NrfTwin: Advancing Sustainable Breeding of Norwegian Red Dairy Cattle through Digital Twin

Målet med dette prosjektet er å optimalisere avlsprogrammet for Norsk Rødt Fe (NRF) gjennom integrering av NrfTwin. NrfTwin er en digital tvilling av avlsprogrammet for NRF. NrfTwin gjør det mulig å simulere ulike endringer i avlsprogrammet, for å oppnå betydelige og bærekraftige fremskritt for genetisk fremgang, uten at endringene utgjør risiko for endring av genetikken i NRF-populasjonen. Hovedfokuset er å gjøre NRF enda mer bærekraftig, ved å øke effektiviteten og redusere klimagassutslipp. Det første målet er genetisk forbedring av fôreffektivitet og metanutslipp ved bruk av informasjon fra infrarød spektroskopi på melk, som er tilgjengelige for hver ku i Norge. Det andre målet er å optimalisere reproduksjons- og genomiske teknologier i det nåværende avlsprogrammet. Det tredje målet er å analysere potensialet for å heve det nåværende avlsprogrammet, gjennom en effektiv fusjon av informasjon fra både renrasede og krysninger. Resultatene fra prosjektet har nytteverdi også utenfor vår organisasjon. Vi bidrar til økt ressursutnyttelse, redusert klimaavtrykk, forbedret lønnsomhet for bønder og spredning av kunnskap. Prosjektets resultater skal gi en høyere avkastning på investeringen i avlsprogrammet for NRF, og styrker Geno som en mer effektiv og konkurransedyktig aktør i storfeavlsindustrien.

The project aims to improve the Norwegian Red Dairy Cattle (NR) breeding program through the integration of digital twin of Geno's breeding program (NrfTwin) and advanced breeding techniques. By utilizing NrfTwin simulations and data-driven approaches, the project seeks to optimize the breeding program for increased genetic progress in feed efficiency, methane emission reduction, fertility rates, and overall sustainability. The implementation of NrfTwin will enable rapid evaluation of different breeding scenarios and selection criteria without risking the genetics of the national herd. Through multidisciplinary collaboration and advanced data management systems, the project aims to foster innovation, collaboration, and continuous learning within the organization. The innovation addresses the need to improve the environmental impact of dairy cattle breeding by prioritizing traits that promote productivity, efficiency, and sustainability. By incorporating advanced breeding techniques and leveraging genetic advancements, the project aims to enhance the competitiveness of NR genetics in national and international markets. The research also focuses on optimizing the phenotyping, genotyping, and genetic evaluation methodology to maximize selection accuracy and genetic gain. The use of milk infra-red spectra and advanced prediction machinery will further contribute to the optimization of the breeding program. The project has significant positive impacts on society, including increased resource efficiency, reduction of environmental footprint, improved profitability for farmers, self-sufficiency in food production, and dissemination of knowledge. Overall, the project's outcomes will enhance the return on investment in the NR breeding program, positioning Geno as a more efficient and competitive organization in the dairy cattle breeding industry.