Después se agregaron 25 l de estreptavidina-ficoeritrina a
todos los pozos, se selló la placa e incubó en agitación a temperatura ambiente por 30 min.
Una vez finalizado este paso, se decantó nuevamente el contenido y se hicieron tres lavados.
A cada uno de los pozos se adicionaron 150 l de “Seath Fluid” y por 5 min se mantuvo en
agitación a temperatura ambiente. Finalmente, se realizó la lectura de la placa para la
estimación de concentración de las interleucinas detectadas en las muestras de lágrima
correspondiente a los tres tiempos de toma de muestra.

Análisis estadístico

Para el análisis de los resultados de la concentración de interleucinas, se utilizó estadística


no paramétrica de acuerdo con los resultados obtenidos de las pruebas de homogeneidad de
varianza (análisis de residuos) y de distribución normal (prueba Shaphiro-Wilk) incluidos en
el programa estadístico Prism 8.0 (GraphPad, Software Inc., USA).

142
Rev Mex Cienc Pecu 2023;14(1):137-153

De manera particular, se utilizó la prueba U de Mann Whitney para comparar la


concentración de citocinas entre los medios empleados (PBS y CEM) en el grupo control.
Posteriormente, se retomó esta prueba para comparar la concentración de citocinas entre el
grupo testigo y el experimental. Adicionalmente, se realizó la prueba de Kruskal Wallis
seguida de la prueba de comparación múltiple de Dunn para determinar posibles cambios la
concentración de citocinas en los diferentes tiempos evaluados (basal, 30 min y 7 días) en
ambos grupos. En todos los casos se consideró un valor de P<0.05 como significativo.

Resultados

Obtención y cultivo de CEM

Los cultivos primarios de CEM obtenidos a partir de GW inicialmente mostraban una


morfología redondeada y se agruparon en cúmulos de hasta 100 m. Una vez adheridas, a
partir de 120 h adquirieron la morfología fibroblastoide (Figura 1).

Figura 1: Cultivo primario de células estromales mesenquimales obtenidas a partir de la


gelatina de Wharton

a) Se observa la morfología redondeada (flecha blanca) de las CEM y la formación de cúmulos celulares
(flecha negra); b) adherencia y obtención de morfología fibroblastoide de CEM (flecha negra); c) confluencia
de 80% del monoestrato de CEM con morfología característica.

Caracterización de CEM

Por medio de citometría de flujo se llevó a cabo la identificación de marcadores positivos de


superficie de CEM. Se deben de expresar los marcadores CD90, CD73 y CD105, mientras
que los marcadores negativos son CD14, CD34, CD45 y MHC-II. En la Figura 2 se muestra
la caracterización del fenotipo de las CEM obtenidas a partir de GW. Se muestra la falta de
expresión de marcadores CD45, CD34 y CD14; mientras que se evidenció la expresión de
los marcadores positivos CD73 y CD90. Por otro lado, las muestras de CEM evaluadas
mostraron expresión disminuida del marcador CD105.

143
Rev Mex Cienc Pecu 2023;14(1):137-153

Figura 2: Fenotipo de CEM cultivadas

Análisis de citometría de flujo de expresión de proteínas de cultivo de CEM derivada de GW marcadas con
anticuerpos anti CD45 (verde), CD34 (turquesa), CD14 (rosa), CD73 (rojo) y CD90 (azul). El histograma en
color morado indica la intensidad de la flourescencia de las CEM marcadas con el anticuerpo testigo. Los
histogramas abiertos indican reactividad positiva con el anticuerpo indicado.

Diferenciación de CEM

Las CEM fueron tratadas con tres formulaciones de medio de cultivo para evaluar su
diferenciación a linaje celular adiposo, osteoblástico y condrogénico. La diferenciación se
evaluó por medio de tinciones celulares (Figura 3); se muestra imágenes representativas de:
a) adipocitos teñidos con rojo Nilo para detectar vacuolas de ácidos grasos dentro de las
células; b) osteoblastos teñidos con Von Kossa para identificar depósitos de calcio; c)
condrocitos detectados con la tinción azul de Alcián, se visualiza la tinción de
mucopolisacáridos en la matriz extracelular de dicho tejido.

144
Rev Mex Cienc Pecu 2023;14(1):137-153

Figura 3: Diferenciación de CEM a linaje a) adiposo, b) osteoblástico y c) condrogénico

Evaluación de caballos con URE

Caballo 1. Warmblood, retinto macho castrado de 12 años. Presentó signos de uveitis e inició
tratamiento con betametasona, ciclosporina A y lágrima artificial. Posteriormente inició el
protocolo de tratamiento con CEM y se inyectó únicamente el ojo izquierdo, a lo largo de la
semana, no se observaron cambios clínicos.

Caballo 2. Frisón, macho entero de 15 años. Presentó un cuadro agudo de uveitis en el ojo
izquierdo, contaba con tratamiento previo de prednisolona y ciclosporina A. Mostró signos
como dolor, edema, vascularización, epífora y blefaroespasmo. (Figura 4). Una semana post
tratamiento con CEM, clínicamente presentó mejora, todos los signos anteriores
disminuyeron ligeramente y mostraba mejor estado anímico.

Figura 4: Caballo 2

a) Se muestra el blefaroespasmo y epífora, b) se muestra el edema y vascularización; los márgenes


palpebrales se ven verdes debido a la tinción previa con fluoresceína. c) Se muestra disminución en
blefaroespasmo del ojo izquierdo d) Se muestra disminución del edema.

145
Rev Mex Cienc Pecu 2023;14(1):137-153

Caballo 3. Apaloosa, macho entero, de 21 años. Presentó un cuadro agudo, pero no recibió
tratamiento alguno. Ambos ojos presentaban miosis, epífora, edema y neovascularización
corneal, inyección escleral y conjuntival, ambos ojos fueron tratados con CEM y se mantuvo
por una semana con un midriático tópico. A los siete días ambos ojos se encontraron
midriáticos, sin dolor, menor epífora, edema e inyección conjuntival y escleral. Tres días
posterior a la segunda visita inició tratamiento médico, pero ya presentaba aún menor edema
y se le observó mucho más cómodo (Figura 5).

Figura 5: Caballo 3

a) y b) se muestra cuadro con signos agudos de uveitis de ambos ojos, observándose edema,
neovascularización e hiperemia conjuntival. c) y d) Se muestra disminución del edema e hiperemia.

Evaluación de interleucinas en muestras de lágrima

La comparación entre los medios empleados (PBS y CEM) para el grupo testigo no mostró
diferencias en ninguna de las interleucinas medidas. No obstante, al comparar la
concentración de éstas en diferente tiempo (basal, 30 min y 7 días), se encontró que la
concentración de IL-1⍺ con el uso de PBS como vehículo, mostró diferencias
estadísticamente significativas entre la medición basal y la realizada 7 días después (Cuadro
1).

Debido a que no se encontraron diferencias estadísticamente significativas entre ambos


medios aplicados al grupo testigo, las mediciones se consideraron dentro de un solo grupo y
se contrastaron con los datos obtenidos en el grupo experimental. Al respecto, no se

146
Rev Mex Cienc Pecu 2023;14(1):137-153

encontraron diferencias estadísticamente significativas en la concentración de IL’s en


cualquiera de los tres tiempos utilizados, al comparar el grupo testigo con el grupo
experimental tratado.

Discusión

En el campo de la medicina regenerativa el interés en investigaciones sobre las CEM ha


incrementado durante la última década. Estas células, también conocidas como células
mesenquimales progenitoras, tienen la capacidad de promover regeneración tisular, modular
la respuesta inmunitaria y regular el proceso inflamatorio(18). Asimismo, son consideradas
como poblaciones celulares con la habilidad de auto renovarse y diferenciarse en diversos
tipos de células de tejido conectivo(19). En consecuencia, tienen el potencial de actuar en sitios
de inflamación al sintetizar interleucinas involucradas en la modulación de este proceso(20).
De manera específica, estudios previos han descrito el efecto inmunomodulador de las CEM
en caballos; adicionalmente, se ha demostrado que las CEM derivadas de equinos, en
comparación con las de otras especies, poseen mayor capacidad de inhibir la proliferación de
linfocitos T activados y disminuir la producción de IFN- y TNF(1,3). Así mismo, se ha
reportado que el uso de CEM equinas como tratamiento, induce apoptosis de linfocitos y
disminuye la expresión del receptor de IL-2 (CD25) en linfocitos T CD4+.

Actualmente, en medicina equina son principalmente utilizadas para tratamientos de


enfermedades del aparato locomotor, heridas en piel, síndrome metabólico equino, asma,
laminitis, problemas neurológicos y oftalmológicos(21). Dentro de estos últimos, la URE es
considerada la principal causa de ceguera en equinos y se describe como una enfermedad
inflamatoria autoinmune con características similares a la uveítis humana(22). Los caballos
que padecen URE se caracterizan por un fenotipo inflamatorio de linfocitos Th1 (CD4+ IFN-
); por lo tanto, los datos descritos sugieren que el uso de CEM es una alternativa adecuada
en el tratamiento de la URE, así como de otras enfermedades inmunomediadas(23). De manera
conjunta, se han documentado beneficios terapéuticos a nivel ocular en equinos y otras
especies(24,25,26).

Particularmente, se ha comprobado que la aplicación de CEM en conejos con daño en


superficie corneal, acelera el proceso de cicatrización en la córnea, disminuye el estrés
oxidativo y suprime la producción de interleucinas proinflamatorias; lo anterior, resulta en
disminución en la opacidad de la córnea y neovascularización de la zona afectada(27). En
ratas, el uso de CEM en el tratamiento de quemaduras corneales y reconstrucción de la
superficie corneal ha dado resultados positivos (25).

Por otro lado, su uso en equinos como tratamiento de queratitis inmunomediada ha dado
resultados promisores, en donde se observó que 3 de 4 caballos sometidos a esta terapia

147
Rev Mex Cienc Pecu 2023;14(1):137-153

tuvieron resultados positivos evidenciados por la disminución en la opacidad, irregularidad


y vascularización en la superficie corneal; además de mantener la enfermedad corneal estable
hasta por un año después del tratamiento con CEM. Por lo tanto, es considerada como una
nueva alternativa de terapia inmunomoduladora para este padecimiento(24). De la misma
forma, en otro estudio sobre queratitis inmunomediada equina, se reportó una respuesta
satisfactoria a la inoculación de CEM en la arteria oftálmica y aplicación tópica
subconjuntival tres veces al día por tres semanas(28).

En el presente estudio se evaluaron parámetros que indicaran los beneficios en el tratamiento


de URE al administrar por vía subpalpebral de CEM. Una vez que se aplicó el tratamiento
con CEM derivadas de GW en caballos con URE, se analizaron muestras de lágrimas para
evaluar el patrón de interleucinas presentes en dicha muestra antes y después del tratamiento
(30 min y 7 días posteriores). Sin embargo, no se mostraron cambios significativos a nivel
de concentración de interleucinas en los diferentes tiempos evaluados, en donde se esperaba
una disminución de interleucinas proinflamatorias y aumento de interleucinas
antiinflamatorias. Ya que se ha descrito que en caballos con URE mantienen una
concentración alta de IL-10, IL-1, IFN-, IL-6 e IL-17 en lágrima(23).

Estos resultados, pueden estar asociados a la vía de administración; en donde la inoculación


de CEM por vía subpalpebral muestra una menor eficacia para la resolución del
padecimiento, probablemente al llegar de manera desproporcionada al sitio de acción (ojo),
y por consiguiente una baja capacidad de afectar el proceso inflamatorio a dicho nivel, dosis
inadecuada, frecuencia en la aplicación del tratamiento y etapa de la enfermedad, ya que la
mayoría de los reportes indican una mejoría significativa al aplicar el tratamiento en la fase
aguda de la enfermedad(23). Por otro lado, la ausencia de detección de IL proinflamatorias en
las muestras de lágrima puede deberse a que el pico de concentración se da en periodos de la
enfermedad diferentes a los evaluados en este estudio.

Estos hallazgos son útiles al momento de elegir la vía de administración para el tratamiento
con CEM. Si bien, se han descrito casos de éxito al utilizar la vía subconjuntival, es necesario
llevar a cabo la evaluación y comparación de vías de administración adicionales que puedan
proporcionar mejores resultados en términos de eficacia a corto y largo plazo. En contraste,
se ha descrito que la administración de CEM por vía intravenosa es completamente segura
sin embargo, se desconoce si se obtienen mejores resultados(29). Por consiguiente, es
necesario realizar más estudios que permitan establecer las condiciones necesarias para el
tratamiento de la URE, y así, su resolución.

De manera subsecuente, en los tres pacientes con URE que formaron parte del presente
estudio piloto, se evaluó el efecto del tratamiento con CEM administradas por vía
subpalpebral. El caballo 1 no se observaron cambios clínicos que indicaran mejoría. En
contraste, el caballo 2 mostró mejoría de los signos clínicos presentados (dolor, edema,

148
Rev Mex Cienc Pecu 2023;14(1):137-153

vascularización, epífora y blefaroespasmo), incluso mejora en el estado de ánimo a los 7 días


de la post aplicación del tratamiento. En el caso del caballo 3, hubo mejoría de algunos signos
clínicos como menor epífora, dismunución del edema e inyección conjuntival y escleral, así
como mejoría en su estado de ánimo.

Dos de los tres caballos tratados mostraron mejoría y disminución de los signos clínicos de
URE 7 días post tratamiento. El obtener resultados positivos al aplicar CEM de GW de origen
equino resalta la importancia de hacer más estudios que permitan establecer un tratamiento
uniforme y el desarrollo de un protocolo de aplicación de CEM eficiente que favorezcan la
obtención de mejores resultados. Por ejemplo, opciones del tratamiento que promuevan una
respuesta longeva y que la eficacia del tratamiento se potencialice al realizar varias o un
número específico de aplicaciones con una dosis de CEM estandarizada, así como su
coaplicación con terapia inmunosupresiva a nivel local(30).

Conclusiones e implicaciones

En este estudio piloto se describe el uso CEM derivadas de GW de forma experimental para
el tratamiento de URE; si bien, se presentaron algunas limitaciones como el número de
animales analizados que nos permitan llegar a conclusiones firmes, la obtención de resultados
positivos en las respectivas presentaciones clínicas sin generar efectos adversos, reafirma el
uso de CEM como una alternativa viable al tratamiento de URE. A pesar de obtener
resultados prometedores, se requiere hacer estudios controlados del tratamiento con CEM
que permitan demostrar y confirmar los beneficios que proporciona para la URE.

Financiamiento

El financiamiento del estudio fue otorgado por el Programa de Apoyo a Proyectos de


Investigación e Innovación tecnológica (PAPIIT) Proyecto No. IN228919 “Uso de células
troncales alógenas para el tratamiento de uveítis recurrente equina” de la Facultad de
Medicina Veterinaria y Zootecnia-Universidad Nacional Autónoma de México.

Conflictos de interés

Los autores declaran que no existe ningún conflicto de interés con respecto a la publicación
del presente artículo.

149
Rev Mex Cienc Pecu 2023;14(1):137-153

Cuadro 1: Medición de interleucinas por técnica mediana y rango (<Nivel de cuantificación)

Grupo control (n=12) Grupo experimental (n=3)


Basal 30 minutos 7 días Basal 30 minutos 7 días
Mediana Rango Mediana Rango Mediana Rango Mediana Rango Mediana Rango Mediana Rango
IL-1α 43.27 38.71 - 41.62 36.95 - 38.71* 36.17 - 40.39 38.31 - 41.26 35.19 - 38.31 36.17 -
53.20 51.00 46.36 45.32 43.78 39.06
IFN-γ 33.94 7.450 - 18.52 3.900 - 28.3 3.900 - 93.12 25.22 - 45.18 11.17 - 108.3 14.78 -
175.3 186.6 341.5 97.09 95.31 329.7
IL-2 1.323 0.4534 - 0.781 0.1316 0.8325 0.3679 1.383 0.5992 0.8926 0.4229 - 1.516 0.9307 -
10.75 -14.56 - 30.42 - 1.729 1.611 2.082
IL-10 19.52 6.709 - 19.43 7.694 - 17.84 6.709 - 18.59 10.34 - 12.43 7.857 - 14.89 11.49 -
70.25 46.30 52.23 19.46 14.38 28.56
TNF- 14.63 2.200 - 2.998 2.200 - 25.61 2.200 - 11.53 2.200 - 2.797 2.200 - 13.86 8.015 -
α 56.80 52.03 70.88 19.22 15.64 17.99
Se muestra que IL-1⍺ (*) detectada 7 días pos-tratamiento mostró una disminución significativa en comparación con la medición basal (P=0.0356). Los valores
son reportados en pg/ml.

150
Rev Mex Cienc Pecu 2023;14(1):137-153

Literatura citada:

1. Carrade DD, Lame MW, Kent MS, Clark KC, Walker NJ, Borjesson DL. Comparative
analysis of the immunomodulatory properties of equine adult-derived mesenchymal
stem cells. Cell Med 2012;4(1):1-11. doi: 10.3727/215517912X647217.

2. Martínez‐Montiel MDP, Gómez‐Gómez GJ, Flores AI. Therapy with stem cells in
inflammatory bowel disease. World J Gastroenterol 2014;20:1211‐1227.

3. Carrade Holt DD, Wood JA, Granick JL, Walker NJ, Clark KC, Borjesson DL. Equine
mesenchymal stem cells inhibit T cell proliferation through different mechanisms
depending on tissue source. Stem Cells Dev 2014;23:1258‐1265.

4. Le Blanc K, Davies LC. Mesenchymal stromal cells and the innate immune response.
Immunol Lett 2015;168:140‐146.

5. Iacono E, Rossi B, Merlo B. Stem cells from foetal adnexa and fluid in domestic
animals: an update on their features and clinical application. Reprod Dom Anim 2015;
50:353–64. doi: 10.1111/rda.12499.

6. Weiss ML, Troyer DL. Stem cells in the umbilical cord. Stem Cell Rev 2016;2:155–
162.

7. Iacono E, Pascucci L, Rossi B, Bazzucchi C, Lanci A, Ceccoli M, et al. Ultrastructural


characteristics and immune profile of equine MSCs from fetal adnexa. Reproduction
2017;154:509–519. doi: 10.1530/REP-17–0032.

8. Gilger BC, Hollingsworth SR. Diseases of the uvea, uveitis, and recurrent uveitis. In:
Gilger BC, editor. Equine ophthalmology. Hoboken, NJ: John Wiley & Sons, Inc. 2016:
369–415. doi: 10.1002/9781119047919.ch8.

9. Gilger BC, Deeg C. Chapter 8‐Equine recurrent uveitis. Gilger BC editor. Equine
Ophthalmology, 2nd ed. Saint Louis, MO: W.B. Saunders; 2011:317‐349.

10. Sauvage AC, Monclin SJ, Elansary M, Hansen P, Grauwels MF. Detection of intraocular
Leptospira spp. by real-time polymerase chain reaction in horses with recurrent uveitis
in Belgium. Equine Vet J 2019;51:299–303.

11. Deeg CA. Ocular immunology in equine recurrent uveitis. Vet Ophthalmol
2008;11(Suppl 1):61‐65.

12. Deeg CA, Ehrenhofer M, Thurau SR, Reese S, Wildner G, Kaspers B.


Immunopathology of recurrent uveitis in spontaneously diseased horses. Exp Eye Res
2002;75:127‐133.

151
Rev Mex Cienc Pecu 2023;14(1):137-153

13. Gilger BC, Malok E, Cutter KV, Stewart T, Horohov DW, Allen JB. Characterization
of T‐lymphocytes in the anterior uvea of eyes with chronic equine recurrent uveitis. Vet
Immunol Immunopathol 1999;71:17‐28.

14. Gilger BC, Michau TM. Equine recurrent uveitis: new methods of management. Vet
Clin North Am Equine Pract 2004;20:417–27. doi: 10.1016/j.cveq.2004.04.010.

15. Kol A, Walker NJ, Nordstrom M, Borjesson DL. Th17 pathway as a target for
multipotent stromal cell therapy in dogs: Implications for translational research. PLoS
One 2016;11:e0148568.

16. Arzi B, Mills-Ko E, Verstraete FJM, Kol A, Walker NJ, Badgley MR, et al. Therapeutic
efficacy of fresh, autologous mesenchymal stem cells for severe refractory
gingivostomatitis in cats. Stem Cells Transl Med 2016;5:75–86.

17. Holt DDC, Wood JA, Granick JL, Walker NJ, Clark KC, Borjesson DL. Equine
mesenchymal stem cells inhibit T cell proliferation through different mechanisms
depending on tissue source. Stem Cells Dev 2014;23:1258–1265.

18. Stewart MC, Stewart AA. Mesenchymal stem cells: characteristics, sources, and
mechanisms of action. Vet Clin North Am Equine Pract 2011;27(2):243-61. doi:
10.1016/j.cveq.2011.06.004.

19. Madrigal M, Rao KS, Riordan NH. A review of therapeutic effects of mesenchymal
stem cell secretions and induction of secretory modification by different culture
methods. J Transl Med 2014;12:260.

20. Meirelles LS, Fontes AM, Covas DT, Caplan AI. Mechanisms involved in the
therapeutic properties of mesenchymal stem cells. Cytokine Growth Factor Rev
2009;20(5-6):419-27. doi: 10.1016/j.cytogfr.2009.10.002.

21. Cequier A, Sanz C, Rodellar C, Barrachina L. The usefulness of mesenchymal stem cells
beyond the musculoskeletal system in horses. Animals (Basel). 2021;11(4):931.
doi:10.3390/ani11040931.

22. Malalana F, Stylianides A, McGowan C. Equine recurrent uveitis: Human and equine
perspectives. Vet J 2015;206(1):222-9. doi: 10.1016/j.tvjl.2015.06.017.

23. Saldinger LK, Nelson SG, Bellone RR, Lassaline M, Mack M, Walker NJ, Borjesson
DL. Horses with equine recurrent uveitis have an activated CD4+ T-cell phenotype that
can be modulated by mesenchymal stem cells in vitro. Vet Ophthalmol 2020;23(1):160-
170. doi: 10.1111/vop.12704.

152
Rev Mex Cienc Pecu 2023;14(1):137-153

24. Davis AB, Schnabel LV, Gilger BC. Subconjunctival bone marrow-derived
mesenchymal stem cell therapy as a novel treatment alternative for equine immune-
mediated keratitis: A case series. Vet Ophthalmol 2019;22(5):674-682. doi:
10.1111/vop.12641.

25. Jiang TS, Cai L, Ji WY, Hui YN, Wang YS, Hu D, Zhu J. Reconstruction of the corneal
epithelium with induced marrow mesenchymal stem cells in rats. Mol Vis
2010;14;16:1304-16.

26. Dodi PL. Immune-mediated keratoconjunctivitis sicca in dogs: current perspectives on


management. Vet Med (Auckl) 2015;30;6:341-347. doi: 10.2147/VMRR.S66705.

27. Cejkova J, Trosan P, Cejka C, Lencova A, Zajicova A, Javorkova E, Kubinova S,


Sykova E, Holan V. Suppression of alkali-induced oxidative injury in the cornea by
mesenchymal stem cells growing on nanofiber scaffolds and transferred onto the
damaged corneal surface. Exp Eye Res 2013;116:312-23. doi:
10.1016/j.exer.2013.10.002.

28. Marfe G, Massaro-Giordano M, Ranalli M, Cozzoli E, Di Stefano C, Malafoglia V,


Polettini M, Gambacurta A. Blood derived stem cells: an ameliorative therapy in
veterinary ophthalmology. J Cell Physiol 2012;227(3):1250-1256. doi:
10.1002/jcp.22953.

29. Kol A, Wood JA, Carrade HDD, Gillette JA, Bohannon-Worsley LK, Puchalski SM, et
al. Multiple intravenous injections of allogeneic equine mesenchymal stem cells do not
induce a systemic inflammatory response but do alter lymphocyte subsets in healthy
horses. Stem Cell Res Ther 2015;6(1):73. doi: 10.1186/s13287-015-0050-0.

30. Zhang J, Huang X, Wang H, Liu X, Zhang T, Wang Y, Hu D. The challenges and
promises of allogeneic mesenchymal stem cells for use as a cell-based therapy. Stem
Cell Res Ther 2015;6:234. doi: 10.1186/s13287-015-0240-9.

153
https://doi.org/10.22319/rmcp.v14i1.5537

Artículo

Escala de la producción y eficiencia técnica de la ganadería bovina para


carne en Puebla, México

José Luis Jaramillo Villanueva a*

Lissette Abigail Rojas Juárez a

Samuel Vargas López a

a
Colegio de Postgraduados Campus Puebla. Boulevard Forjadores de Puebla No. 205,
Santiago Momoxpan, Municipio de San Pedro Cholula, 72760, Puebla, México.

*Autor de correspondencia: jaramillo@colpos.mx

Resumen:

El objetivo de este estudio fue estimar el grado de eficiencia técnica e identificar los factores
de ineficiencia de la producción de bovinos de carne en la Sierra Norte de Puebla México.
Los datos se generaron mediante encuesta a una muestra estadística de 180 unidades de
producción bovina (UPB). La eficiencia técnica se estimó usando la Frontera de Producción
Estocástica y la explicación de la ineficiencia se estimó con un modelo de regresión lineal
múltiple. Los resultados indican que el tamaño de la UPB está correlacionada positivamente
con la eficiencia; el grupo de UPB pequeños mostró una eficiencia media de 0.72, los
medianos de 0.75 y los grandes de 0.85. Los costos de alimentación y de mano de obra pueden
reducirse, mientras se mantiene el mismo nivel de producción. Las variables explicativas
significativas (P≤0.05) de la ineficiencia son la escolaridad, la asistencia técnica, la
experiencia y la gestión administrativa.

Palabras clave: Ganado bovino, Eficiencia técnica, Escala de producción, Frontera de


producción.

Recibido: 04/10/2019

Aceptado: 17/09/2020

154
Rev Mex Cienc Pecu 2023;14(1):154-171

Introducción

De acuerdo con datos oficiales(1), México produjo en 2017, 3.5 millones de toneladas de
ganado en pie y 1.9 millones de toneladas de carne de res. El consumo nacional para 2019 se
ubicó en 1.83 millones de toneladas. La producción nacional, en los últimos 15 años, muestra
una tasa media de crecimiento (TMC) de 1.6 %, mientras que la demanda creció a una TMC
de 0.21, que refleja una caída en el consumo, explicada por el aumento de los precios(2). Al
respecto, el consumo per cápita pasó de 18 kg en 2007 a 15.1 en 2017. No obstante, en 2017
las importaciones sumaron 136 mil toneladas(3).

En México la producción no especializada de carne de bovino presenta dificultades para ser


rentable, especialmente la que realizan las unidades de producción bovina (UPB) pequeñas
y medianas, que obtienen tasas de rentabilidad negativas o muy bajas(4). Este tipo de UPB
fue de un millón en 2018. De acuerdo a la Encuesta Nacional Agropecuaria 2014(5), 62 % de
las UPB tienen de 1 a 10 cabezas, 26 % de 11 a 35, 9.9 % de 36 a 120, y 1.6 % más de 120
cabezas. Por lo anterior, aproximadamente el 88 % de las UPB son pequeñas. Dada la
importancia de este sector y del ganado para generar ingreso familiar, se hace necesario
apoyar su desarrollo a través del análisis de los factores técnico-económicos que tienen una
mayor incidencia en su productividad(6).

Un factor que afecta negativamente la rentabilidad económica de los pequeños ganaderos es


la baja productividad y eficiencia técnica a nivel de UPB(7). Otro factor importante es la tasa
de crecimiento de los insumos, que es mayor a la del precio del producto(8). Por lo anterior,
los retos que plantea la problemática descrita pueden afrontarse a través del mejoramiento de
la eficiencia productiva de las UPB. La eficiencia productiva puede mejorar la rentabilidad
de las UPB a través de la disminución de costos y mayor oferta al mercado.

Eficiencia productiva(9) se define como la situación en la que una unidad de producción


ganadera (UPG) que produce un solo producto, puede mejorar su producción sólo si aumenta
el uso de al menos uno de sus insumos. La literatura sobre eficiencia se enfoca en dos
aspectos; medición de la eficiencia técnica y económica y las fuentes de ineficiencia. Los
estudios de eficiencia se han realizado en una gran variedad de actividades productivas
agropecuarias; granos(10); vegetables(11), lácteos(12), y café(13). En el mundo, pocos estudios
han abordado la eficiencia en ganado bovino de carne;(14,15,16). En estos se encontró que
existen desviaciones significativas de la frontera de producción eficiente.

En México, Morales-Hernández et al (17) realizaron el único estudio disponible de eficiencia


de la producción de carne de bovino en México. Encontraron que para pequeños productores,
al aumentar los factores de producción en una proporción determinada, la producción crece
menos que proporcionalmente. En cambio para los grandes, al incrementar los factores en

155
Rev Mex Cienc Pecu 2023;14(1):154-171

una determinada proporción la producción creció en mayor proporción. No se necesita


aumentar la cantidad de alimento ni la superficie de pastizal para incrementar la cantidad
total de carne, pero sí el número de animales.

El estudio de la eficiencia de las UPB y las fuentes de ineficiencia son, por lo tanto,
importantes desde el punto de vista práctico y político. Por un lado, los ganaderos podrían
utilizar esta información para mejorar la productividad de su explotación. Por otro lado, los
formuladores de políticas podrían focalizar las intervenciones para mejorar el ingreso del
productor(18).

El objetivo de este estudio fue abordar esta brecha en el conocimiento mediante la estimación
del grado de eficiencia, e identificar los factores de ineficiencia de la producción de bovinos
de carne en la Sierra Norte de Puebla, México, desde una perspectiva econométrica.

Material y métodos

Para el presente estudio, se seleccionaron, siete municipios de la Sierra Norte de Puebla


(Cuadro 1). El área de estudio se ubicó en las coordenadas 19° 59' 10'' y 20° 34' 20'' N; 97°
19' 97'' y 97° 47' 98'' O. La altitud tuvo un rango de 1,000 a 1,700 msnm. El clima es cálido
húmedo con abundantes lluvias todo el año, excepto el municipio de Xicotepec que presenta
un clima semicálido húmedo. La vegetación está compuesta por pastizal (35 %), selva
(13 %) y bosque (6 %)(19). Estos municipios contribuyen con 32.1 % de la producción de
ganado bovino a nivel estatal(3).

La metodología constó de cuatro etapas: la primera, fue el conocimiento de la región, donde


se llevó a cabo el reconocimiento de la zona, y se realizaron entrevistas a productores líderes
y a técnicos para conocer aspectos generales de la ganadería; la segunda, fue el diseño del
muestreo, de tipo aleatorio simple, con distribución proporcional, según el número de
productores de cada municipio. La población utilizada corresponde a 60,020 UPB, la
confiabilidad fue 95 % y precisión de 7.5 % de la media del tamaño del hato, lo que resultó
en tamaño de muestra de 180 UPB. La tercera etapa consistió en el diseño, prueba y
aplicación de cuestionarios, distribuidos proporcionalmente en los municipios del estudio
(Cuadro 1). La cuarta etapa fue el análisis estadístico de datos derivados del cuestionario, los
que se organizaron en variables sociodemográficas, tecnólogicas, y económicas.

156
Rev Mex Cienc Pecu 2023;14(1):154-171

Cuadro 1: Distribución del tamaño de muestra


Municipio Población (N) Participación (%) Muestra (n)

Francisco Z. Mena 6791 11.31 54


Venustiano Carranza 11898 19.82 36
Tenampulco 3909 6.51 27
Pantepec 17919 29.86 20
Xicotepec 4734 7.89 18
Jalpan 8860 14.76 14
Ayotoxco de Guerrero 5909 9.85 12
Total 60020 100 180

La caracterización económica de las unidades de producción ganaderas con las variables


mencionadas es de gran utilidad para los productores, ya que les permite conocer el
comportamiento de su empresa y pueden tomar decisiones en sus actividades para minimizar
costos, mejorar la productividad y rentabilidad de la misma. Por ello, es importante distinguir
entre costos contables y costos económicos.

La perspectiva contable de los costos hace hincapié en los gastos erogados, los costos
históricos y la depreciación. Los costos económicos representan el costo de oportunidad de
los factores de la producción. Una forma de diferenciar entre estos dos planteamientos
consiste en analizar cómo se definen los costos de diversos factores (trabajo, capital o
servicios empresariales) y los costos contables o monetarios, que son los costos en que
incurre la unidad de producción por la compra de insumos y activos a precios de Mercado(20).

Para fines de esta investigación, los costos totales (CT) son el resultado de la suma de costos
fijos (CF) y costos variables (CV) (CT = CF + CV). Los costos fijos son aquellos cargos que
asume la unidad de producción independientemente de su nivel de producción, incluyendo
la opción de cero producciones. Los costos variables son aquellos que cambian en función
del nivel de producción de la UPP. Los costos totales incluyen: el costo de la mano de obra
total, con base a la suma de mano de obra eventual (chapeo y aplicación de fertilizante), y la
mano de obra permanente (comúnmente conocido como el pago del vaquero y del flotante),
que requieren anualmente para el manejo de ganado; costo de los insumos (alimentos,
medicamentos y otros); y el costo de maquinaria y equipo (incluyendo tasa de depreciación
de cada activo considerando un valor de 10 % anual).

157
Rev Mex Cienc Pecu 2023;14(1):154-171

El fundamento para definir los estratos del tamaño del hato fue la segmentación de unidades
pecuarias de SAGARPA(21), que consideran un estrato A conformado por 20 cabezas o
menos, el estrato B de 21 a 50 cabezas, y el estrato C conformado por un hato mayor a 50
cabezas. Lo anterior, para atender de forma diferenciada a las UPG. Una vez formados los
grupos se procedió al análisis econométrico; la estimación de la frontera estocástica de
producción y la estimación de un modelo explicativo de la ineficiencia.

Modelo de frontera estocástica

El supuesto de una producción de naturaleza estocástica significa que el nivel de producción


de una unidad de producción está limitado superiormente por una frontera estocástica, la cual
puede modelarse como en la Ecuación 1:
Y  f (x)   ,   v u (1)
Donde el término de error está compuesto por dos partes; una perturbación aleatoria v,
simétrica que se supone idéntica e independientemente distribuido con media 0, y u es un
término de error no negativo, que se distribuye independientemente de v, siguiendo una
distribución de una cola(22). El componente aleatorio representa sucesos que no son
controlables por la UPG (fenómenos climáticos, sociales, económicos y políticos), mientras
que u recoge la distancia de cada empresa a su frontera estocástica, representando una medida
de ineficiencia técnica(23). Por tanto, la Frontera de Producción Estocástica (FPE) es descrita
por la Ecuación 2:
Y *  f ( x)  v (2)
En el caso de las FPE, el índice de eficiencia técnica para la empresa i puede calcularse con
la Ecuación 3:
Yi
ETi  (3)
f ( x)  vi
La FPE es propuesta por primera vez en los años 1970 del siglo pasado(24,25) donde
consideraron(24) el caso en que u se distribuye semi-normal, es decir u  N (0,  u ) y v
normal. Las implicaciones a nivel conceptual de que la FP sea estocástica son muy
importantes para la interpretación de la ineficiencia. Como dice Schmidt(24), “el agricultor
cuya cosecha es devastada por la sequía o una tormenta es desafortunado con nuestra medida,
pero ineficiente con la medida habitual”. Una importante limitación de las primeras
estimaciones de FPE es que solamente se calculaba la eficiencia media de la muestra, no
siendo posible obtener una medida de la eficiencia de cada empresa. Desarrollos
posteriores(26)lograron encontrar una medida de la eficiencia individual utilizando la
distribución condicional de u en ε. El índice de eficiencia técnica para cada empresa i es:
ETi  exp   E (ui | 1 ) (4)
La medida más utilizada de la ET es la razón de la producción observada y la correspondiente
producción de frontera estocástica, como en Ecuación 5:

158
Rev Mex Cienc Pecu 2023;14(1):154-171

qi exp( xi´   vi  ui )
TEI    exp(ui ) (5)
exp( xi´   vi exp( xi´   vi )
Esta medida de eficiencia técnica toma un valor entre cero y uno. Mide el producto de la i-
ésima UPG en relación con el producto que podría producir una UPG totalmente eficiente
utilizando el mismo vector de insumos. El primer paso para calcular la ET es estimar los
parámetros del modelo de frontera de producción estocástica:

Estimación de los parámetros

Debido a que el modelo 9.2 incluye términos aleatorios; el error simétrico (vi) y una variable
aleatoria no negativa (ui), el método de estimación seleccionado incluye supuestos sobre
ambos términos. Cada vi se distribuye independiente de cada ui y ambos están no
correlacionados con las variables explicativas. Adicionalmente, el componente de ruido vi se
asume con propiedades idénticas a las del modelo clásico de regresión lineal. El componente
de ineficiencia tiene propiedades similares excepto que tiene una media diferente de cero
(ui ≥0), por lo que no se pueden usar Mínimos Cuadrados Ordinarios. Una solución es hacer
algunas suposiciones de distribución con respecto a los dos términos de error y estimar el
modelo utilizando el método de máxima verosimilitud (ML).

