in-vivo-methoden zur analyse von muskelstoffwechsel und körperzusammensetzung beim schwein unter...

In-vivo-Methoden zur Analyse von Muskelstoffwechsel

und Körperzusammensetzung beim Schwein unter besonderer Berücksichtigung genetischer Einflüsse

Dr. agr. Armin M. Scholz

Oberschleißheim, 2002

Aus dem Institut für Tierzucht der Tierärztlichen Fakultät

der Ludwig-Maximilians-Universität München Lehrstuhl für Tierzucht und Allgemeine Landwirtschaftslehre

Univ.-Prof. Dr. Dr. Martin Förster

In-vivo-Methoden zur Analyse von Muskelstoffwechsel und Körperzusammensetzung beim Schwein unter

besonderer Berücksichtigung genetischer Einflüsse

HABILITATIONSSCHRIFT zur Erlangung der Lehrbefugnis

für das Fach Tierzucht und Allgemeine Landwirtschaftlehre an der Tierärztlichen Fakultät

der Ludwig-Maximilians-Universität München

eingereicht von

Dr. agr. Armin M. Scholz Oberschleißheim, 2002

Gutachter: Univ.-Prof. Dr. Dr. habil. M. Förster Univ.-Prof. Dr. Dr. habil. K. Heinritzi Univ.-Prof. Dr. A. Stolle Kolloquium: 03.12.2002

Für Wiebke und Lisanne

Teile der Habilitationsschrift wurden in folgenden Publikationen veröffentlicht:

Scholz, A.M., A.D. Mitchell, P.C. Wang, H. Song and Z. Yan (1995): Muscle metabolismand body composition of pigs with different ryanodine receptor genotypes studied bymeans of 31P nuclear magnetic resonance spectroscopy and 1H magnetic resonanceimaging. Arch. Tierzucht 38: 539-552.

Mitchell, A.D. and A.M. Scholz (1997): Dual-energy X-ray absorptiometry (DXA) analysisof growth and composition of pigs of different ryanodine receptor genotypes. Arch.Tierzucht 40: 47-56.

Mitchell, A.D., A.M. Scholz, and Harry J. Mersmann (2001): Growth and Body Composition(Chapter 6). In: Biology of the Domestic Pig, 2nd edition (Eds.: W. Pond and H.Mersmann) Cornell University Press, Ithaca, NY, USA: 225-308.

Mitchell, A.D. and A.M. Scholz (2001): Techniques for Measuring Body Composition ofSwine (Chapter 41). In: Swine Nutrition 2nd Edition (Ed.: A.J. Lewis and L. LeeSouthern), CRC Press, Boca Raton, FL, USA: 917-960.

Mitchell, A.D., A.M. Scholz, P.C. Wang and H. Song (2001): Body composition analysis ofthe pig by magnetic resonance imaging. J. Anim. Sci. 79: 1800-1813.

Auf weitere Ergebnisse oder Daten aus eigenen Arbeiten oder aus Arbeiten in

Zusammenarbeit mit anderen Wissenschaftlern wird gesondert im Text hingewiesen.

Inhaltsverzeichnis

a

Abkürzungsverzeichnis IDefinition statistischer Parameter VTabellenverzeichnis VIAbbildungsverzeichnis XIIGenehmigung der Tierversuche XVII

1 Einleitung 1

2 Methodenübersicht

2.1 Muskelstoffwechseluntersuchungen in vivo mittelsMagnetresonanz-Spektroskopie (MRS)

4

2.1.1 31P-Magnetresonanz-Spektroskopie 92.1.2 13C-Magnetresonanz-Spektroskopie 15

2.2 Nicht invasive Methoden zur Ermittlung derKörperzusammensetzung - in vivo

2.2.1 Einflussfaktoren auf die Körperzusammensetzung und derenMessung im Rahmen der Leistungsprüfung

18

2.2.2 Physikalische und chemische Grundlagen für die Messungder Körperzusammensetzung – Modelle derKörperzusammensetzung

21

2.2.3 Methoden der Leistungsprüfung2.2.3.1 Subjektive Methoden 312.2.3.2 Physikalische und chemische (objektive) Methoden 332.2.3.2.1 Körpermasse (Wägung) 332.2.3.2.2 Zerlegung und chemische Analyse (invasiv) 342.2.3.2.3 Densitometrie (spezifische Dichte) – hydro- und aerostatische

Methoden 37

2.2.3.2.4 Lineare Messungen 402.2.3.2.5 Radiologische und bildgebende Methoden im Überblick 412.2.3.2.5.1 Computer-Tomographie (CT) 482.2.3.2.5.2 Magnetresonanz-Tomographie (MRT) 532.2.3.2.5.2.1 Statistische Bildanalyse zur Quantifizierung von

Gewebeanteilen61

2.2.3.2.5.3 Magnetresonanz-Spektroskopie (MRS) 682.2.3.2.5.4 Dualenergie-Röntgenabsorptiometrie (DXA) 692.2.3.2.5.5 Ultraschall (US) 842.2.3.2.5.6 Bioelektrische Impedanz (BIA) 912.2.3.2.5.7 Gesamtkörperleitfähigkeit - „Total Body Electrical

Conductivity“ (TOBEC)95

2.2.3.2.5.8 Infrarot-Körperfettanalyse (Infrarot-Interaktanz) 972.2.3.2.5.9 Videobildanalyse und Dreidimensionale Topometrie 982.2.3.2.5.10 Kalium40-Gammaspektrometrie 992.2.3.2.5.11 Neutronenaktivierung 1012.2.3.3 Stoffwechselanalyse 1052.2.3.3.1 Verdünnungsmethoden 1052.2.3.3.2 Kreatininausscheidung 108

Inhaltsverzeichnis

b

2.3 Ergänzende (invasive) Methodik zur Bestimmung vonMuskelfasermerkmalen mittels Biopsie

110

3 Eigene Untersuchungen3.1 Material und Methodik

3.1.1 Muskelstoffwechseluntersuchungen3.1.1.1 31P-Magnetresonanz-Spektroskopie 1133.1.1.2 13C-Magnetresonanz-Spektroskopie 118

3.1.2 Ermittlung der Körperzusammensetzung mittels MRT undDXA

3.1.2.1 1H-Magnetresonanz-Tomographie 3.1.2.1.1 Lebendmassegruppe bis 20 kg 1263.1.2.1.2 Lebendmassegruppen 30 kg, 60 kg, 90 kg 1303.1.2.2 Dualenergie-Röntgenabsorptiometrie 136

3.1.3 Haltung, Fütterung und Transport 141

3.1.4 Referenzschlachtung 142

3.1.5 Bestimmung der Muskelfaserstruktur mittels Schussbiopsie 146

3.1.6 DNA-Analyse für den Ryanodin-Rezeptor-1-Gentest 150

3.2 Ergebnisse

3.2.1 Muskelstoffwechseluntersuchungen3.2.1.1 Phosphorkomponenten - 31P-Magnetresonanz-Spektroskopie 1533.2.1.2 Kohlenstoffkomponenten - 13C-Magnetresonanz-

Spektroskopie 160

3.2.2 Körperzusammensetzung 3.2.2.1 MRT-Lebendmassegruppe bis 20 kg 1673.2.2.2 MRT- Lebendmassegruppen 30 kg, 60 kg, 90 kg 169

3.2.2.3 Genauigkeit der MR-Tomographie 1773.2.2.4 DXA Lebendmassegruppen 10 kg, 30 kg, 60 kg und 90 kg 1863.2.2.5 Genauigkeit der Dualenergie-Röntgenabsorptiometrie 1893.2.2.6 Vergleich der Genauigkeit von Magnetresonanz-

Tomographie und Dualenergie-Röntgenabsorptiometrie zurErmittlung der Körperzusammensetzung

195

3.2.3 Magergewebewachstum und Magergewebefutterverwertung 198

3.2.4 Muskelfaserstruktur und ihre Beziehung zu Parametern ausder 31P-MR-Spektroskopie

206

Inhaltsverzeichnis

c

4 Diskussion

4.1 Ursachen für die Variation in Muskelstoffwechselvorgängen 215

4.2 Genetische Steuerung des Körperfettgehaltes und desWachstums beim Schwein - Konsequenzen für dieZuchtarbeit

238

5 Zusammenfassung 2606 Summary 263

7 Literaturverzeichnis 266

8 Anhang I: Zusätzliche 1H-MRT-Ergebnisse 339II: Zusätzliche Ergebnisse aus der 13C-MR-Spektroskopie 345III: PCR-Protokoll 346IV: Clusteranalyse 352V: Quantitative Trait Loci für Körperfettgehalt 367

Abkürzungsverzeichnis

I


Abb. AbbildungACTH Adrenocorticotropes Hormon AMP AdenosinmonophosphatADP AdenosindiphosphatA-FABP Adipocyte fatty acid-binding protein [Adipozyten-

Fettsäurenbindungsprotein]AP AktionspotentialARS Agricultural Research Service [Landwirtschaftliche Forschungsanstalt]ATP AdenosintriphosphatBARC Beltsville Agricultural Research Center [Landwirtschaftliches

Forschungszentrum Beltsville]BIA Bioelektrische ImpedanzBMC Bone Mineral Content (Knochenmineralgehalt), gBMD Bone Mineral Density (Knochenmineraldichte), g/cm2

BMPC Prozentualer Knochenmineralgehalt bp BasenpaareBW Body Weight (Lebendmasse)C KohlenstoffCa Kalziumca. zirkaCAT Computer-Aided-Tomography (teilweise Computer-Axial-

Tomographie)Chem. chemischCK Kreatinkinase (Kreatinphosphokinase)cM Centi-MorganCRC Calcium Release Channel (Kalziumfreigabekanal)cSv 1 cSv = 0,01 Sievert (Sv) = 1 rem Äquivalentdosis

[1Sv = 1 Joule/Kilogramm = 1 Gray (Gy) = 100 rem] Körperdosisoder effektive Dosis der Röntgenstrahlung

CT Computer-TomographieD2O Schweres Wasser (Deuteriumoxid)DE Deutsches EdelschweinDE im Zusammenhang: „digestable energy“ = verdauliche EnergieDFD dark, firm, dry (dunkel, fest, trocken); hoher pH-WertDL Deutsche LandrasseDNA / DNS Desoxyribonucleinacid (Desoxyribonukleinsäure)Du DurocDPA Dual-PhotonenabsorptiometrieDXA (oder DEXA) Dualenergie-RöntgenabsorptiometrieEDTA Ethylen-Diamin-TetraessigsäureETL Economic Trait Loci (ökonomisch wichtige Merkmals-Genorte)F1 Filialgeneration (1. Kreuzungsgeneration)FAL Bundesforschungsanstalt für LandwirtschaftFETTV Volumen von subkutanem Fett + Haut über der Region der Musculi


II

longissimus dorsi aus MR-Tomographie (cm³)FGM Fettgewebemasse (DXA)FFM Fettfreie MasseFID Freier Induktionsabfall (Free Induction Decay)FOM Fat-o-Meater (optisches Fett- und Fleischmessgerät)FMR Verhältnis von Fett- und Muskelfläche (M.l.d.) zwischen 13./14.

