Un recente studio condotto da ricercatori dell’Università di Padova, in collaborazione con ricercatori del Centro Europeo di Risonanze Magnetiche (CERM) di Firenze, ha dimostrato come sia possibile applicare la spettroscopia di risonanza magnetica nucleare per l’analisi del metaboloma del latte bovino, al fine di studiarne l’associazione con lo stato di salute della mammella.
Negli ultimi decenni, la capacità di monitorare lo stato di salute della mammella nelle vacche da latte è diventata uno dei punti chiave dell’intera filiera lattiero-casearia. In particolare, la mastite subclinica, infiammazione della ghiandola mammaria senza sintomi evidenti, è associata a un aumento della conta delle cellule somatiche (SCC) e a una diminuzione della produzione e della qualità del latte [1]. Lo sviluppo di strumenti per l’identificazione degli animali affetti da mastite subclinica è di grande interesse, poiché aiuterebbe gli allevatori nella gestione della malattia e nella prevenzione di gravi esiti clinici. A tal fine, le SCC vengono ampiamente utilizzate quale indicatore per lo screening della mastite subclinica [2] e per la selezione genetica di animali meno suscettibili a questa patologia [3]. Più recentemente, la conta differenziale delle cellule somatiche (DSCC), che rappresenta la percentuale di neutrofili e linfociti rispetto al totale delle SCC, è stata proposta come un nuovo indicatore di salute della mammella [4]. L’uso combinato di SCC e DSCC fornisce un quadro più dettagliato dello stato di salute della ghiandola mammaria, consentendo di identificare le vacche sane con maggiore precisione e anche di distinguere gli animali suscettibili da quelli con mastite acuta o cronica [5].
La risonanza magnetica nucleare (NMR) è una tecnica spettroscopica che trova applicazione in diverse aree disciplinari, tra cui il settore agroalimentare. L’analisi NMR del profilo metabolomico del latte è un approccio sperimentale che punta all’identificazione e quantificazione dei metaboliti presenti nel secreto, ovvero dei composti derivanti delle varie vie metaboliche. Alcuni studi [6,7] hanno messo in relazione il metaboloma del latte e dei suoi derivati con la qualità del latte stesso, la sua origine geografica, lo stato fisiologico dell’animale e il processo di caseificazione. Presupponendo che metaboliti prodotti da un organismo sano siano diversi da quelli prodotti dallo stesso organismo in uno stato patologico, l’analisi delle differenze tra profili metabolici può fornire utili informazioni circa lo stato di salute dell’animale. Lo studio del profilo metabolomico del latte caratterizzato da basse o elevate SCC rappresenta un approccio innovativo per fare luce sulla fisiologia dell’animale alla base dell’insorgenza della mastite [8]. Scopo di questo studio è stato quello di approfondire tali aspetti, indagando il profilo metabolomico di campioni di latte caratterizzati da livelli variabili di SCC e DSCC.
Figura 1. Risultati dell’analisi delle componenti principali (PCA) eseguita sugli spettri NMR dei 120 campioni di latte. Ogni animale è associato a un colore diverso (“Cow ID”) e i quattro quarti (“Udder”) sono numerati da 1 a 4 [1 = anteriore sinistro (FL), 2 = anteriore destro (FR), 3 = posteriore destro (RR) e 4 = posteriore sinistro (RL)]. Le tre giornate di campionamento (“Day”) sono codificate da simboli diversi (primo giorno di campionamento = cerchio; secondo giorno di campionamento = quadrato; terzo giorno di campionamento = rombo). Fonte: Bobbo et al. (2022)
I campioni di latte sono stati raccolti a livello di singolo quarto in triplicato (giorni 1-3) da 10 bovine di razza Pezzata Rossa, di cui 5 definite come “casi” e 5 come “controlli” sulla base del livello di SCC totale al giorno 0 (“controlli”: SCC < 35.000 cellule/mL; “casi”: SCC > 100.000 cellule/mL). Pertanto, sono stati prelevati complessivamente 120 campioni (10 animali x 4 quarti x 3 giorni) e analizzati per batteriologia, composizione del latte, SCC, DSCC e metaboloma del latte attraverso approccio NMR. L’analisi batteriologica ha evidenziato la presenza per lo più di stafilococchi coagulasi-negativi nel latte raccolto da quarti di vacche definite come “casi”. Gli spettri NMR di tutti i campioni sono stati inizialmente analizzati utilizzando l’analisi delle componenti principali (PCA), che ha rivelato un’impronta metabolomica specifica di ciascuna vacca (Figura 1). Una successiva analisi attraverso la metodica OPLS-DA (Orthogonal Projections to Latent Structures Discriminant Analysis) ha confermato indiscutibilmente che ogni vacca poteva essere identificata molto bene in base alla sua impronta metabolomica del latte (accuratezza = 95,8%), evidenziando inoltre una buona capacità del modello statistico di discriminare i campioni di latte di vacche classificate come “controlli” da quelli di vacche classificate come “casi” (Figura 2). Successivamente, sono stati testati altri 11 modelli statistici, creati non più utilizzando la classificazione “caso”/”controllo” stabilita a priori dai ricercatori ma utilizzando una classificazione rischio alto/basso di mastite basata su soglie diverse di SCC (100.000 e 200.000 cellule/mL) o DSCC (50, 60, 65, 70 e 80%) o una combinazione di entrambi i caratteri.