Modelo Half-Normal

Estimadores ML se obtuvieron(24) bajo los siguientes supuestos: vi = iidN(0,s v2 ) y


ui = iidN + (0,s u2 ) . Lo anterior indica que las vi son variables aleatorias normales distribuidas
de manera independiente e idéntica con medias y varianzas cero y las ui son variables
aleatorias semi-normales distribuidas de manera independiente e idéntica con parámetro de
escala. Es decir, la función de densidad de probabilidad (pdf) de cada ui es una versión
truncada de una variable aleatoria normal que tiene media cero y varianza  u2 .

La función log-verosimilitud se parametrizó(24) para este modelo medio normal en términos


de  2   v2   u2 and  2   u2 /  v2  0. Si   0 no hay efectos de ineficiencia técnica y todas
las desviaciones de la frontera se deben al ruido. Usando esta parametrización, la función de
máxima verosimilitud es representada en la Ecuación 6:
1   2  1  i  1 1
In L( y |  ,  ,  )   In     In    2  2
(6)
   2
i
2  2  i 1 i 1

Donde, y es un vector de producto;  i  vi  ui  In qi  xi´ es el término de error


compuesto; y ( x) es una función de distribución acumulada (cdf) de la variable aleatoria
normal estándar evaluada en x.

159
Rev Mex Cienc Pecu 2023;14(1):154-171

El análisis empírico se basa en la estimación de una función de producción Cobb-Douglas en


la que tanto el producto como los insumos se expresan en forma logarítmica (Ecuación 7),
por lo que los coeficientes estimados se interpretan como elasticidades(27).
Ln(Yi ) = b0 + b1 Ln(SUP) + b2 Ln( MO) + b3 Ln( ACT) + b4 Ln(SAN) + b5 Ln( ALIM ) + e (7)
En este modelo, la variable dependiente (Yi) es el valor de la producción ganadera de las
UPG. Las variables explicativas son;
SUPGAN, es la superficie ganadera, en hectáreas propiedad de la UPB.
MO, es el costo de la mano de obra utilizada en la producción.
ACT, es el valor de los activos; valor de maquinaria, equipo, e instalaciones productivas
utilizados en la actividad ganadera.
SAN, es los gastos en sanidad; insumos y servicios veterinarios.
ALIM, es el costo de alimentación; costo de mantenimiento de pradera y alimentación
suplementaria.

Modelo de eficiencias individuales

El modelo estimado de eficiencias individuales (Ecuación 7) considera como variable


dependiente las medidas de ineficiencia estimadas en la primera etapa. Las variables
explicativas son un conjunto de variables que hipotéticamente afectan el desempeño de la
UPG(6). La literatura reporta como variables explicativas más comunes la edad del jefe de la
UPG, su nivel de escolaridad, la experiencia en la actividad objeto del estudio, características
de la UPG, administración, y factores ambientales, entre los más citados(28-31). El modelo de
regresión múltiple fue el descrito en Ecuación 8:
U i = d 0 + d1 Ln(Edad) + d 2 Ln(Escol ) + d 3 Ln(Exper ) + d 4 Ln( Admon) + d 5 Ln( AT) + Ji (8)
Donde: Edad, es la edad del jefe de la UPG; Escol es el nivel de escolaridad (en años) del
jefe de la UPG; Exper, son los años de experiencia en la actividad ganadera; Admon es una
variable dummy que toma el valor de cero si la UPG no tiene un sistema de administración
y uno si cuentan con un sistema de administración; AT es servicio de asistencia técnica, cero
si no recibieron asistencia técnica y uno si recibieron el servicio. Las variables de modelo de
frontera estocástica y del modelo de ineficiencia individuales se presentan en el Cuadro 2.

160
Rev Mex Cienc Pecu 2023;14(1):154-171

Cuadro 2: Variables usadas en el modelo producción de frontera estocástica


Conceptos Frecuencia Porcentaje

Género del jefe Mujer 22 12.0


Hombre 162 88.0
Escolaridad del jefe Primaria 69 37.3
de la UPG Secundaria 63 34.1
Media Superior 33 17.8
Profesional 20 10.8
Administración No llevan sistema 114 61.6
Llevan sistema 71 38.4
Asistencia técnica No recibieron 124 67.0
Si recibieron 55 33.0
Nivel tecnológico Bajo 94 50.8
Medio 45 24.3
Alto 46 24.9
Estratos (número de 20 o menos 89 48.1
unidades animal (U.A)) 21 a 50 60 32.4
50 o mayor 36 19.5
Variable Media Desviación estándar
Edad del jefe (a) 56.0 13.4
Experiencia 22.2 13.3
Unidades animal 62.5 88.6
Superficie pradera, ha 64.9 129.4
Costo mano de obra, $ 37,837 19,354
Sanidad, $ 10,680 3,292
Costos alimentación, $ 125,477 72,226
Activos; depreciación
35,260 10,500
anual, $
Ingreso neto, $ 83,488 20,824
Beneficio costo (B/C) 1.31 0.26

Resultados y discusión

Los dueños de las UPB de la región Sierra Norte de Puebla tienen edad promedio de 56 años
y rango de 25 a 86 años. El promedio de escolaridad es 8 años; poco menos de la mitad de
productores tienen estudios de primaria terminada, 28.6 % terminó la secundaria y 29.2 %
culminó estudios de bachillerato. Las características anteriores son similares a las reportadas

161
Rev Mex Cienc Pecu 2023;14(1):154-171

previamente(32) para la población rural del estado de Puebla. La experiencia de los


productores en la producción de ganado bovino fue de 27 años, y han recibido asistencia
técnica en temas de alimentación, sanidad animal y capacidad de carga.

La mitad de las UPG (50.8 %) se dedican exclusivamente a la producción de ganado bovino


en pie, 22.2 % se sustenta con otras actividades comerciales (arrendamientos, negocios y
transportes), 16.8 % se apoya en actividades agrícolas y frutícolas (café, plátano, maíz,
naranja, frijol y vainilla), y 10.3 % reporta otras actividades no agropecuarias. El porcentaje
del ingreso de los hogares que es generado por actividades productivas no agropecuarias fue
de 55 %, resultado similar al reportado en estudios previos(33).

El tamaño promedio del hato fue de 73 cabezas, con un mínimo de 4 y un máximo de 657,
lo que evidencia una gran heterogeneidad entre las unidades productoras, dificultando las
condiciones para competir y lograr un mejor proceso productivo(34). La superficie promedio
que detentan las UPG para el pastoreo fue de 64 ha y el valor de sus activos fue de $135,261
(vehículos, molino, bodega, ordeñadora, silo, corral, bebedero, comedero y báscula). Los
ingresos promedios anuales reportados fueron de $83,666, equivalente al 10 % del hato, por
el concepto de venta de becerros a destete y animales de desecho. En la estructura de costos,
la alimentación representó 60 % del costo total de producción, la mano de obra contratada y
familiar 18 %, costos fijos y depreciación de activos 17 % y 5 % fue el costo de la sanidad.

Resultados del modelo econométrico

Los resultados del modelo de frontera estocástica, utilizando la muestra completa, se


presentan en Cuadro 3. Las variables resultaron con el signo esperado, de acuerdo a la teoría
económica. El signo positivo se refiere a que al aumentar el uso del factor productivo
aumenta la producción, en tanto que la magnitud del coeficiente da cuenta de la importancia
relativa de cada variable independiente para explicar la dependiente.

162
Rev Mex Cienc Pecu 2023;14(1):154-171

Cuadro 3: Resultados del ajuste del modelo de frontera estocástica


[95% intervalo de
Variable explicativa Coeficiente EE Estadístico t confianza]
Sup. de pastos (SUP) 0.025 0.015 1.71* -0.023 0.073
Mano de obra (MO) 0.263 0.068 3.89** 0.430 0.696
Valor de activos (ACT) 0.365 0.046 7.87** 0.456 0.274
Sanidad (SAN) 0.411 0.081 5.07** 0.152 0.670
Alimentación (ALIM) 0.195 0.016 11.82** 0.053 0.327
Intercepto -1.777 0.498 -3.57** -2.753 -0.802
sig2v -3.481 0.287 -12.13 -4.044 -2.919
sig2u -2.607 0.369 -7.06 -3.331 -1.884
sigma_v 0.175 0.025 0.132 0.232
sigma_u 0.272 0.050 0.189 0.390
sigma2 0.105 0.021 0.063 0.146
2
lambda y lambda 1.370/1.88 0.072 1.408 1.688
gamma:    u /  s
2 2
0.74
EE= error estándar; * y** significativo al 10 y 5 % respectivamente.

Las variables MO, ACT, SAN, y ALIM son significativas al 5 %. Superficie ganadera
(SUPGAN) fue encontrada significativa también(30) cuando estudiaron los factores que tienen
influencia en la eficiencia técnica en el sudeste de Kenya en 2013; un aumento del 10 % en
la superficie ganadera resultó en 29 % de aumento en la producción ganadera. La variable
MO fue encontrada significativa por varios autores(31,35,36). En un estudio en Botswana(36)
realizado con cuatro estratos de productores, encontraron que al aumentar 10 % la cantidad
de mano de obra, aumenta en 15 y 18 %, respectivamente la ganancia de los productores. La
variable ACT no ha sido identificada como significativa en los estudios revisados. En el
presente estudio, ACT tiene un efecto positivo en la producción de las UP ganaderas, de
acuerdo a lo esperado por la teoría económica(20). La variable SAN y ALIM fueron reportadas
también como significativa(14,30,31).

Respecto al ajuste del modelo (7), la frontera de producción estocástica estimada presentó
una distribución normal de los residuos (test de Shapiro-Wilks), no correlación serial de los
errores (Durbin-Watson), no heterocedasticidad de la varianza y no presenta problemas de
autocorrelación ni multicolinealidad. En los valores obtenidos del modelo ajustado general
(Cuadro 3), se determinó que la producción ganadera presenta rendimientos crecientes de
escala (La sumatoria de los coeficientes es mayor que la unidad). Para confirmar este
resultado, se realizó la prueba para los retornos de escala, donde se obtuvo un valor de P=0.03
< 0.05, esto hace que se rechace la existencia de retornos constantes a escala(6).

En lo que se refiere a las ineficiencias del modelo 8, se observó que los parámetros de
varianza de la función de máxima verosimilitud (MV) son estimados a partir del modelo total

163
Rev Mex Cienc Pecu 2023;14(1):154-171

de varianza definido como:  s2   v2   u2 y el valor estimado en el modelo para la varianza


total ( s2 ) resultó en 0.105. Mientras que el valor de lambda (%) resultó en 1.370, lo que
muestra que la varianza de las eficiencias es mayor que la varianza de las perturbaciones
aleatorias en 88% ( 2  1) y el valor de gamma obtenido de la relación entre las varianzas
   u2 /  s2 establece que el 73.9 % de la varianza total es explicada por la varianza de las
ineficiencias.

Los resultados del modelo de frontera estocástica para cada estrato de productores ganaderos
se muestran en el Cuadro 4. Similar al modelo general, los modelos para cada estrato
estimado mostraron distribución normal de los residuos, no correlación serial de los errores,
no heterocedasticidad de la varianza y no auto correlación. Las variables SUPGAN, MO,
ACT, SAN, y ALIM son significativas al 5 % en los estratos dos y tres.

Cuadro 4: Resultados del modelo de Frontera Estocástica para los estratos de UPG
Estrato 1 Estrato 2 Estrato 3
Valor Valor Valor
Variable Coeficiente de Z Coeficiente de Z Coeficiente de Z
SUP 0.094 1.85 0.027 2.27 0.073 3.31
MO 0.121 1.76 0.086 2.17 0.163 4.55
ACT 0.116 3.33 0.204 3.83 0.210 4.33
SAN 0.118 2.18 0.158 3.55 0.194 8.95
ALIM 0.654 13.64 0.607 14.07 0.670 2.35
Constante 0.641 1.08 0.752 1.59 -1.267 -2.96
/lnsig2v -3.704 -24.7 -4.206 -23.02 -37.972 -0.06
2
/lnsig u -13.129 -0.07 -13.419 -0.07 -2.339 -9.92
sigma_v 0.157 0.122 0.000
sigma_u 0.001 0.001 0.310
sigma2 0.025 0.015 0.096
lambda 0.009 0.010 5.460

En el estrato 1 fue significativa solo SAN, y ALIM. Una posible explicación es que los
pequeños productores tienen pastos de menor calidad, sin manejo agronómico, utilizan mano
de obra familiar, poco especializada, y el valor de sus activos es muy bajo, reflejo de UPG
poco tecnificadas. La variable alimentación es la que tiene mayor peso en explicar la
producción de las UPG para los tres estratos. El valor de los activos tiene dos veces más peso
relativo en los estratos dos y tres que en el uno, lo que significa que estas UPG no solo tienen
mayor inversión en activos, sino que es moderna y genera mayor productividad. Los modelos
para el estrato 2 y 3 presentan rendimientos crecientes a escala, no así el modelo del estrato
1 que tiene rendimientos decrecientes a escala. Al respecto(37), en un estudio en Estados
Unidos de América, encontró que a medida que aumenta el tamaño de la UPG aumenta la
ET, lo que mostró evidencia de economías de escala. Posible explicación para el resultado

164
Rev Mex Cienc Pecu 2023;14(1):154-171

del estrato 1 es que los pequeños productores tienen bajo nivel de capitalización, mano de
obra poco calificada, y dado que tienen poca superficie de pastos, hacen un uso intensivo,
sobre explotando el recurso(38,39).

Distribución de frecuencias de la eficiencia técnica (ET) por estrato de las


UPG

El rango de ET para los productores bovinos estuvo entre 0.50 y 0.95. Del total de las 185
UPG, 29 % tiene valores entre 0.50 y 0.70, 63 % entre 0.71 y 0.90, y solo 8 % valores de ET
mayores a 0.90. Se observa en el Cuadro 5 que el estrato 3 presenta la mayor parte de los
valores de 0.91 o más. Al respecto(40), encontraron que las UPG con mayor número de
unidades animal y mayor superficie ganadera presentaron los valores mayores de eficiencia
técnica.

Cuadro 5: Distribución de frecuencias (porcentajes) de la eficiencia técnica (ET) por


estratos de las UPG
ET ET ET
Estratos (no de cabezas) Promedio
(0.50 - 0.70) (0.71-0.90) (> 0.91)
Estrato 1 (20 o menos) 47.2 22.2 13.3 0.712
Estrato 2 (21 a 50) 41.5 33.3 0.0 0.751
Estrato 3 (Mayor a 50) 11.3 44.4 86.7 0.844
General 100.0 100.0 100.0 0.789

Resultados de las ineficiencias individuales

El Cuadro 6 presenta los resultados del modelo de las ineficiencias individuales de acuerdo
a la Ecuación (8). Las variables significativas, a diferentes niveles de significancia, y con un
coeficiente negativo, fueron Escol, Exper, Admon y AT. El signo negativo de los coeficientes
indica una relación inversa entre el valor de la variable explicativa y el valor de la
ineficiencia. Al respecto, investigaciones previas(28,30,36) han reportado resultados que
sustentan a los resultados de este trabajo. Se encontró que más años de escolaridad reduce la
ineficiencia en valores muy similares a los reportados en esta investigación. De forma similar,
para el caso de la variable Admon(6,14,41) encontraron una relación inversa entre llevar un
sistema de administración e ineficiencia. Para AT(28,30,41) reportaron que el recibir este
servicio se contribuye a reducir la ineficiencia de las UPG. En el presente estudio Edad no es
significativa, resultado apoyado por lo encontrado en la literatura(30).

165
Rev Mex Cienc Pecu 2023;14(1):154-171

Cuadro 6: Modelo explicativo general de la ineficiencia


Error Intervalo
Variable explicativa Coeficiente Valor de t
estándar
Edad (Edad) 0.02 0.0212 1.1 -0.042 – 0.042
Escolaridad (Escol) -0.23 0.0635 3.6 0.010 – 0.635
Experiencia (Exper) -0.12 0.0739 1.7 -0.012 – 0.024
Administración (Admon) -0.23 0.0824 2.5 -0.001 - 0.048
Asistencia técnica (AT) -0.22 0.0136 14.9 0.176 - 0.230
Constante -0.47 0.799 -0.6 -0.626 – (-0.310)
Ajuste (R2)/R2 ajustada 0.7929 / 0.7859
Heterocedasticidad
Prob> Ji2=0.000
(Cook-Weisberg)
Normalidad: (Shapiro-
0.00002
Wilk)
Factor Inflación varianza 1.59

Los resultados anteriores sugieren que reducir la ineficiencia deberá abordarse brindando
servicios públicos de asistencia técnica, actividad que en México está en niveles muy bajos
desde la década de los noventas. Al respecto, en un estudio sobre uso de innovaciones
pecuarias en Sinaloa(7) reportaron que solo 3 % de las UP reciben servicios de asistencia
técnica, y de estos, las UPG representan sólo 19.3 %. La capacitación en la gestión de la
UPG, incluyendo servicios administrativos, también deberá ser un aspecto central, además
de los temas tecnológicos de la ganadería.

Resultados del modelo de la ineficiencia técnica por estratos de UPG

El Cuadro 7 reporta los resultados del modelo de ineficiencia técnica por estratos de las UPG.
Para el estrato 1, Edad y Exper son significativas, no así Escol, Admón y AT. Los productores
de este estrato presentan baja escolaridad, de 6 años en promedio, tienen experiencia, y la
mayoría no llevan sistemas administrativos y no reciben ningún tipo de servicios de asistencia
técnica. Para el estrato 2 Escol, Exper y AT son significativos. Se observó, que los años de
escolaridad aumentan de forma importante para los productores de este estrato. Finalmente,
para el estrato 3, cuatro variables son significativas. Cabe resaltar que los valores de los
coeficientes están en el rango de 0.13 a 0.28, lo que evidencia un efecto importante de estas
variables para reducir la ineficiencia. Por lo que mejorar los sistemas administrativos y la
calidad de la asistencia técnica son aspectos que pueden llevar a estas UPG a ser altamente
eficientes(14,30,41).

166
Rev Mex Cienc Pecu 2023;14(1):154-171

Cuadro 7: Resultados del modelo de la ineficiencia técnica por estratos de UPG


Estrato 1 Estrato 2 Estrato 3
Variable Coef. t EE Coef. t EE Coef. t EE
Edad -0.066 -2.15* 0.031 0.017 0.42 0.041 0.065 1.38 0.047
Escol -0.001 -0.03 0.007 -0.184 -2.08* 0.088 -0.142 -2.59* 0.055
Exper -0.027 -2.30* 0.012 -0.126 -2.09* 0.060 -0.197 -4.28* 0.046
Admón 0.033 1.63 0.020 0.017 0.81 0.020 -0.281 -5.73* 0.049
AT 0.108 1.42 0.076 -0.150 -7.34* 0.020 -0.134 -5.56* 0.024
Constante -0.238 -2.10 0.113 -0.481 -2.97 0.162 -0.700 -3.89* 0.179
R2/R2 Adj. 0.7935 / 0.7884 0.8027 / 0.7904 0.8214 / 0.7945
D-W 0.0719 0.0005 0.0247
Normalidad 0.01219 0.69848 0.17108
FIV 1.4 1.23 1.7
EE= error estándar; D-W= Durbin-Watson; FIV= factor de inflación de la varianza.

Conclusiones e implicaciones

La producción de bovinos en pie en la región de estudio se realiza con un grado alto de


eficiencia, sin embargo, existe un margen importante para mejorar, especialmente en los
pequeños productores. Los productores más eficientes tienen mayor escolaridad, reciben
servicios de asistencia técnica, utilizan sistema de administración, detentan mayor superficie
de pastos, mayor número de cabezas y utilizan mejores sistemas de sanidad animal. Los
costos de mano de obra, sanidad, alimentación y activos pueden reducirse manteniendo el
mismo nivel de producción. Los pequeños productores, que son el subsector más grande en
número, pueden mejorar su producción atendiendo aspectos de alimentación y sanidad, con
las demás variables constantes. El uso de servicios de asistencia técnica disminuye la
ineficiencia, a través de hacer un uso más intensivo y adecuado de la tecnología pecuaria
disponible. Por lo anterior, es recomendable hacer extensivos y permanentes estos servicios
a todos los ganaderos, especialmente a los pequeños. La relación positiva entre tamaño del
hato y eficiencia productiva puede estar relacionada con los beneficios de economías de
escala, para el caso de medianos y grandes productores, por lo que el financiamiento para
aumentar el hato puede generar ganancias de producción y eficiencia.

Literatura citada:
1. SIAP. Sistema de Información Agroalimentaria y Pesca. 2017. Avance mensual de la
producción pecuaria. Consultado 13 marzo, 2019.
http://infosiap.siap.gob.mx/repoAvance_siap_gb/pecConcentrado.jsp.

2. FIRA. Fideicomisos Instituidos en Relación con la Agricultura. 2017. Panorama


Agroalimentario. Panorama Agroalimentario Carne de bovino 2017.pdf. Consultado 22
enero, 2019.

167
Rev Mex Cienc Pecu 2023;14(1):154-171

3. SIAP. Sistema de Información Agroalimentaria y Pesca. 2018. Cosechando números del


Campo; carne de bovino.
http://www.numerosdelcampo.sagarpa.gob.mx/publicnew/productosPecuarios/cargarP
agina/1. Consultado 24 Ene, 2019.

4. Jaramillo-Villanueva JL, Escobedo-Garrido JS, Carranza-Cerda I. Oportunidades


estratégicas para el desarrollo del sector agropecuario en Puebla, sistemas de producción
y procesos de agregación de valor. 1ra ed. México: Plaza y Valdés SA de CV. 2017.

5. ENA. Encuesta Nacional Agropecuaria. 2015. Existencias de ganado bovino según rangos
de edad por entidad federativa.
https://www.inegi.org.mx/programas/ena/2014/default.html#Tabulados. Consultado 22
Ene, 2019.

6. Veloso-Contreras F, Cabas-Monje J, Velasco-Fuenmayor J, Vallejos-Cartes R, Gil-Roig


JM. Eficiencia técnica de los pequeños productores bovinos de la región centro sur de
Chile. Revista Científica 2015;25(2):99-106.

7. Cuevas RV, Baca del Moral J, Cervantes EF, Espinosa GJA, Aguilar ÁJ, Loaiza MA.
Factores que determinan el uso de innovaciones en la ganadería de doble propósito en
Sinaloa, México. Rev Mex Cienc Pecu 2013;4(1):31-46.

8. Ayala-Garay AV, Rivas-Valencia P, Cortes-Espinoza L, De la O-Olán M, Escobedo-


López D, Espitia-Rangel E. La rentabilidad del cultivo de amaranto (Amaranthus spp.)
en la región centro de México. CIENCIA ergo-sum 2014;21(1):47-54.

9. Koopmans TC. An analysis of production as an efficient combination of activities. Activity


Analysis of Production and Allocation 1951;(13):33-97.

10. Martey E, Wiredu AN, Etwire PM, Kuwornu JK. The impact of credit on the technical
efficiency of maize-producing households in Northern Ghana. Agric Finance Rev
2019;79(3):304-322.

11. Wiboonpongse A, Sriboonchitta S, Rahman S, Calkins P, Sriwichailumphun T. Joint


determination of the choice of planting season and technical efficiency of potato in
northern Thailand: A comparison of Greenes versus Heckmans sample selection
approach. Afr J Bus Manag 2012;6(12):4504-4513.

12. Cabrera VE, Solís D, del Corral J. The effect of traditional practices in the efficiency of
dairy farms in Wisconsin. South J Agric Econ Association Annual Meeting Orlando FL,
February 6-9; 2010.

168
Rev Mex Cienc Pecu 2023;14(1):154-171

13. Cárdenas G, Vedenov DV, Houston JE. Analysis of production efficiency of Mexican
coffee-producing districts. AAEA Annual Meetings, Selected Paper #134280
Providence, RI July 2005.

14. Otieno DJ, Hubbard LJ, Ruto E. Determinants of technical efficiency in beef cattle
production in Kenya. Selected Paper prepared for presentation at the International
Association of Agricultural Economists (IAAE) Triennial Conference Foz do Iguacu
Brazil August 2012;18-24.

15. Iraizoz B, Bardaji I, Rapun M. The Spanish beef sector in the 1990s: impact of the BSE
crisis on efficiency and profitability. Appl Econ 2005;37(4):473-484.

16. Trestini S. Technical efficiency of Italian beef cattle production under a heteroscedastic
non-neutral production frontier approach. Paper presented at the 10th Joint Conference
J Food Agric Environ, Duluth Minnesota 2006 August:27-30.

17. Morales-Hernández JL, González-Razo FDJ, Hernández-Martínez J. Función de


producción de la ganadería de carne en la zona sur del Estado de México. Rev Mex
Cienc Pecu 2018;9(1):1-13.

18. Solís D, Bravo-Ureta B, Quiroga R. Technical efficiency among peasant farmers


participating in natural resource management programs in Central America. J Agric
Econ 2009;60:202-219.

19. INEGI. Instituto Nacional de Estadística, Geografía. 2009. Censo Agropecuario 2007.
http://www.inegi.org.mx/est/contenidos/proyectos/Agro/ca2007/Resultados_Ejidal/def
ault.aspx. Consultado 18 Jun, 2019.

20. Nicholson W. Teoría microeconómica. Principios básicos y ampliaciones. Novena


edición. Cengage Learning 2012;212-224.

21. SINIIGA. Sistema Nacional de Identificación Individual de Ganado. 2012.


Estratificación por UPs y vientres bovinos, 32. Veracruz, México.
http://ugrnv.com.mx/web/wp-content/uploads/2012/06/Siniiga%20Presentacion.pdf.
Consultado 17 Jun, 2019.

22. Alvarez PA. La medición de la eficiencia y la productividad. Primera ed. Madrid, España:
Ediciones Pirámide; 2001.

23. Greene WH. Simulated likelihood estimation of the normal-gamma stochastic frontier
function. J Product Anal 2003;19(2):179–190.

24. Aigner DJ, Lovell K, Schmidt P. Formulation and estimation of stochastic frontier
production function models. J Econom 1977;6(1):21–37.

169
Rev Mex Cienc Pecu 2023;14(1):154-171

25. Meeusen W, Van Den Broeck J. Efficiency estimation from Cobb-Douglas production
functions. Int Econ Rev 1977;18(2):435–444.

26. Jondrow J, Lovell CK, Materov IS, Schmidt P. On the estimation of technical inefficiency
in the stochastic frontier production function model. J Econom 1982;19(2-3):233-238.

27. Kumbhakar SC, Lovell CAK. Stochastic Frontier Analysis. Cambridge University Press.
Cambridge, New York, Melbourne 2003. http://dx. doi.
org/10.1017/cbo9781139174411.

28. Velasco FJ, Ortega SL, Sánchez CE, Urdaneta F. Análisis de sensibilidad del nivel
tecnológico adoptado en fincas ganaderas de doble propósito del Estado Zulia,
Venezuela. Rev Cient 2010;20(1):67-73.

29. Melo-Becerra LA, Orozco-Gall AJ. Technical efficiency for Colombian small crop and
livestock farmers: A stochastic metafrontier approach for different production systems.
J Product Anal 2017;47(1):1-16.

30. Kibara MJ, Kotosz B. Tecnnical efficiency estimation in the livestock industry: Case
study of the southern rangelands of Kenya. Challenges in National and International
Economic Policies 2018;97-114.

31. Latruffe L, Balcombe K, Davidova S, Zawalinska K. Determinants of technical efficiency


of crop and livestock farms in Poland. Appl Econ 2004;36(12):1255-1263.

32. INEGI. Instituto Nacional de Estadística, Geografía. 2018. Censos y Conteos de


Población y Vivienda. https://www.inegi.org.mx/programas/ccpv/2010/. Consultado 17
Ene, 2019.

33. Mora-Rivera J, Martínez-Domínguez M, Jaramillo-Villanueva JL, Chávez-Alvarado


MA. Participación en el sector no agropecuario en el México rural: una perspectiva de
género. R Bras Est Pop Belo Horizonte 2017;34(2):367-389.

34. Escalante S, Roberto I, Catalán H. Situación actual del sector agropecuario en México:
perspectivas y retos. Economía Informa 2008; 350.
http://www.economia.unam.mx/publicaciones/econinforma/pdfs/350/01escala
nte.pdf. Consultado 22 May,2019.

35. Rakipova AN, Gillespie JM, Franke DE. Determinants of technical efficiency in
Louisiana beef cattle production. J ASFMRA 2003;99-107.

36. Bahta S, Baker D. Determinants of profit efficiency among smallholder beef producers
in Botswana. Int Food Agribusiness Manag Rev 2015;18(3):107-130.

170
Rev Mex Cienc Pecu 2023;14(1):154-171

37. Sabasi D, Shumway CR, Astill GM. Off‐farm work and technical efficiency on US
dairies. Agric Econ 2019;1-15.

38. Perfetti JJ, Balcázar A, Hernández A, Leibovich J. Políticas para el desarrollo de la


agricultura en Colombia. Fedesarrollo, Sociedad de Agricultores de Colombia (SAC),
Incoder, Finagro, Banco Agrario. 2013.

39. Cano CG, Vallejo C, Caicedo E, Amador JS, Tique EY. El mercado mundial del café y
su impacto en Colombia. Borradores de Economía 2012;710.

40. Qushim B, Gillespie JM, Bhandari BD, Scaglia G. Technical and scale efficiencies of US
grass-fed beef production: whole-farm and enterprise analyses. J Agric Appl Econ
2018;50(3):408-428.

41. Ceyhan V, Hazneci K. Economic efficiency of cattle-fattening farms in Amasya province,


Turkey. J Anim Vet Adv 2010;9(1):60-69.

171
https://doi.org/10.22319/rmcp.v14i1.6182

Artículo

Regresión cuantil para predicción de caracteres complejos en bovinos


Suizo Europeo usando marcadores SNP y pedigrí

Jonathan Emanuel Valerio-Hernández a

Paulino Pérez-Rodríguez b*

Agustín Ruíz-Flores a

a
Universidad Autónoma Chapingo. Posgrado en Producción Animal. Carretera Federal
México-Texcoco Km 38.5, 56227, Texcoco, Estado de México, México.
b
Colegio de Postgraduados. Socio Economía Estadística e Informática. Carretera Federal
México-Texcoco Km 36.5, 56230, Texcoco, Estado de México.

*Autor para correspondencia: perpdgo@colpos.mx

Resumen:

Los modelos de predicción genómica generalmente suponen que los errores se distribuyen
como variables aleatorias normales, independientes e idénticamente distribuidas con media
cero e igual varianza. Esto no siempre se cumple, además puede haber fenotipos distantes de
la media poblacional, los que usualmente se eliminan al realizar la predicción. La regresión
cuantil (QR) afronta aspectos estadísticos como alta dimensionalidad, multicolinealidad y
distribución fenotípica diferente de la normal. El objetivo de este trabajo fue comparar QR
utilizando información de marcadores y pedigrí con los métodos alternativos tales como
mejor predicción lineal insesgada genómica (GBLUP) y mejor predicción lineal insesgada
genómica en un solo paso (ssGBLUP) para analizar los pesos al nacimiento (PN), destete
(PD) y al año (PA) de bovinos Suizo Europeo y datos simulados con diferente grado de
asimetría y proporción de datos atípicos. La capacidad predictiva de los modelos se evaluó
mediante validación cruzada. El desempeño predictivo de QR tanto sólo con información de
marcadores como con marcadores más pedigrí, con el conjunto de datos reales, fue mejor
que las metodologías GBLUP y ssGBLUP para PD y PA. Para PN GBLUP y ssGBLUP

172
Rev Mex Cienc Pecu 2023;14(1):172-189

fueron mejores, sin embargo, solo se utilizaron los cuantiles 0.25, 0.50 y 0.75, y la
distribución de PN no fue asimétrica. En el experimento de datos simulados, las correlaciones
entre efectos de marcador “verdadero” y efectos estimados, así como las correlaciones de
señales “verdaderas” y estimadas fueron más altas cuando se usó QR comparado con
GBLUP. Las ventajas de QR fueron más notorias con distribución asimétrica de los fenotipos
y con mayor proporción de datos atípicos, como fue el caso del conjunto de datos simulados.

Palabras clave: Regresión cuantil, GBLUP, ssGBLUP.

Recibido: 30/03/2022

Aceptado: 04/08/2022

Introducción

La motivación principal del método de regresión cuantil (QR) reside en que la mayoría de
los modelos para evaluación genética asumen normalidad, lo que no siempre se cumple. Otro
problema es que en ocasiones registros fenotípicos muy alejados del promedio de la
población se consideran como errores de registro o datos atípicos y por consiguiente se
eliminan de los análisis, visto desde el punto de vista genómico se está perdiendo información
valiosa de marcadores asociados a ciertas regiones de ADN con fuerte influencia en
características de interés.

Con el método QR se obtienen resultados robustos y una visión amplia de las variables
explicativas sobre las dependientes(1). Los datos generados a partir de experimentos ómicos
frecuentemente son complejos y de gran dimensión, por consiguiente existe un desafío
estadístico para extraer información biológica relevante del gran volumen de datos(2,3). El uso
de un enfoque sólido como QR hace que la inferencia sea menos sesgada y esté menos sujeta
a falsos positivos(2). En estudios recientes que utilizan QR, se describen aplicaciones diversas
como estudios de asociación genética(4), genética de poblaciones(5), expresión génica(6,7) y
selección genómica(8–10).

Uno de los primeros estudios donde se utilizó QR para predecir el mérito genético individual
lo presentaron Nascimento et al(11), quienes utilizaron datos simulados encontrando ventajas
al usar QR frente a metodologías convencionales. El mismo año(12) se publicaron resultados
usando QR para ajustar curvas de crecimiento con datos de cerdos y marcadores moleculares;
no solo ajustaron con éxito las curvas de crecimiento sino que identificaron marcadores de
importancia asociados con la característica estudiada. Otro trabajo similar del mismo equipo
de investigadores fue presentado por Nascimento et al(13), pero con datos de frijol.

173
Rev Mex Cienc Pecu 2023;14(1):172-189

Recientemente Pérez-Rodríguez et al(10) extendieron el modelo de regresión cuantil para


incluir información de pedigrí a través del uso de la matriz de relaciones genéticas aditivas,
mejorando aún más la habilidad predictiva de los modelos y al mismo tiempo identificando
las proporciones de las varianzas atribuidas a marcadores, relaciones entre individuos y el
residual, lo cual permite obtener de manera precisa una partición de la varianza fenotípica.

El objetivo del presente estudio fue estudiar el poder predictivo del modelo de regresión
cuantil utilizando datos simulados y datos reales (pesos al nacimiento, destete y al año) de
bovinos Suizo Europeo y se consideraron los modelos: 1) QR con información de marcadores
moleculares SNP (QRM), 2) QR incluyendo simultáneamente información de marcadores
moleculares y genealógica derivada del pedigrí (QRH); 3) GBLUP el cual al igual que QRM
solo incluyó información de marcadores moleculares, y 4) evaluación genómica en un solo
paso (ssGBLUP) que incluyó información de marcadores y pedigrí.

Material y métodos

Genotipos

Se utilizó información de 300 animales (236 hembras, 64 machos) nacidos de 2001 a 2016
en ocho hatos ubicados en el Este, Centro y Oeste de México. Se recolectaron muestras de
pelo para su genotipado por la compañía GeneSeek (Lincoln, https://www.neogen.com/, NE,
EE. UU.), utilizando el panel GeneSeek® Genomic Profiler Bovine LDv.4, con 30,000 y
50,000 marcadores SNP, 150 animales con cada Chip. La genotipación se realizó en dos
ocasiones distintas, inicialmente 150 individuos con el Chip de 30K y posteriormente otro
grupo de 150 individuos con el Chip de 50K ya que el Chip de 30K no estuvo disponible en
ese momento. Se utilizaron los SNP en común entre los chips de 30K y 50K (12,835 SNP).
Se calcularon las proporciones de valores faltantes para cada marcador y para cada individuo.
El promedio de valores faltantes por individuo fue 2.09 % con una desviación estándar de
7.50 %. La tasa de llamada promedio (proporción no faltante para cada marcador) fue
97.90 % con una desviación estándar del 4.66 %. Se eliminaron los marcadores con una tasa
de llamada inferior al 95 %. Los genotipos se recodificaron como AA= 0, AB= 1 y BB= 2,
de donde se obtuvo una matriz con 300 filas (individuos) y 12,835 columnas (marcadores)
cuyas celdas toman valores en el conjunto {0,1,2, −}, donde “−” denota un valor faltante.
Para los 12,835 marcadores en común de los dos chips, los valores faltantes se imputaron al
azar, generando muestras de la distribución 𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(2, 𝑝̂ ) donde 𝑝̂ es la frecuencia del
alelo mayor, calculado a partir de los genotipos de marcadores observados. Se eliminaron los
marcadores monomórficos o aquellos con frecuencia de alelos menores (MAF) menor que
0.04. Después del control de calidad, 9,628 de los 12,835 SNP en común entre los dos chips
estuvieron disponibles para análisis adicionales.