Brustwirbel der linken SchlachthälfteFMV Verhältnis von Fett- und Muskelvolumen in der Region der Musculi

longissimus dorsi aus MR-Tomographie (10 cm Region)FUA Futteraufnahme (kg/d)FUV Futterverwertung (kg Futter /kg Lebendmassezunahme)GK GesamtkörperGKC Gesamtkörper-KohlenstoffGKCa Gesamtkörper-KalziumGKN Gesamtkörper-StickstoffGKO Gesamtkörper-SauerstoffGLM General Linear Model (Allgemeines Lineares Modell)GMP Glukose-MonophosphatGP Glykolytisches PotentialG6P Glukose-6-Phosphat1H H H-1 Wasserstoff (ein Proton Kernspin = ½ )2H D H-2 Deuterium (ein Proton und ein Neutron Kernspin = 1), schwerer

Wassersoff3H T H-3 Tritium (ein Proton [+ zwei Neutronen] Kernspin = ½); radioaktiv,

überschwerer WasserstoffHa HampshireHAPI Hampshire x Pietrain - KreuzungHU Hounsfield Units (Hounsfield-Einheiten), Maßeinheit für die

RöntgenschwächungIGF Insulin Like Growth Factor (Insulin ähnlicher Wachstumsfaktor)IGFBP Insulin Like Growth Factor Binding Protein (Insulin ähnlicher

Wachstumsfaktor-Bindungsprotein)IMF Intramuskulärer FettgehaltIMP Inosinmonophosphatinsg. insgesamtK KaliumKB Künstliche BesamungkDa Kilodalton (Masseeinheit) = 1000 DaltonKMM Knochenmineralmasse (DXA)LB Landrasse B (Belgische Landrasse)Lc Leicoma (Schweinerasse Leipzig, Cottbus, Magdeburg; Duroc-

Genanteil ca. 45 %)LEP Leptin-GenortLF1 Leitfähigkeit 85/145 min post mortemLF24 Leitfähigkeitswert 24 Stunden post mortemLIM Spezielle „Zinkfinger-Protein“-Familie (KHURANA, 2000)


III

LM Lebendmasse (kg)LR US-LandrasseLW Large WhiteLVG Lehr- und Versuchsgut Oberschleißheim der Tierärztlichen Fakultät der

Ludwig-Maximilians-Universität MünchenM. MusculusMm.l.d Musculi longissimi dorsi (linke und rechte Seite)MFUV Magergewebefutterverwertung (kg Futter /kg Magergewebezunahme)MGM Magergewebemasse (kg; DXA)MGWR Magergewebewachstumsrate (g/d)MHS Malignes Hyperthermie SyndromMLDV Volumen der Mm. longissimi dorsi (cm³)MR MagnetresonanzmRNA „Messenger RNA“ – Boten-RibonukleinsäureMRS Magnetresonanz-SpektroskopieMRT / MRI Magnetresonanz-Tomographie / Imaging (Bildgebung)N StickstoffNa NatriumNAA Neutronenaktivierungs-AnalyseNIR Nahinfrarot-ReflektionsmessungNIT Nahinfrarot-TransmissionsmessungNN homozygot „normal“ am RyR1-GenortNn siehe auch Np heterozygot am RyR1-Genortnn siehe auch pp homozygot „defekt“ am RyR1-GenortNMR /MR Nuklear-Magnetische ResonanzNp heterozygot am RyR1-GenortPCr Phosphokreatin (Phosphocreatine) = KreatinphosphatPCR Polymerase Chain Reaction (Polymerase Kettenreaktion)31P Phosphor-Isotop 31PDE PhosphodiesterpH negativ dekadischer Logarithmus der WasserstoffionenkonzentrationPi Im Zusammenhang: Anorganisches Phosphat (inorganic Phosphate)PI PietrainPI x Ha Pietrain x HampshirePixel picture elements (Bildpunkte)p.m. post mortemPME Phosphomonoesterpp homozygot „defekt“ (mutiert) am RyR1-Genortppm Parts Per MillionPSE pale, soft, exudative (blass, weich, wässrig), zu niedriger pH-Wert, zu

schneller GlykogenabbaupST porcine Somatotropin (porcines Wachstumshormon)QTL Quantitative Trait Loci (Genorte für quantitative Merkmale)R-Wert Im Zusammenhang: R-Wert (spezifische Weichgewebeverhältniszahl

aus DXA in Abhängigkeit von der Röntgenschwächung)


IV

RF RadiofrequenzRN Rendement Napole-Genort

RN - Rendement Napole, (Kochschinkenverlust-Gen), dominantes „Defekt“-Allel (”Hampshirefaktor”)

rn+ normales Allel am Rendement-Napole-GenortROI Region of Interest (interessierende Region)RP RohproteinRS Ohmscher WiderstandRyR1 Ryanodin-Rezeptor-1-GenortS Spotted (US-Amerikanische Schweinerasse)SFETTV Volumen der subkutanen Fettauflage + Haut am Teilstück Schinken

(cm³)SGV Gesamtvolumen des Schinkens (cm³)SMGV Volumen des Schinkenmagergewebes (cm³)SFMV Verhältnis von Fett- und Magergewebevolumen am SchinkenSubst. SubstanzSPA Mono-Photonenabsorptiometrie (Single Photon Absorptiometry)SR Sarkoplasmatisches RetikulumT TeslaTab. TabelleT1-Relaxationszeit Longitudinale Relaxationszeit Dauer des Vorgangs für die

Polarisation der Kernspins längs der Magnetfeldlinien des äußerenMagnetfeldes (Spin-Gitter-Relaxationszeit)

T2-Relaxationszeit Transversale Relaxationszeit Dauer des Vorgangs für dieDephasierung der Kernspins durch ihre Wechselbeziehunguntereinander (erfolgt quer zum äußeren Magnetfeld; auch: Spin-Spin-Relaxationszeit)

TE Time between Echos Echoausleseverzögerung (Zeitverzögerungzwischen der Anregung der Kernspins und der Echoauslesung – in einerSpin-Echo-Sequenz: die Zeit zwischen einem 90° Puls und demMaximum der Signalintensität im Echo)

TNF Tumor-Nekrose-FaktorTR Time of Repetition Pulswiederholzeit (Dauer zwischen zwei

Hochfrequenz-Anregungsimpulsen)TZ Tageszunahme (g)USDA United States Department of Agriculture (US-

Landwirtschaftsministerium)Vol. oder -vol. Volumen (cm³)VOI Volume of Interest (interessierendes Volumen)Xc ReaktanzZ ScheinwiderstandZNS Zentrales NervensystemZMP Zentrale Markt- und Preisberichtstelle für Erzeugnisse der Land-, Forst-

und Ernährungswirtschaft

Weitere nicht häufig wiederkehrende Abkürzungen werden direkt im Text erklärt.


V

Definition statistischer Parameter:

b Regressionskoeffizient C.V. Variationskoeffizient: Standardabweichung / StichprobenmittelDF Degrees of Freedom (Freiheitsgrade)ln Natürlicher LogarithmusLSM Siehe nächste ZeileLSQ-Means Least Squares Means (Kleinste Quadrate Mittelwerte)MSE Mean Squares Error = se

2 (Fehlervarianz bzw. Mittlere Quadrate Fehleroder Restfehler)(√MSE = Root Mean Squares Error = SEE)

n.s. nicht signifikant (Die Signifikanzgrenze für den Fehler 1. Art liegt im eigenen Materialimmer bei p ≤ 0,05.)

p Irrtumswahrscheinlichkeit: Signifikanzniveau, wenn der Effekt derModellgleichung hinzugefügt wird. Die verbleibende Summe derQuadrate (Rest-Summe der Quadrate) kann nach Erweiterung derSchätzgleichung um weitere Schätzvariablen weiter reduziert werden,wenn das Niveau von „p“ signifikant bleibt.

r Korrelationskoeffizient: Maßzahl für die Stärke der Beziehung zwischenzwei Variablen (Merkmalen) r = -1 ≥ 0 ≤ +1 ; r = 0 keine Beziehung;r = |± 1| vollständige Abhängigkeit

R2 Bestimmtheitsmaß (Anteil der durch das Modell erklärten Varianz ander Gesamtvarianz)

RMSE = SEE =√MSE

Wurzel aus dem Restfehler (Mittlere Quadrate Fehler):Standardabweichung der Residuen (gemessener Wert –Erwartungswert); Standardschätzfehler, (Abweichung von derRegressionsgeraden bei Regressionsanalyse)

RSD Reststandardabweichung (SEE/SD) oder (SEP/SD)SD Standard deviation (Standardabweichung)SEE Standard Error of Estimation (Standardschätzfehler, Wurzel aus dem

Mittleren Quadrate Fehler = √MSE = RSME)SE % (oder S.E.) Prozentuale Einheiten der ReststandardabweichungSEP Standard Error of Prediction (Standardfehler der Vorhersage)

(y y ) / ni i2− ∧ ; Parameter aus der Kreuzvalidierung

∅ oder (x) Durchschnitt (arithmetisches Mittel)|...| Absoluter Betrag einer positiven oder negativen Zahl

Tabellenverzeichnis

VI

Tabellenverzeichnis

Tabelle Titel Seite

2.2.1 Schlachtkörperzusammensetzung von zehn Tieren inunterschiedlichen Maststadien (nach den Angaben von ANDERSON1860, CAMERON, 1868, HALL, 1905)

35

2.2.2 Bewertung „radiologischer“ Methoden zur Bestimmung derKörperzusammensetzung

46

2.2.3 Vor- und Nachteile gebräuchlicher Verfahren zur nicht invasivenBildgebung für die Untersuchung der Körperzusammensetzung

47

2.2.4 Erklärungen zur Interpretation von Bland-Altman-Plots 662.2.5 Wassergehalt von „fettfreiem“ Fleisch unterschiedlicher Tierarten 1063.1.1 In der Literatur verwendete Konstanten zur Berechnung des pHi-

Wertes116

3.1.2 Linienherkunft und Anzahl Probanden für die 1H-MR-Tomographiebis 20 kg

126

3.1.3 Anzahl tomographierter Tiere je RyR1-Genotyp undLebendmassegruppe (30 – 90 kg)

131

3.1.4 Anzahl Referenztiere (für MRT) je RyR1-Genotyp undLebendmassegruppe (30 - 90 kg)

132

3.1.5 Anzahl tomographierter Tiere in Abhängigkeit von Rasse- bzw.Linienzugehörigkeit und Lebendmassegruppe (30-90 kg)

132

3.1.6 Anzahl tomographierter Tiere je Geschlechts- undLebendmassegruppe (30 - 90 kg)

132

3.1.7 Aufteilung der Probanden nach RyR1-Genotyp undLebendmassegruppe (10 - 90 kg) für den DXA-Versuch

136

3.1.8 Aufteilung der Probanden nach Rasse- bzw. Linienzugehörigkeit undLebendmassegruppe (10 - 90 kg) für den DXA-Versuch

136

3.1.9 Aufteilung der Probanden nach Geschlecht und Lebendmassegruppe(10 - 90 kg) für den DXA-Versuch

137

3.1.10 Anzahl Referenztiere je RyR1-Genotyp und Lebendmassegruppe 1433.1.11 Linien- und Geschlechterverteilung innerhalb RyR1-Genotyp für

Referenztiere (10 kg)144

3.1.12 Linien- und Geschlechterverteilung innerhalb RyR1-Genotyp fürReferenztiere (30-90 kg)

145

3.1.13 Tieranzahl in Abhängigkeit von Rasse- bzw. Linienzugehörigkeit undLebendmassegruppe im Wachstumsversuch (DXA)

145

3.2.1 Vergleich von Stoffwechselparametern aus der 31P-MR-Spektroskopie(PCr, pH, ATP, Pi) sowie für die Körpertemperatur nachHalothanbelastung in Schweinen mit unterschiedlichen RyR1-Genotypen

154

3.2.2 Vergleich von Stoffwechselparametern aus der 31P-MR-Spektroskopie(PCr, pH, ATP, Pi) sowie für die Körpertemperatur nachHalothanbelastung in Schweinen mit unterschiedlicher Rasse- bzw.Linienzugehörigkeit

159

Tabellenverzeichnis

VII

3.2.3 Vergleich der Ergebnisse aus der 13C-MR-Spektroskopie für dieRyR1-Genotypen

161

3.2.4 Vergleich der Ergebnisse aus der 13C-MR-Spektroskopie inAbhängigkeit vom Hampshire-Genanteil

164

3.2.5 Volumen der Mm. longissimi dorsi und des darüber liegenden Fettessowie Fett-zu- Muskel-Verhältnis in einem 2,45 cm MRT-Abschnittvon Schweinen mit unterschiedlichen RyR1-Genotypen

167

3.2.6 Körperzusammensetzung von Schweinen unterschiedlicherZuchtrichtung in einem 2,45 cm MRT-Abschnitt

168

3.2.7 Volumen des Schinkenmagergewebes (einschließlich Knochen)(SMGV) und des darüber liegenden Fettes (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen bei ca. 30 kg Lebendmasse

170

3.2.8 Volumen der Mm. longissimi dorsi (MLDV) und des darüberliegenden Fettes (FETTV) sowie das Fett-zu-Muskel-Verhältnis(FMV) in einer 10 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen bei ca. 30 kg Lebendmasse

170

3.2.9 Volumen des Schinkenmagergewebes (einschließlich Knochen)(SMGV) und des darüber liegenden Fettes (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen bei ca. 60 kg Lebendmasse

171


171

3.2.11 Volumen des Schinkenmagergewebes (einschließlich Knochen)(SMV) und des darüber liegenden Fettes (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen bei ca. 90 kg Lebendmasse

172


172

3.2.13 Volumen des Schinkenmagergewebes (einschließlich Knochen)(SMV) und des darüber liegenden Fettes (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kgLebendmasse

173

3.2.14 Volumen der Mm. longissimi dorsi (MLDV) und des darüberliegenden Fettes (FETTV) sowie das Fett-zu-Muskel-Verhältnis(FMV) in einer 10 cm MRT-Region für Schweine mitunterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kgLebendmasse

174

Tabellenverzeichnis

VIII

3.2.15 Chemische Körperzusammensetzung für Schweine mitunterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kgLebendmasse

174

3.2.16 DXA-Körperzusammensetzung für Schweine mit unterschiedlichenRyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse, bei einerdurchschnittlicher DXA-Lebendmasse von 63,06 kg (124,85Lebenstage)

175

3.2.17 Kotelettfläche, Rückenspeckfläche und Speck-zu-Muskelverhältnis(SMV) für Schweine mit unterschiedlichen RyR1-Genotypenzwischen 26,4 bis 97,2 kg Lebendmasse

175

3.2.18 Schinken-, Schulter-, Blatt- und Rückengewicht für Schweine mitunterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kgLebendmasse

