Hva om vi kunne avle sauer som produserer mindre metan og er mer fôreffektive?
Dette er kjernen i forskningsprosjektet SustainSheep. Forskere fra Irland, Storbritannia, New Zealand, Frankrike, Uruguay og Norge samarbeider for å utforske hvordan avl kan bidra til å redusere klimafotavtrykket fra saueproduksjon.
En sentral teknologi i prosjektet er Portable Accumulation Chambers (PAC) – mobile målekamre for enterisk metanutslipp. Dette er metan som hovedsakelig produseres i vomma under fordøyelsen. PAC brukes til å måle utslipp fra individuelle sauer under feltforhold. Målingene brukes til å undersøke genetikken bak enterisk metanutslipp og fôreffektivitet (hvor effektivt fôret omdannes til produkter som kjøtt), med mål om å utvikle nye avlsmål som bidrar til å nå klimamålene.
I Norge er både NMBU og Norsk Sau og Geit (NSG) partnere i prosjektet. Det norske arbeidet fokuserer på å identifisere indirekte mål for fôropptak hos søyer, estimere forventet effekt av ulike avlsstrategier for lavere enterisk metanutslipp og/eller forbedret fôreffektivitet, og vurdere hvordan genetisk framgang i disse egenskapene påvirker klimagassutslipp per kilo produsert produkt (utslippsintensitet) – altså slakt og ull.
Fôropptak i felt er både kostbart og arbeidskrevende å måle i grovfôrbaserte produksjonssystemer. Muligheten for å predikere tørrstoffopptak hos søyer ved hjelp av PAC-målinger ble derfor undersøkt ved bruk av data fra prosjektet GrassToGas (2019–2023). Søyer fra to raser – Norsk kvit sau (NKS; stor moderne rase) og Gammelnorsk spælsau (liten, ekstensiv rase) – ble fulgt gjennom to fôringsforsøk med surfôr og ferskt gras. Fra forsøkene var både fôropptak og PAC målinger tilgjengelige.
Metan (CH4), karbondioksid (CO2) og oksygen (O2)-utslipp, sammen med kroppsvekt (BW) og spisetid (ET), ble brukt som prediktorer i ulike maskinlæringsmodeller (datadrevne metoder der mønstre i data brukes til å gjøre prediksjoner uten eksplisitt programmering). Den beste modellen, som inkluderte PAC-egenskaper, BW og ET, oppnådde en R² på 0,77 og en gjennomsnittlig prosentvis feil (MAPE) på 13,8 % på testdata. CH4- og CO2-utslipp viste sterk individuell korrelasjon med tørrstoffopptak (r? = 0,76–0,81), noe som tyder på at de kan brukes som indirekte mål for fôropptak. Interessant nok var enklere modeller som kun brukte PAC-egenskaper nesten like gode til å rangere dyr, noe som indikerer potensialet for estimering av fôropptak i avlsprogrammer og beitebaserte systemer.
For å vurdere den langsiktige effekten av avl for reduserte enterisk metanutslipp og forbedret fôreffektivitet, er det utviklet en simuleringsmodell – en såkalt digital tvilling. Den digitale tvillingen simulerer det norske avlsprogrammet for NKS, og gjør det mulig å teste ulike avlsstrategier i et virtuelt miljø. Utviklingen av denne modellen er nå i sluttfasen og vil bli brukt til å evaluere effekten av ulike avlsstrategier, slik som varierende vektlegging av enterisk metanutslipp i avlsmålet, samt betydningen av hvor mange søyer som blir fenotypet og genotypet i værringene årlig.
Den digitale tvillingen simulerer genetiske og fenotypiske endringer over flere generasjoner. Modellen starter med en basepopulasjon på 5 000 søyer som parres tilfeldig over 5 000 generasjoner for å sikre genetisk variasjon. Fra denne basispopulasjonen trekkes tilfeldig en founderpopulasjon som brukes som utgangspunkt for avlssimuleringene. Alle individer får tildelt en genetisk profil, inkludert kvantitative genloci (QTL-er), som er et gen eller område på et kromosom som påvirker en spesifikk egenskap.
For hver egenskap defineres parametere som arvegrad, i hvilket kjønn egenskapen uttrykkes, og alder ved måling. Egenskapene som inkluderes er direkte og maternale effekter for tilvekst (f.eks. fødselsvekt, vår-, høst- og slaktevekt), slakteegenskaper (slakteklasse og fettgruppe), ullegenskaper (ullmengde og klasse), reproduksjonsegenskaper (lammetall og spenestørrelse), samt enterisk metanutslipp. Siden noen egenskaper henger sammen genetisk, tar simuleringen hensyn til dette for å sikre at resultatene blir både realistiske og nyttige i praksis.
I hver avlssyklus selekteres værer i ulike kategorier (prøvevær, avkomsgranska vær og elitevær) basert på total avlsverdi, som brukes til å pare et definert antall søyer. Avkommene fra disse paringene får oppdaterte genotyper og fenotyper, og avlsverdier beregnes for alle egenskaper. Simuleringen inkluderer også utrangering og oppdatering av databasen, slik at kun utvalgte avkom beholdes for videre avl.
Basert på simulerte endringer i fenotypiske verdier fra den digitale tvillingen – som levende vekt, antall avvente lam og enterisk metanutslipp – vil gårdsmodellen HolosNorSheep bli brukt til å beregne utslippsintensiteter. Dette gjør det mulig å estimere effekten av ulike avlsstrategier på klimagassutslipp per kilo produsert slakt og ull.
Slik vil SustainSheep bidra til en mer bærekraftig og klimavennlig saueproduksjon i Norge og internasjonalt.
Breeding can be a cost-effective way of reducing enteric methane (CH4) emissions from sheep, by direct selection for CH4 emissions or indirectly through improved productivity. Currently there is under-adoption of these measures as benefits are not captured by the market. Sustain Sheep builds on the successful Joint Call ERA-Net project Grass To Gas and will create infrastructure for incorporation of low environmental impact into national breeding schemes that dovetails into the IPCC inventory. Sustain Sheep is unique as all partner countries (Ireland, United Kingdom, New Zealand, France, Norway and Uruguay) have invested in the same CH4 measurement technology (Portable Accumulation Chambers).
Sustain Sheep will 1) review the current scientific status of the potential to breed sheep for reduced CH4 emissions (WP1), 2) investigate genetics of CH4 emission and feed efficiency and model the mitigation potential from breeding and give recommendations for new breeding goals (WP2), 3) forecast uptake rates, cost and abatement of breeding for reduced CH4 emissions (WP3) and 4) determine the best mechanism for dissemination and implementation of project result to maximize stakeholder involvement (WP4).
In Norway, genetic and genomic analyses of data from the Norwegian Sheep Recording System and the genomic reference population recorded for CH4 emission will be done by NSG (WP2.1). Machine learning to investigate relationships between GHG emission, ewe live weight and feed intake will be applied and validated by NMBU (WP2.2). The expected response to selection for breeding goals including enteric CH4 and/or feed efficiency will be predicted by NMBU using a digital twin of the Norwegian sheep breeding scheme and data from WP2.1, and the effect on emission intensities (kg CO2-equivalents per kg product) will be investigated using a whole-farm model. The impact of alternative breeding goals on GHG emissions at national level will be quantified using IPCC methodology (WP2.3).