174
Rev Mex Cienc Pecu 2023;14(1):172-189

Fenotipos

La información fenotípica y de pedigrí de la población de ganado Suizo Europeo se obtuvo


de la base de datos de la Asociación Mexicana de Criadores de Ganado Suizo de Registro.
Los registros de pesos al nacer (PN), al destete (PD) y al año (PA) se utilizaron para el
análisis. La edición de los fenotipos fue similar para PN, PD y PA, se descartaron los registros
de animales no relacionados genéticamente con aquellos genotipados o con información
faltante para hato, edad de la madre y manejo. Los grupos contemporáneos (GC) se
definieron al eliminar los animales en GC de 2 individuos o con varianza igual a cero. Para
PN los GC se definieron combinando los efectos del hato (8 hatos), año (1998 a 2016) y
temporada de nacimiento; las temporadas de nacimiento se definieron considerando el
calendario juliano, de 80 a 171 días, primavera; de 172 a 264 días, verano; de 265 a 354 días,
otoño; de 355 a 366 días y de 1 a 79 días, invierno. Después de la edición de datos para PN
se obtuvieron 330 registros. Para PD y PA los GC se definieron combinando los efectos del
hato (6 hatos), año (de 1998 a 2016), temporada de nacimiento (igual que PN) y manejo. En
el caso de PD los grupos de manejo se definieron de tres formas: terneros alimentados con
leche de su madre; leche de su madre más alimento balanceado; y leche de su madre y nodriza
más alimentación balanceada. Para PA los grupos de manejo se definieron de tres maneras:
animales en pastoreo; animales en pastoreo con concentrado alimenticio; y animales
estabulados con alimentación equilibrada. La edición de datos de PD y PA finalizó con 267
y 232 registros para análisis posteriores. En el Cuadro 1 se presenta un resumen del número
de animales genotipados, y fenotipados para PN, PD y PA. La Figura 1 muestra las gráficas
de violín para PN, PD y PA, la media muestral está representada por el punto rojo y la
mediana muestral por la línea horizontal dentro del recuadro, de la gráfica es claro que las
variables respuestas presentan una distribución asimétrica y los círculos con relleno sólido
en la misma sugieren la presencia de datos atípicos.

Cuadro 1: Número de animales genotipados y fenotipados para el análisis de los pesos al


nacer, al destete y al año de una población de ganado Suizo Europeo
Grupo Peso al nacer Peso al destete Peso al año

Genotipado 300 300 300


Genotipado y fenotipado 232 218 191
Fenotipados en QRM y GBLUP 232 218 191
Fenotipados en QRH y ssGBLUP 330 267 232
QRM=Regresión cuantil usando información de marcadores, QRH=Regresión cuantil usando información de
marcadores y pedigrí, GBLUP=Mejor predictor lineal insesgado genómico, ssGBLUP=Evaluación genómica
en un solo paso.

175
Rev Mex Cienc Pecu 2023;14(1):172-189

Figura 1: Gráficas de violín de peso al nacimiento (PN), al destete (PD) y al año (PA) en
una población de bovinos Suizo Europeo

La media muestral está representada por el punto rojo y la mediana muestral por la línea horizontal dentro del
recuadro

Modelos

Modelo de regresión cuantil con marcadores (QRM)

El modelo para regresión cuantil es:


𝑦𝑖 = 𝜇 + 𝒙𝑡𝑖 𝜷 + 𝑤𝑖 ,

donde 𝑦𝑖 es el valor del fenotipo del i-ésimo animal; 𝜇 es un intercepto; 𝒙𝑡𝑖 = (𝑥𝑖1 , … , 𝑥𝑖𝑝 )
𝑡
representa la i-ésima fila de la matriz de marcadores, 𝜷 = (𝛽1 , … , 𝛽𝑝 ) es el vector de
coeficientes de regresión asociados con marcadores y 𝑤𝑖 son variables aleatorias
independientes tales que su cuantil 𝜃 ∈ (0,1) es cero. La estimación de los coeficientes de
regresión para un cuantil de interés 𝜃 fijo se obtiene al resolver el problema de minimización
siguiente:
𝑚𝑖𝑛{∑𝑛𝑖=1 𝜌𝜃 (𝑦𝑖 − 𝜇 − 𝒙𝑡𝑖 𝜷) + 𝜆 ∑𝑝𝑗=1|𝛽𝑗 |},

donde ∑𝑝𝑗=1|𝛽𝑗 | es la suma de los valores absolutos de los coeficientes de regresión; 𝜆 es el


parámetro de penalización que controla la intensidad de la regularización; y 𝜌𝜃 (⋅) es la
función definida como(1):

176
Rev Mex Cienc Pecu 2023;14(1):172-189

𝜏 × 𝑡𝑖 Si 𝑡𝑖 ≥ 0
𝜌𝜃 (𝑡𝑖 ) = {
−(1 − 𝜏) × 𝑡𝑖 Si 𝑡𝑖 < 0,
donde 𝑡𝑖 = 𝑦𝑖 − 𝜇 − 𝒙𝑡𝑖 𝜷. Después de estimar los parámetros del modelo, los valores de cría
estimados mediante marcadores (GEBV) se obtienen mediante la siguiente expresión:
𝐺𝐸𝐵𝑉(𝜏) = 𝑦̂𝑖 (𝜏) = ∑𝑝𝑗=1 𝑥𝑖𝑗 𝛽̂𝑗 (𝜏),
donde 𝛽̂𝑗 (𝜏) es el efecto del j-ésimo marcador, definido por la relación funcional obtenida
para el cuantil de interés.
El modelo QR puede extenderse para incluir otros términos, en particular para las
características de crecimiento, se utiliza el siguiente modelo:
𝑦𝑖 = 𝜇 + 𝒔𝑡𝑖 𝝇 + 𝒄𝑡𝑖 𝝔 + 𝒙𝑡𝑖 𝜷 + 𝒘𝑖 ,
donde 𝑦𝑖 es el valor del fenotipo de la característica analizada (PN, PD o PA) del i-ésimo
animal, 𝜇 es un intercepto; 𝒔𝑡𝑖 = (𝑠𝑖1 , . . . , 𝑠𝑖𝑓 ) la i-ésima fila de la matriz de incidencia para
los efectos fijos (sexo, edad de la madre, manejo), 𝝇 = (𝜍1 , . . . , 𝜍𝑓 )𝑡 los coeficientes de
regresión para los efectos fijos, 𝒄𝑡𝑖 = (𝑐𝑖1 , . . . , 𝑐𝑖𝑡 ) la i-ésima fila de la matriz de incidencia
para efectos aleatorios de grupo contemporáneo (54, 43 y 37 para PN, PD y PA), 𝝔 =
(𝜚1 , . . . , 𝜚𝑡 )𝑡 efectos aleatorios de grupo contemporáneo, el resto de los términos como se
describieron anteriormente.

GBLUP

El modelo está dado por:


𝑦𝑖 = 𝜇 + 𝒔𝑡𝑖 𝝇 + 𝒄𝑡𝑖 𝝔 + 𝒛𝑡𝑖 𝒖 + 𝑒𝑖 ,
donde 𝒛𝑡𝑖 = (𝑧𝑖1 , . . , 𝑧𝑖𝑛 ) es la i-ésima fila de la matriz que conecta fenotipos con genotipos,
𝒖 = (𝑢1 , . . . , 𝑢𝑛 )𝑡 es el vector de efectos aleatorios para animales. Las varianzas genéticas
aditiva, de grupo contemporáneo y residual se asumen 𝑉𝑎𝑟(𝒖) = 𝑮𝜎𝑢2 , 𝑉𝑎𝑟(𝒄) = 𝐈𝜎𝑐𝑔 2
,y
2
𝑉𝑎𝑟(𝒆) = 𝐈𝜎𝑒 , respectivamente. La matriz de relaciones genómicas, 𝑮, se calcula como lo
describen Lopez-Cruz et al(14) y Pérez-Rodríguez et al(15); brevemente, G = WW’/p, donde
W es la matriz de marcadores estandarizada y centrada (cada marcador centrado restando la
media de frecuencia de alelo y estandarizado, dividiendo por la desviación estándar de la
muestra de la frecuencia de alelos), p es el número total de marcadores, 𝑒𝑖 variables aleatorias
normales e independientes con distribución normal con media 0 y varianza 𝜎𝑒2 .

Modelo de regresión cuantil en un solo paso (QRH)

Este método se considera una extensión del modelo de cuantiles para una matriz de relaciones
construida utilizando matrices de relaciones para animales genotipados y no genotipados y
de los cuales se tiene disponible un pedigrí. La matriz que resulta se conoce en la literatura
como matriz H(16,17), esta matriz está dada por:
𝟎 𝟎
𝐇 −1 = 𝐀−1 + [𝟎 𝐆−1 − 𝐀−1 ],
𝑎 𝑔𝑔

177
Rev Mex Cienc Pecu 2023;14(1):172-189

donde, Agg es una submatriz de A para animales genotipados, Ga = βG + α; 𝛽 y 𝛼 se obtienen


al resolver el sistema de ecuaciones:
𝐴𝑣𝑔(𝑑𝑖𝑎𝑔(𝐆))𝛽 + 𝛼 = 𝐴𝑣𝑔(𝑑𝑖𝑎𝑔(𝐀𝑔𝑔 ))
{ .
𝐴𝑣𝑔(𝐆)𝛽 + 𝛼 = 𝐴𝑣𝑔(𝐀𝑔𝑔 )
El modelo QRH está dado por:
𝑦𝑖 = 𝜇 + 𝒔𝑡𝑖 𝝇 + 𝒄𝑡𝑖 𝝔 + 𝒛𝑡𝑖 𝒖 + 𝑤𝑖 ,
donde 𝑉𝑎𝑟(𝒖) = 𝜎𝐻2 𝑯 , el resto de los términos como se describieron previamente.

Modelo de regresión GBLUP en un solo paso (ssGBLUP)

El modelo ssGBLUP es equivalente al modelo GBLUP descrito anteriormente con la


diferencia de que se reemplaza la matriz de relaciones genómicas G por la matriz de
relaciones genéticas extendida H, se asume que 𝑉𝑎𝑟(𝒖) = 𝑯𝜎𝐻2 .

Validación cruzada

La capacidad predictiva de los modelos se evaluó mediante validación cruzada, la cual se


realizó de la siguiente manera. El conjunto de datos se dividió en cinco grupos del mismo
tamaño {𝑆1 , 𝑆2 , … , 𝑆5 }, 80 % de los datos se usaron para entrenamiento del modelo, el 20 %
restante para validación. Por ejemplo, {𝑆2 } se usa como grupo de validación y el conjunto
{𝑆1 , 𝑆3 , … , 𝑆5 } para entrenamiento del modelo. Los modelos se ajustaron utilizando el
conjunto de entrenamiento, y el modelo ajustado se utilizó para obtener predicciones para el
conjunto de validación. Este procedimiento se repitió cinco veces y se obtuvieron
predicciones para cada grupo. Las correlaciones entre fenotipos observados y predichos se
calcularon y promediaron para los conjuntos de prueba(18). Note que debido a que se trata de
valores reales, no se conocen los valores de crías verdaderos, sino solamente se tienen los
fenotipos observados, el modelo ajustado proporciona predicciones para valores de cría y las
predicciones de otros efectos fijos y ambientales, con lo cual se obtiene una predicción del
fenotipo mismo que se contrasta con el valor verdadero del fenotipo.

Simulación

Con la finalidad de evaluar el poder predictivo del modelo QR frente a GBLUP se realizó
además una simulación de datos asimétricos con presencia de datos atípicos; la simulación
del presente trabajo es análoga a la utilizada por Pérez-Rodríguez et al(10). La idea principal
es resaltar que el modelo de regresión por cuantiles funciona de manera adecuada en la
presencia de observaciones atípicas, varianzas no homogéneas y variables respuesta con
respuestas con distribución asimétrica. En el contexto de selección, por ejemplo, no es poco
usual contar con distribuciones asimétricas para los fenotipos debido al proceso mismo, ya
que, si se selecciona para alguna característica Y, y si existe además de esto otra característica

178
Rev Mex Cienc Pecu 2023;14(1):172-189

de interés O, entonces la distribución condicional de Y |O>o(19) es asimétrica. En el contexto


de selección genómica es también usual encontrar subconjuntos de observaciones que
difieren significativamente del resto y estas observaciones podrían considerarse como
atípicas. Montesinos-López et al(20) propusieron un modelo con errores Laplace y mostraron
que predice de manera adecuada aun en presencia de datos atípicos, el modelo propuesto es
un caso especial del modelo de regresión cuantil que se estudia en el presente trabajo. Se
consideraron los 9,628 SNP resultantes del control de calidad descrito anteriormente para
300 animales, la simulación de los datos se realizó considerando el modelo lineal:
𝑦𝑖 = 𝜇 + ∑9,628
𝑗=1 𝒙𝑖𝑗 𝛽𝑗 + 𝑒𝑖 ,
donde 𝑖 = 1, … , 300, con 𝜇 = 39 para PN, se supuso que los errores vienen de una
distribución normal sesgada (𝑆𝑁𝑐 ) con media 0, varianza 𝜎 2 (parámetro de escala 𝜎) e índice
de asimetría 𝛾1, es decir 𝑒𝑖 ~𝑆𝑁𝐶 (0, 𝜎, 𝛾1 ), con 𝜎 = √1 − ℎ2 , se consideró ℎ2 con un valor
−3/2
2 4 2𝜌2
de 0.35, 𝛾1 = √𝜋 𝜌3 (𝜋 − 1) (1 − ) , 𝜌 ∈ {0.950, 0.975, 0.999} lo que lleva a
𝜋
diferentes grados de sesgo positivo. Solo se consideraron valores positivos de 𝛾1, ya que el
sesgo negativo se obtiene simplemente cambiando el signo de las 𝑒𝑖′ 𝑠 y por lo tanto las
conclusiones obtenidas para el caso de sesgo positivo serán también válidas para el caso
negativo(21,22). Se fijaron 50 marcadores con efecto diferente de cero simulándolos de una
distribución normal con media 0 y varianza √1 − ℎ2 ⁄50, el resto de los marcadores se
establecieron en 0; las posiciones de los marcadores muestreados se tomaron al azar. Para
introducir datos atípicos en los fenotipos, se generó cierta proporción de los residuos de
𝑒𝑖 ~𝑆𝑁𝐶 (0,3, 𝛾1 ) al azar, se consideraron dos proporciones, 5 y 10 %, por lo que se tomaron
muestras de una mezcla de dos componentes de distribuciones normales sesgadas. Se
generaron seis conjuntos de datos, tres diferentes coeficientes de asimetría 0.950, 0.975,
0.999 con sus dos alternativas de proporción de datos atípicos 5 % y 10 %. La distribución
normal asimétrica se ha utilizado en predicción genómica(22) y también se ha sugerido su uso
en selección canalizada(23). Una vez generados los datos se ajustó el modelo QRM con 𝜃 =
{0.25, 0.50, 0.75} para compararlo con GBLUP. La selección de los cuantiles se realizó de
acuerdo a Nascimento et al(11) quienes consideran estas tres posibilidades cuando la
distribución de los fenotipos es asimétrica 𝜃 ∈ {0.25,0.75} o bien cuando la distribución es
simétrica 𝜃 0.50, pues nuestro interés fundamental en este trabajo se centró en la modelación
de datos posiblemente asimétricos y con la presencia de valores atípicos. La selección de los
parámetros también se realizó por conveniencia computacional ya que el ajuste del modelo
se realiza mediante el uso de técnicas de cómputo intensivas basadas en cadenas de Markov
Monte Carlo como se menciona en la sección de software y ajuste de los modelos. Para cada
análisis se calculó la correlación entre los 𝜷′𝑠 verdaderos y estimados, la correlación entre
las señales verdaderas 𝑿𝜷 y estimadas 𝑿𝜷 ̂ y el componente de varianza asociado con los
residuos para cada modelo, el cual es una forma de evaluar la bondad de ajuste de los
modelos. También se consideró el Criterio de Información de Desviación (DIC), éste se

179
Rev Mex Cienc Pecu 2023;14(1):172-189

puede usar para seleccionar modelos candidatos; los modelos con menor DIC se prefieren
contra modelos de mayor DIC(24).

Software y ajuste de los modelos

Los modelos de regresión por cuantiles se ajustaron usando una estrategia computacional
similar a la descrita por Pérez-Rodríguez et al(10). Las adaptaciones de los algoritmos para
incluir efectos fijos y aleatorios no presentan gran dificultad computacional. Los códigos para
el ajuste de los modelos se desarrollaron en los lenguajes de programación R(25) y C. Los
códigos para el ajuste de los modelos fueron organizados de tal forma que puedan ser
ejecutados fácilmente desde el software estadístico R y están disponibles solicitándolos al
primer autor del presente estudio. En todos los casos se seleccionaron tres cuantiles, 𝜃 =
{0.25, 0.50, 0.75}. Los modelos GBLUP y ssGBLUP se ajustaron con la librería de R
BGLR(26).

Resultados

Datos reales

Los Cuadros 2, 3 y 4 muestran los resultados del experimento realizado con datos de PN, PD
y PA de una población de bovinos Suizo Europeo, evaluados bajo dos escenarios 1) solo con
información de marcadores, y 2) información de marcadores y pedigrí. De manera general
las correlaciones entre valores observados y predichos más altas se obtuvieron con QR,
excepto para PN donde las correlaciones de GBLUP y ssGBLUP fueron más altas que las
obtenidas con QRM y QRH, sin embargo, las correlaciones de QRM 𝜃 = 0.75 y QRH 𝜃 =
0.75 fueron cercanas a las obtenidas con GBLUP y ssGBLUP (0.7902 vs 0.7924), (0.6981
vs 0.7055), respectivamente. Los valores de MSE más bajos se obtuvieron con QRM 𝜃 =
0.75 y QRH 𝜃 = 0.75 en la característica de PD, mientras que en las características PN y PA
los valores más bajos se obtuvieron con GBLUP y ssGBLUP. Los componentes de varianza
asociados con el error obtenidos con QRM y QRH fueron menores que los obtenidos con
GBLUP y ssGBLUP. Los valores de DIC más bajos de manera general se obtuvieron con
QRM 𝜃 = 0.75 y QRH 𝜃 = 0.75, excepto para PN con el escenario de solo marcadores,
donde el DIC más bajo se obtuvo con QRM 𝜃 = 0.25.

180
Rev Mex Cienc Pecu 2023;14(1):172-189

Cuadro 2: Promedios de la correlación Pearson y la desviación estándar (entre paréntesis)


entre los valores fenotípicos observados (𝒚) y valores fenotípicos predichos (𝒚̂), cuadrado
2 2
medio del error, componentes de varianza asociados al error (𝜎𝑒 , 𝜎𝑤 ) y criterio de
información de desviación (DIC) para peso al nacimiento
Modelo ̂)
Cor(𝒚, 𝒚 MSE 𝝈𝟐𝒆 o 𝝈𝟐𝒘 DIC
QRM 𝜽 = 𝟎. 𝟐𝟓 0.7521 3.9973 2.7260 513.5014
(0.0753) (1.6108) (1.9762) (531.5701)
QRM 𝜽 = 𝟎. 𝟓𝟎 0.5619 7.3249 8.6297 970.7680
(0.1501) (0.4561) (0.2660) (6.9791)
QRM 𝜽 = 𝟎. 𝟕𝟓 0.7902 3.6535 2.4268 716.4237
(0.0766) (0.0943) (0.4829) (35.7161)
GBLUP 0.7924 2.3269 3.0035 803.0675
(0.0874) (0.2063) (0.5578) (31.9814)
QRH 𝜽 = 𝟎. 𝟐𝟓 0.6713 3.5026 2.3645 872.3949
(0.1329) (1.2848) (1.9670) (432.0737)
QRH 𝜽 = 𝟎. 𝟓𝟎 0.6816 2.9988 2.7372 659.1450
(0.1253) (0.7769) (1.8239) (1079.8674)
QRH 𝜽 = 𝟎. 𝟕𝟓 0.6981 4.1405 2.8610 1077.2027
(0.1140) (0.6187) (0.8666) (60.6781)
ssGBLUP 0.7055 2.4463 3.2641 1189.4282
(0.1191) (0.2204) (0.4244) (26.5023)
̂ )= correlación entre fenotipos observados y predichos, MSE=cuadrados medios del error, 𝜎𝑒2 o
Cor(𝜷, 𝜷
2
𝜎𝑤 =componentes de varianza asociados al error, DIC=criterio de información de desviación.

Cuadro 3: Promedios de la correlación Pearson y la desviación estándar (entre paréntesis)


entre los valores fenotípicos observados (𝒚) y valores fenotípicos predichos (𝒚̂), cuadrado
2 2
medio del error, componentes de varianza asociados al error (𝜎𝑒 , 𝜎𝑤 ) y criterio de
información de desviación (DIC) para peso al destete
Modelo ̂)
Cor(𝒚, 𝒚 MSE 𝝈𝟐𝒆 o 𝝈𝟐𝒘 DIC
QRM 𝜽 = 𝟎. 𝟐𝟓 0.5661 476.5293 419.4138 1550.5339
(0.2212) (17.4612) (23.3216) (13.9644)
QRM 𝜽 = 𝟎. 𝟓𝟎 0.5695 357.7328 396.8138 1576.8871
(0.2307) (8.9681) (47.7433) (21.5826)
QRM 𝜽 = 𝟎. 𝟕𝟓 0.5493 175.1298 67.9660 737.2216
(0.2196) (47.6181) (82.0807) (1150.7340)
GBLUP 0.5677 294.5807 376.7794 1583.2355
(0.2377) (36.6279) (24.1379) (16.2187)
QRH 𝜽 = 𝟎. 𝟐𝟓 0.4816 644.1278 551.5150 1962.1296
(0.0672) (50.8464) (64.8091) (20.9916)
QRH 𝜽 = 𝟎. 𝟓𝟎 0.4797 366.5940 356.9005 1537.7760
(0.0274) (56.8604) (238.5303) (903.3492)
QRH 𝜽 = 𝟎. 𝟕𝟓 0.3918 216.1753 5.9471 -706.1573

181
Rev Mex Cienc Pecu 2023;14(1):172-189

(0.0544) (53.2417) (11.7834) (2034.7757)


ssGBLUP 0.4712 303.0404 421.8316 1982.3314
(0.0502) (37.6933) (55.2774) (21.9229)
̂ )= correlación entre fenotipos observados y predichos, MSE=cuadrados medios del error, 𝜎𝑒2 o
Cor(𝜷, 𝜷
2
𝜎𝑤 =componentes de varianza asociados al error, DIC=criterio de información de desviación.

Cuadro 4: Promedios de la correlación Pearson y la desviación estándar (entre paréntesis)


entre los valores fenotípicos observados (𝒚) y valores fenotípicos predichos (𝒚̂), cuadrado
2 2
medio del error, componentes de varianza asociados al error (𝜎𝑒 , 𝜎𝑤 ) y criterio de
información de desviación (DIC) para peso al año
Modelo ̂)
Cor(𝒚, 𝒚 MSE 𝝈𝟐𝒆 o 𝝈𝟐𝒘 DIC
QRM 𝜽 = 𝟎. 𝟐𝟓 0.5421 1037.6529 953.6807 1487.1104
(0.1350) (175.2648) (261.8652) (35.8873)
QRM 𝜽 = 𝟎. 𝟓𝟎 0.5341 868.3651 964.4477 1524.0511
(0.1355) (34.0429) (113.1832) (12.4648)
QRM 𝜽 = 𝟎. 𝟕𝟓 0.5115 938.8244 700.7849 1284.0829
(0.1290) (241.2205) (465.2109) (402.9787)
GBLUP 0.5330 725.7579 924.8388 1526.7596
(0.1389) (71.3999) (90.0089) (11.6346)
QRH 𝜽 = 𝟎. 𝟐𝟓 0.5306 1277.9493 1172.2877 1850.7122
(0.1411) (44.0948) (108.7991) (17.2025)
QRH 𝜽 = 𝟎. 𝟓𝟎 0.5098 894.4148 1061.3157 1883.6773
(0.1700) (35.3996) (129.4702) (15.4422)
QRH 𝜽 = 𝟎. 𝟕𝟓 0.5027 915.1871 666.8830 1706.4933
(0.1748) (162.7629) (413.5046) (209.8455)
ssGBLUP 0.4712 778.6416 1071.3096 1891.9029
(0.0502) (84.9871) (128.2878) (17.5592)
̂ )= correlación entre fenotipos observados y predichos, MSE=cuadrados medios del error, 𝜎𝑒2 o
Cor(𝜷, 𝜷
2
𝜎𝑤 =componentes de varianza asociados al error, DIC=criterio de información de desviación.

Datos simulados

Los resultados del ejercicio de simulación donde se compara QR con GBLUP bajo diferentes
grados de asimetría y proporciones de datos atípicos se muestran en el Cuadro 5. En la
columna 2 se registran las correlaciones entre los efectos de marcador “verdaderos” y los
efectos de marcador estimados, las correlaciones obtenidas con QR fueron más altas que las
obtenidas con GBLUP. La columna 3 muestra las correlaciones entre las “señales
verdaderas” y las estimadas, las correlaciones más altas se obtuvieron con QR. La columna
4 registra la estimación de los componentes de varianza asociados al error y la columna 5 los
valores de DIC, los valores más bajos en ambas columnas se obtuvieron con QR 𝜃 = 0.75.

182
Rev Mex Cienc Pecu 2023;14(1):172-189

Cuadro 5: Promedios de la correlación Pearson y desviación estándar (entre paréntesis)


entre efectos de marcador “verdaderos y estimados, señales “verdaderas” y estimadas,
componentes de varianza asociados al error y valores de DIC para datos simulados con
diferentes grados de asimetría y proporción de valores atípicos
Modelo ̂)
Cor(𝜷, 𝜷 ̂)
Cor(𝑿𝜷, 𝑿𝜷 𝝈𝟐𝒆 o 𝝈𝟐𝒘 DIC
𝝆 = 𝟎. 𝟗𝟓, 5% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0784 0.4963 0.6821 620.5455
(0.0034) (0.0336) (0.1806) (49.3305)
QR 𝜽 = 𝟎. 𝟓𝟎 0.0766 0.4643 0.6644 665.8219
(0.0042) (0.0493) (0.0703) (16.3032)
QR 𝜽 = 𝟎. 𝟕𝟓 0.0606 0.4269 0.1438 290.6870
(0.0132) (0.0386) (0.1421) (148.9695)
GBLUP 0.0722 0.4910 0.7375 691.6503
(0.0064) (0.0398) (0.0723) (19.9391)
𝝆 = 𝟎. 𝟗𝟓, 10% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0614 0.4369 0.4683 407.6496
(0.0183) (0.0329) (0.4030) (330.6304)
QR 𝜽 = 𝟎. 𝟓𝟎 0.0728 0.4579 0.7947 706.7931
(0.0045) (0.0420) (0.1063) (20.5797)
QR 𝜽 = 𝟎. 𝟕𝟓 0.0574 0.4061 0.4482 381.4644
(0.0092) (0.0399) (0.3225) (474.7138)
GBLUP 0.0654 0.4556 0.8717 731.9104
(0.0057) (0.0314) (0.0890) (21.8563)
𝝆 = 𝟎. 𝟗𝟕𝟓, 5% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0773 0.4835 0.5578 582.4254
(0.0087) (0.0562) (0.2523) (83.0548)
QR 𝜽 = 𝟎. 𝟓𝟎 0.0771 0.4689 0.6369 662.0337
(0.0074) (0.0515) (0.0868) (23.8018)
QR 𝜽 = 𝟎. 𝟕𝟓 0.0598 0.4169 0.2398 219.1691
(0.0128) (0.0450) (0.2033) (444.5060)
GBLUP 0.0703 0.4804 0.7316 692.6392
(0.0056) (0.0333) (0.0831) (24.0645)
𝝆 = 𝟎. 𝟗𝟕𝟓, 10% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0731 0.4386 0.8739 677.0858
(0.0081) (0.0789) (0.1077) (23.5472)
QR 𝜽 = 𝟎. 𝟓𝟎 0.0734 0.4529 0.8154 711.2935
(0.0078) (0.0615) (0.0845) (14.9809)
QR 𝜽 = 𝟎. 𝟕𝟓 0.0541 0.3945 0.3628 385.6030
(0.0056) (0.0583) (0.2572) (393.1935)
GBLUP 0.0640 0.4491 0.8913 736.7880
(0.0077) (0.0517) (0.0654) (14.8343)
𝝆 = 𝟎. 𝟗𝟗𝟗, 5% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0615 0.5286 0.1535 205.6973

183
Rev Mex Cienc Pecu 2023;14(1):172-189

(0.0144) (0.0271) (0.1657) 277.5807


QR 𝜽 = 𝟎. 𝟓𝟎 0.0741 0.5514 0.4860 614.2282
(0.0037) (0.0167) (0.0663) 15.7647
QR 𝜽 = 𝟎. 𝟕𝟓 0.0467 0.4855 0.0166 -271.4761
(0.0112) (0.0150) (0.0192) 288.4509
GBLUP 0.0737 0.5428 0.5305 625.9703
(0.0030) (0.0121) (0.0353) 11.3632
𝝆 = 𝟎. 𝟗𝟗𝟗, 10% datos atípicos
QR 𝜽 = 𝟎. 𝟐𝟓 0.0768 0.4807 0.7817 650.8593
(0.0080) (0.0687) (0.0888) 22.8417
QR 𝜽 = 𝟎. 𝟓𝟎 0.0696 0.4630 0.6154 511.5287
(0.0148) (0.0600) (0.3369) 412.6645
QR 𝜽 = 𝟎. 𝟕𝟓 0.0507 0.3967 0.0204 -160.1660
(0.0031) (0.0505) (0.0127) 213.0462
GBLUP 0.0659 0.4649 0.7876 709.7240
(0.0065) (0.0418) (0.0528) 14.8566
̂ )= correlación entre efectos de marcador “verdaderos” y estimados, Cor(𝑿𝜷, 𝑿𝜷
Cor(𝜷, 𝜷 ̂ )= correlación entre
𝟐 𝟐
señales “verdaderas” y estimadas, 𝝈𝒆 o 𝝈𝒘 =componentes de varianza asociados al error, DIC=criterio de
información de desviación.

Discusión

En este estudio se compararon las metodologías de análisis QR con GBLUP y ssGBLUP.


Esta comparación se hizo con fenotipos simulados con diferentes grados de asimetría y
proporciones de datos atípicos y datos reales de pesos al nacimiento, al destete y al año.

Datos reales

Las correlaciones de fenotipos observados y predichos obtenidos de la validación cruzada


con datos reales fueron más altas al usar QRM y QRH en las características de PD y PA. Para
PN las correlaciones más altas se obtuvieron con GBLUP y ssGBLUP; sin embargo, en este
estudio solo se probaron tres cuantiles 0.25, 0.50 y 0.75, hay evidencia en otros estudios
donde QR es mejor que GBLUP como en el caso del trabajo de Nascimento et al(4), quienes
compararon QR con modelos como BLASSO, BayesB y RR-BLUP. Estos autores
encontraron una ganancia en la capacidad predictiva de QR frente a RR-BLUP de 15.15 %,
cabe señalar que matemáticamente RR-es equivalente a GBLUP, además de que los
conjuntos de datos usados en este experimento presentaron asimetría.

Los valores del cuadrado medio del error (MSE) miden el promedio de los errores al
cuadrado, es decir, la diferencia entre el estimador y lo que se estima, por lo que se prefieren
valores bajos; los promedios de MSE de QRM y QRH fueron menores que los obtenidos con
GBLUP y ssGBLUP únicamente para PD. El estimador de la varianza residual es un

184
Rev Mex Cienc Pecu 2023;14(1):172-189

indicativo de que tan bien o mal se ajusta el modelo a los datos observados, se prefieren
valores bajos; los componentes de varianza del error menores se obtuvieron con QRM y QRH
para las tres características analizadas. Finalmente, el valor de DIC se usa para seleccionar
modelos candidatos y al igual que MSE y los componentes de varianza del error se prefieren
valores bajos. Los valores de DIC más bajos se obtuvieron con QRM 𝜃 = 0.75 y QRH 𝜃 =
0.75, excepto en el escenario de solo marcadores y PN, donde el DIC más bajo se obtuvo
con QRM 𝜃 = 0.25. El cuadrado medio del error, la varianza residual y el DIC son valores
que ayuda a escoger el modelo de mejor ajuste. Al examinar estos valores de manera conjunta
se observa que QRM y QRH son mejores en algunos de ellos mientras que en otros no, es
decir, QR presenta un desempeño igual o superior a GBLUP y ssGBLUP; aunque debe
resaltarse que solo se probaron tres cuantiles y que QR presenta ventajas al usarse en datos
asimétricos y datos atípicos, para este caso solo había datos atípicos y las distribuciones no
fueron asimétricas. Mendes et al(27) compararon QR con el método bayesiano del LASSO
(BLASSO), estos autores reportaron un aumento de 6.7 y 20.0 % en la precisión y
consideraron los cuantiles 0.15 y 0.45 en la evaluación del rendimiento de la canal y el grosor
del tocino, respectivamente, sin embargo, las características evaluadas en su estudio fueron
asimétricas.

En el análisis de datos reales, una limitación del presente estudio es el tamaño de muestra, lo
cual puede impactar la variabilidad de los parámetros estimados con los modelos y en
consecuencia la variabilidad de las predicciones, sin embargo, todos los modelos se ajustaron
utilizando la misma información y por tanto la comparación de la capacidad predictiva de los
modelos se considera razonable, lo ideal sería contar con tamaños de muestra grandes, pero
por cuestión de limitaciones económicas esto no siempre es posible. Por otro lado,
actualmente es muy común utilizar modelos de predicción en el que el número de registros
fenotípicos es más pequeño que el número de predictores (SNPS), es decir 𝑛 ≪ 𝑝, aun bajo
este contexto numerosos estudios han mostrado que los métodos bayesianos proveen
herramientas sofisticadas que permiten derivar predicciones razonables siempre y cuando los
parámetros de regularización sean seleccionados de manera adecuada por ejemplo utilizando
métodos de validación cruzada(28–30).

Datos simulados

En el experimento de datos simulados las correlaciones entre efectos de marcador


“verdadero” y efectos estimados, así como las correlaciones de señales “verdaderas” y
estimadas fueron más altas cuando se usó QR comparado con GBLUP. Estos resultados son
similares a los obtenidos por otros investigadores(10), quienes simularon datos con tres
diferentes coeficientes de asimetría 0.75, 0.95, 0.999 con 5 % y 10 % de datos atípicos y
encontraron que las correlaciones obtenidas con QR fueron más altas que las obtenidas con
la regresión de cresta bayesiana (BRR), además, este patrón fue más evidente con una mayor

185
Rev Mex Cienc Pecu 2023;14(1):172-189

asimetría y proporción de datos atípicos. En este estudio se realizaron simulaciones con


coeficientes de asimetría de 0.950, 0.975, 0.999 y los cuantiles con los que se obtuvieron
correlaciones más altas variaron entre 0.25 y 0.50; la ventaja de QR es que se puede probar
diferentes cuantiles obteniendo mejores resultados dependiendo del cuantil utilizado, esta
ventaja en la capacidad de predicción de efectos de marcadores y señales ha sido aprovechada
por otros investigadores(4), quienes no encontraron ninguna asociación de rasgo usando el
modelo tradicional GWAS de SNP único, pero, cuando usaron QR con cuantiles extremos
como 0.1 el modelo fue capaz de encontrar hasta 7 SNP asociados con las características
estudiadas.