176

3.2.19 Leber-, Herz- und Nierengewichte für Schweine mit unterschiedlichenRyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse

176

3.2.20 Vergleich der Genauigkeit verschiedener Magnetresonanz-Tomographie-Volumenmessungen in einer 10 cm Sektion beider Mm.longissimi dorsi [Mm.l.d] und der entsprechenden Fettauflage[Mm.l.d-Fett] (Versuch 1: 6,1 – 15 kg Lebendmasse [LM], n=15;Versuch 2: 30-90 kg LM, n=46; Versuch 1+2, n=61) und einer 15 cmSektion des Schinken-Magergewebes [Schinken-Mag.] sowieentsprechender Fettauflage [Schinken-Fett] (allein Versuch 2) zurSchätzung der chemischen Körperzusammensetzung

182

3.2.21 Modelle aus der Stepwise-Regressions-Analyse für Merkmale aus derMR-Tomographie, die am besten die chemischeSchlachtkörperzusammensetzung vorhersagen

183

3.2.22 Genauigkeit der Schätzung der Körperzusammensetzung beimSchwein mittels MRT in vivo

185

3.2.23 Magergewebemasse (MGM), Fettgewebemasse (FGM), undKnochenmineralmasse (KMM) aus der DXA-Analyse in Schweinenmit unterschiedlichen Ryanodin-Rezeptor-1-Genotypen beidurchschnittlich 12,55 kg Lebendmasse und 53,29 Lebenstagen

187


187


188


188

3.2.27 Vergleich von chemischem und DXA-Fettgehalt (%) inunterschiedlichen RyR1-Genotypen innerhalb der 10 kg Gruppe

190

3.2.28 Vergleich von chemischem und DXA-Magergewebegehalt (%) inunterschiedlichen RyR1-Genotypen innerhalb der 10 kg Gruppe

190

Tabellenverzeichnis

IX

3.2.29 Vergleich von chemischem Rohaschegehalt (%) und DXA-Knochenmineralgehalt (%) in unterschiedlichen RyR1-Genotypeninnerhalb der 10 kg Gruppe

190

3.2.30 Vergleich von chemischem und DXA-Fettgehalt (%) inunterschiedlichen RyR1-Genotypen im Lebendmassebereich von30 - 90 kg

191

3.2.31 Vergleich von chemischem und DXA-Magergewebegehalt (%) inunterschiedlichen RyR1-Genotypen im Lebendmassebereich von30 - 90 kg

191

3.2.32 Vergleich von chemischem Rohaschegehalt und DXA-Knochenmineralgehalt in unterschiedlichen RyR1-Genotypen imLebendmassebereich von 30 – 90 kg

192

3.2.33 Genauigkeit der DXA-Messung (in vivo) zur Schätzung derchemischen Zusammensetzung der rechten Schlachthälfte

194

3.2.34 Vergleich der Schätzgenauigkeit für den chemischen Fettgehalt in derrechten Schlachthälfte (%) aus Ergebnissen der MR-Tomographie undDualenergie-Röntgenabsorptiometrie

196

3.2.35 Vergleich der Schätzgenauigkeit für den chemischen Fettgehalt imgesamten Schlachtkörper (%) aus Ergebnissen der MR-Tomographieund Dualenergie-Röntgenabsorptiometrie

196

3.2.36 Vergleich der Schätzgenauigkeit für den chemischenMagergewebegehalt (Wasser + Protein) der rechten Schlachthälfte (%)aus Ergebnissen der MR-Tomographie und Dualenergie-Röntgenabsorptiometrie

197

3.2.37 Tageszunahme (TZ10) und Magergewebezunahme (MZ10) inSchweinen mit unterschiedlichen RyR1-Genotypen von Geburt (1,2kg) bis zur DXA-Messung bei ca. 10 kg Lebendmasse

199

3.2.38 Tageszunahme (TZ1030) und Magergewebezunahme (MZ1030) inSchweinen mit unterschiedlichen RyR1-Genotypen imLebendmasseabschnitt von ca. 10 bis 30 kg

199

3.2.39 Wachstum und Futtereffizienz in Schweinen mit unterschiedlichenRyR1-Genotypen im Lebendmasseabschnitt von ca. 30 bis 65 kg

200

3.2.40 Wachstum und Futtereffizienz bei Schweinen mit unterschiedlichenRyR1-Genotypen im Lebendmassebereich von ca. 65 bis 90 kg

200

3.2.41 Protein-, Fett- und Knochenmineralansatzraten (g/d) in Schweinen mitunterschiedlichen RyR1-Genotypen bei einer Fütterung mit 95% dergeschätzten freiwilligen Futteraufnahme

203

3.2.42 Muskelfaserquerschnittsflächen der Muskelfasertypen I, IIa und IIbsowie „Kotelettflächen“ von Schweinen mit unterschiedlichen RyR1-Genotypen bei einem Durchschnittsgewicht von 83,48 kg und 152,77Lebenstagen

207

3.2.43 Flächenanteile der Muskelfasertypen I, IIa und IIb inunterschiedlichen RyR1-Genotypen

209

3.2.44 Prozentuale Verteilung der Anzahl der Muskelfasertypen I, IIa und IIbin unterschiedlichen RyR1-Genotypen

209

3.2.45 Gesamtanzahl Muskelfasern im M. longissimus dorsi in Abhängigkeitvom RyR1-Genotyp

211

Tabellenverzeichnis

X

4.1.1 Stoffwechselreaktion und Körperzusammensetzung in Schweinenunterschiedlicher RyR1-Genoytpen mit einer Lebendmasse von ca. 10kg

227

4.1.2 Stoffwechselreaktion und Körperzusammensetzung in verschiedenenZuchtlinien

229

5.1 Anzahl Tiere innerhalb der RyR1-Genotypen - Gesamtmaterial 2605.1a Number of animals within RyR1 genotype – total material 263

A1 Volumen des Schinkenmagergewebes einschließlich Knochen (SMV)und des subkutanen Fettes einschließlich Haut (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für Schweine mitunterschiedlicher Rassezusammensetzung bei ca. 30 kg Lebendmasse

339

A2 Volumen der Mm. longissimi dorsi (MLDV) und des subkutanenFettes einschließlich Haut (FETTV) sowie das Fett-zu-Muskel-Verhältnis (FMV) in einer 10 cm MRT-Region für Schweine mitunterschiedlicher Rassezusammensetzung bei ca. 30 kg Lebendmasse

339


340


340


341


341

A7 Volumen des Schinkenmagergewebes einschließlich Knochen (SMV)und des subkutanen Fettes einschließlich Haut (SFETTV) sowie desgesamten Schinkens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für männliche Kastraten (M)und weibliche Schweine (W) bei ca. 30 kg Lebendmasse

342

A8 Volumen der Mm. longissimi dorsi (MLDV) und des subkutanenFettes einschließlich Haut (FETTV) sowie das Fett-zu-Muskel-Verhältnis (FMV) in einer 10 cm MRT-Region für männlicheKastraten (M) und weibliche Schweine (W) bei ca. 30 kgLebendmasse

342

Tabellenverzeichnis

XI

A9 Volumen des Schinkenmagergewebes einschließlich Knochen (SMV)und des subkutanen Fettes einschließlich Haut (SFETTV) sowie desSchinkengesamtvolumens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für männliche Kastraten (M)und weibliche Schweine (W) bei ca. 60 kg Lebendmasse

343


343

A11 Volumen des Schinkenmagergewebes einschließlich Knochen (SMV)und des subkutanen Fettes einschließlich Haut (SFETTV) sowie desSchinkengesamtvolumens (SGV) und das Fett-zu-Muskel-Verhältnis(SFMV) in einer 15 cm MRT-Region für männliche Kastraten (M)und weibliche Schweine (W) bei ca. 90 kg Lebendmasse

344


344

A13 Prozentuale Konzentrationsveränderung von Glykogen und Kreatinsowie für die Dauer der Halothanzufuhr in Schweinen mitunterschiedlichen RyR1-Genotypen nach Modell I

345

A14 Glykogenniveau im Ruhezustand, prozentuale Konzentrations-veränderung von Glykogen und Kreatin sowie Dauer derHalothanzufuhr in Kreuzungslinien mit unterschiedlichem Hampshire-Genanteil nach Modell II

345

A15 Auswahl potentieller Quantitativer Merkmalsgenorte (QTL) für denKörperfettgehalt bei Schwein, Maus und Mensch

367

Abbildungsverzeichnis

XII


Abbildung Titel Seite

2.1.1 Eigenschaften wichtiger Atomkerne am Beispiel eines 4,7 TeslaMagnetfeldes

5

2.1.2 Schema zur Ausrichtung der Moleküle (Atomkerne) in einem festenMagnetfeld B0 am Beispiel einer beliebigen Kohlenstoffverbindung.

8

2.1.3 Schematische Darstellung zur Signalverarbeitung am Beispiel eines31P-Magnet-Resonanz-Spektrums

9

2.1.4 31P-Spektrum des M. biceps femoris eines Schweines in vivo 112.1.5 Verlauf der Konzentration von C1-Glykogen (100,5 ppm), Kreatin

(157 ppm) und βC1-Glukose (96,6 ppm) nach Verabreichung einer28 ml Natriumchlorid-Lösung mit 15 g Dextrose und 0,1 g D-Glukose-13C6 bei einem 10,9 kg schweren Schwein (RyR1 = Nn) mit5/8 Duroc-Genanteilen

16

2.2.1 Einflussfaktoren auf die Körperzusammensetzung 18

2.2.2 Entwicklung des Protein-zu-Wasser-Verhältnisses in der fettfreienMasse bzw. Magergewebemasse beim Schwein

22

2.2.3 Abhängigkeit des Wassergehalts im Rückenfettgewebe von derRückenspeckdicke und Rasse bei ∅ 62,5 kg Körpergewicht

24

2.2.4 Nutzbare physikalische und chemische Eigenschaften zur Messungder Körperzusammensetzung

25

2.2.5 Körperkompartimente als Grundlage für verschiedene Modelle derKörperzusammensetzung

27

2.2.6 Geschichtliche Entwicklung der Methoden zur Bestimmung derKörperzusammensetzung bei Nutztieren

33

2.2.7 Veränderung der chemischen Körperzusammensetzung bei Schweinenvon 5 bis 97 kg Lebendmasse

34

2.2.8 Messung der Rückenspeckdicke mittels „Ruler“ oder „Back FatProbe“

41

2.2.9 Frequenzbereiche für elektromagnetische Strahlung 442.2.10 Funktionsweise der Spiral-Röntgen-Computertomographie 532.2.11 Kernspin und Präzession 562.2.12 Bau- und Funktionsprinzip eines MR-Tomographen 562.2.13 Darstellung von MR-„Echo“-Bildern, die sich aus einer „Multi-Slice-

Multi-Echo“-Puls-Sequenz ergeben59

2.2.14 Veränderung von Signalintensität und Bildkontrast während der MR-Bilderzeugung

59

2.2.15 Beispiel für ein MR-Axialschnittbild im Bereich der Nieren 602.2.16 Beispiel für ein MR-Axialschnittbild im Beckenbereich 602.2.17 Schema für den Ablauf der Bildverarbeitung mittels Cluster-Analyse 612.2.18 Übersicht zu statistischen Verfahren für die quantitative

Bildauswertung67

2.2.19 Drei-Komponenten-Modell der Körperzusammensetzung für DXA-Untersuchungen

73


XIII

2.2.20 Positionierung eines Probanden (Kalb) für einen Ganzkörperscan 742.2.21 Beispiel für das Ergebnis einer DXA-Studie eines Kalbes 752.2.22 Beispiel für DXA-Daten nach einem Ganzkörperscan eines

totgeborenen Ferkels (1,52 kg Körpermasse) mittels Kleintier-Ganzkörper-Modus

78

2.2.23 Einflussfaktoren auf die Variation in der Knochenmasse undKnochendichte

81

2.2.24 Mineralisierungsgrad von Karpal- bzw. Tarsalgelenken vonSchweinen mit unterschiedlichem Gewicht

82

2.2.25 Mineralisierungsgrad einer Landschildkröte mit 677 g Lebendmasse 822.2.26 Gesamt-Körperzusammensetzung einer Landschildkröte mit 677 g

Lebendmasse83

2.2.27 Darstellung der Beziehung zwischen DXA-R-Werten fürWeichgewebe und dem prozentualen DXA-Fettgehalt

83

2.2.28 Beispiel für klinische Anwendung - Fraktur des rechten Femurs einesSchweins – Verwendung des Schenkelhals-Modus

84

2.2.29 Ultraschallscanner „B-Mode“ und Prinzip des Ultraschallverfahrensnach dem „A-Mode“ zur Ermittlung von Fett- und Muskeldicke

86

2.2.30 Entwicklung der „Ultraschall“-Rückenspeckdicke im Verlauf desWachstums bei verschiedenen Schweinerassen

89

2.2.31 Prinzip der Elektrischen Impedanztomographie 942.2.32 Reaktionen der Neutronenaktivierung zur Ermittlung der elementaren

