Prédiction de la production et de la composition de la matière grasse du lait par modélisation : rôle des flux de nutriments absorbés.

par Lucas de ofeu Aguiar Prado

Projet de thèse en Sciences de la vie et de la santé

Sous la direction de Anne Ferlay et de Philippe Schmidely.

Thèses en préparation à Paris Saclay , dans le cadre de Agriculture, Alimentation, Biologie, Environnement et Santé , en partenariat avec MoSAR - Modélisation Systémique Appliquée aux Ruminants - UMR AgroParisTech/iNRA MoSAR (laboratoire) et de institut des sciences et industries du vivant et de l'environnement (AgroParisTech) (établissement de préparation de la thèse) depuis le 18-05-2015 .


  • Résumé

    Des travaux antérieurs ont montré par une approche de modélisation le rôle de déterminants digestifs et mammaires sur la production et la composition de la matière grasse (MG) laitière. L'objectif de la thèse est de prédire la composition de la MG laitière basée sur les flux de nutriments absorbés. Les étapes à réaliser seront: - au niveau digestif, de prédire les flux des différents nutriments absorbés à partir des avancées obtenues dans le projet Systali , et d'approfondir la modélisation mécaniste de la biohydrogénation ruminale des acides gras polyinsaturés, et - au niveau mammaire, de développer un modèle empirique de la lipogenèse mammaire basé sur les relations entre les flux de nutriments absorbés et les flux d'acides gras sécrétés dans le lait, et de quantifier les mécanismes influençant la sécrétion des acides gras du lait. Le couplage des modèles développés aux niveaux digestif et mammaire permettra de prédire, à partir de l'alimentation, les flux d'AG sécrétés dans le lait, via les flux de nutriments absorbés et mobilisés sous-jacents.

  • Titre traduit

    Prediction of milk fat yield and composition by meta-analysis: role of absorbed nutrient flows.


  • Résumé

    The objective of the thesis is to predict the milk fat yield and the fatty acid composition based on absorbed nutrient flow, by the combination of meta-analysis and mechanistic modelling approaches. - Objectives At the digestive level : - To predict the flow of various absorbed nutrients such as individual long chain fatty acids (FA), acetate, propionate, butyrate, glucose, that are precursors or inhibitors of the mammary lipogenesis. This approach will be essentially based on recent scientific results obtained in the Systali Project (revision of Inra feed evaluation systems). The flows of nutrients will be calculated from dietary characteristics, including recent data on FA content and composition of forages (Glasser et al., 2013, Maxin et al., 2013) and the digestive model of Systali (Sauvant and Nozière 2013; Chapoutot et al., 2013). This approach will be based on a dataset from publications linking dietary characteristics and milk FA profile. - To improve the prediction of duodenal individual FA flows, and the refinement of a mechanistic model of in vitro RBH previously published (Glasser et al. 2007). The model will be further improved and validated using in vivo data, in particular indicators of the pH (regulators of the RBH) from the digestive model of Systali (NDF provided by the forage, degradable starch in the rumen…). At the mammary level: - An empirical model of mammary lipogenesis based on relationships between the flow of absorbed nutrient and FA secreted in the milk will be developed from a dataset of publications. The main objectives are to characterize and to quantify mechanisms (de novo synthesis, uptake of long chain FA, esterification, desaturation), and the associated regulations, affecting milk fatty acid secretion. These mechanisms will be ranked according to different nutritional factors (diets low or rich in lipids, undernutrition) or physiological situations (early vs mid-lactation). It is expected that the association of the models developed at the digestive and mammary levels will allow predicting the relationships among dietary characteristics and the flow of fatty acids secreted into the milk, from the flow of absorbed and mobilized nutrients. Different databases [AGRum (Glasser et al., 2008 ; Schmidely et al., 2008); Coppa et al., 2013] present in the 2 units will be updated by the student using recent results from the Project Systali, and will be subsequently interpreted by meta-analysis.