Los coeficientes de varianza del error indican qué tan bien se ajusta el modelo propuesto a
los datos estudiados, entre más pequeño sea este valor, el ajuste es mejor, el DIC es otro valor
que se usa para comparar modelos candidatos. Los modelos con un DIC más pequeño se
prefieren a los modelos con un DIC mayor(24). Los estimadores de varianza residual y los
valores de DIC más bajos se obtuvieron con QR 𝜃 = 0.75, quizá esto se deba a que en la
simulación se usaron coeficientes de asimetría altos 0.950, 0.975, 0.999, por consiguiente, se
espera que un cuantil que se ajuste mejor sea el más alto, en este caso 0.75.
QR tuvo un desempeño igual o mejor que GBLUP y ssGBLUP para predecir características
de crecimiento PN, PD y PA, las ventajas de este método son más notorias cuando los datos
están más sesgados y presentan mayor proporción de datos atípicos como en el caso del
experimento de simulación.

Conclusiones e implicaciones

El desempeño predictivo de QR tanto sólo con información de marcadores como con


marcadores más pedigrí, con el conjunto de datos reales, fue mejor que las metodologías
GBLUP y ssGBLUP para PD y PA. Para PN GBLUP y ssGBLUP fueron mejores; sin
embargo, solo se utilizaron los cuantiles 0.25, 0.50 y 0.75, y la distribución de PN no fue
asimétrica. En el experimento de datos simulados, las correlaciones entre efectos de marcador
“verdadero” y efectos estimados, así como las correlaciones de señales “verdaderas” y
estimadas fueron más altas cuando se usó QR comparado con GBLUP. Las ventajas de QR
fueron más notorias con distribución asimétrica de los fenotipos y con mayor proporción de
datos atípicos, como fue el caso del conjunto de datos simulados.

Agradecimientos

Al Consejo Nacional de Ciencia y Tecnología, México, por el apoyo financiero para el primer
autor durante sus estudios de doctorado. Los autores también agradecen a la Asociación
Mexicana de Criadores de Ganado Suizo de Registro por permitir el uso de sus bases de
datos, a los criadores cooperantes por su amable cooperación en este estudio.

186
Rev Mex Cienc Pecu 2023;14(1):172-189

Conflictos de interés

Los autores declaran que no existen conflictos de interés.

Literatura citada:
1. Koenker R, Bassett G. Regression quantiles. Econometrica 1978;46(1):33.
https://doi.org/10.2307/1913643.
2. Briollais L, Durrieu G. Application of quantile regression to recent genetic and -omic
studies. Hum Genet 2014;133(8):951–966. https://doi.org/10.1007/s00439-014-1440-6.
3. Wang L, Wu Y, Li R. Quantile regression for analyzing heterogeneity in ultra-high
dimension. J Am Stat Assoc 2012;107(497):214-222.
https://doi.org/10.1080/01621459.2012.656014.
4. Nascimento M, Nascimento ACC, Silva FF, Barili LD, Do Vale NM, Carneiro JE, Cruz
CD, Carneiro PCS, Serão NVL. Quantile regression for genome-wide association study
of flowering time-related traits in common bean. PLoS One 2018;13(1):1-14.
https://doi.org/10.1371/journal.pone.0190303.

5. Fisher E, Schweiger R, Rosset S. Efficient construction of test inversion confidence


intervals using quantile regression. J Comput Graph Stat 2016;29:140-148,
http://arxiv.org/abs/1612.02300.

6. Logan JAR, Petrill SA, Hart SA, Schatschneider C, Thompson LA, Deater-Deckard K, de
Thorne LS, Bartlett C. Heritability across the distribution: An application of quantile
regression. Behav Genet 2012;42(2):256–267. https://doi.org/10.1007/s10519-011-
9497-7.

7. Vinciotti V, Yu K. M-quantile regression analysis of temporal gene expression data. Stat


Appl Genet Mol Biol 2009;8(1). https://doi.org/10.2202/1544-6115.1452.

8. Gianola D, Cecchinato A, Naya H, Schön CC. Prediction of complex traits: Robust


alternatives to best linear unbiased prediction. Front Genet 2018;9:195.
https://doi.org/10.3389/fgene.2018.00195.

9. Oliveira GF, Nascimento ACC, Nascimento M, Sant’Anna IdeC, Romero JV, Azevedo
CF, Bhering LL, Moura ETC. Quantile regression in genomic selection for oligogenic
traits in autogamous plants: A simulation study. PLoS One 2021;16(1):1-12.
https://doi.org/10.1371/journal.pone.0243666.

10. Pérez-Rodríguez P, Montesinos-López OA, Montesinos-López A, Crossa J. Bayesian


regularized quantile regression: A robust alternative for genome-based prediction of
skewed data. Crop J 2020;8(5):713-722. https://doi.org/10.1016/j.cj.2020.04.009.

187
Rev Mex Cienc Pecu 2023;14(1):172-189

11. Nascimento M, e Silva FF, de Resende MDV, Cruz CD, Nascimento ACC, Viana JMS,
Azebedo CF, Barroso LMA. Regularized quantile regression applied to genome-enabled
prediction of quantitative traits. Genet Mol Res 2017;16(1).
https://doi.org/10.4238/GMR16019538.

12. Barroso LMA, Nascimento M, Nascimento ACC, Silva FF, Serão NVL, Cruz, CD, et al.
Regularized quantile regression for SNP marker estimation of pig growth curves, J.
Anim Sci Biotechnol 2017;8:59. https://doi.org/10.1186/s40104-017-0187-z.

13. Nascimento AC, Nascimento M, Azevedo C, Silva F, Barili L, Vale N, et al. Quantile
regression applied to genome-enabled prediction of traits related to flowering time in
the common bean. Agronomy 2019;9(12):1-11.
https://doi.org/10.3390/agronomy9120796.

14. López-Cruz M, Crossa J, Bonnett D, Dreisigacker S, Poland J, Jannink JL, Singh RP,
Autrique E, de los Campos G. Increased prediction accuracy in wheat breeding trials
using a Marker × Environment interaction genomic selection model. G3 Genes Genom
Genet 2015;5(4):569–582. https://doi.org/10.1534/g3.114.016097.

15. Pérez-Rodríguez P, Crossa J, Rutkoski J, Poland J, Singh R, Legarra A, et al. Single-step


genomic and Pedigree Genotype × Environment interaction models for predicting wheat
lines in international environments. Plant Genome 2017;10(2).
https://doi.org/10.3835/plantgenome2016.09.0089.

16. Christensen O, Lund M. Genomic relationship matrix when some animals are not
genotyped. Genet Sel Evol 2010;42(2):1-8. http://www.gsejournal.org/content/42/1/2.

17. Aguilar I, Misztal I, Johnson DL, Legarra A, Tsuruta S, Lawlor TJ. Hot topic: A unified
approach to utilize phenotypic, full pedigree, and genomic information for genetic
evaluation of Holstein final score. J Dairy Sci 2010;93(2):743-752.
https://doi.org/10.3168/jds.2009-2730.

18. Crossa J, Pérez P, de los Campos G, Mahuku G, Dreisigacker S, Magorokosho C.


Genomic selection and prediction in plant breeding. J Crop Improv 2011;25(3):239-261.
https://doi.org/10.1080/15427528.2011.558767.

19. Arnold BC, Beaver RJ. Hidden truncation models. Shankhya. Indian J Stat
2000;62(1):23–35. http://www.jstor.org/stable/25051286. Accessed Jul 6, 2022.

20. Montesinos-López A, Montesinos-López OA, Villa-Diharce ER, Gianola D, Crossa J. A


robust Bayesian genome-based median regression model. Theor Appl Genet
2019;132(5):1587-1606. https://doi.org/10.1007/s00122-019-03303-6.

188
Rev Mex Cienc Pecu 2023;14(1):172-189

21. Pérez-Rodríguez P, Villaseñor-Alva JA. On testing the skew normal hypothesis. J Stat
Plan Inference 2010;140(11):3148-3159. https://doi.org/10.1016/j.jspi.2010.04.013.

22. Pérez-Rodríguez P, Acosta-Pech R, Pérez-Elizalde S, Cruz CV, Espinosa JS, Crossa J. A


Bayesian genomic regression model with skew normal random errors. G3
Genes|Genom|Genet 2018;8(5):1771–1785. https://doi.org/10.1534/g3.117.300406.

23. Domínguez-Viveros J. Parámetros genéticos en la varianza residual de variables de


comportamiento en toros de lidia. Arch Zoot 2020;69(267):354–358.
https://doi.org/10.21071/az.v69i267.5354.

24. Spiegelhalter DJ, Best NG, Carlin BP, van der Linde A. Bayesian measures of model
complexity and fit. J R Stat Soc: Series B Stat Methodol 2002;64(4):583–639.
https://doi.org/10.1111/1467-9868.00353.

25. R Core Team. R: A language and environment for statistical computing. R Foundation
for statistical computing 2021. Vienna, Austria. https://www.R-project.org/.

26. Pérez P, de los Campos G. Genome-wide regression and prediction with the BGLR
statistical package. Genetics 2014;198(2):483-495.
https://doi.org/10.1534/genetics.114.164442.

27. Mendes dos Santos P, Nascimento ACC, Nascimento M, Fonseca e Silva F, Azevedo CF,
Mota RR, et al. Use of regularized quantile regression to predict the genetic merit of
pigs for asymmetric carcass traits. Pesqui Agropecu Bras 2018;53(9):1011–1017.
https://doi.org/10.1590/S0100-204X2018000900004.

28. Gianola D. Priors in whole-genome regression: The Bayesian alphabet returns. Genetics
2013;194(3):573-596. https://doi.org/10.1534/genetics.113.151753.

29. de los Campos G, Hickey JM, Pong-Wong R, Daetwyler HD, Calus MPL. Whole-genome
regression and prediction methods applied to plant and animal breeding. Genetics
2013;193(2):327-345. https://doi.org/10.1534/genetics.112.143313.

30. Ferragina A, de los Campos G, Vazquez AI, Cecchinato A, Bittante G. Bayesian


regression models outperform partial least squares methods for predicting milk
components and technological properties using infrared spectral data. J Dairy Sci
2015;98(11):8133-8151. https://doi.org/10.3168/jds.2014-9143.

189
https://doi.org/10.22319/rmcp.v14i1.5187

Artículo

Análisis de crecimiento estacional de una pradera de trébol blanco


(Trifolium repens L)

Edgar Hernández Moreno a

Joel Ventura Ríos b

Claudia Yanet Wilson García c

María de los Ángeles Maldonado Peralta d*

Juan de Dios Guerrero Rodríguez e

Graciela Munguía Ameca a

Adelaido Rafael Rojas García d

a
Colegio de Postgraduados - Campus Montecillo. km 36.5 Carretera México-Texcoco,
56250, Texcoco, Estado de México, México.
b
Universidad Autónoma Agraria Antonio Narro. Departamento de Producción Animal.
Saltillo Coahuila, México.
c
Universidad Autónoma Chapingo. Sede San Luis Acatlán. San Luis Acatlán, Guerrero,
México.
d
Universidad Autónoma de Guerrero. Facultad de Medicina Veterinaria y Zootecnia N° 2.
Cuajinicuilapa, Guerrero, México.
e
Colegio de Postgraduados – Campus Puebla, México.

*Autor de correspondencia: mmaldonado@uagro.mx

190
Rev Mex Cienc Pecu 2023;14(1):190-203

Resumen:

El objetivo del presente estudio fue evaluar un análisis de crecimiento del trébol blanco
(Trifolium repens L) y determinar el momento óptimo de cosecha por estación. El
experimento se realizó en el Colegio de Postgraduados, Campus Montecillo, Texcoco,
México. Se utilizaron 24 parcelas de 3.7 X 1.7 m, distribuidas en un diseño completamente
al azar, con ocho tratamientos y tres repeticiones por estación. Los tratamientos consistieron
en cortes semanales sucesivos, durante un ciclo de rebrote de ocho semanas, en cada estación
del año. Al inicio del estudio se realizó un corte de uniformización y se determinó el forraje
residual. Las variables evaluadas fueron: acumulación de materia seca, composición botánica
y morfológica e índice de área foliar del trébol blanco. La mayor acumulación de forraje
(P<0.05) se presentó en la octava semana en primavera (2,688 kg MS ha-1). La producción
de hoja fue mayor (p < 0.05) en primavera, otoño e invierno. El mayor índice de área foliar
se alcanzó en la octava semana en primavera (3.0; P< 0.05). Se recomienda aprovechar la
pradera de trébol blanco en la sexta semana para primavera-verano y séptima semana en
otoño e invierno.

Palabras clave: Análisis de crecimiento, Trifolium repens L, Acumulación de materia seca,


Composición botánica.

Recibido: 11/12/2021

Aceptado: 06/07/2022

Introducción

En la zona centro de México, el trébol blanco (Trifolium repens L), ballico perenne (Lolium
perenne L), pasto ovillo (Dactylis glomerata L) y alfalfa (Medicago sativa L) sembradas en
171,520 hectáreas son las especies forrajeras que mejor desempeño han demostrado bajos
condiciones de pastoreo en praderas puras o mixtas(1,2,3). Sin embargo, por su composición
química, persistencia debido a su hábito de crecimiento rastrero, adaptabilidad a las zonas
templadas, el trébol blanco es la especie de mayor importancia agronómica entre las casi 300
especies del género Trifolium(4). Aunado a esto, también puede mejorar la fertilidad del suelo
por el aporte de nitrógeno de hasta 450 kg N ha-1 mediante fijación simbiótica(5,6,7).

En México, los patrones de producción de forrajes son influenciados por las variaciones de
clima, siendo la temperatura y la precipitación los principales factores(8), por lo que es
importante conocer los patrones estacionales de crecimiento de las especies forrajeras más
utilizadas en cada una de las regiones ecológicas del país(9). En trabajos previos, mencionan

191
Rev Mex Cienc Pecu 2023;14(1):190-203

que las estrategias de manejo de una pradera, intensidad y frecuencia mediante corte o
pastoreo pueden modificar la composición botánica, rendimiento, y calidad nutricional(10,11).
La severidad en el uso de la pradera puede modificar las reservas de carbohidratos en la
planta, la cual afecta el patrón de crecimiento, disminuyendo el número de tallos, numero de
rebrotes y numero de hojas en la planta(12).

Evaluar el crecimiento estacional de una pradera pura o mixta, ayuda a entender el


comportamiento de las plantas y asociación de diferentes especies, ya que el balance entre la
tasa de crecimiento y perdida de tejido varia con la estación a lo largo del año(9). El
rendimiento de materia seca, tasa de crecimiento del cultivo, índice de área foliar,
composición botánica y morfológica, radiación interceptada, altura de la planta, relación
hoja: tallo, componente hoja: no hoja; son variables estructurales que ayudan a entender el
comportamiento de una pradera, y deben ser consideradas para entender la respuesta bajo un
sistema de corte o pastoreo(13,14).

En un estudio realizado por Moreno et al(15), reportaron que el trébol blanco asociado con
gramíneas con riego produjo en promedio 1,581 kg MS ha-1 (P<0.05) en su primer año de
evaluación. Mientras que Maldonado et al(3) reportaron un incremento del 376 % (equivalente
a 7,532 kg MS ha-1) en su cuarto año de evaluación bajo praderas mixtas con riego debido a
su crecimiento estolonífero y a la persistencia en la pradera. En otra investigación(9) el mayor
índice de área foliar se presentó a la semana cinco en verano (P 0.05) y la hoja fue el mayor
componente en primavera. Existen pocas investigaciones de análisis de crecimiento del trébol
blanco en México. El objetivo del presente estudio fue evaluar análisis de crecimiento del
trébol blanco (Trifolium repens L.) para definir el momento fisiológico óptimo de pastoreo
en cada estación del año.

Material y métodos

El estudio se realizó en una pradera de trébol blanco en el campo experimental del Colegio
de Postgraduados, en Montecillo, Texcoco, Estado de México, a 19º 29’ LN y 98º 53’ LO a
una altura de 2,240 msnm. La siembra al voleo se realizó en febrero de 2009 con una densidad
de semilla pura viable de 6 kg ha-1. El clima del lugar es templado subhúmedo, con
precipitación media anual de 636.5 mm, y un régimen de lluvias en verano (de junio a
octubre) y temperatura promedio anual de 15.2 ºC(16). El suelo del lugar es franco-arenoso,
ligeramente alcalino (pH 7.8) con 2.4 % de materia orgánica(17).

A mediados de cada estación del año 2012, se realizó un pastoreo de uniformidad y


posteriormente se realizó un análisis de crecimiento y los tratamientos fueron: análisis de
crecimiento de ocho semanas para primavera-verano y nueve semanas para otoño-invierno,
ya que por las bajas temperaturas crece más lento el forraje. Como defoliadores se utilizaron

192
Rev Mex Cienc Pecu 2023;14(1):190-203

ovinos hasta dejar forraje remanente de aproximadamente 5 cm sobre el nivel del suelo y
para un mejor manejo se estableció cerco eléctrico en las parcelas experimentales.

Las parcelas fueron distribuidas en un diseño completamente al azar con tres repeticiones. Se
trazaron 24 parcelas de 3.7 x 1.7 m, donde se distribuyeron los tratamientos aleatoriamente.
Durante el periodo de estiaje, las praderas se regaron por gravedad a capacidad de campo; 16
riegos cada dos semanas con 32 mm aproximadamente por cada uno dando un total de 512
mm de agua y no fueron fertilizadas las praderas.

Datos climáticos

Los promedios mensuales de temperatura a la intemperie (máxima y mínima) y la


precipitación mensual durante el periodo de estudio, se obtuvieron de la estación
agrometeorológica del Colegio de Postgraduados, situada a 100 m del sitio experimental
(Figura 1). La temperatura máxima mensual oscilo de 22.1 a 30.2 °C, mientras tanto, la
temperatura mínima fue de -2.6 a 11 °C. La mayor temperatura se presentó en primavera,
registrándose la máxima en el mes de abril que fue de 30.2 °C, la temperatura más baja se
registró en invierno con -2.6 en el mes de diciembre. La precipitación acumulada de marzo
del 2012 a abril del 2013 fue de 312.3 mm, de los cuales el 70 % se presentó en los meses de
junio, julio, agosto y septiembre del 2012 acumulando una precipitación de 220 mm.

Figura 1: Temperatura media mensual máxima y mínima y precipitación acumulada por


mes durante el periodo de estudio (marzo 2012 - abril 2013)

35 100
90
30
80
25 70
Temperatura (ºC)

Precipitación (mm)

20 60
50
15 40
10 30
20
5
10
0 0
Mar Abr May Jun Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr
Precipitación (mm) Temp. Máxima (ºC)

193
Rev Mex Cienc Pecu 2023;14(1):190-203

Acumulación de materia seca

Después del pastoreo de uniformización, se cortaron tres cuadros de 0.25 m2 a una altura de
5 cm a partir del suelo en cada parcela experimental durante ocho semanas. El forraje
cosechado en cada cuadrante se lavó y se secó en bolsas de papel etiquetadas en una estufa
de aire forzado a 55 °C durante 72 h para estimar la cantidad de materia seca por hectárea en
las diferentes edades de rebrote.

Composición botánica y morfológica

Para conocer la composición botánica del forraje, se colectó una submuestra del forraje que
se tomó para rendimiento de materia seca de aproximadamente un 20 %(11) y se separó en los
siguientes componentes: material muerto, malezas, pastos y trébol blanco. Los componentes
morfológicos de trébol blanco se separaron (hoja, peciolo, estolón y flor). Cada componente
separado se secó en una bolsa de papel etiquetada y permaneció en una estufa de aire forzado
a 55 °C durante 72 h para determinar su peso seco.

Índice de área foliar

Para determinar el índice de área foliar, se separaron las hojas de cinco estolones por
repetición de cada semana y se colocaron en un integrador de área foliar (LI 3100 LI-COR
Inc.) donde se obtuvieron las lecturas en cm2 de área foliar. Estas lecturas en conjunto con el
número de estolones por metro cuadrado permitieron estimar el índice de área foliar por
medio de la siguiente fórmula:

IAF= AF * DT
Donde: IAF= índice de área foliar; AF= área foliar por tallo; y DT= densidad de estolones
(m-2).

Análisis estadístico

Los datos se analizaron por los procedimientos GLM de SAS(18), para un diseño experimental
completamente al azar, donde los tratamientos fueron las semanas de evaluación con tres
repeticiones por estación y un análisis de regresión para cada variable. Los promedios se
compararon con la prueba de Tukey (α= 0.05).

194
Rev Mex Cienc Pecu 2023;14(1):190-203

Resultados y discusión

Acumulación de materia seca

En la Figura 2 se muestran los resultados del rendimiento de materia seca acumulada, el cual
se incrementó con la edad de rebrote, alcanzándose el máximo rendimiento de materia seca
en la octava semana de la primavera (2,688 kg MS ha-1; P<0.05), séptima semana en el verano
(2,241 kg MS ha-1; P<0.05), octava semana para el otoño (1,781.3 kg; P<0.05) y sexta
semana en el invierno (1,643 kg; P<0.05). La biomasa acumulada en la primavera fue
superior en 20 % (447 kg MS ha-1), 51 % (907 kg) y 64 % (1,045 kg), comparado con verano,
otoño e invierno, respectivamente (P<0.05). La hoja para primavera, otoño e invierno fue en
aumento conforme incremento las semanas de rebrote y fue mayor que el peciolo, sin
embargo, en verano hubo mayor rendimiento de peciolo y menor la hoja. Durante el periodo
de evaluación en el invierno (3 de marzo del 2013), se presentó una helada intensa, misma
que coincidió con la sexta semana de rebrote la cual limito el rendimiento de biomasa para
dicho muestreo aumentando drásticamente el material muerto.

Por su parte, Gutiérrez et al(9) al evaluar el trébol blanco en el altiplano de México mencionan
una acumulación de forraje conforme se incrementó la edad de la planta en todas las
estaciones alcanzando el máximo rendimiento para las estaciones de primavera, otoño e
invierno en la octava semana con 2,953, 1,592, 1,791 kg MS ha-1, respectivamente y en
verano en la séptima semana con 1,971 kg MS ha-1 (P<0.05).

Moreno et al(15) al establecer el trébol blanco con asociaciones de gramíneas ballico perenne
(Lolium perenne) y pasto ovillo (Dactylis glomerata L.) encontraron un rendimiento máximo
del trébol blanco de 513 kg MS ha-1 en su primer año de muestreo. Sin embargo, Maldonado
et al(3) en estas mismas asociaciones, pero en su tercer y cuarto año de producción, registraron
un incremento significativo en el rendimiento de trébol blanco obteniendo en promedio 7,220
kg MS ha-1. Estos mismos autores mencionan que el trébol blanco con el tiempo domina en
la pradera por ser una especie de habito de crecimiento estolonífero el cual le permite un
rápido crecimiento ante las gramíneas que son amacolladas. En otro estudio(19), reportaron
que el 65 % del rendimiento anual se presentó en primavera y verano, 23 % en invierno y
otoño fue la estación que presento el menor valor con 12 % (P<0.05).

De acuerdo con diferentes autores(18,20), el trébol blanco requiere de 18 hasta 30 °C con una
óptima de 24 °C y precipitaciones de 750 mm para un mejor desempeño. En la primavera
estas temperaturas se alcanzaron (Figura 1) y favorecieron el crecimiento de la pradera como
resultado del incremento del área foliar por planta, y probablemente por el aumento de las
tasas de aparición y elongación de hojas(19). Por el contrario, en el invierno el rendimiento de
materia seca fue bajo, al respecto, diferentes autores(3,12,21), argumentan que las bajas

195
Rev Mex Cienc Pecu 2023;14(1):190-203

temperaturas limitan el crecimiento y la tasa de acumulación de forraje, por su influencia


directa en una menor tasa de aparición y expansión foliar.

Composición botánica y morfológica

En base a los componentes morfológicos y estimando el rendimiento de biomasa acumulada,


la morfología de la planta fue variable (P<0.05). El mayor porcentaje de hoja se produjo en
la tercera semana en primavera con el 68 %, de igual forma en verano se produjo el mayor
porcentaje de hoja de la primer a la tercera semana con 46 a 40 %, disminuyendo
drásticamente en la cuarta semana con 30 % (P<0.05). En otoño donde se encontró el mayor
porcentaje de hoja con 70 % en la primera semana manteniéndose hasta la séptima semana
(59 %) para después disminuir. En el caso de invierno el mayor porcentaje de hoja fue en la
quinta semana (60 %; Figura 3).

Por otro lado, el mayor aporte del peciolo se presentó en verano con el 38 % (P<0.05),
mientras que en primavera se reportó el mayor porcentaje de estolón y solo fue mayor en las
dos primeras semanas de crecimiento con un promedio de 20 % (P<0.05). En lo que
corresponde a pastos en la estación de verano se encontró la mayor cantidad con un promedio
de 15 %. La maleza y flor fue mínima la aportación en todas las estaciones y semanas de
rebrote con un promedio de 3 %.

La estación de invierno fue la que reportó mayor material muerto y a partir de la séptima
semana existió un aumento drástico con el 100 %, ya que existió una disminución de
temperatura (Figura 1) heladas ocasionando la muerte del trébol blanco. Al respecto Brock
and Tilbrock(8) mencionan que todas las plantas tienen una temperatura optima de
crecimiento y cuando éstas sobrepasan o disminuyen drásticamente puede haber muerte
celular, lo cual ocasionó el aumento drástico de material muerto. Por otra parte, a medida que
se incrementó la edad en la planta, el material muerto también fue en aumento (P<0.05);
debido a la madures de las hojas senescentes de los estratos inferiores(9).

La gran proporción de hojas con respecto al peciolo y estolón, indican que es un forraje de
alta calidad, ya que esto permite ser un forraje de mayor digestibilidad, aunado a ello, como
se demostró en todas las etapas de evaluación, el contenido de flor fue mínimo (P>0.05), lo
cual indica que es un forraje que no es precoz y permite elevar su valor nutricional en las
primeras semanas. Como se ha demostrado, el valor forrajero de esta leguminosa se encuentra
cuando se asocia con gramíneas, ya que el rendimiento total por unidad de superficie se
incrementa, alcanzando las 14 t MS ha-1, sin embargo, estas cualidades también pueden verse
afectadas por la estación en el año(19,22).

196
Rev Mex Cienc Pecu 2023;14(1):190-203

Aunado a esto el trébol blanco bajo condiciones de pastoreo es menos susceptible a la pérdida
de meristemos apicales por el arreglo horizontal de las hojas y los primordios foliares, que
permiten captar de manera eficiente la radiación solar en comparación con las gramíneas(8,14).

Índice de área foliar

El índice de área foliar (IAF), permite estimar la capacidad fotosintética de una planta por
unidad de área y ayuda a entender la capacidad de asimilar la energía solar y transformarla
en rendimiento de materia seca(23). El mayor IAF, se reportó durante la primavera y otoño
con 3.0 y 2.6, respectivamente, en la semana ocho, mientras, que en verano e invierno el
mayor índice se obtuvo en la semana cinco con 2.6 (P<0.05). Por otra parte, en todas las
estaciones existió una alta relación entre el IAF y las semanas de rebrote teniendo en
primavera la mayor r2 con 0.97 y en menor en verano con una r2 con 0.83 (Figura 4).

Durante la primavera y verano, debido a las condiciones de temperaturas de 22 a 30 °C y


mayor precipitación en los meses de junio, julio, agosto y septiembre se obtuvo el 70 % del
total de la precipitación acumulada en el periodo experimental, ayudó al mayor crecimiento
de la planta y aprovechó los procesos bioquímicos y de fotosíntesis para su óptimo desarrollo.
Sin embargo, en el otoño e invierno las condiciones no fueron favorables, ya que las bajas
temperaturas oscilaron de -2 a 11 °C ayudaron a que en el invierno hubiera menor recambio
de tejido afectando el crecimiento y desarrollo de la planta, mostrando el menor IAF y menor
rendimiento de biomasa acumulada.

En un ensayo donde evaluaron el trébol blanco(9) el mayor índice de área foliar se obtuvo en
la estación de primavera con 3.0 en la octava semana, posteriormente para verano fue en la
cinco con un índice de 1.7, y para las estaciones de otoño e invierno fue en la octava semana
con un valor de 1.4 y 1.6, respectivamente resultados que concuerdan a los de esta
investigación. En un estudio dirigido por Zaragoza et al(1), reportaron para el cultivo de
alfalfa el mayor IAF (P<0.05) en la semana cinco de primavera (3.5), verano (2.8) y otoño
(2.0) y sexta semana en invierno (1.9), sin embargo, los valores fueron diferentes al evaluar
el pasto ovillo, ya que el mayor IAF (P<0.05) se presentó en la semana seis de rebrote en
primavera (2.3), verano (1.4) y otoño (1.1) y séptima en invierno (1.0). En otras
investigaciones en alfalfa(23,24) reportaron comportamientos similares a lo obtenido en este
experimento, ya que los valores más altos de IAF (P<0.05) se registraron en primavera-
verano con 3.3 y 4.9, respectivamente.

El IAF es variable para cada cultivo, y depende de las condiciones ambientales presentes.
Matthew et al(14) señala que el IAF es óptimo, cuando la producción neta de forraje está en
un punto máximo, y a la vez se alcanza el mayor IAF, no obstante, el IAF puede verse

197
Rev Mex Cienc Pecu 2023;14(1):190-203

afectado indirectamente, por las bajas temperaturas, por el tipo de cultivo y por la hora de
muestreo.

Conclusiones e implicaciones

Durante primavera hubo mayor rendimiento de biomasa acumulada y menor las estaciones
de otoño e invierno. A medida que se incrementó la edad de rebrote, el rendimiento de materia
seca fue en aumento. Se recomienda aprovechar la defoliación de la pradera en la semana
seis para primavera y verano, semana siete en otoño e invierno en base a que obtuvo en esos
momentos adecuado rendimiento de materia seca, mayor componente hoja y menor material
muerto, por tanto, optimiza los nutrientes del forraje.

Literatura citada:
1. Zaragoza EJ, Hernández GA, Pérez PJ, Herrera HJG, Osnaya GF, Martínez HPA,
González MSS, et al. Análisis de crecimiento estacional de una pradera asociada alfalfa-
pasto ovillo. Téc Pecu Méx 2009;47(2):173-188.

2. Parfitt RL, Couper J, Parquinson R, Schon NL, Stevenson BA. Effect of nitrogen fertilizer
on nitrogen pools and soil communities under grazed pastures. NZ J Agr Res
2012;55(3):217-233.

3. Maldonado PMÁ, Rojas GAR, Torres SN, Herrera PJ, Joaquín CS, Ventura RJ, Hernández
GA, Hernández GFJ. Productivity of orchard grass (Dactylis glomerata L.) alone and
associated with perennial ryegrass (Lolium perenne L.) and white clover (Trifolium
repens L.). Rev Brasi Zootec 2017;46(12):890-895.

4. Randazzo CP, Rosso BS, Pagano EM. Identificación de cultivares de trébol blanco
(Trifolium repens L.) mediante SSR. J Basic Appl Gen 2013;24(1):19-26.

5. Black AD, Laidlaw AS, Moot DJ, O’Kiely P. Comparative growth and management of
white and red clovers. Irish J Agric Food Res 2009;48(2):149-166.

6. Phelan P, Keogh B, Casey A, Necpalova M, Humphreys. The effects of treading by dairy


cows on soil properties and herbage production for three white clover‐based grazing
systems on a clay loam soil. Grass Forage Sci 2012;68(4):548-563.

7. Unkovich M. Nitrogen fixation in Australian dairy systems: review and prospect. Crop
Past Sci 2012;(63):787-804.

8. Brock JL, Tilbrook JC. Effect of cultivar of white clover on plant morphology during the
establishment of mixed pastures under sheep grazing. NZ J Agric Res 2000;43(3):335-
343.

198
Rev Mex Cienc Pecu 2023;14(1):190-203

9. Gutiérrez-Arenas AF, Hernández-Garay A, Vaquera-Huerta H, Zaragoza-Ramírez JL,


Luna-Guerrero MJ, Reyes-Castro S, Gutiérrez-Arenas DA. Análisis de crecimiento
estacional de trébol blanco (Trifolium repens L.). Agroproductividad 2018;11(5):62-68.

10. Olivo CJ, Ziech MF, Meinerz GR, Agnolin CA, Tyska D, Both JF. Valor nutritivo de
pastagens consorciadas com diferentes espécies de leguminosas. Rev Brasi Zoot
2009;38(8):1543-1552.

11. Rojas GAR, Hernández GA, Ayala W, Mendoza PSI, Joaquín CS, Vaquera HH, Santiago
OMA. Comportamiento productivo de praderas con distintas combinaciones de ovillo
(Dactylis glomerata L.), ballico perene (Lolium perenne L.) y trébol blanco (Trifolium
repens L.). Rev Fac Cienc Agra 2016;48(2):57-68.

12. Rojas GAR, Hernández GA, Rivas JMA, Mendoza PSI, Maldonado PMA. Joaquín CS.
Dinámica poblacional de tallos de pasto ovillo (Dactylis glomerata L.) y ballico perenne
(Lolium perenne L.) asociados con trébol blanco (Trifolium repens L.). Rev Fac Cienc
Agra 2017;49(2):35-49.

13. Rojas GAR, Torres SN, Joaquín CS, Hernández-Garay A, Maldonado PMA, Sánchez SP.
Componentes del Rendimiento en diferentes variedades de alfalfa (Medicago sativa L.).
Agrociencia 2017;51(7):697-708.

14. Matthew C, Lemaire G, Sackville-Hamilton NR, Hernández-Garay A. A modified


selfthinning equation to describe size/density relationships for defoliated swards. Ann
Botany 1995;76(6):579–587.

15. Moreno CMA, Hernández-Garay A, Vaquera HH, Trejo LC, Escalante EJA, Zaragoza
RJL. Joaquín TBM. Productividad de siete asociaciones y dos praderas puras de
gramíneas y leguminosas en condiciones de pastoreo. Rev Fito Mex 2015;(38):101-108.

16. García E. Modificaciones al sistema de clasificación climática de Koppen. 4ed.


Universidad Nacional Autónoma de México. México, DF. 2004;217.

17. Ortiz SC. Colección de Monolitos. Depto. Génesis de suelos. Edafología, IRENAT.
Colegio de Postgraduados. Montecillo, Texcoco, Estado de México. 1997.

18. SAS, Institute. 2009.SAS/STAT® 9.2. Use Guide Release. Cary, NC: SAS Institute. USA.

19. Castro RR, Hernández GA, Pérez PJ, Hernández GJ, Quero CAR, Enríquez QJF.
Comportamiento productivo de cinco asociaciones gramíneas-leguminosas bajo
condiciones de pastoreo. Rev Fito Mex 2012;35(1):87-95.

20. Lane LA, Ayres JF, Lovett JV. The pastoral significance, adaptive characteristics, and
grazing value of white clover (Trifolium repens L.) in dryland environments in
Australia: a review. Austr J Exper Agric 2000;40(7):1033-1046.

199
Rev Mex Cienc Pecu 2023;14(1):190-203

21. Hernández GA, Hodgson J, Matthew C. Effect of spring grazing management on


perennial ryegrass/white clover pastures. 1. Tissue turnover and herbage accumulation.
NZ J Agr Res 1997;40:25-35.

22. Karsten HD, Carlassare M. Describing the botanical compositions of a mixed species
northeastern U. S. Pasture rotationally grazed by cattle. Crop Sci 2002;(42):882-889.

23. Rojas GAR, Hernández GA, Joaquín CS, Maldonado PMA, Mendoza PSI, Álvarez VP.
Joaquín TBM. Comportamiento productivo de cinco variedades de alfalfa. Rev Mex
Cienc Agríc 2016;7(8):1855-1866.

24. Álvarez-Vázquez P, Hernández-Garay A, Mendoza-Pedroza SI, Rojas-García AR,


Wilson-García CY, Alejos-de la Fuente JI. Producción de diez variedades de alfalfa
(Medicago sativa L.) a cuatro años de establecida. Agrociencia 2018;52:841-851.