Körperzusammensetzung103

2.3 Montiertes Schussbiopsiegerät LS1 1113.1.1 Platzierung der 31P-MR-Oberflächenspule über dem M. biceps femoris

eines Schweins114

3.1.2 Experimentelle Anordnung von 13C-MR-Doppelspule undGlykogenstandard

119

3.1.3 In situ 13C-MR-Spektrum von reinem Glykogen 1203.1.4 Aufnahmeparameter und Beispiel für ein 13C-Glykogenspektrum in

vivo121

3.1.5 1H-13C-Spulenanordnung über dem M. biceps femoris in vivo 1223.1.6 Beispiel für ein charakteristisches 13C-Spektrum an der C1-Glykogen-

Position123

3.1.7 Beziehung zwischen Glykogenabbau und Hampshire- bzw. Pietrain-Genanteil

125

3.1.8 Versuchsanordnung zur Tomographie der Tiere bis 20 kgLebendmasse mittels 1H-MR-Oberflächenspule

127

3.1.9 1H-MR-Aufnahmeparameter und Beispielbild für die Darstellung derRückenregion mittels Oberflächenspule

128

3.1.10 Darstellung der Regions of Interest (ROI’s) in den 1H-Magnet-Resonanz-Schnittbildern im Bereich 13./14. Brustwirbel für Tiere bis20 kg Lebendmasse

129

3.1.11 Positionierung eines Probanden im Picker-Vista 1,5 Tesla MR-Tomographen

130


XIV

3.1.12 Lage der Tiere im Magneten mit gekennzeichnetenSchnittbildregionen zur Volumenbestimmung

132

3.1.13 MR-Axialschnittbild zwischen 13./14. Brustwirbel 1333.1.14 Regionen für die MR-Volumenbestimmung im Thoraxbereich (10

Scheiben, 10 cm)133

3.1.15 Anatomische Hilfspunkte und schematische Darstellung der Regionsof Interest (ROI’s) im Becken-/Hintergliedmaßenbereich

134

3.1.16 Lage des Probanden auf dem DXA-Scanner 1383.1.17 Beispiel für DXA-Ganzkörperergebnisse eines Schweins 1393.1.18 Schema für Teilzerlegung 1433.1.19 Verwendetes Schussbiopsiegerät LS1 mit demontiertem Aufsatz und

in Aktion146

3.1.20 Beispiel für ein frisch entnommenes Bioptat aus dem M. longissimusdorsi eines Schweins

147

3.1.21 Im Versuch unterschiedene Muskelfasertypen 1483.1.22 PCR-Ergebnis für die RyR1-Genotypen: 1523.1.23 Prinzip des verwendeten RyR1 -Gentestes 1523.2.1 Beispiel für den zeitlichen Verlauf der 31P-MR-Spektroskopie in

unterschiedlichen RyR1-Genotypen155

3.2.2 Beispiel für die Veränderung der Stoffwechselsituation (in vivo) nachHalothanbelastung in unterschiedlichen RyR1-Genotypen

156

3.2.3 Beispiel für Stoffwechselveränderungen post mortem im Vergleich derdrei RyR1-Genotypen

157

3.2.4 Veränderung des prozentualen Glykogenniveaus nach Halothanzufuhrbei Schweinen unterschiedlicher RyR1-Genotypen

161

3.2.5 Veränderung des prozentualen Kreatinniveaus nach Halothanzufuhrbei Schweinen unterschiedlicher RyR1-Genotypen

162

3.2.6 Zeitlicher Verlauf des absoluten Glykogenabbaus (µmol/g) nachHalothanbelastung in verschiedenen RyR1-Genotypen in vivo

164

3.2.7 Beispiel für den zeitlichen Verlauf der 13C-MR-Spektren vonSchweinen unterschiedlicher RyR1-Genotypen

165

3.2.8 Glykogenabbau in unterschiedlichen Kreuzungsherkünften 1663.2.9 Beispiele für die Variation der MRT-Axialschnitt-Messwerte (1 - 5)

innerhalb eines Tieres178

3.2.10 Beziehung zwischen Schinkenmasse (kg) der linken Schlachthälfteund dem „Schinken“-Gesamtvolumen (cm³) aus der MR-Tomographie

179

3.2.11 Beziehung zwischen Rückenmasse (kg) der linken Schlachthälfte unddem „Rücken“-Volumen (Mm.l.d + Auflagefett, cm³) aus der MR-Tomographie

180

3.2.12 Beziehung zwischen Kotelettfläche (cm2) der linken Schlachthälfte(13./14. Brustwirbel) und dem „Kotelett“-Volumen (cm³) aus der MR-Tomographie

180

3.2.13 Beziehung zwischen Rückenspeckfläche (cm2) der linkenSchlachthälfte (13./14. Brustwirbel) und dem „Rückenspeck“-Volumen (cm³) aus der MR-Tomographie

181


XV

3.2.14 Bestimmtheitsmaße und „Root Mean Square Errors“ für dieSchätzung von chemischem Fettgehalt im Schlachtkörper (%) undchemischem Magergewebegehalt (Wasser + Protein) imSchlachtkörper (%) beim Vergleich verschiedenerInformationsquellen aus der in vivo MR-Tomographie zwischen 30und 90 kg Lebendmasse (p ≤ 0,05)

184

3.2.15 Beziehung zwischen chemischem Fettgehalt der rechtenSchlachthälfte (%) und DXA-Gesamtkörperfettgehalt (%) imLebendmassebereich 10 – 90 kg

193

3.2.16 Beziehung zwischen DXA-Gesamtkörper-Fettmasse (kg) und MR-Fettvolumen (cm³) in einem 10 cm MR-Abschnitt über den Mm.longissimi dorsi

197

3.2.17 Entwicklung der Tageszunahmen von Schweinen mitunterschiedlichen RyR1-Genotypen zwischen 5 und 80 kgLebendmasse

200

3.2.18 Entwicklung der Magergewebewachstumsrate in Schweinen mitunterschiedlichen RyR1-Genotypen zwischen 5 und 80 kgLebendmasse

201

3.2.19 Durchschnittliche Futteraufnahme (kg/d) undMagergewebewachstumsrate (g/d) in Abhängigkeit vom Prüfabschnittbei Schweinen mit unterschiedlichen RyR1-Genotypen

201

3.2.20 Wachstumsraten für Protein, Fett und Knochenmineral bei Schweinenmit unterschiedlichen RyR1-Genotypen

204

3.2.21 Vergleich der Muskelfaserquerschnitte in Abhängigkeit vom RyR1-Genotyp

206

3.2.22 Beziehung zwischen Lebendmasse und durchschnittlicherMuskelfaserfläche

208

3.2.23 Beziehung zwischen Muskelfaseranzahl und Muskelfaserfläche 2103.2.24 Beziehung zwischen der auf einheitliche 90 kg Lebendmasse

korrigierten Muskelfaserfläche am M. longissimus dorsi und demPhosphokreatinabbau nach Stressauslösung mittels Halothan am M.biceps femoris (bei ca. 10 kg Lebendmasse)

212

3.2.25 Beziehung zwischen Muskelfaseranzahl am M. longissimus dorsi unddem Phosphokreatinabbau nach Stressauslösung mittels Halothan amM. biceps femoris

213

3.2.26 Beziehung zwischen Muskelfaseranzahl am M. longissimus dorsi unddem Phosphokreatinabbau nach Stressauslösung mittels Halothan amM. biceps femoris innerhalb der RyR1-Genotypen

213

4.1.1 Beispiel für den in vivo Zeitverlauf der Phosphokreatin-Konzentration(PCr) und des pH-Wertes von Schweinen mit unterschiedlichenRyanodin-Rezeptor-1-Genotypen nach Halothanbelastung

218

4.1.2 3D-Rekonstruktion des Ryanodin- Rezeptors-1 2244.1.3 Schematische Darstellung der Kontaktregion zwischen T-Tubulus und

terminaler Zisterne des sarkoplasmatischen Retikulums in derSkelettmuskulatur (Trias-Region)

225

4.1.4 Absolutes Glykogenniveau (µmol/g) im Ruhezustand und nachHalothanbelastung in verschiedenen Ryanodin-Rezeptor-1-Genotypen

228


XVI

4.1.5 Veränderungen in der Körpertemperatur nach Halothanbelastung beiunterschiedlichen Ryanodin-Rezeptor-1-Genoytpen in vivo und postmortem für das Gesamtmaterial (31P + 13C)

228

4.1.6 Körperzusammensetzung und Stoffwechselreaktion am Beispiel dreiverschiedener Zuchtlinien (Modell I)

230

4.1.7 Muskelfaserquerschnittsflächen bei Schweinen mit unterschiedlichenRyanodin-Rezeptor-1-Genotypen

232

4.1.8 Muskelfaserfläche (Typ IIa) and Phosphokreatin-Abbau (%) beiSchweinen mit unterschiedlichen RyR1-Genotypen

232

4.1.9 Muskelfaseranzahl and Phosphokreatin-Abbau (%) bei Schweinen mitunterschiedlichen RyR1-Genotypen

233

4.1.10 Schematischer Vergleich der Muskelkontraktionszyklen vonSchweinen mit ”normaler” Muskulatur und „defekter“ Muskulatur

237

4.2.1 Entwicklung von Muskel- und Fettauflagevolumen in einem 10 cmMRT-Bereich des Rückens bei Schweinen mit unterschiedlichenRyR1-Genotypen

238

4.2.2 Entwicklung des Magergewebewachstums und derLebendmassezunahme bei Schweinen mit unterschiedlichen RyR1-Genotypen

241

4.2.3 Durchschnittlicher Futterverzehr verschiedener Rassen bzw.Kreuzungen während der Leistungsprüfung von ca. 30 – 100 kgLebendmasse

246

4.2.4 Vergleich des DXA-Fettgehaltes (%) bei Tieren der Linie „WeißePietrain“ mit unterschiedlichen RyR1-Genotypen bei a) 30 kg, b) 50kg, c) 70 kg und d) 90 kg Lebendmasse

247

4.2.5 Anstieg des Gehalts an obese mRNA in Abhängigkeit von derFettmasse beim Schwein

248

4.2.6 Beziehungen zwischen Fettgewebe, genetischer Steuerung vonZentren im Hypothalamus und der Futteraufnahmeregulation

257

Tierversuche

XVII

Genehmigung der Tierversuche

Die beschriebenen Experimente am Agricultural Research Service (ARS) des United

States Department of Agriculture (USDA) in Beltsville, MD, USA und an der Howard

University in Washington, DC, wurden in Übereinstimmung mit den durch das “USDA-

ARS, Beltsville Animal Care and Use committee“ bestätigten Versuchsprotokollen

durchgeführt.

Weitere im Text erwähnte Tierversuche, die unter Mitwirkung des Autors am

Lehr- und Versuchsgut Oberschleißheim der Tierärztlichen Fakultät der Ludwig-

Maximilians-Universität München durchgeführt wurden, erhielten im Rahmen des

Tierschutzgesetzes eine Genehmigung durch die Regierung von Oberbayern mit den

folgenden Aktenzeichen:

211-2531.2-57/2000 - Untersuchungen zur Körperzusammensetzung und

Knochenmineraldichte am Kalb mittels Dualenergie-Röntgenabsorptiometrie (DEXA)

und

211-2531.2-21/2000 - Untersuchungen zur Körperzusammensetzung und

Knochenmineraldichte am wachsenden Schwein mittels Dualenergie-

Röntgenabsorptiometrie (DEXA).

Einleitung

1

Fortschritt in der Wissenschaft entsteht dadurch, dass man mühsam einen Stein auf denanderen legt, nicht indem man plötzlich einen herrlichen Palast errichtet.

Advance in science comes by laying brick upon brick, not by sudden erection of fairy palaces.

- Julian S. Huxley -

1 Einleitung

In „Industrieländern“ stellt die Quantität der zu produzierenden Lebensmittel kein

Problem mehr dar (KALM, 1998), so dass das (ideelle) Wohlbefinden der Tiere, die

Produkt- und Prozessqualität sowie die Umweltverträglichkeit zunehmendes Interesse

bei den Konsumenten und damit auch in der Wissenschaft hervorrufen (KALLWEIT,

1992, JAMISON, 2000, WENK, 2000).

Weitreichende Entwicklungen in den Bereichen der Mess- und Computertechnik

sowie der Biotechnologie in Kombination mit bewährten konventionellen Verfahren

ebnen den Weg, bisher nicht zu beantwortende wissenschaftliche Fragestellungen zu

beantworten.

