No se trata, como muchos pensarán, de lo que queda en los comederos tras el paso de los animales. El RFI (residual feed income), podría ser traducido más precisamente como “eficiencia neta de conversión”, es decir, la eficiencia de conversión corregida por crecimiento y tamaño del animal, y sirve para medir la variación en el consumo de alimento más allá del requerido por un animal para mantenerse y crecer.
En promedio, los bovinos necesitan 7 kilos de alimento para producir un kilo de carne, pero hay algunos que necesitan un poco más y otros que necesitan un poco menos. Conocer esta variabilidad permite seleccionar a los que hacen una mejor conversión para reducir el consumo y mejorar la rentabilidad de las empresas.
La heredabilidad del consumo residual es suficientemente alta como para incluirla en programas de selección genética. “Los animales con bajo RFI son más eficientes en la conversión de alimento. Probablemente hay cuestiones asociadas a la digestión, tienen procesos más eficientes de captura de energía -emiten menos metano-. Si tenemos animales sanos y con mejor metabolismo proteico, probablemente tenemos animales más eficientes”, detalló el especialista del INTA Anguil Aníbal Pordomingo.
La dificultad que presenta el RFI es que es complejo medir el consumo de cada animal, pero ya se está haciendo a modo experimental, con buenos resultados a través de unos comederos inteligentes desarrollados por el INTA, donde se pueda medir durante 70 días el consumo minuto a minuto de un grupo de toros para conocer su RFI, cuyos datos fueron cruzados con otros como la calidad de semen y el peso al nacer para seleccionar a los mejores individuos globalmente.
La experiencia tiene antecedentes en el mundo. En Sudáfrica, hay un feedlot comercial de 12.000 cabezas que usando una plataforma para la recolección de datos de RFI, logró aumentar 200 gramos por día la producción de carne y pasar de 7 a 5,5 kilos de alimento consumido por kilo de carne producido.
Posiblemente la principal dificultad que presenta esta información es que está basada en datos fenotípicos, es decir que surgen de la observación empírica, y para trasladarlos a un uso masivo es necesario traducirlos a datos genéticos. Los efectos sobre el sistema serían una mejora en la productividad con el mismo consumo manteniendo el biotipo, una mayor receptividad de los recursos forrajeros, mejor rentabilidad y reducción de emisiones de metano del 33 por ciento. Con solo evitar usar los animales de alto RFI ya estamos haciendo un progreso en forma global.
Por ello el desafío concreto es que hay que evaluar gran cantidad de animales fenotípicamente para pasar a una evaluación genética y, luego, a una selección genómica con todo lo que eso implica para su puesta en marcha, sumado a que hay que disponer de los equipos para tomar la información y así poder procesarla para asegurar su objetividad.