200
Rev Mex Cienc Pecu 2023;14(1):190-203

Figura 2: Curvas de crecimiento de trébol blanco y por componente morfológico durante un ciclo de crecimiento de 8 y 9 semanas

3000
Verano
Primavera 2500
trébol hoja
trébol peciolo
trébol hoja 2000

kg MS ha-1
material muerto
kg MS ha-1

trébol peciolo materia seca total


material muerto 1500
materia seca total
1000

500

0 0
7 14 21 28 35 42 49 56 7 14 21 28 35 42 49 56
Intervalo de cosecha Intervalo de cosecha

3000 Invierno
Otoño
2500
trébol hoja
trébol hoja trébol peciolo
trébol peciolo 2000 material muerto
kg MS ha-1
kg MS ha-1

material muerto materia seca total


materia seca total
Polinómica (trébol hoja) 1500

1000

500

0 0
7 14 21 28 35 42 49 56 63 7 14 21 28 35 42 49 56 63
Intervalo de cosecha Intervalo de cosecha

201
Rev Mex Cienc Pecu 2023;14(1):190-203

Figura 3: Composición botánica y morfológica del trébol blanco durante un ciclo de crecimiento de 8 y 9 semanas. mm= material
muerto

202
Rev Mex Cienc Pecu 2023;14(1):190-203

Figura 4: Índice de área foliar de trébol blanco durante un ciclo de crecimiento

Primavera= 4.67/(1+0.11*exp(-0.0619t)) r= 0.97 Otoño= 3.13/(1+26.85*exp(-0.0666t)) r= 0.98


Verano= 0.03+0.11t-0.00152 r= 0.83 Invierno= 1.70/(1+18.91*exp(-0.1142t)) r= 0.96

203
https://doi.org/10.22319/rmcp.v14i1.6126

Revisión bibliográfica

Aspectos relacionados con la importancia del uso de modelos


predictivos en la producción ovina. Revisión

Antonio Leandro Chaves Gurgel a*

Gelson dos Santos Difante a

Luís Carlos Vinhas Ítavo a

João Virgínio Emerenciano Neto b

Camila Celeste Brandão Ferreira Ítavo a

Patrick Bezerra Fernandes a

Carolina Marques Costa a

Francisca Fernanda da Silva Roberto c

Alfonso Juventino Chay-Canul d

a
Universidade Federal de Mato Grosso do Sul, Faculdade de Medicina Veterinária e
Zootecnia. Avenida Senador Filinto Müler, 2443 - Pioneiros, 79074-460, Campo Grande,
Mato Grosso do Sul, Brasil.
b
Universidade Federal do Rio Grande do Norte, Unidade Acadêmica Especializada em
Ciências Agrárias. Macaíba, Rio Grande do Norte, Brasil.
c
Universidade Federal da Paraíba, Centro de Ciências Agrárias. Areia, Paraíba, Brasil.
d
Universidad Juárez Autónoma de Tabasco, División Académica de Ciencias
Agropecuarias. Villahermosa, Tabasco, México.

* Autor de correspondencia: antonioleandro09@gmail.com

Resumen:

Los sistemas de producción ovina se enfrentan a numerosos desafíos, que hacen de la


toma de decisiones un proceso lleno de riesgos e incertidumbres. En este sentido, la
modelación es una herramienta útil, ya que permite a los tomadores de decisiones evaluar

204
Rev Mex Cienc Pecu 2023;14(1):204-227

el comportamiento de las variables y sus interrelaciones, además de utilizar información


previa o relacionada para predecir resultados y simular diferentes escenarios. El
advenimiento de los modelos de predicción ha permitido monitorear el peso de un animal
y determinar el mejor momento para su venta. Además, permite a los productores estimar
los pesos de la canal y los principales cortes comercializables antes del sacrificio. Toda
esta información está directamente asociada a la rentabilidad y el éxito de la actividad
productiva. Por lo tanto, en vista de las diferentes aplicaciones de los modelos
matemáticos en los sistemas de producción, esta revisión de la literatura examina los
conceptos en los estudios de modelación y la importancia de utilizar modelos de
predicción en la producción de ovinos de carne. Además, aborda la aplicación práctica de
los estudios de modelación en la predicción de la ingesta de materia seca y los rasgos de
la canal de ovinos de carne a través de variables correlacionadas.

Palabras clave: Mediciones biométricas, Canal, Predicción de ingesta, Ecuaciones


matemáticas, Cría de ovinos de carne, Pastizal tropical.

Recibido: 22/12/2021

Aceptado: 22/06/2022

Introducción

La cría de ovinos para la producción de carne en Brasil se ha expandido en la última


década debido a la mayor demanda de este tipo de carne en el mercado. Así, los
productores han buscado formas de establecer sistemas de producción capaces de generar
eficientemente carne de calidad a un bajo costo(1,2,3). Sin embargo, la productividad de
estos animales en Brasil es aún incipiente debido a deficiencias en el manejo genético y
nutricional, bajo financiamiento, sistemas de manejo inadecuados de las diversas etapas
de crianza y baja capacidad para organizar adecuadamente la cadena de producción(4).
Otro dato relevante es que más del 50 % de la producción ovina se lleva a cabo en
pastizales naturales sin manejo(4). Estas peculiaridades hacen que el proceso de toma de
decisiones en los sistemas de producción ovina esté lleno de riesgos e incertidumbres.

A pesar de ser una característica inherente a los sistemas de producción animal, los riesgos
(probabilidad de ocurrencia de un evento) pueden ser minimizados a través de la adopción
de herramientas que ayuden a la toma de decisiones(5). En este sentido, la falta de
conocimiento resultará en la imposibilidad de estimar el riesgo (incertidumbre). Cierta
información dentro y fuera del sistema de producción es esencial para reducir las
incertidumbres asociadas con la toma de decisiones(6). Fuera del sistema de producción,
el productor tiene poco control sobre las acciones que afectan la rentabilidad de la
producción. En contraste, las acciones dentro de la granja tendrán un impacto directo en
el éxito de la actividad.

205
Rev Mex Cienc Pecu 2023;14(1):204-227

En este contexto, una metodología adecuada para el análisis de la toma de decisiones


requiere información precisa sobre el problema, así como eficiencia en el manejo del
sistema, para que se puedan alcanzar los objetivos planeados(7). La modelación es una
herramienta que puede ayudar al proceso de toma de decisiones, ya que permite a los
tomadores de decisiones evaluar el comportamiento de las variables y sus interrelaciones,
además de utilizar información previa o relacionada para predecir resultados y simular
diferentes escenarios(8).

El uso de modelos matemáticos permite a los productores estimar alguna información


importante que sería difícil de obtener en términos prácticos, por ejemplo, la ingesta de
hierba utilizando variables correlacionadas(9). La modelación también permite monitorear
el peso de un animal y determinar el mejor momento para su venta(10,11). Además, permite
a los productores estimar el peso de la canal y los principales cortes antes del
sacrificio(12,13). Toda esta información está directamente asociada a la rentabilidad y el
éxito de la actividad productiva.

Así, debido a las diferentes aplicaciones de los modelos matemáticos en los sistemas de
producción, esta revisión bibliográfica examina los conceptos en los estudios de
modelación y la importancia de utilizar modelos predictivos en la producción de ovinos
de carne.

Modelos matemáticos

El uso de modelos matemáticos se ha convertido en una herramienta indispensable para


los hacedores de políticas públicas y los científicos(14). Pool(15) sugirió que el acto de
modelar se convertiría en un tercer dominio de la ciencia, uniéndose a los dominios
tradicionales de la teoría y la experimentación. En este sentido, decisiones políticas
importantes, como el efecto del calentamiento global en la biología terrestre(16,17), la salud
pública y el manejo de las pandemias(18), han llegado a depender en gran medida de los
estudios de modelación. Además, los investigadores han comenzado a utilizar la
modelación en los campos más diversos de la ciencia, por ejemplo, medicina(19),
economía(20), física(21), química(22), ingeniería(23), derecho(24), ciencia animal(25,26), y
muchos otros.

Hay varios conceptos para los modelos matemáticos. Hamilton(14) los definió como la
expresión de la teoría, que proporciona la posibilidad de comparar la teoría con los datos
obtenidos en el entorno físico. Para Tedeschi(25), los modelos son representaciones
matemáticas de mecanismos que gobiernan fenómenos naturales que no son
completamente conocidos, controlados o comprendidos. Más recientemente, Tedeschi y
Méndez(8) postularon que los modelos matemáticos son representaciones aritméticas del
comportamiento de dispositivos reales y procesos de la vida. Todos estos autores también
consideraron que los modelos son una abstracción y una representación de la
realidad(8,14,25).

206
Rev Mex Cienc Pecu 2023;14(1):204-227

El uso o no uso de las matemáticas define si el modelo es predictivo o descriptivo,


respectivamente. Los modelos descriptivos abordan teóricamente el desempeño de las
variables y sus interrelaciones. En contraste, los modelos predictivos están dirigidos a
utilizar información previa para predecir resultados o simular diferentes escenarios(8). Al
respecto, Tedeschi y Méndez(8) clasificaron los modelos matemáticos (predictivos) en tres
clases principales: en un contexto temporal, los modelos pueden clasificarse como
estáticos o dinámicos; en un contexto natural, como empíricos o mecanicistas; y, en un
contexto conductual, como deterministas y estocásticos.

Los modelos dinámicos son aquellos que describen los cambios que se han producido y
las respuestas obtenidas en función del tiempo. Los modelos no lineales utilizados para
describir el crecimiento animal tienen un carácter dinámico(27,28). Los modelos estáticos,
por otro lado, son aquellos que generan una respuesta para un instante fijo, es decir, no
incluyen el tiempo como variable(8). Sin embargo, Tedeschi y Méndez(8) advierten que el
concepto de estático versus dinámico depende de la escala de tiempo utilizada, ya que un
fenómeno biológico puede ser mejor representado por un modelo dinámico cuando
ocurren cambios diarios, pero cuando los años se usan como una variante de tiempo, un
modelo estático puede funcionar mejor que un modelo dinámico, ya que los cambios
diarios son irrelevantes para la variable de interés.

Los modelos empíricos se obtienen a partir de datos observacionales. Estos modelos se


aplican en estudios experimentales que evalúan las relaciones dosis-respuesta, por
ejemplo, el efecto de las tasas de nitrógeno en el contenido de proteína cruda de plantas
forrajeras. Así, es posible estimar la concentración de una proteína bruta (variable Y) a
cualquier tasa de nitrógeno (variable X) mediante el ajuste de regresiones polinómicas(29).
Los modelos mecanicistas, por otro lado, consideran los mecanismos conceptuales
subyacentes y la combinación de elementos de diferentes niveles jerárquicos. El propósito
principal de estos modelos es explicar cómo un elemento en un nivel superior se comporta
o responde a una gama de elementos en un nivel inferior. Este tipo de modelo puede
ejemplificarse mejor en la modelación de la dinámica de acumulación de hierba de una
planta forrajera dada(30). En este caso, el modelo mecanicista busca explicar la secuencia
de acciones de los factores abióticos a nivel de moléculas, células, tejidos, órganos,
macollos, plantas, matas y el dosel forrajero.

Los modelos estocásticos son aquellos que asocian un riesgo o probabilidad con la
decisión. La estocasticidad se asocia con una falta de comprensión del fenómeno
biológico. En consecuencia, una mayor comprensión del fenómeno se traduciría en un
modelo menos estocástico. Un ejemplo de modelo estocástico fue desarrollado por Nadal-
Roig et al(5) para abordar decisiones tácticas, planificar la producción, aumentar la
flexibilidad y mejorar la coordinación y la producción general de cerdos bajo la
incertidumbre asociada con el precio de venta de los animales. Los autores concluyeron
que el modelo estocástico era eficiente en la predicción del mejor escenario para el
sistema de producción. Además, debido a la incertidumbre de mercado del precio de venta

207
Rev Mex Cienc Pecu 2023;14(1):204-227

para los cerdos, la versión estocástica condujo a resultados más precisos y realistas que
la versión determinista.

En contraste, los modelos deterministas no asocian ninguna probabilidad con una


estimación dada(8). Por lo tanto, siempre que el modelo se ejecute sin cambios en las
variables de entrada, se obtendrá la misma información de salida. Un ejemplo del uso de
este tipo de modelo fue propuesto por el NRC(31) para estimar la ingesta de materia seca
por ovinos. Según el NRC(31), la ingesta de materia seca (kg/día) por ovinos está
determinada por las siguientes variables de entrada: peso corporal adulto (kg), peso
corporal y peso estándar de referencia, que correspondería a un animal adulto. Si es
hembra, debe considerarse no preñada y no lactante, con una puntuación corporal de 2.5
en una escala de 1 a 5, y que ya haya experimentado un crecimiento esquelético completo.
De esta manera, cada vez que el modelo se ejecute utilizando la misma información de
entrada, la ingesta predicha será la misma. Sin embargo, el modelo no da ninguna
probabilidad de que la ingesta predicha verdaderamente se observe.

Independientemente del tipo de modelo, su estructura básica se compone de variables,


parámetros y constantes, pero no todos los modelos exhiben estos tres componentes
simultáneamente. Las variables, dependientes o independientes, se cambian según el
individuo; los parámetros varían según el modelo, y las constantes no varían en ninguna
situación. En este sentido, dos procesos son comúnmente utilizados para la creación de
modelos: 1) Establecer ideas y conceptos a través de un estudio a profundidad de la
literatura y luego crear parámetros para las variables del modelo, o 2) Analizar datos
experimentales que expliquen un fenómeno biológico y luego combinarlos en una
ecuación(25). En ambas situaciones, el análisis estadístico adecuado para evaluar el ajuste
de los modelos es un paso indispensable.

Evaluación de modelos matemáticos

Existen diferencias conceptuales entre los términos ‘validación’, ‘verificación’ y


‘evaluación’ de modelos matemáticos(14,25). Sin embargo, el término ‘validación del
modelo’ fue frecuentemente cuestionado por los investigadores(25,32). Debido a que los
modelos son considerados una abstracción de la realidad y una aproximación del sistema
real(8,14,25), es imposible probar que todos los componentes del modelo realmente
predecirán el comportamiento de un sistema biológico. Tedeschi(25) propuso los términos
‘evaluación’ o ‘prueba’ para indicar el grado de robustez del modelo con base en criterios
preestablecidos. El autor también destacó que los modelos matemáticos no pueden
demostrarse como válidos, excepto si son adecuados para el propósito para el que están
destinados, bajo ciertas condiciones.

En los estudios de modelación, se debe seguir un protocolo para definir el mejor modelo
de predicción para el objetivo establecido. Por lo tanto, el proceso requiere primero una
revisión extensa de la literatura sobre el tema abordado. Después de que se logra una
comprensión teórica del fenómeno a modelar, el siguiente paso es ajustar, evaluar y

208
Rev Mex Cienc Pecu 2023;14(1):204-227

comparar los modelos definidos y, finalmente, interpretar los resultados y hacer


inferencias sobre la aplicación de los modelos seleccionados. Por lo tanto, se entiende que
la evaluación es un paso fundamental en el ajuste de modelos de predicción(25), ya que
este paso define si el modelo es adecuado para su propósito previsto. Según Hamilton(14),
la evaluación del modelo es una comparación de los datos predichos sobre los observados,
que utiliza herramientas estadísticas para apoyar las conclusiones.

La exactitud y la precisión son dos conceptos importantes cuando se evalúan modelos


matemáticos. La exactitud indica la proximidad de los valores medios predichos a los
observados. La precisión, por otro lado, es la capacidad del modelo para predecir valores
consistentemente(25). Por lo tanto, un modelo exacto, pero no preciso (situación 1 en la
Figura 1) estima un valor promedio cercano al valor promedio verdadero, pero con una
desviación estándar alta. En contraste, un modelo con baja exactitud y alta precisión
(situación 4 en la Figura 1) predice una media diferente de los datos observados, pero
denota una desviación estándar baja en las predicciones. En las situaciones 2 y 4 (Figura
1) los modelos son igualmente exactos, pero solo el modelo 2 muestra las características
de exactitud y precisión, ya que los puntos se distribuyen de forma compacta en el centro
del objetivo.

Figura 1: Representación esquemática de conceptos de precisión y exactitud


(Adaptado(25))

La primera y más simple evaluación de la bondad de ajuste de los modelos (precisión y


exactitud) es el análisis de momentos de los datos predichos y observados. En este tipo
de evaluación, se espera que un buen modelo estime los valores medios, máximos y
mínimos, así como la varianza de los datos y la desviación estándar cercanos a los valores
observados(33). El valor del coeficiente de correlación de Spearman también se ha
utilizado inicialmente para evaluar la clasificación de los valores de datos predichos y
observados. Este coeficiente evalúa si el valor predicho más alto es también el valor

209
Rev Mex Cienc Pecu 2023;14(1):204-227

observado más alto, creando así una clasificación entre todos los datos(34).

La regresión lineal entre los valores observados y predichos se utiliza comúnmente para
evaluar modelos. La hipótesis de que los datos predichos son iguales a los datos
observados se evalúa mediante la ecuación de regresión Y = β0 + β1 × X, donde Y es el
valor observado; β0 y β1 representan el intercepto y la pendiente de la ecuación de
regresión, respectivamente; y X es el valor predicho por las ecuaciones. Los valores
predichos por el modelo se trazan en el eje X, mientras que los valores observados se
trazan en el eje Y(25).. En este formato de gráfico, los puntos de datos ubicados por encima
y por debajo de la línea de igualdad indican sobreestimación o subestimación por el
modelo, respectivamente(26).

Para evaluar la hipótesis (β0= 0 y β = 1), Dent y Blackie(35) sugirieron evaluar


simultáneamente si el intercepto es diferente de cero y la pendiente es diferente de uno.
Para este propósito, se utilizó la prueba F simultánea para la identidad de los parámetros
de regresión predichos por los datos observados(36). Sin embargo, Tedeschi(25) advirtió
que la prueba F es válida sólo para modelos deterministas y no debe ser utilizada para
modelos estocásticos. Además, debido a la suposición de que los datos son
independientes, lo que no siempre se observa en un estudio de modelación, la prueba F
simultánea puede resultar en errores de aceptación o rechazo de la hipótesis evaluada(36).

Después de obtener la regresión lineal, es posible calcular el coeficiente de determinación


de la ecuación (R2). El coeficiente de determinación indica el porcentaje de variación en
Y que se explica por X. Por lo tanto, R2 evalúa la proximidad de los datos a la línea de
regresión ajustada. Cabe destacar que la interpretación del valor R2 es a menudo
errónea(33). Cuando se usa de forma aislada, esta información no es un buen indicador de
la calidad del modelo, ya que R2 mide la precisión y no la exactitud de la ecuación.
Aunado a esto está el hecho de que un alto coeficiente de determinación no implica
necesariamente que exista una relación lineal entre los datos predichos y observados, ya
que la relación puede ser curvilínea(25).

Otra forma de evaluar la ecuación de regresión es mediante el error cuadrático medio


(ECM), que evalúa la precisión de la regresión lineal ajustada utilizando la diferencia
entre los valores observados y los valores estimados por la regresión. Analla(37)
recomendó el ECM como el mejor criterio para seleccionar el modelo con el mejor ajuste
al comparar varios modelos. Cabe señalar que aunque se utilizan varios métodos para
evaluar la idoneidad de la ecuación de regresión, su uso puede generar resultados
ambiguos cuando los datos no muestran la distribución normal y en los casos en que los
errores residuales son bajos(25). En este contexto, se realizan algunas evaluaciones
adicionales.

El ECM es similar al error de predicción cuadrático medio (EPCM). La diferencia


fundamental entre los dos parámetros es que el EPCM es la diferencia entre los valores
observados y los valores predichos por el modelo, mientras que el ECM, como se vio

210
Rev Mex Cienc Pecu 2023;14(1):204-227

anteriormente, es la diferencia entre los valores observados y los valores estimados por la
regresión. Tedeschi(25) consideró al EPCM la medida más común y confiable para
determinar la exactitud predictiva de un modelo; sin embargo, el autor advirtió que su
confiabilidad disminuirá a medida que disminuya el número de observaciones. Además,
el autor destacó que el EPCM no proporciona ninguna información sobre la precisión del
modelo y que una desventaja del EPCM es que las desviaciones se ponderan por sus
valores al cuadrado, lo que elimina los datos negativos, dando así mayor énfasis a valores
más grandes.

Bunke y Droge(38) propusieron una descomposición del EPCM que tiene en cuenta la
fuente de variación de los parámetros. Por este fraccionamiento, el EPCM se divide en
error medio, error sistemático y error aleatorio. Cuando la mayoría de los errores se
atribuyen al error medio, significa que hay una deficiencia en la colocación de la línea de
igualdad, que se puede corregir con un factor de corrección aditivo. El error sistemático,
por otro lado, indica una falla en el desplazamiento de la línea, que puede corregirse con
una corrección multiplicativa.

El coeficiente de determinación (CD) del modelo, que muestra la proporción de la


varianza total de los valores observados que se explica por los datos predichos, se ha
utilizado durante mucho tiempo para evaluar modelos matemáticos. Sin embargo, el CD
ha sido reemplazado por el coeficiente de correlación de concordancia (CCC) en estudios
de variables continuas(39,40). El CCC evalúa simultáneamente la exactitud y precisión de
las ecuaciones, lo que lo convierte en una medida poderosa. El valor del CCC se obtiene
mediante una ecuación de dos componentes: 1) coeficiente de correlación, que mide la
precisión; y 2) factor de corrección de sesgo, que indica la exactitud(41).

Se utilizan numerosas técnicas estadísticas para evaluar la precisión y exactitud de los


modelos. Sin embargo, ninguna técnica utilizada aisladamente es capaz de evaluar
adecuadamente el desempeño del modelo(25). Por lo tanto, la mejor manera de evaluar el
desempeño predictivo de un modelo es asociarlo con un conjunto de métodos estadísticos.
Es importante enfatizar que esta revisión aborda los principales métodos utilizados en los
estudios de modelación que predicen la ingesta de materia seca y los rasgos de la canal
de ovino(39,40,42). Una discusión adicional sobre la evaluación de modelos desde un punto
de vista estadístico fue presentada por Neter et al(33) y Tedeschi(25).

Aplicación de modelos predictivos en la producción de ovinos


de carne

Debido a las diversas aplicaciones de los modelos matemáticos en los sistemas de


producción ovina, esta revisión de literatura abordará la aplicación de estudios de
modelación en la predicción de la ingesta de materia seca por ovinos en pastoreo, así
como el peso corporal y los rasgos de la canal de ovino a través de mediciones
biométricas. Esta información es difícil de obtener en condiciones prácticas; sin embargo,

211
Rev Mex Cienc Pecu 2023;14(1):204-227

está directamente asociada con la rentabilidad y el éxito de la actividad productiva. Se


destaca que las posibilidades de utilizar la modelación en la producción ovina son lo más
diversas posible y sería difícil resumir toda esta información en una sola revisión.

Predicción de la ingesta de materia seca por ovinos en pastoreo

En el caso de los animales de corral de engorda, las características químicas y físicas de


los ingredientes que componen las dietas y sus interacciones tienen un gran efecto sobre
la ingesta de materia seca (IMS)(43,44). En resumen, la demanda energética del animal
define el consumo de dietas con alta densidad calórica(45). Por otro lado, cuando el animal
es alimentado con dietas de bajo valor nutricional y baja densidad energética, la capacidad
física del tracto gastrointestinal determina el potencial de la IMS(46). En este sentido,
Mcdowell(47) mencionó que la ingesta de hierba está influenciada principalmente por el
tamaño corporal, ya que el tamaño del animal se correlaciona positivamente con los
requerimientos nutricionales de mantenimiento(42,43,45), seguido de la densidad energética
y la tasa de digestión de la dieta. Además, el autor observó que la IMS se correlaciona
positivamente con la digestibilidad de la materia orgánica.

El contenido de fibra detergente neutro (FDN) de una dieta o hierba es un parámetro


eficiente para expresar la acción de estos dos mecanismos para controlar la ingesta de
materia seca, ya que está positivamente relacionado con el efecto de llenado ruminal e
inversamente relacionado con la concentración de energía de la dieta(48).

Los factores relacionados con los animales, como la raza, el sexo, la edad, el peso
corporal, la etapa fisiológica (crecimiento, preñez o lactancia) y la composición corporal
influyen en los requerimientos de nutrientes y la ingesta de los ovinos(45). Mertens(48)
sugirió que la ingesta de nutrientes depende de factores importantes relacionados con el
manejo de la alimentación (disponibilidad de alimento, área lineal del comedero,
accesibilidad al alimento, frecuencia de suministro, forma física y procesamiento),
además de las condiciones ambientales y el bienestar animal relacionados con la
concentración de energía de la dieta(48).

En cuanto a los animales en pastoreo, además de todos los factores antes mencionados
que actúan sobre la ingesta de materia seca, las complejas interacciones entre las
características del animal y el pastizal afectan la tasa de ingesta de nutrientes(49). Se sabe
que el comportamiento de alimentación es la forma más eficiente de demostrar las
interacciones entre la estructura del pastizal y la ingesta de forraje(50).

Según una visión mecanicista, la IMS diaria para ovinos en pastoreo es el resultado del
tiempo dedicado por el animal a buscar y aprehender la hierba y la tasa de ingesta durante
este período(50), que, a su vez, es el producto de la velocidad de bocado y el peso del
bocado. La velocidad y el peso de un bocado cambian cuando se cambia la cantidad de
hierba por bocado (volumen del bocado). El volumen del bocado es sensible a las
oscilaciones en la profundidad del bocado y la densidad aparente de la hierba, que a su

212
Rev Mex Cienc Pecu 2023;14(1):204-227

vez está determinada por la altura del dosel y la masa de la hierba (Figura 2). La estructura
del pastizal (masa de la hierba, altura, etc.) también cambia el tiempo que el animal pasa
en la actividad de pastoreo(51,52).

Figura 2: Representación esquemática del comportamiento alimenticio de los animales


en pastoreo (Adaptado53)

Para ejemplificar la relación entre la estructura del pastizal, el comportamiento de


alimentación y la ingesta, uno simplemente debe imaginar una situación con limitaciones
en el suministro de hierba. En esta circunstancia, hay una reducción en el tamaño del
bocado, mientras que el tiempo de pastoreo y la velocidad de bocado aumentan(52). Por lo
tanto, hasta cierto punto, es posible obtener una ingesta constante de hierba en pastizales
con diferentes doseles. Sin embargo, si la asignación de hierba es demasiado baja, el
aumento en el tiempo de pastoreo no podrá mantener la ingesta debido a la reducción en
la tasa de ingesta(54).

Así, debido a la existencia de varios factores que influyen en la IMS de ovinos en


pastoreo, la modelación de este parámetro se vuelve muy compleja. Por esta razón, la
mayoría de los modelos de predicción de IMS de ovinos se obtienen de experimentos
realizados en condiciones de corral de engorda(31,42,43,45). Esto puede llevar a
inconsistencias si se utilizan para predecir la IMS de los ovinos en pastoreo, ya que no
consideran las características del pastizal y las interacciones entre el animal y la planta
forrajera.

213
Rev Mex Cienc Pecu 2023;14(1):204-227

La mayoría de los modelos utilizados para predecir la ingesta por parte de animales en
pastoreo son mecanicistas, centrándose en el proceso digestivo y la selectividad de la
ingestión en condiciones de pastoreo, y consideran principalmente la altura del pastizal o
la cantidad de hierba extraída(50,55). Pittroff y Kothmann(56) realizaron un análisis
comparativo de modelos cuantitativos que predecían la ingesta de alimento por ovinos y
observaron que alrededor del 55 % de las ecuaciones tomaron en cuenta algún rasgo del
pastizal, con predominio de la disponibilidad de hierba. Los investigadores concluyeron
que existe un marco conceptual débil en el desarrollo de los modelos.

De los modelos presentados en la revisión de Pittroff y Kothmann(56), el desarrollado por


Freer et al(57) se centró más en las características del pastizal. La ecuación predice la
ingesta por ovinos como el producto de la ingesta potencial de alimento (Imax) y la
proporción de ese potencial (ingesta relativa) que el animal puede obtener de la cantidad
disponible de alimento. La Imax se definió como la cantidad ingerida (kg/d de MS)
cuando a los animales se les permite el acceso sin restricciones al alimento con una
digestibilidad de MS de al menos el 80 %, que depende del peso estándar de un animal
adulto (peso estándar de referencia) y de la relación entre el peso corporal y el peso
estándar de referencia (ecuación 1). Cabe destacar que, en el caso de las gramíneas
tropicales, apenas se alcanza la digestibilidad mínima del 80 %(58,59,60).

(1) Imax= 0.04 × PER × Z × (1.7 - Z)

Donde PER= peso estándar de referencia; Z= tamaño relativo del animal, la relación entre
el peso corporal y el peso estándar de referencia.

La ingesta relativa se describió como el producto de dos atributos del alimento:


disponibilidad relativa e ingestibilidad relativa. Para los animales en pastoreo, la
disponibilidad relativa se predice principalmente a partir de la masa de la hierba, mientras
que la ingestibilidad relativa se predice a partir de la digestibilidad del pasto recolectado
por simulación de pastoreo (arranque manual)(57).

Para simular la dinámica de ingesta de los rumiantes durante el pastoreo, Baumont et al(50)
desarrollaron un modelo teórico de una tasa de ingesta que combina la estructura del pasto
y la decisión del animal de pastar o realizar otras actividades. Los autores definieron la
ingesta de materia seca como la suma de las tasas de ingesta instantánea, que, a su vez,
se determinan en función de las tasas de ingesta potencial en los horizontes de pastoreo,
las preferencias que determinan las proporciones seleccionadas en ambos horizontes de
pasto y los niveles de saciedad del animal (ecuación 2).

(2) TI= (PREFi × TIPi) + (PREFi+1× TIP + 1) / NS

Donde TI= tasa de ingesta (g MS/min); PREFi y PREFi + 1= preferencia relativa


determinada a partir de un submodelo de decisión de pastoreo que define cómo el animal
distribuye la ingesta entre el horizonte más alto disponible (i) y el siguiente horizonte

214
Rev Mex Cienc Pecu 2023;14(1):204-227

disponible (i + 1), de acuerdo con las preferencias relativas PREFi y PREFi+1; NS= nivel
de saciedad; TIPi= tasa de ingesta potencial (g MS/min) obtenida del tiempo que tarda el
animal en realizar el bocado y el peso de ese bocado en el horizonte más alto disponible
(i), y el siguiente horizonte disponible.

McCall(61) propuso un modelo para estimar la ingesta de hierba en pastizales donde el


ballico perenne es la especie forrajera predominante. El autor modeló la IMS real de
ovinos en pastizal en función de la ingesta máxima multiplicada por el factor de
corrección (ecuación 3). El factor de corrección se obtiene de la asignación de hierba y la
ingesta potencial del animal (ecuaciones 4 y 5). La asignación de hierba se estimó
cosechando el forraje contenido dentro de marcos metálicos de 1 m2.

(3) IH= Imax × M


(4) M= A × EXP (-1.016 × EXP (1.0308 × AHM)
(5) A= 1-1.42 × (-0.00198 × MH),

Donde IH= ingesta de hierba (kg/día); Imax= ingesta máxima de hierba (kg/día); M=
factor de corrección; EXP= exponencial (2.7182); AHM= asignación de hierba dividida
por la ingesta máxima; y MH= masa herbácea menos material muerto (kg/ha).

Medeiros(62) utilizó el modelo propuesto por McCall(61) para estimar la ingesta de ovinos
en Cynodon spp. bajo diferentes intensidades de pastoreo en un sistema de pastoreo
continuo y concluyó que el modelo de McCall(61) sobreestimó la ingesta de los animales.
Esta sobreestimación indicada por Medeiros podría deberse al tipo de hierba ya que
McCall trabajó con un pasto C3 que es más digerible que el C4 con el que Medeiros
trabajó. Por lo tanto, Medeiros(62) sugirió reemplazar la asignación de hierba verde (hoja
+ tallo) en la ecuación con una asignación de hoja verde. Sólo entonces la ingesta
estimada fue estadísticamente igual a la observada.

De manera similar, Gurgel et al(9) evaluaron diferentes modelos que predecían la IMS en
pastizales tropicales utilizando el factor de ajuste propuesto por McCall(61) y concluyeron
que las ecuaciones no predicen con exactitud la IMS de ovinos de carne y generan valores
sobreestimados en pastizales de clima tropical. Los autores propusieron que la estimación
de la IMS para corderos en pastizales tropicales debería considerar el siguiente modelo
(ecuación 6):

(6) IMS (% PV)= 7.16545 - 0.21799 × PV + 0.00273 × PV2 - 0.00688 × TP +


0.000007 × TP2 + 0.00271 × AHV

Donde IMS= ingesta de materia seca (% PV); PV= peso vivo (kg); TP= tiempo de
pastoreo (min/día); y AHV= asignación de hierba verde (kg MS/100 kg PV), que
corresponde a la asignación de hierba menos material muerto.

215
Rev Mex Cienc Pecu 2023;14(1):204-227

Por lo tanto, los modelos propuestos para un clima templado no estiman correctamente la
ingesta de hierba por parte de ovinos en pastizales tropicales. De esta manera, son
necesarios estudios para estimar la ingesta de ovinos en regiones tropicales,
especialmente en sistemas que adoptan el pastizal como fuente primaria de nutrientes, ya
que esta información es de fundamental importancia para la planeación nutricional.

Predicción del peso corporal y rasgos de la canal de ovinos a través de


mediciones biométricas

El peso corporal es una de las principales piezas de información que guía la toma de
decisiones en los sistemas de producción debido a su relación directa con los
requerimientos nutricionales de los animales(31). Además, el monitoreo de la curva de
crecimiento de los rumiantes permite identificar las fases en las que el animal es más
capaz de convertir el alimento consumido en tejido corporal y el mejor momento para su
venta(10,11,63).

El crecimiento de los animales se evalúa utilizando equipos de medición directa, como


básculas ganaderas. Sin embargo, debido a las condiciones en las que operan los sistemas
tradicionales de producción ovina(4), la determinación directa del peso corporal de los
animales a menudo representa un desafío para los productores debido al alto costo de
adquirir y mantener las básculas(64,65,66,67). En la mayoría de los casos, esto hace que los
productores comercialicen animales con base en puntuaciones visuales, lo que conduce a
errores en la estimación del peso corporal y afecta la rentabilidad de los sistemas de
producción(68).

La estimación del peso corporal por métodos indirectos puede ser una alternativa de fácil
adopción y de bajo costo. En este sentido, las mediciones biométricas son una opción
viable para predecir el peso corporal debido a la correlación entre estos rasgos y el peso
corporal de los animales(65,69). Este método consiste en desarrollar modelos matemáticos
que permiten a los productores estimar el peso corporal utilizando algunas mediciones
biométricas (Figura 3) a partir de análisis de regresión lineal y múltiple. Estas medidas
corporales se pueden obtener con una vara para medir caballos y una cinta métrica(12,41),
instrumentos fáciles de manejar y económicos que no requieren un mantenimiento
periódico sofisticado.

Las principales mediciones biométricas (Figura 3) evaluadas en ovinos son las


siguientes(70): altura de la cruz (AC) – desde el punto más alto de la cruz hasta el suelo
(1); altura de la grupa (AG) – la distancia vertical desde el punto más alto de la grupa
hasta el suelo (2); longitud del cuerpo (LC) – desde la articulación escapulohumeral hasta
la parte caudal del isquion (3); ancho del pecho (AP) – la medida entre las puntas de las
escápulas (4); ancho de la grupa (NG) – la distancia entre las tuberosidades isquiáticas
(5); circunferencia del corazón (CC) – tomada alrededor de la cavidad torácica (6);
circunferencia abdominal (CA) – tomada alrededor de la cavidad abdominal (7); longitud

216
Rev Mex Cienc Pecu 2023;14(1):204-227

de la pierna (LP) – tomada de la tuberosidad isquiática al suelo (8); y la circunferencia de


la pierna (CP) – tomada alrededor de la parte media del muslo (9).

Figura 3: Principales mediciones biométricas realizadas en ovinos

2
1

7
5
3
6

9 4

Altura de la cruz (1); altura de la grupa (2); longitud del cuerpo (3); ancho del pecho (4); ancho de la
grupa (5); circunferencia del corazón (6); circunferencia abdominal (7); longitud de la pierna (8);
circunferencia de la pierna (9).

Se realizaron algunos estudios para desarrollar ecuaciones lineales y múltiples para


estimar el peso corporal de ovinos a partir de mediciones biométricas(65,66,71,72,73). Los
autores concluyeron que la CC es la medición biométrica más importante para predecir
el peso corporal del animal (Cuadro 1). En contraste, Canul-Solís et al(66) utilizaron el NG
para estimar el peso corporal de ovinos Pelibuey. Sin embargo, cuando se utiliza más de
una medida, la capacidad predictiva de las ecuaciones aumenta(68,69,73,74).