So eröffnet die Kombination von neuesten genetischen Testverfahren mit

hochmodernen nicht invasiven Methoden zur Ermittlung von Gewebezusammensetzung

und Stoffwechselprozessen in vivo ein breites Feld von Möglichkeiten, die Effekte

unterschiedlichster Einflussfaktoren auf morphologische und physiologische Merkmale

in Nutztieren im Detail zu studieren. Im Mittelpunkt stehen neben definierbaren

Umweltfaktoren die Polymorphismen an Genorten, die quantitative und qualitative

Merkmale steuern. Besonderes Augenmerk wird wieder zunehmend - auch im Rahmen

der Leistungsprüfung von Zuchttieren - auf Merkmale gerichtet, die den Zustand bzw.

das Wohlbefinden der Tiere erklären. Sie beeinflussen letztendlich in hohem Maße die

angestrebte Produkt- und/oder Prozessqualität und prägen damit den Nutzen bzw. den

Gebrauchs- und/oder Genusswert für den Menschen (SCHÖNMUTH, 1987, FÖRSTER,

1992, SCHMITTEN, 1993, GLODEK, 1996, GELDERMANN, 1996, HARDGE, 1999,

KALLWEIT, 1992, 1997, VON LENGERKEN, 1997).

Deutschlands Landwirte erzielen ca. 60 Prozent ihres Einkommens durch

Tierproduktion, wobei die Bundesrepublik mit ~19,8 Mrd. € - nach Frankreich mit

~22,2 Mrd. € - das zweitwichtigste Erzeugerland für tierische Produkte in der

Europäischen Union ist (Stand 1998 - WINDHORST, 1998). Obwohl Deutschland mit

enormen Strukturproblemen im Schweinesektor zu kämpfen hat, liegen die deutschen

Einleitung

2

Schweineproduzenten mit einer Jahresproduktion von 3,83 Mio. Tonnen (WEIß, 2001a)

bzw. 40,45 Mio. Schweinen (WEIß, 2001b) im europäischen Vergleich an der Spitze.

Die deutsche Jahresproduktion deckt jedoch nur ca. 85 % des Bedarfs an

Schweinefleisch in Deutschland (ZMP, 2001, RIEU und VAN FERNEIJ, 2001). Wollen die

deutschen Schweineproduzenten weitere Marktanteile zurückgewinnen, muss auf allen

Ebenen vom Erzeuger bis zum Vermarkter ein wettbewerbsfähiges Produkt

gewährleistet werden.

In Abhängigkeit von traditionellen und gesellschaftlichen Gegebenheiten stellt

das Schwein mit seinen Produkten, vor allem dem Fleisch als Proteinquelle (bis zu 5 -

20 % des täglichen Bedarfs) und dem Fett als Energielieferant bzw. Geschmacksträger,

einen wesentlichen Bestandteil der menschlichen Ernährung dar. Es liefert bis zu 20 %

der Nährstoffe, Mineralstoffe und Vitamine des täglichen Bedarfs des Menschen. Da

der Verbrauch an Fett (Energie) durch physisch weniger beanspruchende Arbeit

zurückging, wurden ab Mitte des 20. Jahrhunderts stärker bemuskelte Schweine mit

einem niedrigen Fettanteil für die Weiterzucht verwendet (HERTRAMPF, 1998). Die

einseitige Selektion auf erhöhten Fleischanteil hatte die bekannten negativen

Auswirkungen auf Stressstabilität und Fleischbeschaffenheit sowohl in den Vaterrassen

als auch zum Teil in den Mutterrassen. Mit dem zwar intensiv durchgeführten

konventionellen und oft fatal ausgehenden Halothanbelastungstest konnte nicht

eindeutig zwischen einerseits homozygot normalen und heterozygoten Tieren bzw.

andererseits zwischen heterozygoten und homozygoten Defektallelträgern

unterschieden werden (EIKELENBOOM and MINKEMA, 1974, EIKELENBOOM, 1980).

Beispiele für die Unzulänglichkeit des Halothantestes finden sich in den Arbeiten von

REMPEL et al. (1993), SCHMITTEN (1993), KNORR et al. (1994), HAMMEL u.a. (1996),

KNYAZEV et al. (1998) wieder. Erst nachdem FUJII et al. (1991) eine signifikante

Beziehung zwischen der malignen Hyperthermie und einer Mutation an der Position

1843 der cDNA des Chromosomen 6 von Cytosin zu Thymidin feststellten und

entsprechende DNA-Testverfahren für diese Mutation entwickelt wurden, war es

möglich, die drei Genotypen eindeutig zu differenzieren (BREM und BRENIG, 1992,

BRENIG und BREM, 1992, FÖRSTER u.a., 1992). Der betroffene Genort kodiert den Ca2+-

Freisetzungskanal oder Ryanodin-Rezeptor 1 (RyR1) des sarkoplasmatischen

Retikulums der Skelettmuskulatur.

Besondere Aufmerksamkeit konnte jetzt den morphologischen und

physiologischen Zusammenhängen in den heterozygoten Tieren im Vergleich zu den

Einleitung

3

beiden homozygoten Genotypen gewidmet werden, da noch immer unterschiedliche

Meinungen und Erkenntnisse über die Belastungsanfälligkeit und züchterische

Weiterverwendung dieses Genotyps existieren (IRGANG, 2001). Ausgehend von der

phänotypischen Reaktion auf Halothanzufuhr, wie Muskelstarre, Herzrhythmus- und

Atmungsstörungen, wurde postuliert, dass Halothan zu 95 % maligne Hyperthermie in

den homozygot „stressanfälligen“ (nn) Schweinen induziert, aber keinen sichtbaren

Effekt bei den homozygot „stressstabilen“ und den heterozygoten Tieren (mit

Ausnahme von ca. 5 %) hervorruft. Diese Annahme führte zur These, dass die durch

Halothannarkose provozierte maligne Hyperthermie durch ein rezessives Gen an einem

autosomalen Genort gesteuert wird, wobei beide Allele eine unvollständige Penetranz

zeigen sollen.

Da eine erhöhte Stressreaktion vornehmlich mit einer fettarmen

Körperzusammensetzung und glykolytisch ausgerichteter Muskelstruktur

zusammenhängt, wurden die drei Genotypen als Modell für die Validierung der

Einsatzmöglichkeiten und der Genauigkeit verschiedener In-vivo-Techniken eingesetzt.

Speziell im Rahmen der Leistungsprüfung von Zuchttieren ist es erforderlich,

fortwährend nach genaueren (aber auch praktikablen) Methoden für die verschiedenen

Merkmale der Mast- und Schlachtleistung zu suchen. Daneben müssen weitere

Prüfmethoden etabliert werden, die das Wohlbefinden bzw. die „Fitness“ der Tiere

besser beschreiben. Eine alleinige Prüfung der Fleischqualität als korreliertes Merkmal

reicht nicht aus.

Magnetresonanz-Tomographie und Dualenergie-Röntgenabsorptiometrie bzw.

Magnetresonanz-Spektroskopie sowie Muskel-Schussbiopsie wurden verwendet, um

Beziehungen zwischen Merkmalen der In-vivo-Körperzusammensetzung bzw. des

Muskelstoffwechsels sowie der Muskelfaserstruktur zu analysieren.

Im Gegensatz zur sichtbaren Reaktion während des Halothantestes wurde

erwartet, dass die heterozygoten Defektallelträger mit einer intermediären

Stoffwechselveränderung auf Halothanzufuhr reagieren würden.

Zugleich sollte die Frage beantwortet werden, ob bereits die Untersuchung von

Tieren in sehr jungem Alter (4 - 12 Wochen) Rückschlüsse auf die Stressanfälligkeit

und ihre spätere Gewebezusammensetzung zulässt.

Methodenübersicht

4

2 Methodenübersicht

2.1 Muskelstoffwechseluntersuchungen in vivo mittels Magnetresonanz-Spektroskopie (MRS)

Neben der Magnetresonanz-Tomographie (MRT) gehört die (ortsaufgelöste)

Magnetresonanz-Spektroskopie (MRS) in vivo zu den spektakulärsten Entwicklungen,

die auf dem Phänomen der Magnetresonanz beruhen (BOESIGER, 1991, BAULAIN und

HENNING, 2001). Speziell seit der Entdeckung des Phänomens des kernmagnetischen

Resonanzverhaltens durch BLOCH und PURCELL im Jahre 1946 wird diese Eigenschaft

einiger Atomkerne intensiv in der Physik, Chemie und Biochemie genutzt (CERDAN und

SEELIG, 1990). Für biologische Proben ist die Magnetresonanz-Spektroskopie ohne

Vorbehalt nutzbar, da die zelluläre Biochemie in intaktem Gewebe bzw. originären

physiologischen Situationen nicht invasiv und wiederholt untersucht werden kann

(RADDA, 1992). Neben Körperflüssigkeiten, Zell- und Gewebeextrakten, perfundierten

Zellkulturen und Bioptaten (in vitro) (ZUPKE und FOY, 1995) ist diese Methodik auch

am lebenden Tier bzw. Embryo (in vivo) für die Erfassung von akuten und/oder

zeitabhängigen Stoffwechselvorgängen geeignet und „gewährt einen nicht invasiven

Einblick in die metabolische Seele der Zelle“ (AVISON et al., 1986). Die Spektren

besitzen eine hohe Spezifität und geben unmittelbar eine molekulare Information

wieder. Um z.B. die Isotope 1H, 19F, 31P und 13C (teilweise erst nach Anreicherung mit

markierten Substraten) in ihrem natürlichen Vorkommen messen zu können, benötigt

man jedoch in vivo Konzentrationen in der Größenordnung von mindestens 1 mmolar

(AVISON et al., 1986, CERDAN und SEELIG, 1990, LEIBFRITZ, 1996). Sowohl die

Sensitivität als auch die Spektralauflösung hängen im Wesentlichen von der

Magnetfeldstärke ab (Abb. 2.1.1). Ein Magnetfeld der Stärke 8,4 - 18,8 Tesla und ein

Objektdurchmesser von 5 - 10 mm wird für Extrakte, Zellen und „Bioflüssigkeiten“

verwendet, während Spektrometer von 1,5 – 4,7 (teilweise bis zu 9) Tesla für

Untersuchungen an lebenden Probanden genutzt werden. Intermediäre Feldstärken und

Objektdurchmesser sind für Organmodelle bzw. Tiere geeignet.

Stoffwechselbestandteile innerhalb lebender Gewebe oder Gewebeproben können mit

Hilfe der MRS nur bestimmt werden, wenn sie hoch mobil im Zytosol bzw. im

Zellzwischenraum vorkommen. Membrangebundene Moleküle und „feste“ Bestandteile

sind durch Linienerweiterung oder dipolare Kopplung gewöhnlich im Spektrum nicht

sichtbar (LEIBFRITZ, 1996).

Methodenübersicht

5

Varian 4,7 Tesla

Horizontalmagnet

mit 33 cm

Innendurchmesser

Isotop Kern- Resonanz- Natürliche Relative spin frequenz Häufigkeit Empfind- bei 4,7 T lichkeit

[MHZ] % %

1H* 1/2 200,11 99,985 1002H 1 30,72 0,015 0,963H 1/2 213,45 - 121,36

12C 0 - 98,89 013C 1/2 50,33 1,11 1,59

31P 1/2 80 100 6,63

* 1H - Resonanzfrequenz bei 1,5 T: 63,87 MHz

Abbildung 2.1.1: Eigenschaften wichtiger Atomkerne am Beispiel eines 4,7 TeslaMagnetfeldes

Weitere Anwendungsgebiete, die auf dem Phänomen der Magnetresonanz

beruhen, umfassen in der Physik bzw. Materialforschung die Strukturanalyse von festen

Stoffen, in der Chemie die Untersuchung der Zusammensetzung und der molekularen

Strukturen von Stoffen, während Biochemiker und Biophysiker die makromolekularen

Bestandteile und Veränderungen u.a. von Proteinen, DNA und Membranen (DAVIES

und WLODAWER, 1995) mittels hochauflösender Magnetresonanz-Techniken

analysieren (RADDA, 1992).

Die Magnetresonanz-Spektroskopie (MRS) basiert ebenso wie die

Magnetresonanz-Tomographie (MRT, Kapitel 2.2.3.2.5.2) auf dem Phänomen der

Magnetresonanz, welches die Wechselwirkung eines starken Magnetfeldes mit einem

spezifischen Typ von Atomkernen und Molekülen beinhaltet. Nur Atomkerne (Isotope),

die einen „Drehimpuls“ (Kernspin) besitzen, wie beispielsweise die biologisch

interessanten 1H (Wasserstoff) oder 2H (Deuterium schwerer Wasserstoff), 13C

(Kohlenstoff), 15N (Stickstoff), 17O (Sauerstoff), 19F (Fluor), 23Na (Natrium), 31P

(Phosphor), 39K (Kalium) und 87Rb (Rubidium) zeigen diese Wechselwirkung und

werden „MR-aktiv“ (RADDA, 1992). Jedes dieser Isotope besitzt ein kernmagnetisches

Moment - die Voraussetzung zur Interaktion mit dem Magnetfeld. Zur Veran-

schaulichung kann man annehmen, dass die Atomkerne mit einem Kernspin ≠ 0, den

nur Atomkerne mit ungerader Protonen- und Neutronenzahl aufweisen, wie kleine

Stabmagneten reagieren und sich antiparallel (entgegengesetzt) oder parallel

Methodenübersicht

6

(gleichgerichtet) entlang der Feldlinien eines stärkeren Magnetfeldes (B0) ausrichten

(Abb. 2.1.2). Kerne mit einem Kernspin = 1/2 eignen sich besonders für die MR-

Spektroskopie (-Tomographie), da sie nur exakt zwei Energieniveaus, parallel (+1/2)

oder antiparallel (-1/2), zu den Feldlinien des Magnetfeldes (B0) einnehmen können.