Figura 2. Risultati dell’analisi OPLS-DA (Orthogonal Projections to Latent Structures Discriminant Analysis) condotta sugli spettri NMR del latte. Il modello statistico è stato allenato per discriminare i campioni di latte di vacche classificate come “controlli” (in giallo) da quelli di vacche classificate come “casi” (in rosso). Fonte: Bobbo et al. (2022)
Il confronto di tali modelli ha confermato l’ipotesi di una migliore capacità di classificazione dello stato di salute della mammella unendo le informazioni fornite sia dalle SCC che dalle DSCC. In particolare, l’accuratezza più alta di classificazione è stata ottenuta combinando una soglia di SCC pari a 200.000 cellule/mL con una soglia di DSCC pari al 60%. La combinazione delle soglie di SCC e DSCC consente di distinguere meglio i quarti sani (quelli con SCC e DSCC basse) dai quarti mastitici (quelli con SCC e DSCC alte), escludendo i quarti suscettibili alla mastite (con SCC basse ma DSCC alte, ad indicare la presenza di un aumento dei livelli di neutrofili, cioè di una risposta infiammatoria) e quarti infiammati cronicamente (dove alti livelli di SCC sono principalmente dovuti ad un alto contenuto di macrofagi) [5]. L’analisi univariata eseguita sui 34 metaboliti quantificati, ha messo in luce contenuti più bassi di 12 metaboliti (riboflavina, galattosio, galattosio-1-fosfato, dimetilsulfone, carnitina, ippurato, orotato, glutammato, lecitina, succinato, glucosio e lattosio) e contenuti più elevati di 7 metaboliti (valina, acetato, 2-ossoglutarato, O-acetilcarnitina, colina, fenilalanina e lattato) in campioni di latte con elevate SCC e DSCC (Figura 3). Variazioni dei metaboliti del latte a causa di valori elevati di SCC erano stati riportati precedentemente in letteratura [8].
I risultati di questo studio suggeriscono come un aumento delle SCC e delle DSCC sia associato a variazioni dell’impronta metabolomica del latte e mettono in evidenza il potenziale utilizzo di diversi metaboliti quali nuovi indicatori dello stato di salute della mammella e della qualità del latte.
Il presente articolo è una sinossi della ricerca Bobbo et al., 2022. Journal of Dairy Science, 105(1), 535-548.
A cura di:
di Tania Bobbo1, *, Gaia Meoni2,3, Giovanni Niero1, Leonardo Tenori2,3, Claudio Luchinat2,3, Martino Cassandro1,4 e Mauro Penasa1
1Dipartimento di Agronomia, Animali, Alimenti, Risorse naturali e Ambiente, Università degli Studi di Padova, Legnaro (PD), Italia
2Centro Europeo di Risonanze Magnetiche (CERM) e Dipartimento di Chimica “Ugo Schiff”, Università di Firenze, Sesto Fiorentino (FI), Italia
3Consorzio Interuniversitario Risonanze Magnetiche Metallo Proteine (CIRMMP), Sesto Fiorentino (FI), Italia
4Associazione Nazionale Allevatori della Razza Frisona Bruna e Jersey Italiana, Cremona, Italia
*Nuove affiliazioni: Istituto di Biologia e Biotecnologia Agraria, Consiglio Nazionale delle Ricerche, Milano, Italia; Dipartimento di Scienze Agrarie e Ambientali – Produzione, Territorio, Agroenergia, Università degli Studi di Milano, Milano, Italia