217
Rev Mex Cienc Pecu 2023;14(1):204-227

Cuadro 1: Ecuaciones para predecir el peso corporal (PC) de ovinos utilizando


mediciones biométricas (cm)
Autor Raza Ecuación R2
Chay-Canul et
Pelibuey PC (kg) = -47.97 + 1.07 × CC 0.86
al(65)
Canul-Solís et
Pelibuey PC (kg) = - 19.17 + 3.46 × NG 0.96
al(66)
Charolais; Kent;
Málková et al(68) PC = (kg) = -3.997 + 0.225 × CC 0.78
Cruza
Charolais; Kent; PC (kg) = -4.672 + 0.243 × CHC + 0.198
Málková et al(68) 0.80
Cruza × CC
PC (kg) = 0.45 × CC - 0.58× CA + 0.005
Gurgel et al(69) Santa Inés 0.88
× CA2 + 0.002 ×AG2
Kumar et al(71) Harnali PC (kg) = -63.72 + 1.23 × CC 0.87
Kebeles; Arsi-
Worku(73) PC (kg) = -39.51 + 0.91× CC 0.71
Bale
Kebeles; Arsi- PC (kg) = 45.77 + 0.59 × CC + 1.99 ×
Worku(73) 0.81
Bale CHC + 0.30 × PP + 0.5 × AG
PC = (kg) -107.16 + 1.40 × CC + 0.60 ×
Grandis et al(74) Texel 0.88
AC
CC= circunferencia del corazón, NG= ancho de la grupa; CHC= circunferencia del hueso de la caña; CA=
circunferencia abdominal; AG= altura de la grupa; PP= profundidad del pecho; AC= altura de la cruz.

Otra forma de utilizar las mediciones biométricas para predecir el peso corporal de los
ovinos es a partir del volumen corporal, que se obtiene mediante la fórmula utilizada para
calcular el volumen de un cilindro, incluyendo las mediciones de CC y LC(75):

Radio (cm)= CC / 2π,


Volumen corporal (dm3)= (π × r2 × LC) / 1000,
donde, r= radio de la circunferencia (cm); π= 3.1416; CC= circunferencia del corazón
(cm); y LC= longitud del cuerpo (cm).

Salazar-Cuytun et al(67) compararon tres ecuaciones (lineal, cuadrática y exponencial)


para evaluar la relación entre el volumen y el peso corporal en corderos y ovejas Pelibuey.
Los autores observaron un coeficiente de correlación de 0.89 entre el volumen y el peso
corporal. Además, se encontró que el modelo cuadrático tuvo el mejor desempeño, de
acuerdo con la evaluación de idoneidad. Le Cozler et al(76) reportaron que el volumen
corporal está fuertemente correlacionado con el peso en vacas Holstein lactantes.

Además de ser un método eficiente para estimar el peso corporal, las mediciones
biométricas se utilizan para predecir los rasgos de la canal ovina(12,40,77). Determinar el
rendimiento de la canal o los cortes principales antes del sacrificio es una información
valiosa para los sistemas de producción, ya que permite al productor estimar el ingreso
bruto de la granja. En este sentido, el uso de mediciones biométricas tomadas antes del

218
Rev Mex Cienc Pecu 2023;14(1):204-227

sacrificio es de mayor interés en condiciones de producción comercial debido al bajo


costo adicional para los productores(40,78,79).

Debido a que está directamente relacionado con la remuneración del productor, el peso
de la canal ha sido la variable más predicha por las mediciones biométricas, con un peso
al sacrificio que explica del 47.0 al 99.0 % de la variación en el peso de la canal de los
rumiantes(79,80). Sin embargo, cuando las mediciones biométricas se utilizan en asociación
con el peso corporal en ecuaciones lineales y múltiples para predecir el peso de la canal,
hay un aumento en el coeficiente de determinación(40). Al respecto, Gurgel et al(81)
mostraron que las medidas de AP, CP y NG, junto con el peso corporal, explicaron el
91.0 % de la variación en el peso de la canal de corderos Santa Inés finalizados en
pastizales tropicales. Para los corderos Pelibuey, Bautista-Díaz et al(78) recomendaron una
ecuación para estimar el peso de la canal que se asocia con las medidas de LC, CC y CA
y el ancho abdominal (R2= 0.89). En la predicción del peso de la canal caliente de
corderos Morada Nova, Costa et al(12) recomendaron una ecuación sin utilizar el peso
corporal como variable independiente. Según los autores, las medidas de LC, AC, AP,
CA y las puntuaciones de condición corporal son las más importantes para predecir el
peso de la canal de los ovinos estudiados (R2= 0.80).

La carne de ovino se vende principalmente en forma de medias canales o canales enteras.


Sin embargo, una forma de añadir valor a la carne es vendiéndola a través de cortes
obtenidos seccionando la canal(82). Así, la canal se divide inicialmente en los cortes
principales de hombro, cuello, lomo, pierna y costilla, que son más pequeños y facilitan
la comercialización, la conservación en el hogar y la preparación para consumo(3,82,83).

Las mediciones biométricas están altamente correlacionadas con los cortes principales de
la canal(2). Por lo tanto, se desarrollaron estudios para evaluar la hipótesis de que las
mediciones biométricas serían eficientes para predecir el rendimiento de estos cortes.
Shehata(13) desarrolló modelos de regresión para predecir el peso de los cortes principales
de la canal de corderos Barki a partir de mediciones biométricas y encontró que la CC
explicaba el 67.0 % de la variación en el peso de la pierna, y cuando la CC se asoció con
la LC, este valor aumentó a 72.0 %. Además, Shehata(13) observó que la CC y la LC
estiman con precisión los pesos de los cortes de asado de lomo, hombro y lomo picado.
Abdel-Moneim(84) señaló a la LC como una variable eficiente para predecir el peso del
hombro de ovinos Barki.

La aplicación de mediciones biométricas no se limita a predecir el peso de la canal y los


cortes principales. Cuando se utilizan en ecuaciones, estas mediciones estiman la cantidad
de grasa interna y recortes de la canal, el área del “ribeye” y el rendimiento de
componentes que no son de la canal, músculos, huesos y tejido adiposo(12,40,77). Por lo
tanto, el monitoreo de las mediciones biométricas es una herramienta de manejo que
puede ayudar a los sistemas de producción a aumentar los ingresos y acortar el tiempo
necesario para que los animales alcancen el peso de sacrificio.

219
Rev Mex Cienc Pecu 2023;14(1):204-227

Cabe destacar que, en su mayor parte, estas mediciones se realizan en animales


finalizados en corrales de engorda y en ovinos de lana, lo que no representa la realidad de
los sistemas de producción en las regiones tropicales, ya que las gramíneas forrajeras
tropicales son la base alimenticia de pequeños y grandes rumiantes y son responsables de
la mayor parte de la carne producida en los trópicos. Por lo tanto, se deben desarrollar
estudios de modelación para estimar el peso y los rasgos de la canal de ovinos de pelo
finalizados en pastizales tropicales a través de mediciones biométricas, teniendo en cuenta
que el genotipo, el sexo, la edad, el sistema de cría y la salud pueden cambiar los rasgos
y la composición de la canal(85,86).

Conclusiones e implicaciones

A pesar de su baja tasa de adopción, la modelación tiene un gran potencial para ayudar
en la toma de decisiones en la producción de ovinos de carne. La modelación es una
herramienta capaz de predecir la ingesta de materia seca, el peso corporal, el peso de la
canal y los principales cortes comercializables de ovino con alta precisión y exactitud, a
través de mediciones correlacionadas. Estas ecuaciones pueden ser utilizadas por
investigadores, productores, técnicos y la industria cárnica, facilitando así la planeación
de la actividad. Sin embargo, se justifica una mayor investigación para aumentar las bases
de datos para que las ecuaciones se puedan aplicar en los escenarios más diversos.
Además, se necesitan más estudios para predecir la ingesta de hierba utilizando
información más fácil de obtener en condiciones prácticas de producción.

Literatura citada:
1. Trindade TFM, Difante GS, Emerenciano Neto JV, Fernandes LS, Araújo IMM,
Véras ELL, et al. Biometry and carcass characteristics of lambs supplemented in
tropical grass pastures during the dry Season. Biosci J 2018;34(1):172-179.

2. Gurgel ALC, Difante GS, Emerenciano Neto JV, Costa MG, Dantas JLS, et al.
Supplementation of lamb ewes with different protein sources in deferred marandu
palisadegrass (Brachiaria brizantha cv. Marandu) pasture. Arq Bras Med Vet Zootec
2020;72(5):1901-1910.

3. Araújo CGF, Costa MG, Difante GS, Emerenciano Neto JV, Gurgel ALC, et al.
Carcass characteristics, meat quality and composition of lambs finished in cultivated
pastures. Food Sci Technol 2021; Ahead of Print: 1-6.

4. Hermuche PM, Maranhão RLA, Guimarães RF, Carvalho Júnior OA, Gomes RAT,
Paiva SR, Mcmanus C. Dynamics of sheep production in Brazil. Int J Geoinformatics
2013;2(3):665-679.

5. Nadal-Roiga E, Plà-Aragonèsa EM, Pagès-Bernausa A, Albornoz VM. A two-stage


stochastic model for pig production planning in vertically integrated production
systems. Comput Electron Agric 2021;176:e105615.

220
Rev Mex Cienc Pecu 2023;14(1):204-227

6. Calvano MPCA, Brumatti RC, Barros JC, Garcia MV, Martins KR, Andreotti R.
Bioeconomic simulation of Rhipicephalus microplus infestation in different beef
cattle production systems in the Brazilian Cerrado. Agric Syst 2021;194:e103247,
2021.

7. Calvano MPCA, Brumatti RC, Garcia MV, Barros JC, Andreotti A. Economic
efficiency of Rhipicephalus microplus control and effect on beef cattle performance
in the Brazilian Cerrado. Exp Appl Acarol 2019;79:459-471.

8. Tedeschi LO, Menendez HM. Mathematical modeling in animal production. In:


Bazer FW, Lamb GC, Wu G editors. Animal agriculture sustainability, challenges
and innovations. 1rst ed. Cambridge: Academic Press; 2020:431-453.

9. Gurgel ALC, Difante GS, Emerenciano NJV, Santana JCS, Fernandes PB, Santos
GT, et al. Prediction of dry matter intake by meat sheep on tropical pastures. Trop
Anim Health Prod 2021;53:e479.

10. Silva FL, Alencar MM, Freitas AR, Packer IU, Mourão GB. Curvas de crescimento
em vacas de corte de diferentes tipos biológicos. Pesqui Agropecu Bras
2011;46(3):262-271.

11. Sousa JER, Façanha DAE, Bermejo LA, Ferreira JB, Paiva RDM, Nunes SF, Souza
MSM. Evaluation of non-linear models for growth curve in Brazilian tropical goats.
Trop Anim Health Prod 2021;53:e198.

12. Costa RG, Lima AGVDO, Ribeiro NL, Medeiros AND, Medeiros GRD, Gonzaga
Neto S, Oliveira RL. Predicting the carcass characteristics of Morada Nova lambs
using biometric measurements. Rev Bras Zootec 2020;49:e20190179.

13. Shehata MF. Prediction of live body weight and carcass traits by some live body
measurements in Barki lambs. Egyptian J Anim Prod 2013;50(2):69-75.

14. Hamilton MA. Model validation: an annotated bibliography. Commun Stat - Theory
Methods1991;20(7):2207-2266.

15. Pool R. Is it real, or is it Cray?. Science 1989;244(4811):1438-1440.

16. Devi S, Mishra RP. A mathematical model to see the effects of increasing
environmental temperature on plant–pollinator interactions. Modelo Earth Syst
Environ 2020;6:1315-1329.

17. Mandal S, Islam MS, Biswas MHA, Akter S. A mathematical model applied to
investigate the potential impact of global warming on marine ecosystems. Appl Math
Model 2022;101:19-37.

18. Dover DC, Kirwin EM, Hernandez-Ceron N, Nelson KA. Pandemic Risk
Assessment Model (PRAM): a mathematical modeling approach to pandemic
influenza planning. Epidemiol Infect 2016;144:3400-3411.

221
Rev Mex Cienc Pecu 2023;14(1):204-227

19. Waters SL, Schumacher LJ, Haj AJE. Regenerative medicine meets mathematical
modelling: developing symbiotic relationships. Regen Med 2021;6:e24.

20. Brandt AR. Review of mathematical models of future oil supply: Historical overview
and synthesizing critique. Energy 2010;35:3958-3974.

21. Madadelahi M, Acosta-Soto LF, Hosseini S, Martinez-Chapa SO, Madou MJ.


Mathematical modeling and computational analysis of centrifugal microfluidic
platforms: a review. Lab Chip 2020;20:1318-1357.

22. Yu PY, Craciun G. Mathematical analysis of chemical reaction systems. Isr J Chem
2018;58:733-741.

23. Shamsi M, Mohammadi A, Manshadia MKD, Sanati-Nezhad, A. Mathematical and


computational modeling of nano-engineered drug delivery systems. J Control
Release 2019;307:150-165.

24. Eriksson K. The accuracy of mathematical models of justice evaluations. J Math


Sociol 2012;36:125-135.

25. Tedeschi LO. Assessment of the adequacy of mathematical models. Agric Syst 2006;
89:225-247.

26. Zanetti D, Prados LF, Menezes ACB, Silva BC, Pacheco MVC, Silva FAZ, et al.
Prediction of water intake to Bos indicus beef cattle raised under tropical conditions.
J Anim Sci 2019;97:1364-1374.

27. Richards FJ. A flexible growth function for empirical use. J Exp Bot. 1959;10:290-
301.

28. Fernandes HJ, Tedeschi LO, Paulino MF, Detmann E, Paiva LS, Valadares SC, Silva
AG, Azevêdo JAG. Evaluation of mathematical models to describe growth of
grazing young bulls. Rev Bras Zootec 2012;41:367-373.

29. Leite RG, Cardoso AS, Fonseca NVB, Silva MLC, Tedeschi LO, Delevatti LM, et
al. Effects of nitrogen fertilization on protein and carbohydrate fractions of Marandu
palisadegrass. Sci Rep 2021;11:e14786.

30. Brunetti HB, Boote KJ, Santos PM, Pezzopane JRM, Pedreira CGS, Lara MAS, et
al. Improving the CROPGRO Perennial Forage Model for simulating growth and
biomass partitioning of guineagrass. Agron J 2021;113:1-16.

31. NRC. National Research Council. Nutrient requirements of small ruminants: sheep,
goats, cervids and new world camelids. Washington, DC, USA: National Academy
Press; 2007.

32. Oreskes N, Shrader-Frechette K, Belitz K. Verification, validation, and confirmation


of numerical models in the earth sciences. Science 1996;263:641-646.

222
Rev Mex Cienc Pecu 2023;14(1):204-227

33. Neter J, Kutner MH, Nachtsheim CJ, Wasserman W. Applied linear statistical
models. New York, USA: McGraw-Hill Publishing Co.; 1996.

34. Agresti, A. Categorical data analysis. New Jersey, USA: John Wiley & Sons. 2002.

35. Dent JB, Blackie MJ. Systems simulation in agriculture. London: Applied Science;
1979.

36. Mayer DG, Stuart MA, Swain AJ. Regression of real-world data on model output:
an appropriate overall test of validity. Agric Syst 1994;45:93-104.

37. Analla M. Model validation through the linear regression fit to actual versus
predicted values. Agric Syst 1998;57:115-119.

38. Bunke O, Droge B. Estimators of the mean squared error of prediction in linear
regression. Technometrics 1984;26:145-155.

39. Morais MG, Menezes BB, Ribeiro CB, Walker CC, Fernandes HJ, Souza ARDL, et
al. Models predict the proportion of bone, muscle, and fat in ewe lamb carcasses
from in vivo measurements of the 9th to 11th rib section and of the 12th rib. Semin
Cienc Agrar 2016;37:1081-1090.

40. Bautista-Díaz E, Mezo-Solis JA, Herrera-Camacho J, Cruz-Hernández A, Gomez-


Vazquez A, Tedeschi LO, et al. Prediction of carcass traits of hair sheep lambs using
body measurements. Animal 2020;10:e1276.

41. King TS, Chinchilli VM. A generalized concordance correlation coefficient for
continuous and categorical data. Stat Med 2001;20:2131-2147.

42. Cabral LS, Neves EMO, Zervoudakis JT, Abreu JG, Rodrigues RC, Souza AL,
Oliveira IS. Nutrients requirements estimative for sheep in Brazilian conditions. Rev
Bras Saúde Prod Anim 2008;9:529-542.

43. Vieira PAS, Pereira LGR, Azevêdo JAG, Neves ALA, Chizzotti ML, Santos RD, et
al. Development of mathematical models to predict dry matter intake in feedlot Santa
Ines rams. Small Ruminant Res 2013;122:78-84.

44. Allen MS. Effects of diet on short-term regulation of feed intake by lactating dairy
cattle. J Dairy Sci 2000;83:1598-1624.

45. Oliveira AP, Pereira ES, Pinto AP, Silva AMA, Carneiro MSS, Mizubuti IY, et al.
Estimativas dos requisitos nutricionais e utilização do modelo Small Ruminant
Nutrition System para ovinos deslanados em condições semiáridas. Semin Cienc
Agrar 2014;35:1985-1998.

46. Romera AJ, Gregorini P, Beukes PC. Technical note: a simple model to estimate
changes in dietary composition of strip-grazed cattle during progressive pasture
defoliation. J Dairy Sci 2010;93:3074-3078.

223
Rev Mex Cienc Pecu 2023;14(1):204-227

47. McDowell LR. Nutrient requirements of ruminants. In: McDowell LR. Nutrition of
grazing ruminants in warm climates. Cambridge: Academic Press 1985:21-36.

48. Mertens DR. Regulation of forage intake. In: Fahey Junior GC. Forage quality,
evaluation and utilization. Am Soc Agron 1994:450-492.

49. Carvalho PCF. Harry Stobbs Memorial Lecture: Can grazing behavior support
innovations in grassland management?. Trop Grassl-Forrages 2013;1:137-155.

50. Baumont R, Cohen-Salmão D, Prache S, Sauvant D. A mechanistic model of intake


and grazing behaviour in sheep integrating sward architecture and animal decisions.
Anim Feed Sci Technol 2004;112:5-28.

51. Bremm C, Carvalho PC, Fonseca L, Amaral GA, Mezzalira JC, Perez NB, et al. Diet
switching by mammalian herbivores in response to exotic grass invasion. Plos One
2016;11:e0150167.

52. Gonçalves RP, Bremm C, Moojen FG, Marchi D, Zubricki G, Caetano LAM, et al.
Grazing down process: The implications of sheep's ingestive behavior for sward
management. Livest Sci 2018;214:202-208.

53. Hodgson J. Grazing management. Science into practice. Longman Group UK Ltd.,
1990.

54. Guzatti GC, Duchini PG, Sbrissia AF, Mezzalira JC, Almeida JGR, Carvalho PCF,
Ribeiro-Filho HMN. Changes in the short-term intake rate of herbage by heifers
grazing annual grasses throughout the growing season. Grassl Sci 2017;63:255-264.

55. Gregorini P, Beukes PC, Romera AJG, Hanigan MD. A model of diurnal grazing
patterns and herbage intake of a dairy cow, MINDY: Model description. Ecol Model
2013;270:11-29.

56. Pittroff W, Kothmann MM. Quantitative prediction of feed intake in ruminants: I.


Conceptual and mathematical analysis of models for sheep. Livest Prod Sci
2001;71:131-150.

57. Freer M, Moore AD, Donnelly JR. GRAZPLAN: Decision support systems for
Australian grazing enterprises—II. The animal biology model for feed intake,
production and reproduction and the Graz Feed DSS. Agric Syst 1997;54:77-126.

58. Leal ES, Ítavo LCV, Valle CB, Ítavo CCBF, Dias AM, Difante GS, et al. Influence
of protodioscin content on digestibility and in vitro degradation kinetics in Urochloa
brizantha cultivars. Crop Pasture Sci 2020;72:278-284.

59. Ítavo LCV, Ítavo CCBF, Valle CB, Dias AM, Difante GS, Morais MG, et al.
Brachiaria grasses in vitro digestibility with bovine and ovine ruminal liquid as
inoculum. Rev Mex Cienc Pecu 2021;12:1045-11060.

224
Rev Mex Cienc Pecu 2023;14(1):204-227

60. Euclides VPB, Montagner DB, Araújo AR, Pereira MA, Difante GS, Araújo IMM,
et al. Biological and economic responses to increasing nitrogen rates in Mombaça
guinea grass pastures. Sci Rep 2022;12:1937.

61. Mccall DG. A systems approach to research planning to North Island hill country.
[Doctoral thesis]. New Zealand, DF: Massey University; 1984.

62. Medeiros HR. Avaliação de modelos matemáticos desenvolvidos para auxiliar a


tomada de decisão em sistemas de produção de ruminantes em pastagens. [Doctoral
thesis]. Brazil, SP: Universidade de São Paulo; 2003.

63. Gurgel ALC, Difante GS, Emerenciano NJV, Fernandes HJ, Itavo LCV, Itavo
CCBF, et al. Evaluation of mathematical models to describe lamb growth during the
pre-weaning phase. Semin Cienc Agrar 2021;42:2119-2126.

64. Conrado VDC, Arandas JKG, Ribeiro MN. Modelos de regressão para predição do
peso da raça Canindé através de medidas morfométricas. Arch Zootec 2015;64:277-
280.

65. Chay-Canul AJ, García-Herrera RA, Salazar-Cuytún R, Ojeda-Robertos NF, Cruz-


Hernández A, Fonseca MA, Canul-Solís JR. Development and evaluation of
equations to predict body weight of Pelibuey ewes using heart girth. Rev Mex Cienc
Pecu 2019;10:767-777.

66. Canul-Solis J, Angeles-Hernández JC, García-Herrera RA, Razo-Rodríguez D, Lee-


Rangle HA, Piñeiro-Vázquez AT, et al. Estimation of body weight in hair ewes using
an indirect measurement method. Trop Anim Health Prod 2020;52:2341-2347.

67. Salazar-Cuytun R, Garcia-Herrera RA, Munoz-Benitez AL, Ptacek M, Portillo-


Salgado R, Bello-Perez EV, Chay-Canul AJ. Relationship between body volume and
body weight in Pelibuey ewes. Trop Subtrop Agroecosyst 2021;24:e125.

68. Málková A, Ptáček M, Chay-Canul A, Stádník L. Statistical models for estimating


lamb birth weight using body measurements. Ital J Anim Sci 2021;20:1063-1068.

69. Gurgel ALC, Difante GS, Emerenciano NJV, Santana JCS, Dantas JLS, Roberto
FFS, et al. Use of biometrics in the prediction of body weight in crossbred lambs.
Arq Bras Med Vet Zootec 2021;73:261-264.

70. Oliveira DP, Oliveira CAL, Martins ENM, Vargas Junior FM, Barbosa-Ferreira M,
Seno LO, et al. Morphostructural characterization of female and young male of
naturalized Sul-mato-grossenses “Pantaneiros” sheep. Semin Cienc Agrar 2014;35:
73-986.

71. Kumar S, Dahiya SP, Malik ZS, Patil CS. Prediction of body weight from linear
body measurements in sheep. Indian J Anim Res 2018;52:1263-1266.

225
Rev Mex Cienc Pecu 2023;14(1):204-227

72. Huma ZE, Iqbal F. Predicting the body weight of Balochi sheep using a machine
learning approach. Turk J Vet Anim Sci 2019;43:500-506.

73. Worku A. Body weight had highest correlation coefficient with heart girth around
the chest under the same farmers feeding conditions for Arsi Bale sheep. Int J Food
Sci Technol 2019;5:6-12.

74. Grandis FA, Fernandes Junior F, Cunha LFC, Dias CBA, Ribeiro ELA, Constantino
C, et al. Relação entre medidas biométricas e peso corporal em ovinos da raça Texel.
Vet Zootec 2018;25:1-8.

75. Paputungan U, Hendrik MJ, Utiah W. Predicting live weight of Indonesian Local-
Bali cattle using body volume formula. Livest Res Rural Dev 2018;30:8

76. Le Cozler Y, Allain C, Xavier C, Depuille L, Caillot A, Delouard JM, et al. Volume
and surface area of Holstein dairy cows calculated from complete 3D shapes
acquired using a high-precision scanning system: Interest for body weight
estimation. Comput Electron Agric 2019;165:e104977.

77. Gomes MB, Neves MLMW, Barreto LMG, Ferreira MA, Monnerat JPIS, Carone
GM, Morais JSASC. Prediction of carcass composition through measurements in
vivo and measurements of the carcass of growing Santa Inês sheep. Plos One
2021;16:1-17.

78. Bautista-Díaz E, Salazar-Cuytun R, Chay-Canul AJ, Herrera RAG, Piñeiro-Vázquez


ÁT, Monforte JGM, et al. Determination of carcass traits in Pelibuey ewes using
biometric measurements. Small Ruminant Res 2017;147:115-119.

79. Alves AAC, Pinzon AC, Costa RM, Silva MSS, Vieira EHM, Mendonça IB, et al.
Multiple regression and machine learning based methods for carcass traits and
saleable meat cuts prediction using non-invasive in vivo measurements in
commercial lambs. Small Ruminant Res 2019;171:49-56.

80. Castilhos AM, Francisco CL, Branco RH, Bonilha SFM, Mercadante MEZ,
Meirelles PRL, et al. In vivo ultrasound and biometric measurements predict the
empty body chemical composition in Nellore. J Anim Sci 2018;96:1678-1687.

81. Gurgel ALC, Difante GS, Emerenciano Neto JV, Araujo CGF, Costa MG, Itavo
LCV, et al. Prediction of carcass traits of Santa Inês lambs finished in tropical
pastures through biometric measurements. Animal 2021;11:e2329.

82. Costa RG, Ribeiro NL, Cavalcante ITR, Roberto FFS, Lima PR. Carne de caprinos
e ovinos do Nordeste: Diferenciação e agregação de valor. Rev Cient Prod Anim
2019;21:25-33.

83. Oliveira JPF, Ferreira MA, Alves AMSV, Melo ACC, Andrade IB, Urbano SA, et
al. Carcass characteristics of lambs fed spineless cactus as a replacement for
sugarcane. Asian Australas J Anim Sci 2018;31:529-536.

226
Rev Mex Cienc Pecu 2023;14(1):204-227

84. Abdel-Moneim AY. Body and carcass characteristics of Ossimi, Barki and Rahmani
ram lambs raised under intensive production system. Egypt J Sheep Goats Sci
2009;4:1-16.

85. Ekiz B, Yilmaz A, Ozcan M, Kocak O. Effect of production system on carcass


measurements and meat quality of Kivircik lambs. Meat Sci 2012;90:465-471.

86. Hopkins DL, Mortimer SI. Effect of genotype, gender and age on sheep meat quality
and a case study illustrating integration of knowledge. Meat Sci 2014;98:544-555.

227
https://doi.org/10.22319/rmcp.v14i1.5123

Nota de investigación

Preferencia de ocho plantas por Odocoileus virginianus en cautiverio

Hannia Yaret Cueyactle-Cano a

Ricardo Serna-Lagunes a*

Norma Mora-Collado a

Pedro Zetina-Córdoba b

Gerardo Benjamín Torres-Cantú a

a
Universidad Veracruzana. Facultad de Ciencias Biológicas y Agropecuarias región Orizaba-
Córdoba, Calle Josefa Ortiz de Domínguez s/n Peñuela. Amatlán de Los Reyes, Veracruz,
México.
b
Universidad Politécnica de Huatusco. México.

*Autor de correspondencia: rserna@uv.mx

Resumen:

En vida libre, Odocoileus virginianus consume plantas con alto beneficio energético, pero en
cautiverio, no se cuenta con una alimentación diversa que aumente su capacitad productiva.
El objetivo fue evaluar el consumo y preferencia de ocho plantas por un grupo de venados
en cautiverio con base en una prueba de cafetería. El experimento se desarrolló durante cinco
días consecutivos con tres repeticiones, con un descanso de 15 días entre repetición, y
consistió en ofrecer 1 kg de material vegetal de cada planta, se registró su consumo y se
evaluó con un análisis de varianza y una prueba de Tukey; además, de cada planta, se
estimaron sus características fisicoquímicas y bromatológicas y se relacionaron con el
consumo mediante un análisis de regresión por mínimos cuadrados parciales. El consumo
fue significativamente mayor en cuatro plantas: Zapoteca acuelata, Bidens pilosa,
Pennisetum purpureum y Parthenium hysterophorus y su preferencia estuvo determinada por
el contenido de fibra, proteína, °Brix y pH. Diversificar la alimentación de los venados en

228
Rev Mex Cienc Pecu 2023;14(1):228-236

Unidades de Manejo para la Conservación de la Vida Silvestre (UMA) podría incrementar


su productividad.

Palabras clave: Análisis bromatológico, Dieta, Cervidae, Consumo.

Recibido: 23/10/2019

Aceptado: 20/08/2021

En el Continente Americano, el venado cola blanca (Odocoileus virginianus; Artiodactyla:


Cervidae), se distribuye en bosques prístinos canadienses, bosques de coníferas, bosques
xerófilos en EE.U.U., en la mayoría de los bosques en México y parte de Sudamérica(1). En
México, esta especie tiene valor cinegético(2) y su aprovechamiento se desarrolla en Unidades
de Manejo para la Conservación de la Vida Silvestre (UMA) como trofeo, carne, piel, pie de
cría, ornamenta, entre otros subproductos(3).

En vida silvestre, O. virginianus forrajea una diversidad de partes de plantas como brotes,
frutos, hojas, corteza y semillas y fracciones vegetales de la planta con alto valor nutricional;
esto le confiere al venado un comportamiento de herbívoro seleccionador oportunista(4); en
bosques tropicales caducifolios, O. virginianus se enfrenta a la estación de secas, cuando
disminuye la abundancia de plantas y merma su calidad nutricional(5); provocando
deficiencias en su desarrollo como un peso menor al estándar, propensos a enfermedades y
limitando su reproducción(4). En cautiverio, la alimentación de O. virginianus está basada en
alimento para ovinos, alimento comercial para venado y alfalfa(6); en consecuencia, se
obtienen partos sencillos en lugar de gemelares, las crías presentan bajo peso al nacer, con
periodos entre partos más prolongados(7).

Los venados adultos requieren de 5.5 a 9 % de proteína cruda para un adecuado desarrollo
fisiológico(8,9) y puede estar relacionado con la ontogenia(9), ya que cervatos en cautiverio
requieren entre el 13 y 20 % de proteína para un adecuado crecimiento; mientras que, para el
óptimo desarrollo de astas requieren entre el 15 a 18 % de proteína(9). Para el pre-empadre,
empadre, gestación, lactancia e incrementar el número de crías, las hembras requieren entre
el 11 y 18 % de proteína(10). Estudiar las opciones para diversificar la alimentación de O.
virginianus en UMA, es imperante para complementar su nutrición y mejorar las
características productivas de los venados(11). Si se relaciona la preferencia alimenticia de
plantas, la cantidad de nutrientes contenidos en ellas y los requerimientos de un animal de
peso determinado, se puede estimar su comportamiento productivo(11).

229
Rev Mex Cienc Pecu 2023;14(1):228-236

El contenido nutricional de las plantas que consumen los venados en vida libre se ha estimado
con diversas metodologías(12,13), pero en venados en cautiverio, no ha sido evaluado. Las
pruebas de cafetería permiten cuantificar y entender cómo los animales modifican su
comportamiento en la ingesta de plantas para equilibrar su necesidad nutricional, pues el
consumo de una o varias plantas por el venado, permite corroborar su preferencia nutricional
ante una amplia selección de plantas ofrecidas(14). En este sentido, el objetivo del estudio fue
determinar la preferencia de O. virginianus en cautiverio sobre ocho plantas dispuestas con
base en una prueba de cafetería.

Este estudio se realizó en la UMA “El Pochote” (registro Secretaría de Medio Ambiente y
Recursos Naturales: UMA-IN-CR-0122-VER/og), ubicada en el municipio de
Ixtaczoquitlán, Veracruz, México (coordenadas: 18°52´13.70” N y 97° 02’ 59.97” O, a 1,137
msnm), donde predomina un clima semicálido húmedo (Cwa) con abundantes lluvias en
verano, temperatura anual que oscila entre los 18 a 24 °C y con precipitación media anual de
1,900 a 2,600 mm y cuenta con relictos de bosque tropical subperennifolio y vegetación
secundaria alrededor de la UMA.

En el experimento se utilizaron tres venados machos y tres hembras de dos años, sanos y con
condiciones corporales similares. Durante cinco días consecutivos a las 0900, en comederos
independientes distribuidos al azar dentro del corral, se les proporcionó 1 kg de material
fresco (hojas, brotes y ramas verdes) de cada una de las ocho plantas seleccionadas (Cuadro
1). Este procedimiento se repitió en tres ocasiones, dejando 15 días de descanso entre
repetición; para disminuir la subjetividad de los venados, ya que tienden a repetir
comportamientos; cada día, se cambió la posición de los comederos con las plantas. Al paso
de 2 h, los comederos y el material vegetal sobrante fue retirado del corral y se cuantificó el
consumo con la ecuación: Consumo= gramos de material ofrecido – gramos de material
rechazo. En resumen, la evaluación de la preferencia se realizó por 15 días de evaluación (3
repeticiones de 5 días), con 45 días de intervalo entre las tres repeticiones, lo que resulta una
evaluación real de 60 días.

230
Rev Mex Cienc Pecu 2023;14(1):228-236

Cuadro 1: Descripción del consumo de ocho plantas por venado cola blanca O. virginianus
en cautiverio
Especie Media Desviación Error Coeficiente de Mínimo Máximo
estándar estándar variación
Bidens pilosa 999.6 0.69 0.4 0.07 998.8 1000

Bursera simaruba 516 112.93 65.2 21.89 393 615

Fetusca sp 594.4 44.39 25.63 7.47 559 644.2

Pennisetum 975.67 23.86 13.78 2.45 949 995


purpureum
Phartenium 966.27 33.00 19.05 3.45 928.8 991
hysterophorus
Saccharum 797.47 10.71 6.18 1.34 787 808
officinarum
Vachelia 616.4 43.99 25.4 7.14 587.2 667
farnesiana
Zapoteca acuelata 1000 0 0 0 1000 1000

Se tomaron tres muestras de 100 g de material mezclado de cada planta y se incineraron


durante 2 h a 600 °C. Se estimó el contenido de materia orgánica, cenizas, °Brix, pH y acidez;
la proteína cruda se obtuvo por el método de Kjeldahl (N x 6.25) y extracto etéreo en un
extractor Soxhtel(15). Los datos del consumo, del análisis bromatológico y los fisicoquímicos
se analizaron con estadística descriptiva y de tendencia central. Un análisis de varianza
(ANOVA) y una prueba de medias con Tukey (α=0.05) fue aplicada para determinar cuál de
las ocho plantas presentó mayor consumo por los venados. Finalmente, se aplicó un análisis
de regresión por mínimos cuadrados parciales (PLS), donde la variable dependiente fue el
consumo de cada planta, las variables categóricas fueron las ocho plantas ofrecidas y las
variables predictoras fueron las características bromatológicas y fisicoquímicas de cada
planta. Estos análisis se realizaron con el software Infostat versión 2017.

Los valores del consumo promedio de las repeticiones de las plantas evaluadas se presentan
en el Cuadro 1, de las cuales, Bursera simaruba presentó el mayor coeficiente de variación.
El ANOVA indicó que cuatro plantas: Zapoteca aculeata (zapoteca), Bidens pilosa
(amozoquelite) Parthenium hysterophorus (escobilla amarga) y Pennisetum purpureum
(zacate gigante) presentaron un consumo significativamente mayor (coeficiente de
correlación: R²= 0.96, coeficiente de variación: CV= 5.94; P<0.05; Cuadro 2), que superó
estadísticamente en el consumo de las demás plantas evaluadas (Tukey: diferencia mínima
significativa = 135.68 g, Error= 2204.01, gl= 16; Figura 1), esto es consistente con los
coeficientes de variación, ya que solo algunas plantas tuvieron mayor preferencia de consumo
por los venados. Las características bromatológicas y fisicoquímicas de las plantas se

231
Rev Mex Cienc Pecu 2023;14(1):228-236

presentan en el Cuadro 3, presentando variaciones debido a los valores registrados en la


proteína, fibra y °brix. El análisis de regresión por mínimos cuadrados parciales (PLS)
explicó el 61.7 % de la correlación entre la preferencia de consumo de las plantas V.
farnesiana, B. pilosa, Z. acuelata y S. officinarum, lo cual está relacionado a su contenido de
fibra, proteína y °Brix (Figura 2).

Cuadro 2: Resultados del ANOVA sobre consumo de plantas silvestres por O. virginianus

Fuente de Suma de Grados de Cuadrado


variación cuadrados libertad medio F P-valor
Especie de planta 883335.23 7 126190.75 54.77 <0.0001
Error 36864.08 16 2304.01
Total 920199.31 23

Figura 1: Resultados de la prueba de medias de Tukey, para determinar la(s) especie(s) de


plantas de mayor consumo por O. virginianus.