Dazu zählen neben Wasserstoff (1H) z.B. Phosphor (31P), Fluor (19F) und das

Kohlenstoff-Isotop 13 (13C). Werden „MR-aktive“ Kerne durch elektromagnetische

Strahlung im Radiofrequenzbereich (RF) angeregt, absorbieren sie Energie und ändern

ihre Ausrichtung im Magnetfeld B0 durch die Wechselwirkung zwischen den

kernmagnetischen Momenten, dem Magnetfeld B0 und dem durch die

Radiofrequenzstrahlung hervorgerufenen oszillierenden Magnetfeld B1 (Abb. 2.2.11).

Nach der Anregung kehrt die Kernmagnetisierung zum ursprünglichen

Gleichgewichtszustand (Grundzustand) zurück. Die aufgenommene Energie (im

Radiofrequenzbereich) wird wieder abgegeben. Sie ist für jeden Atomkern (13C oder31P) spezifisch und entspricht exakt der Resonanzfrequenz. Das gyromagnetische

Verhältnis γ (für Wasser: γ = 42.58 MHz/Tesla; HORNAK, 1997-2000) und die Stärke

des Magnetfeldes bestimmen diese kernspezifische Resonanzfrequenz. Entsprechend

der Boltzmann-Gleichung:

NhochNniedrig = e –∆ E / kT = e –hv / kT

nehmen die Differenzen zwischen den Kernen (Nuklei) und damit die Signalintensität

mit einer steigenden Magnetfeldstärke zu. Nhoch und Nniedrig repräsentieren die

Population (insbesondere die Anzahl) der Kerne im höheren bzw. niedrigeren

Energieniveau; k ist die Boltzmann-Konstante (1,3805 x 10-23 Joule/Kelvin), T

kennzeichnet die absolute Temperatur (°Kelvin), h Planck's-Konstante (6,626 x 10-34

Joule x Sekunden), während ∆E = hv das Bohr-Gleichgewicht (mit ∆E =

Energiedifferenzen und v = Frequenz der Nukleus-Veränderungen bzw. Resonanz-

oder Larmorfrequenz) wiedergibt (HAUSSER und KALBITZER, 1989, HORNAK, 1997-

2000, JAMES, 1999, BAERWALDE, 2001).

An diesem Punkt trennen sich die Wege von MR-Tomographie und MR-

Spektroskopie. In MRT-Studien werden zusätzliche Magnetfeldgradienten

(Gradientenspulen) verwendet, so dass das Magnetfeld in Abhängigkeit von der

räumlichen Position variiert. Damit hängt die Resonanzfrequenz zusätzlich von der

Methodenübersicht

7

Position im Magnetfeld ab. Diese Information wird für die Erzeugung von

ortsaufgelösten Bildern genutzt (siehe Kapitel 2.2.3.2.5.2 - MRT).

Für einfache MR-Spektroskopie-Studien werden hingegen keine Feldgradienten

zur Aufzeichnung der Resonanzsignale benötigt. Dadurch werden für einen gegebenen

Kerntyp die einzigen Differenzen in den Resonanzfrequenzen durch sehr kleine

Unterschiede im Magnetfeld, welches an den einzelnen Kernen anliegt, bedingt. Da die

Differenzen im Magnetfeld gewöhnlich durch Variationen in der chemischen Bindung

von einzelnen Kernen (Molekülen) bzw. benachbarten Molekülen verursacht werden,

nennt man sie „chemical shift“ bzw. chemische Verschiebung. Das Ziel jeder MRS-

Studie besteht darin, ein Plot oder Spektrum zu erzeugen, welches die Signalintensität

für jede einzelne Zustandsänderung der chemischen Verschiebung relativ zu einer

Standardfrequenz (ausgedrückt in parts per million - ppm) abbildet (Abb. 2.1.4). Die

Eigenschaften derartiger Spektren können dazu genutzt werden, die chemischen

Bestandteile einer Probe zu identifizieren. Gleichzeitig können unter günstigen

Bedingungen die Flächen unter den lokalen Gipfeln (Peaks) verwendet werden, um die

vorhandenen Substanzen zu quantifizieren. Die Signalintensität und damit die Fläche

unter den lokalen Gipfeln ändert sich proportional zur vorhandenen Menge der

entsprechenden Substanz. Erhöht man die Feldstärke des statischen Magnetfeldes,

verbessert sich das Signal-Rausch-Verhältnis und damit die Sensitivität der Technik

(DECANNIERE, 1993, KOHN, 1997).

Verschiedene Faktoren tragen maßgeblich zur Aufdeckung der Struktur eines

Moleküls bei. Die chemische Verschiebung bzw. die Frequenz, bei welcher der Nukleus

in Resonanzschwingung gerät, wenn ein magnetisches Feld anliegt, gibt Auskunft über

die chemische Umgebung eines Nukleus. Die sogenannte Spin-Spin-Kopplung oder J-

Kopplung klärt die Beziehungen zwischen unterschiedlichen Nuklei auf, die in einer

chemischen Verbindung vorkommen. Ein weiterer Effekt, der Nuklear-Overhauser-

Effekt bzw. die Interaktion zwischen den Dipol-Momenten zweier Nuklei in räumlicher

Nähe, wird genutzt, um die Distanz zwischen den Nuklei zu ermitteln und ist ein

Parameter, der in multidimensionalen MR-Studien analysiert wird (JAMES, 1999).

Die meisten Studien am Menschen und Nutztier erfolgen mit einer Feldstärke von

1,5 – 4,7 Tesla. Um definierte, einheitliche Volumina von Geweben (Muskelgruppen,

Organen, Fett) untersuchen zu können, werden Oberflächenspulen fest anliegend über

der interessierenden Region platziert (Abb. 3.1.1, 3.1.5). Pulswinkel und Pulsform des

Radiofrequenzsignals können so eingestellt werden, dass Resonanzsignale von anderen

Methodenübersicht

8

Geweben wie z.B. von subkutanem Fettgewebe weitestgehend unterdrückt werden

(BECKMANN et al., 1990).

Abbildung 2.1.2: Schema zur Ausrichtung der Moleküle (Atomkerne) in einem festenMagnetfeld B0 am Beispiel einer beliebigen Kohlenstoffverbindung. Die Anordnung in Richtung des Magnetfeldes bedeutet ein geringeres Energieniveau als dieentgegengesetzte Ausrichtung

Die Magnetresonanz-Signale werden erzeugt, indem die Kerne durch die

Ausstrahlung von Radiofrequenzwellen angeregt werden und sich die Netto-

Magnetisierung der Kerne - ausgehend von ihrer Gleichgewichts-Magnetisierung

(Orientierung) - zunächst um 90° ändert. Dafür wird nahe liegend ein 90°-RF-Puls

verwendet. Die resultierende Amplitude der Sinuskurve nimmt mit fortlaufender Zeit

durch das sogenannte „Spin-Dephasing“ ab (Nuklei kehren in die Ausgangsposition

zurück), wobei das Signal, als „free induction decay“ (FID) oder freier Induktionsabfall

aufgezeichnet und in ein Frequenz-Spektrum umgewandelt wird (HORNAK, 1997 -

2000).

In den meisten Fällen wird eine Kombination von verschiedenen RF-Pulsen

verwendet, um Resonanz-Signale zu produzieren. Eine Standardkombination besteht

aus einem 90°-RF-Puls, dem nach einer gewissen Zeitverzögerung ein 180°-RF-Puls

folgt. Das daraus hervorgehende Signal wird Spin-Echo genannt. Die Frequenz der

Sinuskurven im FID oder Spin-Echo entspricht genau der gesuchten Resonanzfrequenz.

Dabei müssen in komplexen Proben mathematische Verfahren herangezogen werden,

um die sich überlagernden individuellen Frequenzen identifizieren zu können. Mit Hilfe

der Fouriertransformation wird die Frequenz-Information, d.h. das gesuchte Spektrum,

aus dem zeitabhängigen (FID-) Signal extrahiert. Diesem Schritt folgt eine

Phasenkorrektur, die automatisch oder manuell durchgeführt werden kann (Abb. 2.1.3).

Methodenübersicht

9

FID

O, O, (Minuten)

Abb. 2.1.3: Schematische Darstellung zur Signalverarbeitung am Beispiel eines 31P-Magnetresonanz-Spektrums (in Anlehnung an die Spektrenabfolge vom Roh-Spektrum -oben- bis zum Spektrumnach Phasen- und Basislinienkorrektur -unten- nach BAERWALDE, 2001).

2.1.1 31P-Magnetresonanz-Spektroskopie

Der 31P-Kern besitzt ein 100%-ige natürliche Häufigkeit (Abb. 2.1.1), so dass keine

zusätzliche Markierung nötig ist, um 31P-Spektren erfassen zu können. Diese

Eigenschaft begründet die große Zahl von 31P-Spektroskopie-Untersuchungen zu

Stoffwechselvorgängen in vivo überwiegend an Labortieren und am Menschen

(DUBINSKY und SIBELDINA, 1983, AVISON et al., 1986, RADDA et al., 1987, AZZOPARDI

und EDWARDS, 1995, THOMPSON et al., 1998, RODEN und SHULMAN, 1999). Über die31P-Magnetresonanz-Spektroskopie (MRS) von intaktem biologischen Gewebe

berichteten erstmals unabhängig voneinander zwei Forschergruppen: MOON und

Methodenübersicht

10

RICHARDS (1973), die intakte rote Blutzellen untersuchten, sowie HOULT et al. (1974)

mit der Studie von frisch separierten Beinmuskeln der Ratte (siehe historische

Zusammenfassung bei ANDREW, 1998). Damit begann eine intensive Anwendung von31P-MRS für nahezu jedes Körperorgan, einschließlich Gehirn, Herz, Leber, Niere,

Prostata sowie Gliedmaßen. MRS ist ein nützliches Werkzeug für die Studie von

Erkrankungen/Abweichungen des Stoffwechsels, Tumoren und bestimmten

entzündlichen Vorgängen sowie Blutmangelerscheinungen. Die meisten Arbeiten beim

Menschen konzentrierten sich dabei auf die Untersuchung des Gehirns, um frühzeitig

Abweichungen im Hirnstoffwechsel erkennen zu können, die z.B. durch

Tumorerkrankungen, multiple Sklerose, Epilepsie oder Schlaganfall hervorgerufen

werden können. In der Muskulatur ergeben sich spektroskopische Veränderungen z.B.

durch Phosphofruktokinase- oder Amyloglukosidase-Defizienz, Duchenne- oder

Becker-Muskeldystrophie, Dermatomyositis, Polymyositis, Ganzkörpermyositis oder

Hypothyroidismus.

Seit der ersten 31P-MRS-Muskelstoffwechsel-Studie an Rattenmuskeln durch

HOULT et al. (1974) folgten zahlreiche Studien zum Stoffwechselverhalten der

(menschlichen) Muskulatur nach positiver oder negativer Belastung (Schwerelosigkeit)

und Erholung (CHANCE, 1984, AVISON et al., 1986, BENDAHAN et al., 1990, CERDAN

und SEELIG, 1990, BAERWALDE, 2001). Die Muskulatur (glatt oder quergestreift)

enthält, genauso wie andere interessierende Organe oder Gewebe (Herz, Leber, Gehirn),

die leicht erfassbaren Metaboliten Phosphokreatin (PCr), anorganisches Phosphat (Pi),

γ-, α- und β-ATP in relativ hoher Konzentration. Dabei überlagern sich in vivo die β-

und α-Phosphat-Resonanzen des ADP mit denen von γ- bzw. α-ATP, so dass ADP

nicht direkt ermittelt werden kann (DUBINSKY und SIBELDINA, 1983, BURT et al., 1986,

BERKOWITZ und BALABAN, 1989, DECANNIERE, 1993, JANZEN et al., 1994). Des

Weiteren ist ADP im 31P-Spektrum in vivo nicht hundertprozentig sichtbar. Allein

zytosolisches Pi ist hingegen vollständig MR-sichtbar, aber nicht in den Mitochondrien

bzw. im sarkoplasmatischem Retikulum gebundenes Pi (AVISON et al., 1986, HAUSSER

und KALBITZER, 1989, CERDAN und SEELIG, 1990). Neben den genannten Phosphor-

Komponenten können zwei weitere Signale im 31P-Spektrum beobachtet werden, die als

Phosphomonoester und Phosphodiester interpretiert werden (Abb. 2.1.4).

