Het effect van de beer op toomgrootte: klein, maar bruikbaar voor fokkerij

Wanneer in de praktijk over toomgrootte wordt gesproken, ligt de focus terecht op de zeug. Genetica van de moederlijn, conditie, bronstmanagement, voeding, gezondheid en kraammanagement bepalen het grootste deel van het resultaat. Toch is het zinvol om ook naar een tweede factor te kijken: de KI-beer kan eveneens een meetbare invloed hebben op het aantal levend geboren biggen. Dit zogenaamde Beer effect is geen “wondermiddel”, maar een extra bouwsteen die moderne fokprogramma’s gericht kunnen benutten.

Wat betekent “Beer effect” in de praktijk?

Met het Beer effect wordt niet alleen “drachtig of niet” bedoeld, maar ook de invloed van de beer op kenmerken rondom het werpen – met name het aantal levend geboren biggen. Biologisch kan dit via verschillende mechanismen verlopen: kwaliteit en stabiliteit van de bevruchting, vroege embryonale ontwikkeling of factoren die zich pas na bevruchting uiten. Belangrijk voor de praktijk: het effect van de beer is klein ten opzichte van dat van de zeug, maar kan per beer zichtbaar worden wanneer er veel inseminaties plaatsvinden.

Praktijkdata zijn goud waard – mits correct geïnterpreteerd

Vandaag de dag wordt meer vruchtbaarheidsdata verzameld dan ooit – niet alleen op fokbedrijven, maar ook op praktijkbedrijven. KI-stations en varkenshouders zorgen ervoor dat dek- en werpdata systematisch worden vastgelegd, gecontroleerd en gebruikt voor evaluaties. Hoe meer data uit verschillende bedrijven samenkomen, hoe groter de kans dat kleine effecten zichtbaar worden.

Bij kleine effecten is de datastructuur echter cruciaal. In de praktijk zijn verdelingen vaak scheef: Piétrain is al jaren dominant, terwijl het gebruik van PIC 800 Duroc-genetica pas recent sterk is toegenomen. Daarnaast beperken selectiecriteria de dataset, bijvoorbeeld wanneer alleen bedrijven worden meegenomen die meerdere eindberenlijnen parallel gebruiken. Ook zijn data verspreid over verschillende genetica-aanbieders, zeugenlijnen, worpnummers en managementniveaus. Zonder goede correcties kunnen schijnbare lijn- of beereffecten snel worden overschat.

De praktische conclusie: praktijkdata laten zien wat er gebeurt onder reële omstandigheden. Voor fokbeslissingen zijn echter modellen nodig die het beereffect scheiden van zeugeffecten, bedrijfsinvloeden en tijdstrends – zodat observaties betrouwbare selectiecriteria worden.

Wat laten grote datasets uit het PIC-fokprogramma zien?

PIC-onderzoekers hebben dit uitgewerkt in een uitgebreide wetenschappelijke analyse. Het Beer effect werd als afzonderlijke genetische component geschat op basis van:

• circa 80.000 worpen
• circa 40.000 zeugen
• circa 1.600 KI-beren
• drie zuivere eindberenlijnen (2020–2024)

De kracht zit niet alleen in het aantal worpen, maar in de diepte van de genetische data:

• stambomen met circa 8 miljoen dieren
• circa 450.000 dieren met genotypering

Hierdoor kunnen kleine genetische verschillen betrouwbaar worden herkend en benut in het fokprogramma.

Belangrijkste resultaten:

• Erfelijkheid Beer effect: 0,01 – 0,03
• Erfelijkheid zeugeffect: 0,09 – 0,15
• Verschillen tot ca. 2% in aantal levend geboren biggen

Praktische vertaling: het vaderlijke effect bestaat, maar is klein. Juist daarom is het geschikt voor systematische, data-gedreven selectie.

Spermakwaliteit: belangrijk, maar niet het hele verhaal

In de praktijk worden verschillen tussen beren vaak verklaard via spermakwaliteit. Kenmerken zoals motiliteit en morfologische afwijkingen zijn goed meetbaar en genetisch te verbeteren.

Erfelijkheid van deze kenmerken:

• Motiliteit: ca. 0,10 – 0,12
• Morfologische afwijkingen: ca. 0,17 – 0,28

Conclusie: spermakwaliteit is belangrijk, maar verklaart slechts een klein deel van het Beer effect. De echte meerwaarde ontstaat door KI-data en werpdata gecombineerd en genetisch correct te analyseren.

Implementatie in het PIC-fokprogramma

Wanneer het Beer effect als aparte bouwsteen wordt meegenomen, kunnen ongunstige berenlijnen gericht worden uitgesloten en gunstige lijnen systematisch worden benut.

• “Spermakwaliteit” zit al >10 jaar in de index
• Sinds zomer 2025: ook “Beer effect (toomgrootte)” opgenomen in de wekelijkse fokwaardeschatting

Wat betekent dit voor de zeugenhouder?

• De grootste hefboom blijft de zeug (genetica + management)
• De beer levert een kleine, maar meetbare bijdrage
• Let op toeval bij individuele resultaten – veel worpen nodig voor betrouwbaarheid
• Goede registratie is cruciaal (worpnummer, levend/dood geboren, overleggen, uitval, gezondheid)
• Data terugkoppelen verbetert evaluaties en fokbeslissingen

Conclusie

Het Beer effect op toomgrootte vervangt geen goed management of sterke zeugenlijnen, maar is een extra genetische bouwsteen die zichtbaar wordt in grote, goed gekoppelde datasets. Waar data, stambomen, genotypering en analyse samenkomen, kan dit effect niet alleen worden aangetoond, maar ook consequent worden benut in selectie en fokprogramma’s.

Voor de praktijk betekent dit: minder focus op individuele gevallen, en meer sturen op robuuste, data-gedreven beslissingen.