232
Rev Mex Cienc Pecu 2023;14(1):228-236

Cuadro 3: Características bromatológicas y fisicoquímicas promedio de las plantas


consumidas por O. virginianus
Especie de Humedad Proteína Grasa Fibra Cenizas pH Brix Acidez
planta (%) (%) (%) (%) (%) (°)
Bidens 48.937 18.15 4.728 23.94 1.505 5.5 7.8 0.224
pilosa
Bursera 58.437 8.88 3.484 6.03 1.902 5.3 2.7 0.352
simaruba
Phartenium 63.174 16.02 6.475 39.04 2.202 6.0 2.4 0.032
hysterophorus
Saccharum 63.510 11.19 4.555 17.03 1.164 4.6 6.8 0.256
officinarum
Vachellia 48.016 18.1 0.474 29.04 2.245 5.0 4.5 0.192
farnesiana
Pennisetum 48.795 14.1 3.011 46.4 2.438 6.0 3.1 0.032
purpureum
Zapoteca 41.771 20.5 5.224 22.06 0.352 4.5 9.3 0.64
aculeata
Festuca sp. 32.375 15.02 6.873 48.02 1.432 4.3 7.8 0.16

Figura 2: Relación de caracteres bromatológicos y fisicoquímicos de las plantas


consumidas por O. virginianus

233
Rev Mex Cienc Pecu 2023;14(1):228-236

En este estudio, los venados consumieron en mayor cantidad a dos plantas de porte herbáceo
y una gramínea; venados en vida silvestre consumen mayormente arbustivas y arbóreas, el
consumo de herbáceas varía en función de la estación del año y las gramíneas las consumen
en menor proporción durante todo el año(16); también prefieren especies arbustivas todo el
año y las herbáceas sólo en la época de lluvia(17). El consumo voluntario de una variedad de
plantas de porte arbustivo, herbáceo y gramíneas reflejó la necesidad nutricional de los
venados(18,19), ya que estos consumieron aquellas plantas con mejores características
bromatológicas y fisicoquímicas(20), como carbohidratos (°Brix) y fibra, ambas importantes
en proceso de digestibilidad(21).

En venados, se requieren niveles de proteína del 15 %(21) en machos y del 13 % en hembras


para alcanzar el peso superior al promedio(22). En machos jóvenes, se requiere entre el 13 a
16 % de proteína para un crecimiento óptimo y con un 20 % de proteína se potencializa su
actividad reproductiva(22). En este estudio, las plantas cubrieron las necesidades de proteína
requerida por los venados de acuerdo con su ontogenia, por lo que diversificar la alimentación
mejoraría algunos indicadores productivos.

Las plantas Z. aculeata, B. pilosa, P. purpureum, P. hysterophorus y S. officinarum fueron


preferidas por O. virginianus, esto amplía las opciones para diversificar la alimentación de
este cérvido en UMA. Diversificar la alimentación en venados con plantas con diferente
composición bromatológicas y fisicoquímicas, tiene implicaciones en el comportamiento
productivo y reproductivo de los venados.

Agradecimientos

Al proyecto “Caracterización de recursos zoogenéticos de las altas montañas, Veracruz:


aplicación de la filogeografía y modelación ecológica (PRODEP: 511-6/18-9245/PTC-896)
por el financiamiento. A María del Rosario Dávila, por la ayuda en el desarrollo del análisis
bromatológico y fisicoquímico.

Literatura citada:
1. Ortega S, Mandujano S, Villarreal J, Di Mare MI, López-Arévalo H, Molina M, Correa-
Viana M. Managing White-tailed deer: Latín América. In: Hewitt DG editor. Biology
and management of White-tailed deer. Boca Ratón, Fl, USA: CRC Press. 2011:565-585.

2. Mandujano S, Delfín-Alfonso CA, Gallina S. Comparison of geographic distribution


models of white-tailed deer Odocoileus virginianus (Zimmermann, 1780) subspecies in
Mexico: biological and management implications. Therya 2010;1:41-68.

234
Rev Mex Cienc Pecu 2023;14(1):228-236

3. Gallina S, Mandujano S, Bello J, López-Fernández H, Weber M. White-tailed deer


Odocoileus virginianus (Zimmermann, 1780). In: Barbanti DJM, González S editors.
Neotropical Cervidology: Biology and Medicine of Latin American Deer.
FUNEP/IUCN. 2009:101-118.

4. Ramírez-Lozano RG. Nutrición del venado cola blanca. Universidad Autónoma de Nuevo
León. Monterrey, Nuevo León, México. 2004.

5. Arceo G, Mandujano S, Gallina S, Pérez-Jiménez LA. Diet diversity of white-tailed deer


(Odocoileus virginianus) in a tropical dry forest in México. Mamm 2005;69:159-168.

6. Fulbright TE, Ortega-Santos JA. Ecología y manejo de venado cola blanca. Texas A&M
University Press. 2007.

7. Henke SE, Demaris S, Pfister JA. Digestive capacity and diets of White-tailed deer and
exotic ruminants. J Wild Management 1998;52:595-598.

8. Holter JB, Hayes HH, Smith SH. Protein requirement of yearling white-tailed deer. J Wild
Management 1979;1979:872-879.

9. Smith SH, Holder JB, Hayes HH, Silver H. Protein requirements of white tailed deer fawns.
J Wild Management 1975;39:582-589.

10. Jones PD, Strickland BK, Demarais S, Wang G, Dacus DC. Nutrition and ontogeny
influence weapon development in a long-lived mammal. Canad J Zool 2018;99:1-8.

11. Plata FX, Ebergeny S, Resendiz JL, Villarreal O, Bárcena R, Viccon JA, Mendoza GD.
Palatabilidad y composición química de alimentos consumidos en cautiverio por el
venado cola blanca de Yucatán (Odocoileus virginianus yucatanensis). Archiv Med Vet
2009;41:123-129.

12. Miller R, Kaneene JB, Fitzgerald SD, Schmitt SM. Evaluation of the influence of
supplemental feeding of white-tailed deer (Odocoileus virginianus) on the prevalence of
bovine tuberculosis in the Michigan wild deer population. J Wild Dis 2003;39:84-95.

13. Champagne E, Moore BD, Côté SD, Tremblay JP. Spatial correlations between browsing
on balsam fir by white‐tailed deer and the nutritional value of neighboring winter forage.
Ecol Evol 2018;8(5):2812-2823.

14. Hartley A, Jones GE. Process oriented supplier development: building the capability for
change. Inter J Purch Mat Management 1997;33:24-29.

15. AOAC. Official Methods of Analysis. Association of Official Analytical Chemists. 15th
ed. Washington, DC, USA. 1990.

235
Rev Mex Cienc Pecu 2023;14(1):228-236

16. Gallina S. White-tailed deer and cattle diets in La Michilia, Durango, Mexico. J Range
Management 1993;46:487-492.

17. Granados D, Tarango L, Olmos G, Palacio J, Clemente F, Mendoza G. Dieta y


disponibilidad de forraje del venado cola blanca Odocoileus virginianus thomasi
(Artiodactyla: Cervidae) en un campo experimental de Campeche, México. Rev Biol
Trop 2014;62:699-710.

18. Ramírez GR, Quintanilla JB, Aranda J. White-tailed deer food habits in northeastern
Mexico. Small Ruminant Res 1997;25:141-146.

19. López-Pérez E, Serrano-Aspeitia N, Aguilar-Valdés BC, Herrera-Corredor A.


Composición nutricional de la dieta del venado cola blanca (Odocoileous virginianus
ssp. mexicanus) en Pitzotlán, Morelos. Rev Chap serie Cienc Forest Amb 2012;18:219-
229.

20. Aguilera-Reyes U, Sánchez-Cordero V, Ramírez-Pulido J, Monroy-Vilchis O, García-


López GI, Janczur M. Hábitos alimentarios del venado cola blanca Odocoileus
virginianus (Artiodactyla: Cervidae) en el Parque Natural Sierra Nanchititla, Estado de
México. Rev Biol Trop 2013;61:243-253.

21. Clemente F, Riquelme E, Mendoza GD, Bárcena R, González S, Ricalde R. Digestibility


of forage diets of white-tailed deer (Odocoileous virginianus, Hays) using different
ruminal fluid inocula. J Appl Anim Res 2005;27:71-76.

22. Ullrey DE, Youatt WG, Johnson HE, Fay LD, Bradley BL. Protein requirement of white-
tailed deer fawns. J Wild Management 1967;31:679-685.

236
https://doi.org/10.22319/rmcp.v14i1.6225

Nota de investigación

Rendimiento y valor nutricional de brásicas forrajeras en comparación


con forrajes tradicionales

David Guadalupe Reta Sánchez a*

Juan Isidro Sánchez Duarte b

Esmeralda Ochoa Martínez b

Ana Isabel González Cifuentes c

Arturo Reyes González b

Karla Rodríguez Hernández b

a
Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP). Campo
Experimental Delicias. Km. 2 Carretera Delicias-Rosales. 33000, Centro, Cd. Delicias,
Chihuahua, México.
b
INIFAP. Campo Experimental La Laguna. Matamoros, Coahuila, México.
c
Universidad Juárez del Estado de Durango. Facultad de Agricultura y Zootecnia. Gómez
Palacio, Durango, México.

*Autor de correspondencia: reta.david@inifap.gob.mx

Resumen:

El alto valor nutritivo de las brásicas puede incrementar la productividad en los sistemas de
producción de forrajes tradicionales. El objetivo del estudio fue comparar el valor nutricional
y el rendimiento de materia seca (MS) y nutrientes entre brásicas forrajeras y especies
tradicionales de otoño-invierno. Las brásicas forrajeras fueron Winfred, Hunter y rábano
Graza y los forrajes tradicionales fueron avena, triticale, cebada, trigo y el trébol Alejandrino.
El estudio se realizó en Matamoros, Coahuila, México en el ciclo 2018-2019, bajo un diseño
experimental de bloques completos al azar con cuatro repeticiones. Se determinó la capacidad

237
Rev Mex Cienc Pecu 2023;14(1):237-247

de rebrote, la composición nutricional del forraje y los rendimientos de MS y nutrientes.


Todas las especies presentaron capacidad de rebrote, con tres cortes en trébol Alejandrino en
154 días, y con dos cortes en brásicas (150-154 días) y cereales (133-144 días). Las brásicas
presentaron similar composición nutricional al trébol Alejandrino y mejor al de los cereales,
principalmente por su mayor contenido de energía neta para lactancia (ENL; 6.57 a 7.32 MJ
kg-1 MS). Los rendimientos de MS de las brásicas fueron similares a los observados en los
forrajes tradicionales; sin embargo, por su alta composición nutricional las brásicas fueron
iguales o superiores en producción de proteína cruda (PC) (1,608 a 2,986 kg ha-1) y ENL
(62,819 a 84,044 MJ ha-1) a los forrajes tradicionales. En general, las brásicas forrajeras
pueden incrementar el rendimiento de nutrientes respecto a los cereales y al trébol
Alejandrino, especialmente en la producción de ENL (27.5 a 47.3 %).

Palabras clave: Cultivos alternativos, Materia seca, Rebrote, Proteína cruda, Energía.

Recibido: 30/04/2022

Aceptado: 11/07/2022

La producción intensiva de leche de vaca es una de las principales actividades económicas


en La Comarca Lagunera, México. El forraje requerido por el ganado se produce en un
sistema de producción donde los principales cultivos son maíz, sorgo, alfalfa, avena y
triticale. La producción de estos cultivos enfrenta problemas de escasez de agua, salinidad en
el suelo y elevadas temperaturas ambientales(1), condiciones que se agravarán en las próximas
décadas debido al cambio climático(2). Esta situación obliga a buscar nuevas opciones de
cultivos que permitan incrementar el valor nutricional y los rendimientos de materia seca y
nutrientes. Una alternativa es incrementar la producción de forraje en otoño-invierno
utilizando especies con capacidad de rebrote, y buenas características nutricionales y de
producción.

En la Comarca Lagunera los cereales en otoño-invierno se producen con uno o dos cortes en
las etapas de embuche o inicio de espigado, los cuales generalmente son ensilados. Las
brásicas forrajeras que incluyen especies de canola, colza, nabos, colinabo, col y rábano son
una alternativa viable para la región debido a su potencial de producción, calidad nutritiva,
además de su capacidad de rebrote(3,4) y ensilaje de su forraje(5,6). Las brásicas producen de
8,000 a 15,000 kg ha-1 de materia seca (MS) en un período de 80 a 150 días después de la
siembra (dds). Esto significa que sus rendimientos de MS pueden ser iguales o superiores a
los cereales forrajeros de otoño-invierno(3,7). El principal beneficio de las brásicas es su
capacidad de producir forraje con alto valor nutritivo durante un periodo relativamente largo,
ya que con la edad no disminuye marcadamente el contenido de proteína cruda (PC) ni la

238
Rev Mex Cienc Pecu 2023;14(1):237-247

digestibilidad de la MS(8). El contenido de PC en el forraje de brásicas varía de 134 a 255 g


kg-1; la digestibilidad de la MS fluctúa de 85 a 93%(8,9); el contenido de fibra detergente
neutra (FDN) alcanza valores de 199 a 516 g kg-1(9,10); y presenta altas concentraciones de
energía (ENL) (1.79 a 1.87 Mcal kg-1 MS)(11).
En estudios realizados con vacas lecheras estabuladas, se indica que el forraje de brásicas
puede ser usado en la dieta de vacas lecheras sin efectos en la producción y composición de
leche(12,13). Otros estudios muestran efectos positivos del forraje de brásicas con incrementos
en la producción de leche, sin efectos negativos en la salud de las vacas(14,15). Además, en
estudios donde la inclusión de forraje de brásicas no afectó la producción y composición de
leche, se observó un aumento en la rentabilidad cuando se reemplazaron ensilados de pastos
y concentrados comerciales por brásicas forrajeras(15,16). También se reporta que el uso de
forraje de brásicas tiene un efecto ambiental favorable, debido a la menor producción de
metano respecto a rumiantes alimentados con dietas basadas en pastos(11,17). El objetivo del
estudio fue comparar el valor nutricional y el rendimiento de materia seca (MS) y nutrientes
entre brásicas forrajeras y especies tradicionales durante el ciclo de otoño-invierno.

El estudio se llevó a cabo en el Campo Experimental La Laguna (CELALA) del Instituto


Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (INIFAP), localizado en
Matamoros, Coahuila, México (103° 13’ 42’’ O y 25° 31’ 41’’ N, a una altura de 1,100
msnm). El suelo del sitio experimental es de textura franco arcillosa, con una profundidad
mayor a 1.8 m, valores de disponibilidad de agua de 150 mm m-1(18), contenido de carbono
orgánico de 0.75 % y un pH de 8.14(1). La preparación del terreno consistió en realizar un
barbecho, doble rastreo y nivelación del terreno con láser. Antes de la siembra cada parcela
experimental se fertilizó manualmente con sulfato de amonio y fosfato monoamónico
granulares en dosis de 50 kg N y 80 kg P2O5, respectivamente.

La siembra se realizó en forma manual el 12 de octubre de 2018, en esta fecha también se


aplicó el riego de siembra con una lámina de riego de 15 cm. Ocho días después de sembrar
se aplicó un sobre riego con una lámina de 6 cm para facilitar la emergencia de plántulas.
Las especies y cultivares evaluados fueron los siguientes: avena (Avena sativa L.), variedad
Cuauhtémoc; triticale (x Triticosecale Wittmack), variedad Río Nazas; cebada (Hordeum
vulgare L.), variedad Narro 95; trigo (Triticum aestivum L.), variedad AN265; trébol
Alejandrino (Trifolium alexandrinum L.), variedad Multicut; brásica cultivar Winfred
(Brassica oleracea L. x Brassica rapa L.); cultivar Hunter (Brassica rapa L. x Brassica
napus L.) y rábano forrajero cultivar Graza (Raphanus sativus L. x Brassica oleracea L.,
Raphanus maritimus L.). Durante el ciclo de producción se aplicaron seis riegos de auxilio
con una lámina total de 75 cm en avena, triticale, trigo, trébol, y brásica Hunter; mientras
que, en cebada, brásica Winfred y rábano Graza se aplicaron cinco riegos de auxilio con una
lámina de 63 cm. También se completó la dosis de fertilización nitrogenada (250 kg ha-1),
con 55 kg ha-1 a los 33 dds, 90 kg ha-1 después del primer corte en cada especie entre los 77
y 112 dds, y 55 kg ha-1 antes del segundo corte entre los 112 y 135 dds.

239
Rev Mex Cienc Pecu 2023;14(1):237-247

Se utilizó un diseño experimental de bloques completos al azar con cuatro repeticiones. La


parcela experimental fue de 20 surcos a 0.18 m de separación y 6 m de longitud. La parcela
útil para determinar el rendimiento de forraje fue de 14.4 m2, cosechando 16 surcos centrales
de 5 m de longitud. En la cosecha se determinaron los rendimientos de forraje fresco y de
MS. El contenido de MS se obtuvo en una muestra al azar de 0.72 m2, muestreando dos de
los surcos centrales de cada parcela de 2 m de longitud. Las plantas muestreadas se secaron
a 60 °C en una estufa de aire forzado hasta alcanzar peso constante.

El rendimiento de MS se determinó multiplicando el rendimiento de forraje fresco por el


contenido de MS de cada parcela. En los cereales se realizaron dos cosechas en la etapa de
embuche; el trébol se cosechó en tres ocasiones en la etapa vegetativa, mientras que los
cultivares de brásica y rábano se realizaron dos cosechas en la etapa vegetativa. Se determinó
semanalmente el índice de área foliar (IAF) en todas las parcelas del experimento. Para ello
se utilizó un ceptómetro AccuPAR modelo Lp-80 PAR/LAI (Decagon Devices, Inc.,
Pullman, WA, USA). Se tomaron tres lecturas por parcela entre las 1200 y 1400 h tiempo
solar. Se realizaron tres mediciones arriba y tres abajo del dosel, en forma paralela a la
superficie del suelo. El sensor se colocó a un ángulo de 45° respecto a los surcos.

Las plantas muestreadas para la determinación del contenido de MS también se usaron para
analizar el valor nutritivo del forraje. Las muestras secas se molieron en un molino Wiley®
(Thomas Scientific, Swedesboro, NJ, USA) con una malla de 1 mm. El contenido de
nitrógeno en cada muestra se determinó mediante el método de combustión Dumas número
990.03 de AOAC en el cual se utilizó el equipo Thermo Scientific Flash 2000, y el resultado
se multiplicó por 6.5 para obtener el porcentaje de proteína cruda (PC)(19). La fibra detergente
neutra (FDN) y la fibra detergente ácida (FDA) se obtuvieron de acuerdo a Goering y Van
Soest(20). El contenido de energía neta para lactancia (ENL) se estimó siguiendo la
metodología propuesta por Weiss et al(21). Los rendimientos de PC y ENL por hectárea se
determinaron multiplicando los contenidos de PC y ENL por el rendimiento de MS por
hectárea estimado para cada parcela experimental.

Para la evaluación de la capacidad de rebrote se analizaron los datos de rendimiento de MS


e IAF por cosecha, utilizando el procedimiento MIXED para medidas repetidas de SAS
(P≤0.05)(22). Para los rendimientos de MS, PC y ENL, los datos de las dos o tres cosechas en
cada cultivo se sumaron para realizar el análisis estadístico. Para los datos del valor
nutrimental del forraje, se obtuvo una media ponderada de cada parámetro evaluado en las
cosechas realizadas, considerando los rendimientos de MS. Se realizaron análisis de varianza
(P≤0.05) para las variables de la composición nutricional y rendimientos de MS y nutrientes.
Las medias de estos parámetros se compararon con la prueba de la diferencia mínima
significativa protegida de Fisher (P≤0.05). El análisis de la información se efectuó con el
programa estadístico SAS(22).

240
Rev Mex Cienc Pecu 2023;14(1):237-247

Todas las especies evaluadas tuvieron capacidad de rebrote, pero el trébol Alejandrino fue
superior con tres cortes en 156 días. El resto de las especies produjeron dos cortes; donde las
especies alternativas brásica Winfred, brásica Hunter y el rábano Graza requirieron el total
del período disponible (150 a 154 días); mientras que los cereales produjeron los cortes entre
los 133 y 144 días. Este comportamiento de los cereales permite iniciar más temprano la
preparación del terreno para el siguiente cultivo en el ciclo de primavera. Sin embargo, si
esto no es tan importante en el sistema de producción, la cosecha más tardía de los cultivos
alternativos no representa una desventaja en el uso del agua de riego, ya que estos cultivos
requirieron menor o igual lámina de riego que el utilizado en los cereales (63 a 75 cm de
lámina de agua).

La capacidad de rebrote de los híbridos de brásica y el rábano forrajero para la producción


de dos o tres cosechas en este estudio, también ha sido observada en otros trabajos, donde se
indica que pueden realizarse varios pastoreos en estos cultivos(3,4). Su buena capacidad de
rebrote se observa en la poca o nula reducción del IAF en el rebrote y los mayores
rendimientos de MS en rebrotes respecto a la primera cosecha en brásica Winfred, brásica
Hunter y rábano Graza (Cuadro 1).

Cuadro 1: Ciclo de crecimiento, recuperación del rendimiento de materia seca (RdMS) e


índice de área foliar (IAF) en el rebrote después del primer corte en cultivos tradicionales y
alternativos evaluados en el ciclo otoño-invierno 2018-2019
Tratamientos Ciclo RdMS (kg ha-1) IAF
(días) Corte 1 Corte 2 Corte 3 Corte 1 Corte 2 Corte 3
Avena 144 4694 a 6550 a - 6.08 a 4.48 b -
Cuauhtémoc
Triticale Río 141 3718 b 5684 a - 4.20 a 3.55 a -
Nazas
Cebada Narro 95 133 4089 a 5697 a - 5.98 a 5.76 a -
Trigo AN265 144 4779 a 6534 a - 5.64 a 2.92 b -
Trébol 156 3924 a 4183 a 2094 b 3.65 b 6.19 a 3.10 b
Alejandrino
Brásica Winfred 150 4586 b 7430 - 7.20 a 6.26 b -
Brásica Hunter 154 3391 a 5178 - 5.82 a 6.30 a -
Rábano Graza 154 4483 a 5999 - 6.44 b 8.03 a -
ab
Medias seguidas en cada línea con distinta letra son significativamente diferentes (Tukey-Kramer P≤0.05).

La capacidad de rebrote observada en cultivos tradicionales está acorde a lo observado


comúnmente en otros estudios realizados en la Comarca Lagunera. En trébol Alejandrino, se
ha reportado que la variedad Multicut produce hasta 13.1 t ha-1 de MS en seis cortes(23). En
cereales como triticale, avena y cebada se ha observado que presentan buena capacidad para

241
Rev Mex Cienc Pecu 2023;14(1):237-247

rebrotar(24,25) con dos a tres cortes(26). Generalmente se observa mayor capacidad en genotipos
invernales, seguidos de facultativos y menor en primaverales(27,28). En el presente estudio, los
cultivares primaverales de avena Cuauhtémoc, triticale Río Nazas y cebada Narro 95
presentaron similar capacidad de rebrote al observado en el trigo facultativo AN265, el cual
presentó una menor recuperación de IAF, debido a su ciclo de crecimiento más tardío. Esto
representa una desventaja en un sistema de producción intensivo de forraje, ya que el trigo
AN265 no alcanzó su máximo crecimiento en el rebrote, como si lo lograron los cereales
primaverales.

De los cultivos tradicionales, el trébol Alejandrino presentó la mejor composición nutricional


del forraje, con menores concentraciones de FDN (417 g kg-1) y FDA (289 g kg-1), así como
mayores contenidos de PC (286 g kg-1) y ENL (6.44 MJ kg-1 MS) con respecto a los valores
observados en todos los cereales. Entre los cereales, el triticale Río Nazas fue sobresaliente
por su menor contenido de FDA (372 g kg-1), y mayores concentraciones de ENL (5.52 MJ
kg-1 MS) y PC (189 g kg-1) (Cuadro 2).
Cuadro 2: Composición nutricional de cultivos tradicionales y alternativos evaluados en el
ciclo otoño-invierno de 2018-2019
Tratamientos PC (g kg-1) FDN (g kg-1) FDA (g kg-1) ENL (MJ kg-1
MS)

Avena Cuauhtémoc 148.7 d 612.3 a 395.8 c 5.27 e


Triticale Río Nazas 189.1 c 606.6 a 372.2 d 5.52 d
Cebada Narro 95 204.7 c 567.3 b 488.7 a 4.27 g
Trigo AN265 165.1 d 628.6 a 418.7 b 5.02 f
Trébol Alejandrino 286.4 a 417.1 d 288.6 e 6.44 c
Brásica Winfred 248.8 b 431.3 d 239.5 f 6.99 b
Brásica Hunter 187.8 c 277.0 e 210.4 g 7.32 a
Rábano Graza 198.4 c 456.6 c 280.7 e 6.57 c
PC= proteína cruda; FDN= fibra detergente neutro; FDA= fibra detergente ácido; ENL= energía neta para
lactancia; MS= materia seca.
†Medias seguidas en cada columna con distinta letra son significativamente diferentes (DMS P≤0.05).

Los cultivos alternativos brásicas y rábano presentaron mejor composición nutricional que la
observada en los cereales, debido a su alto contenido de PC, menor concentración de fibras
y mayor contenido de ENL. En concentración de PC, la brásica Winfred (249 g kg-1) superó
a los cereales (149 a 205 g); mientras que la brásica Hunter (188 g) y el rábano Graza (198
g) obtuvieron valores similares o mayores a los observados en los cereales. En el trébol
Alejandrino, el contenido de PC (286 g kg-1) fue mayor al observado en los cultivos
alternativos, mientras que en concentración de ENL, la brásica Winfred y el rábano Graza
(6.57 a 6.99 MJ kg-1 MS) fueron superiores al obtenido en el trébol Alejandrino (Cuadro 2).

242
Rev Mex Cienc Pecu 2023;14(1):237-247

Los resultados de la composición nutricional del presente estudio en el forraje de brásicas y


rábano se encontraron en el rango típico observado en brásicas forrajeras de otros trabajos,
las cuales se caracterizaron principalmente por sus altos contenidos de PC (134 a 255 g
kg-1)(8,9) y ENL (7.49 a 7.82 MJ kg-1 de MS)(11). Sin embargo, en este estudio se observaron
mayores contenidos de FDA y FDN en la brásica Winfred y el rábano Graza a los obtenidos
en estudios previos, con valores de FDA de 118 a 217 g kg-1 y de 166 a 334 g en FDN(10,11,29).
Se ha indicado que estas concentraciones de FDN no cumplen con los valores mínimos para
el correcto funcionamiento del rumen en vacas (350 g)(30). En el presente estudio, los valores
de FDN en la brásica Winfred (431 g) y el rábano Graza (457 g) fueron mayores a 350 g, y
similares a los observados en el trébol Alejandrino (417 g); mientras que en la brásica Hunter
(277 g), los valores de FDN sí fueron menores a esta cantidad. El alto contenido de ENL en
el forraje de las brásicas Hunter y Winfred, el rábano Graza y el trébol Alejandrino se asoció
a los menores contenidos de FDA y FDN, en relación a los valores observados en los cereales
cosechados en la etapa de embuche.

Los cultivos alternativos brásica Winfred y rábano Graza fueron sobresalientes en


rendimiento de MS (12,016 a 10,482 kg ha-1). Estos rendimientos fueron similares a los
obtenidos por el trébol Alejandrino (10,201 kg) y a los mejores cereales, avena Cuauhtémoc,
cebada Narrro 95 y trigo AN265 (9,786 a 11,313 kg). En producción de nutrientes, sólo el
trébol Alejandrino obtuvo rendimientos de PC (2,871 kg) similares a los de la brásica
Winfred (2,986 kg), el resto de los cultivos obtuvieron rendimientos de PC inferiores (1,608
a 2,082 kg). En rendimiento de ENL, la brásica Winfred (84,044 MJ) superó a todos los otros
cultivos evaluados (de 41,689 a 68,722 MJ ha-1) (Cuadro 3).

Cuadro 3: Rendimientos de materia seca (MS), proteína cruda (PC) y energía neta para
lactancia (ENL) en cultivos tradicionales y alternativos evaluados en el ciclo otoño-invierno
2018-2019
Tratamientos MS (kg ha-1) PC (kg ha-1) ENL (MJ ha-1)

Avena Cuauhtémoc 11244 ab 1672 b 59442 bc


Triticale Río Nazas 9402 bc 1781 b 52074 cd
Cebada Narro 95 9786 abc 1996 b 41689 d
Trigo AN265 11313 ab 1854 b 57045 bc
Trébol Alejandrino 10201 abc 2871 a 65923 bc
Brásica Winfred 12016 a 2986 a 84044 a
Brásica Hunter 8569 c 1608 b 62819 bc
Rábano Graza 10482 abc 2082 b 68722 b
abc
Medias seguidas en cada columna con distinta letra son significativamente diferentes (DMS P≤0.05).

Los rendimientos de MS obtenidos en las brásicas con dos cortes son similares a los mejores
rendimientos reportados en otros estudios en brásicas (10,134 a 14,000 kg ha-1)(31,32). Este

243
Rev Mex Cienc Pecu 2023;14(1):237-247

nivel de rendimiento en brásicas, y sus mayores contenidos de PC y ENL con respecto a los
cereales resultó en mayores rendimientos de estos nutrientes por hectárea. Con relación al
trébol Alejandrino con un alto contenido de PC, las brásicas obtuvieron rendimientos de PC
similares por su alto rendimiento de MS; sin embargo, en rendimientos de ENL la brásica
Winfred fue superior a todas las especies como resultado de un efecto combinado de un alto
contenido de ENL (Cuadro 2) y una alta producción de MS (Cuadro 3).

Un aspecto a resaltar en el estudio fue la capacidad de las brásicas forrajeras de producir


rendimientos de MS y nutrientes similares o mayores a los obtenidos con especies
tradicionales, con láminas de riego (63 a 75 cm) menores o iguales a las utilizadas en los
cultivos tradicionales. Estos resultados son importantes en un sistema de producción de
forraje como el de la Comarca Lagunera, que presenta escasez de agua para riego.

En conclusión, las brásicas forrajeras presentan el potencial para incrementar la


productividad en la producción de forraje en otoño-invierno, debido a su alto valor nutritivo,
buena capacidad de rebrote y su alta producción de MS y nutrientes. De las especies
evaluadas, la brásica Winfred fue sobresaliente respecto a los cultivos tradicionales debido
principalmente por su mayor contenido y producción de ENL (27.5 a 47.3 %).

Literatura citada:
1. Santamaría CJ, Reta SDG, Chávez GJFJ, Cueto WJA, Romero PRJI. Caracterización del
medio físico en relación a cultivos forrajeros alternativos para la Comarca Lagunera.
Libro Técnico Núm. 2. INIFAP-CIRNOC-CELALA. México; 2006.

2. Andrade VM, Montero MJ. Nuevas proyecciones de cambio de precipitación y


temperatura para el siglo XXI en el Norte de México. Herrera E, López M, Carrillo J
editores. Memorias del segundo congreso cambio climático del Estado de Chihuahua.
Primera ed. 2014:26-35.

3. Bell LW, Watt LJ, Stutz RS. Forage brassicas have potential for wider use in drier, mixed
crop-livestock farming systems across Australia. Crop Pasture Sci 2020;71(10):924-
943. https://doi.org/10.1071/cp20271.

4. Umami N, Prasojo YS, Haq MS. Morphological characteristics and biomass production
Brassica rapa var. Marco during the dry season. Anim Prod 2022;24(1):31-36.
https://doi.org/10.20884/1.jap.2022.24.1.107.

5. Sánchez DJI, Serrato CJS, Reta SDG, Ochoa ME, Reyes GA. Assessment of ensilability
and chemical composition of canola and alfalfa forages with or without microbial
inoculation. Indian J Agric Res 2014;48(6):421-428. https://doi.org/10.5958/0976-
058x.2014.01325.0.

244
Rev Mex Cienc Pecu 2023;14(1):237-247

6. Kilic U, Erisek A, Garipoğlu AV, Ayan I, Onder H. The effects of different forage types
on feed values and digestibilities in some brassica fodder crops. Turkish J Agric Natural
Sci 2021;8(1):94-102. https://doi.org/10.30910/turkjans.747031.

7. Watt LJ, Bell LW, Cocks BD, Swan AD, Stutz RS, Toovey A, De Faveri J. Productivity
of diverse forage brassica genotypes exceeds that of oats across multiple environments
within Australia´s mixed farming zone. Crop & Pasture Sci 2021;72(5):393-406.
https://doi.org/10.1071/CP21034.

8. Villalobos LA, Brummer JE. Forage brassicas stockpiled for fall grazing: yield and
nutritive value. Crop Forage Turfgrass Management 2015;1(1):1-6.
https://doi.org/10.2134/cftm2015.0165.

9. Dillard SL, Billman ED, Soder KJ. Assessment of forage brassica species for dairy and
beef-cattle fall grazing systems. Appl Anim Sci 2020;36(2):157-166.
https://doi.org/10.15232/aas.2019-01921.

10. Omokanye A, Hernández G, Lardner HA, Al-Maqtari B, Singh Gill K, Lee A. Alternative
forage feeds for beef cattle in Northwestern Alberta, Canada: forage yield and nutritive
value of forage brassicas and forbs. J Appl Anim Res 2021;49(1):203-210.
https://doi.org/10.1080/09712119.2021.1933990.

11. Dillard SL, Roca-Fernández AI, Rubano MD, Elkin KR, Soder KJ. Enteric methane
production and ruminal fermentation of forage brassica diets fed in continuous culture.
J Anim Sci 2018;96(4):1362-1374. doi: 10.1093/jas/sky030

12. Keim JP, Castillo M, Balocchi O, Pulido R, Pacheco D, Muetzel S. Brief communication:
milk production responses and rumen fermentation of dairy cows supplemented with
summer brassica crops. NZ J Anim Sci Prod 2018;78:122-124.

13. Vargas-Bello-Pérez E, Geldsetzer-Mendoza C, Ibáñez RA, Rodríguez JR, Alvarado-


Gillis C, Keim JP. Chemical composition, fatty acid profile and sensory characteristics
of chanco-style cheese from early lactation dairy cows fed winter Brassica crops. Animal
2021;11(1):107. https://doi.org/10.3390/ani11010107.

14. Williams SRO, Moate PJ, Deighton MH, Hannah MC, Wales WJ, Jacobs JL. Milk
production and composition, and methane emissions from dairy cows fed lucerne hay
with forage brassica or chicory. Anim Prod Sci 2016;56(3):304-311.
https://doi.org/10.1071/AN15528.

15. Keim JP, Daza J, Beltrán I, Balocchi OA, Pulido RG, Sepúlveda-Varas P, Pacheco D,
Berthiaume R. Milk production responses, rumen fermentation, and blood metabolites
of dairy cows fed increasing concentrations of forage rape (Brassica napus ssp. biennis).
J Dairy Sc 2020;103(10):9054-9066. https://doi.org/10.3168/jds.2020-18785.

245
Rev Mex Cienc Pecu 2023;14(1):237-247

16. Castillo-Umaña M, Balocchi O, Pulido R, Sepúlveda-Varas P, Pacheco D, Muetzel S,


Berthiqume R, Keim JP. Milk production responses and rumen fermentation of dairy
cows supplemented with summer brassicas. Animal 2020;14(8):1684-1692.
https://doi.org/10.1017/S175173112000021X.

17. Sun XZ. Invited review: glucosinolates might result in low methane emissions from
ruminants fed brassica forages. Frontiers in Vet Sci 2020;7:588051.
https://doi.org/10.3389/fvets.2020.588051.

18. Santamaría CJ, Reta SDG, Orona CI. Reducción del rendimiento potencial de maíz
forrajero en calendarios con tres y cuatro riegos. Terra Latinoamericana 2008;26(3):235-
241.

19. AOAC (Association of Official Agricultural Chemists). Official methods of analysis.


Dumas method (99003). 15th edition Washington DC, USA. 2005.

20. Goering HK, Van Soest PJ. Forage fiber analysis Apparatus, reagents, procedure and
some applications Agric Handbook 379 ARS. Washington, DC, USDA; 1970.

21. Weiss WP, Conrad HR, St-Pierre NR. A theoretically-based model for predicting total
digestible nutrient values of forages and concentrates. Anim Feed Sci Technol
1992;39(1-2):95-110. https://doi.org/10.1016/0377-8401(92)90034-4.