Methodenübersicht

11

Abb. 2.1.4: 31P Spektrum des M. biceps femoris eines Schweines in vivo(Pi - anorganisches Phosphat, PME - Phosphomonoester, PDE - Phosphodiester, PCr -Phosphokreatin, ATP - Adenosintriphosphat : γ-Phosphat von ATP, α-Phosphate vonATP, β-Phosphat von ATP)

Das im Muskel relativ schwache Signal des Phosphomonesters (PME) ist

überwiegend aus „Zucker-Phosphaten“ (Fruktose-6P, AMP, G6P, IMP)

zusammengesetzt (CERDAN und SEELIG, 1990). Außerdem kann sehr elegant über die

chemische Verschiebung des anorganischen Phosphats relativ zur Position des

Phosphokreatins der intrazelluläre pH-Wert quantifiziert werden (siehe Kapitel 3.1.1).

Da mittels 31P-MR-Spektroskopie energiereiche Phosphorverbindungen und der pH-

Verlauf im Gewebe aufgezeichnet werden können, ist diese Methodik besonders

geeignet, „metabolische Stresssituationen“, hervorgerufen durch verschiedene Ursachen

wie Hypoxie, Anoxie, Ischämie, Hypoglykämie, Verletzungen bzw. Muskelarbeit, zu

analysieren. Häufig werden Anästhetika wie Halothan verwendet, um

Stoffwechselimbalancen zu provozieren bzw. zu verstärken. In jüngster Zeit werden für

die Untersuchung von Genwirkungen künstliche Mutationen (Knockout-, transgene

bzw. transchromosomale Tiere) erzeugt, an denen im Vergleich zur normalen Kontrolle

Stoffwechselveränderungen festgestellt werden können (BOSCH et al., 1998). Einfacher

gestaltet sich die Versuchsanstellung mit bereits natürlich vorkommenden

Polymorphismen an einzelnen Genorten, die extreme phänotypische Ausprägungen

(RyR1, RN -) zeigen und mittels DNA-Analyse exakt festzustellen sind.

Methodenübersicht

12

Für MRS-Untersuchungen kommen verschiedene Techniken in Frage. KORETSKY

und WILLIAMS (1992) unterscheiden zwischen B1- und B0-Technik. Bei der lokalen B1-

Technik werden - wie in den eigenen Untersuchungen (Kapitel 3.1.1) - einfache

Oberflächenspulen über der zu untersuchenden Region platziert (Abb. 3.1.1, 3.1.5) und

auf die Resonanzfrequenz des interessierenden Kerns (z.B. 31P) bzw. der

interessierenden Kerne (z.B. 1H und 13C) abgestimmt. Im Gegensatz wird bei der B0-

Technik zunächst mittels 1H-Magnetresonanz unter Verwendung von ortsauflösenden

magnetischen Gradientenspulen ein interessierendes Volumen (VOI) definiert, von dem

anschließend ein 31P-MR-Spektrum erfasst werden kann. Verschiedene Echosequenzen

dienen dabei der Daten- bzw. Spektrenerzeugung.

Am lebenden Nutztier ist die Zahl von Muskelstoffwechseluntersuchungen mit

Hilfe der MR-Spektroskopie jedoch begrenzt (GEERS et al., 1991, 1992a,b, 1996a,

DECANNIERE, 1993, DECANNIERE et al., 1993, GAREAU et al., 1993, JANZEN et al., 1994,

KALLWEIT et al., 1997, KOHN, 1997, KOZAK-RIBBENS et al., 1997, KOHN et al., 1998,

BAULAIN und HENNING, 2001). Einerseits können notwendige Investitionen in MR-

Geräte, die auch für die Spektroskopie geeignet sind, aufgrund nicht gewährter

(vorhandener) Mittel für eine von der Gentechnologie abweichende

Grundlagenforschung besonders in den Nutztierwissenschaften nicht oder kaum

realisiert werden. Andererseits ist das Potential der Technik nicht umfassend bekannt

bzw. wird ignoriert. Gleichzeitig sind besonders in Deutschland Kooperationen mit

wissenschaftlichen humanmedizinischen Einrichtungen, die über die entsprechende

Geräteausstattung verfügen, sehr schwierig zu realisieren. Gerade diese Technik könnte

jedoch im Verbund mit konventionellen Stoffwechseluntersuchungen - anhand von

Blut-, Urin- und Speichelproben - sowie neu entwickelten Verfahren zur Aufdeckung

von Gen- und Umweltwirkungen bzw. endogenen und exogenen Effekten am lebenden

Organismus beitragen. Es ist wenig sinnvoll, nach Markergenorten oder „Quantitative

Trait Loci“ (QTL) zu suchen, wenn die meisten Methoden der Merkmalserfassung

(Leistungsprüfung) sich weiterhin an „Schlachthofstandards“ orientieren. Die gesuchten

Effekte sind häufig viel zu klein (quantitative Effekte!), um mit „ungenauen“ Methoden

nur unter höchstem Tiereinsatz aufgedeckt zu werden.

Seitdem horizontale Magneten mit Feldstärken von ≥ 1,5 T und

Innendurchmessern von ≥ 30 cm verfügbar sind, wurden erste Muskelstoffwechsel-

untersuchungen an Menschen und Labortieren durchgeführt, wobei vor allem versucht

Methodenübersicht

13

wurde, auf genetischen Defekten beruhende Muskelerkrankungen mit „normalen“

Muskeln zu vergleichen (AVISON et al., 1986).

Nachdem FUJII et al. (1991) die Beziehung zwischen maligner Hyperthermie und

einer Mutation am Ryanodin-Rezeptor 1 des sarkoplasmatischen Retikulums beim

Schwein nachweisen konnten, besteht die Möglichkeit, die Wirkungsweise des

Defektallels vor allem in den heterozygoten Tieren (Nn oder NP) gezielt zu

untersuchen. Erste In-vivo-31P-MRS-Untersuchungen an Muskeln von MHS-positiven

Schweinen bzw. Schweinen mit unterschiedlicher Stressanfälligkeit wurden durch eine

amerikanische Arbeitsgruppe (ROBERTS et al, 1983), später durch eine belgische

Arbeitsgruppe (GEERS et al., 1991, 1992a, b, 1996a, DECANNIERE, 1993 und

DECANNIERE et al., 1993) publiziert. Diesen Untersuchungen folgten neben den eigenen

Untersuchungen am Growth Biology Laboratory (GBL) des zum United States

Department of Agriculture (USDA) gehörenden Agricultural Research Service (ARS) in

Beltsville, MD, und der Howard University, Washington, DC (SCHOLZ et al., 1995,

1998) weitere Studien durch eine kanadische Arbeitsgruppe (GAREAU et al., 1993,

JANZEN et al., 1994) sowie eine deutsche Arbeitsgruppe der Bundesforschungsanstalt

für Landwirtschaft - FAL (KOHN, 1997, KOHN et al., 1998, BAULAIN und HENNING,

2001).

KOHN (1997) untersuchte mit Hilfe der 31P-MR-Spektroskopie in vivo den

Muskelstoffwechsel von MHS-homozygot positiven, heterozygoten und homozygot-

negativen Schweinen (8 - 20 Wochen alt) im Abstand von je 2 Wochen im Ruhezustand

und unter Belastung durch Halothan sowie zusätzlich post mortem die Abbauvorgänge

in Schlachthälften. Ergänzende Blut- und Serumanalysen erweiterten die Aussagekraft

der Untersuchungen. Die homozygoten Defektallelträger zeigten im Gegensatz zu den

homozygot normalen und den heterozygoten Tieren unter Halothanbelastung

dramatische Veränderungen im Muskelstoffwechsel. In Ruhe waren die Unterschiede

weitaus geringer. Die heterozygoten Tiere nahmen eine Mittelstellung zwischen den

beiden homozygoten Genotypen ein. Ihr Muskelstoffwechsel glich mehr den NN- als

den nn-Schweinen. Bei den heterozygoten Tieren wurden daher keine großen Einbußen

in Bezug auf die Fleischqualität erwartet. Ähnliche Ergebnisse erzielten bereits GEERS

et al. (1991, 1992a,b, 1996a), DECANNIERE, 1993, DECANNIERE et al. (1993), GAREAU

et al. (1993) sowie JANZEN et al. (1994). Sogar ohne eine gewollte Auslösung von

Muskelstress können Defektallelträger eine massive maligne Hyperthermie entwickeln.

KOZAK-RIBBENS et al. (1997) beobachteten bei einem von sechs „halothan-positiven“

Methodenübersicht

14

Tieren während einer 31P-MR-Studie nach Gabe von „Pentobarbitone“ eine „spontane“

Auslösung des MH-Syndroms ohne die übliche Muskelsteife beobachten zu können.

Die Auslösung des MH-Syndroms bei diesem Versuch war vorhersehbar, da zur

elektrischen Stimulation des M. semimembranosus die Haut über diesem Muskel

operativ entfernt und Elektroden im Muskel befestigt wurden. Da die Anästhesie bei

jedem Tier eine individuelle Wirkung hat, ist es denkbar, dass das betroffene Tier nicht

ausreichend sediert war. Der durch den Versuch erzeugte Stress verursachte daher die

beobachtete fatale Reaktion. Während die orale Temperatur auf 44,5 °C anstieg, sank

der intrazelluläre pH-Wert auf 6,21 und das Phosphokreatin-Niveau auf 6 % des

Startniveaus. Auf eine sehr schnelle Glykogenolyse deutend stiegen parallel die

Konzentrationen von Phosphomonoester (um das neunfache) und anorganischem

Phosphat extrem an. Das ATP-Niveau blieb jedoch unverändert. Die Ursache für das

konstante ATP-Niveau ist in der nicht vorhandenen Muskelkontraktion zu vermuten.

DECANNIERE (1993) bzw. DECANNIERE et al. (1993) beobachteten hingegen bei vier von

17 MHS-positiven Tieren parallel zur Muskelsteife einen Abfall des ATP-Niveaus.

Bei Anwesenheit des Defektallels am Ryanodin-Rezeptor-1-Genort ist die Ca2+-

Balance des sarkoplasmatischen Retikulums (SR) von Muskelzellen eingeschränkt

(MACLENNAN und PHILLIPS, 1992). Post mortem bewirkt diese Mutation nach

Stressauslösung mittels Halothan oder nach zusätzlicher Succinylcholin-Gabe einen

schnelleren Phosphokreatinabbau bei gleichzeitigem Anstieg des anorganischen

Phosphats, einen gesteigerten ATP-Umsatz sowie eine gesteigerte Glykolyserate

(KOLB, 1987, KOZAK-REISS et al., 1987, UHRIN und LIPTAJ, 1990, MOESGAARD et al.,

1993, 1995). Die erhöhte Glykolyserate ist aus dem pH-Verlauf sowie aus der

Anreicherung von Phosphomonoestern abgeleitet worden (KOZAK-RIBBENS et al.,

1997).

Neben den In-vivo-Studien zur MHS-Problematik existiert eine Anzahl von MRS-

Experimenten an Muskelbioptaten bzw. einzelnen Muskeln, die post mortem oder vom

lebenden Tier entnommen wurden (KOZAK-REISS et al., 1987, UHRIN und LIPTAJ, 1990,

AZUMA et al., 1994, BERENYI et al.,1994, BOGNER et al., 1996, KRSKA et al., 2000,

LAHUCKY et al., 2000a,b). Dabei führten BERENYI et al. (1994) sowie BOGNER et al.

(1996) keine 31P-Spektroskopie sondern eine 1H-MR-Spektroskopie durch, um T1- und

T2-Relaxationszeiten bei unterschiedlichen MHS-Genotypen festzustellen. Die

Relaxationsparameter mit einer tendenziell verlängerten T2-Zeit in MHS-positiven

Tieren unterschieden sich jedoch nur in einer von fünf Linien signifikant, so dass diese

Methodenübersicht

15

Methodik allein nicht zur Differenzierung der unterschiedlichen RyR1-Genotypen

herangezogen werden kann.

Andere Studiengruppen nutzten die 31P-MR-Spektroskopie z.B. zur

Muskelstoffwechseluntersuchung am lebenden (nicht anästhesierten) Fisch (VAN DEN

THILLART, 1989, VAN WAARDE et al., 1990) bzw. zur Untersuchung des Phosphat-

stoffwechsels in Geflügelembryonen, um anhand des ATP-zu-PDE-Verhältnisses am

18. Bruttag eine frühzeitige Selektion von fettärmeren Broilern zu ermöglichen

(TOWNER et al., 1991, LIU et al., 1992, 1994, LIRETTE et al., 1993a,b).

2.1.2 13C-Magnetresonanz-Spektroskopie

Bevor die 13C-Magnetresonanz-Spektroskopie zur Untersuchung von Kohlen-

stoffkomponenten (Glukose, Glykogen, Kreatin) im Stoffwechsel bei Tier und Mensch

in vivo eingesetzt werden konnte, dienten diesem Zweck „Tracer“-Techniken und

Gewebebiopsien (SCHÖBERLEIN, 1976, CHEAH et al., 1995, KLONT et al., 1994, KLONT

und LAMBOOY, 1995, LAHUCKY et al., 1995, RODEN und SHULMAN, 1999).