22. SAS Institute. The SAS system for windows, release 93. Cary, NC: Statistical Analysis
Systems Inst; 2011.

23. Núñez HG, Quiroga GHM, Márquez OJ de J, de Alba AA. Producción y calidad de trébol
de Egipto (Trifolium alexandrinum L.) para ganado lechero en el Norte y Centro de
México. Agrociencia 1997;31(2):157-164.

24. Keles G, Ates S, Coskun B, Koc S. Re-growth yield and nutritive value of winter cereals.
In: Proc 22nd Int Grassland Cong. 2013.

25. Wilson GCY, López ZNE, Ortega CME, Ventura RJ, Villaseñor MHE, Hernández GA.
Acumulación de forraje, composición morfológica e intercepción luminosa en dos
variedades de avena. Interciencia 2018;43(9):630-636.

26. Zamora VVM, Lozano del RAJ, López BA, Reyes VMH, Díaz SH, Martínez RJM,
Fuentes RJM. Clasificación de triticales forrajeros por rendimiento de materia seca y
calidad nutritiva en dos localidades de Coahuila. Téc Pecu Mex 2002;40(3):229-242.

27. Lozano del RAJ, Rodríguez SA, Díaz SH, Fuentes RJM, Fernández BJM, Fernando
NMJM, Zamora VVM. Producción de forraje y calidad nutritiva en mezclas de triticale
(X Triticosecale Wittmack) y ballico anual (Lolium multiflorum L.) en Navidad, N.L.
Téc Pecu Méx 2002;40(1):17-35.

246
Rev Mex Cienc Pecu 2023;14(1):237-247

28. Ye CWE, Díaz SH, Lozano del RAJ, Zamora VVM, Ayala OMJ. Agrupamiento de
germoplasma de triticale forrajero por rendimiento, ahijamiento y gustosidad. Téc Pecu
Méx 2001;39(1):15-29.

29. Villalobos L, Brummer J. Evaluation of Brassicas for fall forage. In: Proc Western States
Alfalfa and Forage Symp, Reno, NV, December, 2013. UC Cooperative Extension,
Plant Science Department University of California, Davis, CA 95616.

30. Kolver ES. Nutrition guidelines for the high producing dairy cow. Proc Ruakura Farmers
Conference; 2002.

31. Stewart AV, Moorhead AJ. The development of a fodder radish suitable for multiple
grazing. Agronomy NZ 2004;34:1-7.

32. McGrath S, Sandral G, Holman B, Friend M. Lamb growth rates and carcass
characteristics of White Dorper and crossbred lambs grazing traditional and novel
pastures during spring in souther Australia. Anim Prod Sci 2020;61(11):1151-1159.
https://doi.org/10.1071/AN18769.

247
https://doi.org/10.22319/rmcp.v14i1.6200

Nota de investigación

Caracterización del virus de la diarrea viral bovino subtipo 1b aislado de


un caso de la enfermedad de las mucosas

Roberto Navarro-López a

Juan Diego Perez-de la Rosa b

Marisol Karina Rocha-Martínez b

Marcela Villarreal-Silva a

Mario Solís-Hernández a

Eric Rojas-Torres a

Ninnet Gómez-Romero a*

a
Comisión México-Estados Unidos para la prevención de fiebre Aftosa y otras enfermedades
exóticas de los animales, Carretera México-Toluca Km 15.5 Piso 4 Col. Palo Alto.
Cuajimalpa de Morelos. 05110. Ciudad de México. México.
b
Centro Nacional de Servicios de Constatación en Salud Animal (CENAPA), Morelos,
México.

*Autor de correspondencia: ninnet.gomez.i@senasica.gob.mx; ninna_gr@hotmail.com

Resumen:

El virus de la diarrea viral bovina (VDVB) genera pérdidas significativas en la producción


de bovinos. Se reporta sobre un caso fatal de la enfermedad de las mucosas en un toro de
dos años. Para la detección del agente causal, se analizaron muestras de lesiones, de sangre
completa y de heces mediante el RT-PCR, PCR, ELISA y aislamiento viral. Se obtuvo
amplificación positiva por RT-PCR en muestras de sangre para el virus de la diarrea viral
bovina (VDVB). El aislamiento viral de las muestras de las lesiones confirmó que el VDVB
fue el agente causal de las manifestaciones clínicas. Una caracterización genética basada en

248
Rev Mex Cienc Pecu 2023;14(1):248-259

el análisis filogenético de tres secuencias parciales identificó la presencia del subgenotipo


1b del VDVB en las muestras analizadas. El animal muestreado manifestaba signos clínicos
indicando que tenía la enfermedad de las mucosas, lo cual sugiere que sufría de una infección
persistente (IP) por VDVB. Este hallazgo resalta la importancia de establecer programas de
control de VDVB basados en probar la presencia de IP en el ganado de México.

Palabras clave: Virus diarrea viral bovina, Ganado, Enfermedad de las mucosas, infección
persistente, México.

Recibido: 18/04/2022

Aceptado: 18/07/2022

La diarrea viral bovina (DVB) sigue siendo una de las enfermedades endémicas más
comunes en el ganado bovino y otros rumiantes en todo el mundo. Esta enfermedad provoca
impactos económicos significativos en la industria ganadera debido a sus efectos negativos
sobre la reproducción y las condiciones de salud en el ganado(1,2). La causa de la DVB es un
virus de ARN monocatenario y de cadena positiva denominado virus de la diarrea viral
bovina (VDVB); pertenece a la familia Flaviviridae dentro del género Pestivirus. En la
actualidad, el VDVB se clasifica en tres especies: Pestivirus A (virus de la diarrea viral
bovina 1, VDVB-1); Pestivirus B (virus de la diarrea viral bovina 2, VDVB-2); y Pestivirus
H (pestivirus tipo HoBi). Cada especie se segrega en subgenotipos(3). El Pestivirus A se
subdivide en hasta 21 subgenotipos (del 1a hasta el 1u), y el Pestivirus B y el Pestivirus H
se subdividen en cuatro subgenotipos cada uno (del a hasta el d)(4).

También las cepas de VDVB se clasifican en biotipos citopáticos (CP) y no citopáticos


(NCP) según su efecto sobre la replicación y los cambios morfológicos que inducen en el
cultivo celular. Esta clasificación es relevante porque la citopatogenicidad in vitro no se
relaciona con la citopatogenicidad in vivo. Las cepas NCP son predominantes en el campo y
están involucradas en la mayoría de los casos de infección natural y de infecciones
persistentes. Las cepas CP son poco comunes y se aíslan casi exclusivamente de una forma
mortal de DVB llamada enfermedad de las mucosas (EM)(5).

La infección por VDVB se caracteriza por manifestaciones clínicas que incluyen trastornos
respiratorios, gastrointestinales y reproductivos. Las fallas reproductivas como los abortos,
la momificación, la muerte fetal, los defectos congénitos y el nacimiento de animales
persistentemente infectados (PI) generan grandes pérdidas económicas(6).

249
Rev Mex Cienc Pecu 2023;14(1):248-259

Los animales PI son de particular preocupación porque pueden, por medio de la infección
transplacentaria con una cepa de VDVB NCP, infectar a un embrión durante los primeros
125 días de gestación. Los animales nacidos de una madre con una PI adquieren una
tolerancia inmunológica hacia la cepa de VDVB infectante y desarrollan una infección
persistente. Por lo tanto, en un ternero con una PI congénita no se inducirá una respuesta
inmune por anticuerpos o células T contra el virus(7). Los animales PI son una fuente
permanente del VDVB, ya que eliminan de por vida al virus en secreciones corporales como
las nasales, orales, leche, orina, heces y en semen. Por lo tanto, juegan un papel esencial en
la patogénesis y epidemiología de la DVB(8).

Los terneros nacidos con una PI parecen animales normales, aunque a veces son débiles. Sin
embargo, se caracterizan por tasas de crecimiento reducidas, y sufren de la inmunosupresión
y de tasas altas de mortalidad(2). Tanto la tasa de mortalidad como la de morbilidad
incrementan en los animales con una PI debido a un aumento en su susceptibilidad a otras
enfermedades. Mueren comúnmente por la neumonía o la EM. La mayoría de los terneros
PI mueren por la EM entre los 6 y los 24 meses de edad(9,10). Sin embargo, hay reportes de
bovinos PI que alcanzan los 3, 5 y hasta 7 años, lo que implica un período largo de
diseminación viral(2,11,12).

La EM es una condición fatal esporádica restringida al ganado PI. Ocurre cuando el VDVB
NCP causante de la PI muta a una CP como resultado de un evento de recombinación, o
cuando el animal PI tiene una coinfección con una cepa CP del VDVB antigénicamente
homóloga (13,14). Por lo tanto, se pueden encontrar ambos biotipos de manera consistente en
animales con EM(15,16). Un cuadro de EM resulta en la muerte del animal dentro de las dos
semanas posteriores al inicio de los signos clínicos. Las principales lesiones que se
encuentran en casos de EM son erosiones y ulceraciones extensas a lo largo del tracto
gastrointestinal(17). Sin embargo, existen reportes de animales con EM que manifestaron un
inicio tardío (varios meses después de la infección inicial) de los signos(18). Otros signos
clínicos incluyen la anorexia, la fiebre, la deshidratación, la diarrea, la dermatitis, la necrosis
del tejido linfoide, y un mal estado corporal(19).

El presente reporte describe el inicio de EM en un toro de dos años de edad con signos
clínicos severos; es posible que este sea la primera descripción de una IP en ganado en
México. Se recibió la notificación del animal en junio del 2021. Al momento del reporte, el
curso del cuadro tenía 15 días e involucraba signos clínicos como la anorexia, la depresión,
el ptialismo, diarrea hemorrágica severa, la deshidratación, secreción nasal y ulceración
profunda y extensa en el hocico, las narinas, los labios, las encías y el paladar duro (Figuras
1, 2 y 3). El animal afectado pertenecía a una granja tradicional de traspatio ubicada en
Texcoco, Estado de México, México. La granja tenía cuatro bovinos, cuatro caballos, seis
perros y tres cerdos, aparentemente sanos al momento del informe. Antes del evento, no se
había registrado manifestaciones clínicas similares en bovinos, o cualquier otro animal

250
Rev Mex Cienc Pecu 2023;14(1):248-259

doméstico, en otras fincas en el área circundante. Según el propietario, no hubo movilización


de animales entre las fincas cercanas, y no se introdujeron nuevos animales en la granja antes
que el animal comenzara con la signología clínica.

Figura 1: Toro de dos años de edad con enfermedad de las mucosas en donde se muestran
lesiones erosivas en la descarga nasal, y ulcerizacíon extensiva en el hocico y las narinas

Figura 2: Lesiones erosivas en los labios y las encías

251
Rev Mex Cienc Pecu 2023;14(1):248-259

Figura 3: Erosiones superficiales en el paladar duro

Se colectaron muestras de las lesiones cutáneas, muestras de sangre y de heces. Estas se


remitieron para diagnóstico al Laboratorio de Inmunología, Biología Celular y Molecular de
la Comisión México-Estados Unidos para la Prevención de la Fiebre Aftosa y Otras
Enfermedades Exóticas de los Animales (CPA). El reporte de caso fue identificado con el
número CPA-0861-21. Para el diagnóstico diferencial se consideraron las principales
enfermedades vesiculares del ganado bovino, como son la fiebre aftosa (FA), la estomatitis
vesicular (EV), la fiebre catarral maligna (FCM) y la DVB. No se detectó ni la FA ni la EV
mediante RT-PCR, ELISA o el aislamiento del virus por cultivo celular. De igual forma, el
virus del FCM no fue detectado por PCR.

El VDVB se aisló de las muestras de las lesiones y se obtuvo una amplificación positiva de
las muestras de sangre completa mediante RT-PCR. El aislado de VDVB fue remitido al
Laboratorio de Biología Molecular del Centro Nacional de Servicios de Diagnóstico en
Salud Animal (CENASA) para su secuenciación parcial. Se secuenciaron la 5'UTR, Npro y
E2 del VDVB, las cuales se depositaron en GenBank (números de acceso OM812936,
OM812937 y OM812938, respectivamente). Se realizó un análisis filogenético basado en
las regiones 5'UTR, Npro y E2. Las secuencias parciales de 5'UTR (360 pb), Npro (504 pb) y
E2 (1,482 pb) obtenidas en este estudio se compararon con las cepas de referencia de VDVB
para caracterizar el aislado de VDVB. Para las secuencias 5'UTR y Npro se infirió la historia
evolutiva utilizando el método de máxima verosimilitud con un modelo de sustitución de
dos parámetros de Kimura(20), mientras para la E2 se usó un modelo de sustitución de tres
parámetros de Tamura(21). Ambos modelos se implementaron con el MEGA7 software

252
Rev Mex Cienc Pecu 2023;14(1):248-259

usando 1,000 “bootstraps” de arranque cada una (Figura 4). Se modelaron las diferencias de
velocidad evolutiva entre los sitios con una distribución gamma discreta con dos categorías;
algunos sitios no mostraron variación evolutiva para las secuencias Npro y E2.

Figura 4: Árbol filogenético basado en las secuencias de las regiones 5'UTR (a), Npro (b) y
E2 (c).

253
Rev Mex Cienc Pecu 2023;14(1):248-259

Se llevó a cabo la inferencia filogenética por medio del programa MEGA 7 siguiendo el método de
verisimilitud máxima. Se hicieron 1,000 réplicas de “bootstraps”. Las secuencias de referencias se identifican
por su número de acceso de GenBank. Las secuencias de nucleótidos identificadas en el presente estudio se
identifican con el símbolo "".

La DVB continúa siendo una enfermedad de preocupación significativa para la industria


ganadera por su impacto económico asociado principalmente con los trastornos
reproductivos(2). Dependiendo de la etapa de gestación en la que se adquiere la infección por
una cepa NCP del VDVB puede resultar en el nacimiento de terneros PI inmunotolerante.
Estos animales son constantemente virémicos, y el VDVB se propaga a través de la mayoría
de los órganos del animal pero sin que se desarrollen lesiones aparentes(22). En consecuencia,
el ganado PI mantiene la replicación y excreción viral de por vida en todas las secreciones
corporales(23). Por lo tanto, el ganado PI representa la principal fuente de transmisión y
mantenimiento del VDVB dentro y entre hatos. Los VDVB NCP también pueden
transmitirse por medio de ganado con una infección aguda y por fómites como material
quirúrgico y de manejo contaminado, la revisión rectal, los sueros bovinos utilizados en la
transferencia de embriones y producción de vacunas, el semen infectado y las vacunas
contaminadas(24-27).

Las infecciones por VDVB afectan de manera directa la fertilidad de los animales PI. Los
toros PI pueden producir semen de calidad aceptable, pero de fertilidad baja asociada con
anomalías en los espermatozoides y baja motilidad(28). En hembras PI la función ovárica

254
Rev Mex Cienc Pecu 2023;14(1):248-259

disminuye por medio de la hipoplasia y la reducción de las ovulaciones(29). Así mismo, toros
y vacas PI pueden engendrar crías PI aparentemente normales, los cuales recirculan el
VDVB en animales susceptibles en el hato(30).

La exposición continua de animales sanos al VDVB que viene de un animal con una IP
puede perpetuar las infecciones por VDVB(31). Como consecuencia, puede surgir la
infertilidad del rebaño, la inmunosupresión y la generación de terneros PI(32). Las infecciones
agudas con los VDVB NCP comprometen la fertilidad del rebaño al producir un crecimiento
folicular retardado y reducido(33), la ovitis intersticial difusa (34), y fallas en la concepción al
impedir la implantación del embrión(22). También puede generar la muerte embrionaria antes
del día 79 de gestación en vacas preñadas, o malformaciones congénitas entre los días 79 y
150(35).

En áreas donde se implementan medidas adecuadas para el control del VDVB, la prevalencia
estimada de animales con una IP está entre el 1-2%(1). El presente caso es de importancia ya
que no hay reportes de brotes de EM o su presencia en la población bovina mexicana.
Además, se desconoce la proporción actual de terneros PI en el país. Actualmente,
información limitada sobre caracterización genética y prevalencia del VDVB en México se
ha comenzado a analizar (36).

El presente caso describe la presentación de EM causado por el VDVB-1b en un toro de


carne en el que predominaron las lesiones ulcerativas en el tracto gastrointestinal. El VDVB-
1b se define actualmente como la cepa más común en el campo. De hecho se considera el
subgenotipo predominante a nivel mundial, seguido por el 1a y 1c(4). Al VDVB-1b lo han
descrito como la cepa más prevalente en terneros PI(37). La presente identificación del
subgenotipo 1b del VDVB coincide con un estudio previo que describe el VDVB-1b como
un virus endémico que circula en el ganado bovino mexicano, junto con el 1a, 1c y 2a(38). En
conjunto con el presente caso de estudio, estos estudios representan un acercamiento inicial
al VDVB en México.

El DVB sigue siendo una enfermedad no regulada en el país y no existen estrategias de


control o medidas de prevención al nivel oficial. En consecuencia, los protocolos de
vacunación se basan en procedimientos voluntarios y las medidas de seguimiento y de
bioseguridad se implementan en función al conocimiento del DVB de los productores. Se
confirmó que el toro evaluado en este caso clínico estaba infectado con el VDBV-1b además
de manifestar signos sugiriendo un caso de EM. El toro detectado como positivo a VDVB
pertenece a una granja donde se aplican escasas medidas sanitarias, las cuales no incluyen
un protocolo de vacunación contra el VDVB.

Escenarios como la anterior son comunes en México, lo cual resalta la falta de medidas de
control contra el DVB en el país. El presente caso de estudio confirmó la presencia del

255
Rev Mex Cienc Pecu 2023;14(1):248-259

VDVB-1b en bovinos mexicanos y coincide con estudios anteriores(38). El animal estudiado


mostraba un cuadro grave de EM, destacando la importancia por subdiagnóstico de animales
PI y, desde luego, el estado epidemiológico del VDVB. Informes sobre casos de DVB
impulsarán el desarrollo de estrategias de control que permitan a los productores detectar el
VDVB y eliminar a los terneros PI de sus rebaños. La vacunación es un elemento vital dentro
de una estrategia de control del VDVB; sin embargo, se debe de escoger la vacuna más
adecuada para brindar protección contra el VDVB circulante. Por ejemplo, en México ya se
agregó el VDVB-1b como antígeno en una vacuna comercial. Aunque la vacunación es
importante en el control del DVB, debe de formar parte de programas amplios para el control
de DVB. El hallazgo de VDVB-1b en un toro no vacunado demuestra el papel crucial de la
bioseguridad y la vigilancia de enfermedades para mitigar los efectos de las infecciones por
VDVB en las poblaciones de ganado.

Conflictos de interés

Los autores declaran que no tienen ningún conflicto de interés en cuanto a la autoría y la
publicación del presente manuscrito.

Literatura citada:
1. Houe H. Epidemiological features and economical importance of bovine virus diarrhoea
virus (BVDV) infections. Vet Microbiol 1999;64(2-3):89-107. doi: 10.1016/s0378-
1135(98)00262-4. Erratum in: Vet Microbiol 2003;93(3):275-6.

2. Houe H. Economic impact of BVDV infection in dairies. Biologicals 2003;31(2):137-


43. doi: 10.1016/s1045-1056(03)00030-7.

3. Smith DB, Meyers G, Bukh GJ, Gould EA, Monath T, Scott-Muerhoff A, et al. Proposed
revision to the taxonomy of the genus Pestivirus, family Flaviviridae. J General Virol
2017;98(8), 2106–2112. https://doi.org/10.1099/jgv.0.000873.

4. Yesilbag K, Alpay G, Becher P. Variability and global distribution of subgenotypes of


bovine viral diarrhea virus. Viruses 2017;9(6):128. doi: 10.3390/v9060128.

5. Neill J. Molecular biology of bovine viral diarrhea virus. Biologicals 2013;41:2–7. doi:
10.1016/j.biologicals.2012.07.002.

6. Houe H, Lindberg A, Moenning V. Test strategies in bovine viral diarrhea virus control
and eradication campaigns in Europe. J Vet Diagn Invest 2006;18(5):427-36. doi:
10.1177/104063870601800501.

256
Rev Mex Cienc Pecu 2023;14(1):248-259

7. Meyers G, Thiel HJ. Molecular characterization of pestiviruses. Adv Virus Res 1996;
47:53-118. doi: 10.1016/s0065-3527(08)60734-4.

8. Brodersen BW. Bovine viral diarrhea virus infections: manifestations of infection and
recent advances in understanding pathogenesis and control. Vet Pathol 2014;51(2):453-
64. doi: 10.1177/0300985813520250.

9. Odeón AC, Leunda MR, Faverín C, Boynak N, Vena MM, Zabal O. In vitro
amplification of BVDV field strains isolated in Argentina: effect of cell line and culture
conditions. Rev Argent Microbiol 2009;41:79–85.

10. Uzal FA, Platnner BL, Hostetter JM. Alimentary system in pathology of domestic
animals. In: Maxie, MG, editor. Jubb, Keneddy and Palmers pathology of domestic
animals.;6th ed. St. Louis, Missouri: Academic Press Inc; 2016:122–130.

11. Brock KV, Grooms DL, Ridpath JF, Bolin SR. Changes in levels of viremia in cattle
persistently infected with bovine viral diarrhea virus. J Vet Diagn Invest1998;10:22-26.

12. Bedekovic T, Lemo N, Lojkic I, Cvetnicz Z, Cac Z, Madic J. Bovine viral diarrhoea: A
seven year old persistently infected cow - a case report. Veterinarski Arch 2012;82
(6):637-643.

13. Brownlie J. The pathways for bovine virus diarrhoea virus biotypes in the pathogenesis
of disease. Arch Virol Suppl 1991;3:79-96. doi: 10.1007/978-3-7091-9153-8_10.

14. Tautz N, Thiel HJ. Cytopathogenicity of pestiviruses: cleavage of bovine viral diarrhea
virus NS2-3 has to occur at a defined position to allow viral replication. Arch Virol
2003;148(7):1405-12. doi: 10.1007/s00705-003-0106-9.

15. Bolin SR, McClurkin AW, Cutlip RC, Coria MF. Severe clinical disease induced in
cattle persistently infected with noncytopathic bovine viral diarrhea virus by
superinfection with cytopathic bovine viral diarrhea virus. Am J Vet Res
1985;46(3):573-6.

16. Kummerer B, Tautz MN, Becher P, Thiel H, Meyers G. The genetic basis for
cytopathogenicity of pestiviruses. Vet Microbiol 2000;77(1-2):117-28. doi:
10.1016/s0378-1135(00)00268-6.

17. Baker JC. The clinical manifestations of bovine viral diarrhea infection. Vet Clin North
Am Food Anim Pract 1995;11(3):425-45. doi: 10.1016/s0749-0720(15)30460-6.

18. Fritzemeier J, Haas L, Liebler E, Moennig V, Greiser-Wilke I. The development of early


vs. late onset mucosal disease is a consequence of two different pathogenic mechanisms.
Arch Virol 1997;142(7):1335-50. doi: 10.1007/s007050050164.

257
Rev Mex Cienc Pecu 2023;14(1):248-259

19. Wilhelmsen CL, Bolin SR, Ridpath JF, Cheville NF, Kluge JP. Lesions and localization
of viral antigen in tissues of cattle with experimentally induced or naturally acquired
mucosal disease, or with naturally acquired chronic bovine viral diarrhea. Am J Vet Res
1991;52(2):269-75.

20. Kimura M. A simple method for estimating evolutionary rate of base substitutions
through comparative studies of nucleotide sequences. J Molec Evol 1980;16:111-120.

21. Tamura K. Estimation of the number of nucleotide substitutions when there are strong
transition-transversion and G + C-content biases. Molec Biol Evol 1992;9:678-687.

22. Fray MD, Paton DJ, Alenius S. The effects of bovine viral diarrhoea virus on cattle
reproduction in relation to disease control. Anim Reprod Sci 2000;60-61:615-27. doi:
10.1016/s0378-4320(00)00082-8.

23. Kameyama K, Konishi M, Tsutsui T, Yamamoto T. Survey for detecting persistently


infected cattle with bovine viral diarrhea in Japan J Vet Med Sci 2016;78(8):1329–31.

24. Gunn HM. Role of fomites and flies in the transmission of bovine viral diarrhoea virus.
Vet Rec 1993;132(23):584-5. doi: 10.1136/vr.132.23.584.

25. Brock KV, Redman DR, Vickers ML, Irvine NE. Quantitation of bovine viral diarrhea
virus in embryo transfer flush fluids collected from a persistently infected heifer. J Vet
Diagn Invest 1991;3(1):99-100. doi: 10.1177/104063879100300127.

26. Lang-Ree JR, Vatn T, Kommisrud E, Loken T. Transmission of bovine viral diarrhoea
virus by rectal examination. Vet Rec 1994;135(17):412-3. doi: 10.1136/vr.135.17.412.

27. Gómez-Romero N, Velázquez-Salinas L, Ridpath JF, Verdugo-Rodríguez A, Basurto-


Alcántara FJ. Detection and genotyping of bovine viral diarrhea virus found
contaminating commercial veterinary vaccines, cell lines, and fetal bovine serum lots
originating in Mexico. Arch Virol 2021;166(7):1999-2003. doi: 10.1007/s00705-021-
05089-9.

28. Revell SC, Chasey D, Drew TD, Edwards S. Some observations on the semen of bulls
persistently infected with bovine virus diarrhoea virus. Vet Rec 1988;123(5):122-5. doi:
10.1136/vr.123.5.122.

29. Grooms DL, Ward LA, Brock KV. Morphologic changes and immunohistochemical
detection of viral antigen in ovaries from cattle persistently infected with bovine viral
diarrhea virus. Am J Vet Res 1996;57(6):830-3.

30. Meyling A, Jensen AM Transmission of bovine virus diarrhoea virus (BVDV) by


artificial insemination (AI) with semen from a persistently-infected bull. Vet Microbiol
1988;17(2):97-105. doi: 10.1016/0378-1135(88)90001-6.

258
Rev Mex Cienc Pecu 2023;14(1):248-259

31. Roeder PL, Harkness JW. BVD virus infection: prospects for control. Vet Rec
1986;118(6):143-7. doi: 10.1136/vr.119.6.143.

32. Hamers C, Lecomte C, Kulcsar G , Lambot M, Pastoret PP. Persistently infected cattle
stabilise bovine viral diarrhea virus leading to herd specific strains. Vet Microbiol
1998;61(3):177-82. doi: 10.1016/s0378-1135(98)00185-0.

33. Grooms DL, Brock KV, Pate JL, Day ML. Changes in ovarian follicles following acute
infection with bovine viral diarrhea virus. Theriogenology. 1998;49(3):595-605. doi:
10.1016/s0093-691x(98)00010-7.

34. Ssentongo YK, Johnson RH, Smith JR. Association of bovine viral diarrhoea-mucosal
disease virus with ovaritis in cattle. Aust Vet J 1980;56(6):272-3. doi: 10.1111/j.1751-
0813.1980.tb05722.x.

35. Windsor P. Abnormalities of development and pregnancy. Noakes ED, et al, editors.
England, Vet Rep Obst (Tenth ed), W.B. Saunders, 2019; ISBN 9780702072338,
https://doi.org/10.1016/B978-0-7020-7233-8.00009-4.

36. Gómez-Romero N, Ridpath JF, Basurto-Alcántara FJ, Verdugo-Rodríguez A. Bovine


viral diarrhea virus in cattle from Mexico: Current Status. Front Vet Sci 2021;8:673577.
doi: 10.3389/fvets.2021.673577.

37. Fulton RW, Whitley EM, Johnson BJ, Ridpath JF, Kapil S, Burge LJ, Cook BJ, Confer
AJ. Prevalence of bovine viral diarrhea virus (BVDV) in persistently infected cattle and
BVDV subtypes in affected cattle in beef herds in south central United States. Can J Vet
Res 2009;73(4):283-91.

38. Gómez-Romero N, Basurto-Alcántara FJ, Verdugo-Rodríguez A, Bauermann FV,


Ridpath JF, Genetic diversity of bovine viral diarrhea virus in cattle from Mexico. J Vet
Diagn Invest 2017;29(3):362-365. doi: 10.1177/1040638717690187.

259
Revista Mexicana de Ciencias Pecuarias
Edición Bilingüe
Rev. Mex. Cienc. Pecu. Vol. 14 Núm. 1, pp. 1-259, ENERO-MARZO-2023 Bilingual Edition
ISSN: 2448-6698
CONTENIDO
CONTENTS

ARTÍCULOS / ARTICLES Pags.


Identification of candidate genes and SNPs related to cattle temperament using a GWAS analysis coupled with an interacting network analysis
Identificación de genes candidatos y SNP relacionados con el temperamento del ganado utilizando un análisis GWAS junto con un análisis de redes interactuantes
Francisco Alejandro Paredes-Sánchez, Ana María Sifuentes-Rincón, Edgar Eduardo Lara-Ramírez, Eduardo Casas,
Felipe Alonso Rodríguez-Almeida, Elsa Verónica Herrera-Mayorga, Ronald D. Randel......……………………………………………………………………........………………....…....…....…....…....…....….................…..........….........1

Revista Mexicana de Ciencias Pecuarias Rev. Mex. Cienc. Pecu. Vol. 14 Núm. 1, pp. 1-259, ENERO-MARZO-2023
Efecto de la consanguinidad y selección sobre los componentes de un índice productivo en ratones bajo apareamiento estrecho
Effect of consanguinity and selection on the components of a productive index, in mice under close mating
Dulce Janet Hernández López, Raúl Ulloa Arvizu, Carlos Gustavo Vázquez Peláez, Graciela Guadalupe Tapia Pérez………………………...................................................................................................................23

Variabilidad genética en biomasa aérea y sus componentes en alfalfa bajo riego y sequía
Genetic variability in aerial biomass and its components in alfalfa under irrigation and drought
Milton Javier Luna-Guerrero, Cándido López-Castañeda......……..…….....…….....……................……..…...............................................................................................................................................................…….39

Estimación de masa de forraje en una pradera mixta por aprendizaje automatizado, datos del manejo de la pradera y meteorológicos satelitales
Estimation of forage mass in a mixed pasture by machine learning, pasture management and satellite meteorological data
Aurelio Guevara-Escobar, Mónica Cervantes-Jiménez, Vicente Lemus-Ramírez, Adolfo Kunio Yabuta-Osorio, José Guadalupe García-Muñiz….........…….....…….....…..….....……..........…….....…….....……...........61

Thymol and carvacrol determination in a swine feed organic matrix using Headspace SPME-GC-MS
Determinación de timol y carvacrol en una matriz orgánica de alimento para cerdo utilizando Headspace SPME-GC-MS
Fernando Jonathan Lona-Ramírez, Nancy Lizeth Hernández-López, Guillermo González-Alatorre,
Teresa del Carmen Flores-Flores, Rosalba Patiño-Herrera, José Francisco Louvier-Hernández.........….........…......…......…......…......…......…......…......…......…......…......…......…......…......…......…..……..78

Cambios en el recuento de cuatro grupos bacterianos durante la maduración del Queso de Prensa (Costeño) de Cuajinicuilapa, México
Changes in the count of four bacterial groups during the ripening of Prensa (Costeño) Cheese from Cuajinicuilapa, Mexico
José Alberto Mendoza-Cuevas, Armando Santos-Moreno, Beatriz Teresa Rosas-Barbosa, Ma. Carmen Ybarra-Moncada, Emmanuel Flores-Girón, Diana Guerra-Ramírez….....…….......……..........….............94

Detección molecular de un fragmento del virus de lengua azul en borregos de diferentes regiones de México
Molecular detection of a fragment of bluetongue virus in sheep from different regions of Mexico
Edith Rojas Anaya, Fernando Cerón-Téllez, Luis Adrián Yáñez-Garza, José Luis Gu�érrez-Hernández, Rosa Elena Sarmiento-Salas, Elizabeth Loza-Rubio….............…………...…….…………........................…......110

Insulin-like growth factor 1 (IGF-1) concentrations in synovial fluid of sound and osteoarthritic horses,
and its correlation with proinflammatory cytokines IL-6 and TNFα
Concentraciones del factor de crecimiento similar a la insulina 1 (IGF-1) en el líquido sinovial de caballos
sanos y osteoartríticos, y su correlación con las citoquinas proinflamatorias IL-6 y TNFα
Fernando García-Lacy F., Sara Teresa Méndez-Cruz, Horacio Reyes-Vivas, Victor Manuel Dávila- Borja, Jose Alejandro Barrera-Morales,
Gabriel Gu�érrez-Ospina, Margarita Gómez-Chavarín, Francisco José Trigo-Tavera……..….....…….....…....….....……...……..…..……..…..……..…..……..…..……..…..……..…..……..…..……..…..……..…..……..….......……..….122

Uso de células estromales mesenquimales derivadas de la gelatina de Wharton para el tratamiento de uveítis recurrente equina: estudio piloto
Use of Wharton&#39;s jelly-derived mesenchymal stromal cells for the treatment of equine recurrent uveitis: a pilot study
María Masri-Daba, Montserrat Erandi Camacho-Flores, Ninnet Gómez-Romero, Francisco Javier Basurto Alcántara…………………….…….......….…………...............................................................................…….137

Escala de la producción y eficiencia técnica de la ganadería bovina para carne en Puebla, México
Scale of production and technical efficiency of beef cattle farming in Puebla, Mexico
José Luis Jaramillo Villanueva, Lisse�e Abigail Rojas Juárez, Samuel Vargas López…………………………………….....……..........…….....…….....…….....….....…….....…….....…….......…….....…….......…….....……..........…......154

Regresión cuantil para predicción de caracteres complejos en bovinos Suizo Europeo usando marcadores SNP y pedigrí
Quantile regression for prediction of complex traits in Braunvieh cattle using SNP markers and pedigree
Jonathan Emanuel Valerio-Hernández, Paulino Pérez-Rodríguez, Agus�n Ruíz-Flores……………………....…….......….....…….......….....…......…......…......…......…......…......…......…......…......…..........….....…….....……...172

Análisis de crecimiento estacional de una pradera de trébol blanco (Trifolium repens L)


Seasonal growth analysis of a white clover meadow (Trifolium repens L.)
Edgar Hernández Moreno, Joel Ventura Ríos, Claudia Yanet Wilson García, María de los Ángeles Maldonado Peralta,
Juan de Dios Guerrero Rodríguez, Graciela Munguía Ameca, Adelaido Rafael Rojas García....................................................................................…………………………………………………………….……………...........…190

REVISIONES DE LITERATURA / REVIEWS


Aspects related to the importance of using predictive models in sheep production. Review
Aspectos relacionados con la importancia del uso de modelos predictivos en la producción ovina. Revisión
Antonio Leandro Chaves Gurgel, Gelson dos Santos Difante, Luís Carlos Vinhas Ítavo, João Virgínio Emerenciano Neto, Camila Celeste Brandão Ferreira Ítavo,
Patrick Bezerra Fernandes, Carolina Marques Costa, Francisca Fernanda da Silva Roberto, Alfonso Juven�no Chay-Canul……....……....……....……....……....……....……....……....……....……....……....……....…….......204

NOTAS DE INVESTIGACIÓN / TECHNICAL NOTES


Preferencia de ocho plantas por Odocoileus virginianus en cautiverio
Preference for eight plants among captive white-tailed deer Odocoileus virginianus in Veracruz, Mexico
Hannia Yaret Cueyactle-Cano, Ricardo Serna-Lagunes, Norma Mora-Collado, Pedro Ze�na-Córdoba, Gerardo Benjamín Torres-Cantú..……..………………..………..………..………..……….........………...……....…..……228

Rendimiento y valor nutricional de brásicas forrajeras en comparación con forrajes tradicionales


Yield and nutritional value of forage brassicas compared to traditional forages
David Guadalupe Reta Sánchez, Juan Isidro Sánchez Duarte, Esmeralda Ochoa Mar�nez, Ana Isabel González Cifuentes, Arturo Reyes González, Karla Rodríguez Hernández...........................…………..…..237

Genetic characterization of bovine viral diarrhea virus 1b isolated from mucosal disease
Caracterización del virus de la diarrea viral bovino subtipo 1b aislado de un caso de la enfermedad de las mucosas
Roberto Navarro-López, Juan Diego Perez-de la Rosa, Marisol Karina Rocha-Mar�nez, Marcela Villarreal-Silva, Mario Solís-Hernández, Eric Rojas-Torres, Ninnet Gómez-Romero........................…………...248

Rev. Mex. Cienc. Pecu. Vol. 14 Núm. 1, pp. 1-259, ENERO-MARZO-2023

También podría gustarte