Die 13C-MR-Spektroskopie besitzt eine vierfach geringere Empfindlichkeit als die31P-MR-Spektroskopie (AVISON et al., 1986, Abb. 2.1.1). Gleichzeitig ist nur das mit

1,1 % natürlich vorkommende 13C-Isotop mittels MR-Spektroskopie detektierbar,

während das überwiegend natürlich vorkommende 12C-Isotop nicht genutzt werden

kann, da es aufgrund der geraden Protonen- und Neutronenzahl keinen Eigenspin (= 0)

aufweist. Ähnlich wie bei der 31P-MR-Spektroskopie können Oberflächenspulen zur

Erzeugung der 13C-Spektren verwendet werden (z.B. Abb. 3.1.3: 13C-Spektrum für

reines Glykogen). Speziell gestaltete Doppel-Oberflächenspulen – wie in den eigenen

Untersuchungen (Abb. 3.1.2, 3.1.5) - helfen das Protonen- bzw. Wasserstoffsignal vom

Kohlenstoffsignal zu trennen. Zusätzlich wird häufig zur Verstärkung des

Kohlenstoffsignals bei Untersuchungen des Glukose- bzw. Glykogenstoffwechsels

markierte 1-13C-Glukose intravenös verabreicht. Das verstärkte Signal kann dann

sowohl an der C1-Position als auch an der C6-Position von Glykogen bzw. Glukose

nachgewiesen werden (KORETSKY und WILLIAMS, 1992). Ein eigener Versuch am

United States Department of Agriculture in Beltsville, MD, USA, (unveröffentlichte

Ergebnisse, Scholz, 1996) an einem Schwein mit intravenös verabreichter, markierter

D-Glukose-13C6 (Sigma-Aldrich Chemical Company, Catalog Number 38,937-4, Lot

Number 085H3755) zeigte einen erheblichen Anstieg im βC1-Glukoseniveau sowie

Methodenübersicht

16

einen zweiten Peak am C1-Glykogen unmittelbar nach der Injektion einer 28 ml

Natriumchlorid-Lösung, in der 15 g Dextrose und 0,1 g D-Glukose-13C6 enthalten

waren (Abb. 2.1.5).

C1-Glykogen

Kreatin

ßC1-Glukose

Abb. 2.1.5: Verlauf der Konzentration von C1-Glykogen (100,5 ppm), Kreatin (157ppm) und βC1-Glukose (96,6 ppm) nach Verabreichung einer 28 ml Natriumchlorid-Lösung mit 15 g Dextrose und 0,1 g D-Glukose-13C6 bei einem 10,9 kg schwerenSchwein (RyR1 = Nn) mit 5/8 Duroc-Genanteilen (unveröffentlichte eigene Ergebnisse)

Wie bereits aus Abb. 2.1.5 hervorgeht, lassen „neuere“ technische Entwicklungen

in der 13C-MR-Spektroskopie eine nicht invasive Messung des Muskel-Glykogen-

gehaltes ohne zusätzliche Anreicherung mit markierter D-Glukose-13C6 zu

(DECANNIERE, 1993, PRICE et al., 1996, VAN DEN BERGH et al., 1996, SHULMAN, 1997,

PRICE und GORE, 1998, ROUSSEL et al., 1998). Deshalb erfolgten auch die eigenen

Methodenübersicht

17

Untersuchungen zum Glykogenabbau nach Auslösung von Muskelstress bei Schweinen

unterschiedlicher RyR1-Genotypen ohne Zusatz von markierter Glukose.

Die Vorteile der MR-Spektroskopie in vivo umfassen:

1. die Vermeidung von invasiven Eingriffen wie bei der Biopsie oder

Blutentnahme,

2. die Möglichkeit, den zeitlichen Verlauf und Wege von

Stoffwechselreaktionen kontinuierlich und „ohne“ Unterbrechung (on-line)

zu verfolgen,

3. ein größeres Probenvolumen als bei Bioptaten,

4. die Analyse ohne radioaktiv markierte Stoffe,

5. wenn nötig, die bildliche Darstellung der zu untersuchenden Region zur

Überprüfung der Proben-Positionierung bzw. von möglichen anatomischen

und pathologischen Variationen

Die Einschränkungen bestehen bis heute, zusätzlich zu den bereits beschriebenen

technischen Begrenzungen, die in der Natur der Methodik bzw. in den biochemischen

Gegebenheiten des zu untersuchenden Gewebes begründet sind, in:

1. der Notwendigkeit, das Untersuchungssubjekt für einen längeren Zeitraum

fixieren (sedieren) zu müssen

(Die Zeit, für ein einzelnes aussagekräftiges 31P-MR-Spektrum beträgt

0,5 - 5 Minuten, während für ein aussagekräftiges 13C-MR-Spektrum

5 - 20 Minuten veranschlagt werden müssen. Die gesamte

Untersuchungsdauer (Fixierungsdauer) richtet sich nach der Zielstellung

der Analyse bzw. nach der Geschwindigkeit der Stoffwechselabläufe.)

und

2. dem notwendigen Ausschluss von Probanden mit Metallimplantaten.

Methodenübersicht

18

2.2 Methoden zur Ermittlung der Körperzusammensetzung - in vivo2.2.1 Einflussfaktoren auf die Körperzusammensetzung und deren Messung im

Rahmen der Leistungsprüfung

Während der Wachstums- und Reifephase (Prüfperiode) oder während der Trächtigkeit

sowie der nachfolgenden Laktation variiert die Körperzusammensetzung der Individuen

in erheblichem Maße. Die sich gegenseitig beeinflussenden Faktoren für die Variation

der Körperzusammensetzung umfassen - neben der speziell den Tierzüchter

interessierenden, in Kapitel 4.2 ausführlich diskutierten genetischen Veranlagung - den

Gesundheits- und Ernährungszustand (Futteraufnahme), die Rationsgestaltung, das

Geschlecht, den Einsatz von Stoffwechsel verändernden Komponenten wie Anabolika

bzw. Katabolika sowie weitere nicht spezifizierte Umwelt- bzw. Haltungsbedingungen

(SPEER, 1988, BASTIANELLI und SAUVANT, 1997, FLACHOWSKY, 1998, LOBLEY, 1998,

NÜRNBERG et al., 1998, MITCHELL et al., 2000) (Abb. 2.2.1).

Genetik

Ernährung/Fütterung

Stoffwechsel/Hormone

Bewegungsmöglichkeit (Trainingszustand) und Aktivität[Umwelt; Haltungsbedingungen]

Körperzusammensetzung

Alter/ Körpermasse/ Geschlecht

Abb. 2.2.1: Einflussfaktoren auf die Körperzusammensetzung

Sowohl während des Wachstums als auch während der unterschiedlichen

Reproduktionszyklen verändern sich die absoluten und relativen Bestandteile von

Lipiden, Proteinen, Wasser und Mineralstoffen (Mengen- und Spurenelemente) des

Muskel- und Körperfettgewebes sowie der Knochen (ELOWSSON et al., 1998).

Andererseits zeigen SUSENBETH und KEITEL (1988), dass Schweine ab einem

Körpergewicht von ca. 60 kg einen relativ konstanten Proteingehalt von 17,6 %

innerhalb der fettfreien Fraktion (leerer Körper minus Schlachtkörper) und von 21,8 %

innerhalb der fettfreien Magermasse aufweisen.

Körperzusammensetzung, (metabolische) Körpermasse und die Verteilung der

Fettdepots (bzw. teilweise der Proteindepots) beeinflussen den Nährstoffaufwand für die

Methodenübersicht

19

grundlegenden Stoffwechselprozesse (Erhaltungsaufwand) und die Nährstoffbedürfnisse

für die unterschiedlichen Leistungsanforderungen während des Wachstums und der

Reproduktion einschließlich Laktation. Diese Aufwendungen bedingen die Effizienz der

Futteraufnahme, das heißt die Umsetzung von aufgenommener Energie in

Lebendmassezunahme (LUITING, 1993, LUITING et al., 1995). Vor allem sind die relativ

leicht messbaren Veränderungen im Fett- und Wassergehalt stark mit den

Veränderungen des Gesamtkörpergewichtes korreliert. Allein die Messung der aktuellen

Körperzusammensetzung in vivo liefert eine detaillierte Information über den

Ernährungs- und/ oder Gesundheitsstatus der Tiere, da nur auf diesem Wege genaue

Aussagen zu den unterschiedlichen „Energiespeichern“ des Körpers wie Fett, Protein,

Kohlenhydrate (Glykogen) oder zu den Komponenten der Fett- bzw. fettfreien Masse

getroffen werden können. Die Körpermasse selbst kann nur als grober Indikator für die

Körperzusammensetzung in einer Population oder Herde verwendet werden. Es ist

unmöglich, lediglich in Bezug auf die Körpermasse zu schlussfolgern, ob ein Schwein

verfettet oder gut bemuskelt ist, gesund oder krank erscheint bzw. unter- oder

überernährt wurde. Exakte In-vivo-Messmethoden müssen speziell für wertvolle

Zuchttiere angewandt oder entwickelt werden, um Veränderungen in der

Körperzusammensetzung genauestens feststellen und verfolgen zu können. Speziell im

Zusammenhang mit neu entstehenden Biotechnologien zur Modifikation der

Nahrungsbestandteile bzw. der Tiere selbst ergibt sich die Notwendigkeit zur

Verfeinerung der Messmethoden (WRAY-CAHEN et al., 1998). Die Aufdeckung von

Beziehungen zwischen genetischer Information (Genotyp) und messbarer, durch

Umwelteinflüsse modifizierter Merkmalsausprägung (Phänotyp), die im Kapitel 4.2.

insbesondere für die Körperzusammensetzung und das Wachstum beschrieben werden,

kann dadurch wesentlich erleichtert werden.

Eine Anzahl von Kriterien für eine ideale Methode zur Messung der

Körperzusammensetzung bilden Entscheidungshilfen vor Inbetriebnahme und

Anschaffung eines entsprechenden Gerätes (TOPEL und KAUFFMAN, 1988, KALLWEIT,

1994, KALLWEIT et al., 1994, ALLEN und WALSTRA, 1996, BRANSCHEID und

DOBROWOLSKI, 2000, MITCHELL und SCHOLZ, 2001):

1. hohe Messgeschwindigkeit: – abhängig vom Verwendungszweck (wenige Sekunden

für eine On-line-Schlachtkörperanalyse; <1 Minute für die Einstufung von

Verkaufstieren; bis zu < 20 Minuten für die Leistungsprüfung von Zuchtvieh),

Methodenübersicht

20

2. Zerstörungsfreiheit: – vorzugsweise nicht invasiv,

3. Mindestgenauigkeit für Leistungsprüfung und Preisbildung (Handelsklassen-

einstufung); z.B.: R2 ≥ 0,8, SEE ≤ 2,5 % für den Muskelfleischanteil (für

Wissenschaft: Wiederholbarkeit > 95 %),

4. Objektivität,

5. leichte Bedienbarkeit/ Benutzerfreundlichkeit (Praktikabilität): minimale Belastung

für Tier und Mensch (möglichst ohne Sedierung oder Anästhesie bei gleichzeitig

benutzerfreundlicher Handhabung des Gerätes und der Datenauswertung),

6. Wirtschaftlichkeit: im Hinblick auf Anschaffungskosten und laufende Kosten – die

Kosten je Messung können in Abhängigkeit vom Verwendungszweck stark

variieren; mit den niedrigsten Kosten für Vermarktungstiere und den höchsten

Kosten für Zuchttiere bzw. Forschungstiere,

7. Mess- und Analyseaufwand: möglichst Realzeitmessung mit minimaler

Datenaufbereitung und -analyse und „unmittelbarer“ Ergebnisausgabe,

8. Robustheit des Gerätes gegen mechanische und Umweltbelastungen und

9. Öffentliche Akzeptanz (Röntgenstrahlung und speziell radioaktive Strahlung sind

oft unerwünscht).

Um ein ausreichendes Genauigkeitsniveau zu erzielen, ist es in den meisten Fällen

nötig, dass die gewählte Methodik eine direkte Messung von mindestens einem oder

besser mehreren Hauptkompartimenten der Körperzusammensetzung gewährleistet.

Diese Messung kann entweder auf der Basis von Gewebezusammensetzung (Muskel,

Fett, Knochen, Bindegewebe), roh-chemischer Zusammensetzung (Protein, Lipid,

Wasser, Asche) oder elementarer Zusammensetzung (Kohlenstoff, Wasserstoff,

Stickstoff, bzw. Phosphor, Kalzium, Eisen, Kupfer, Zink – MAHAN und SHIELDS, 1998,

KIENZLE et al., 1998) beruhen. Außerdem sollte die Messung vorzugsweise den

gesamten Körper und nicht nur ausgewählte Körperteile erfassen, da die Messwerte

einzelner Bestandteile nur zum Teil sehr hoch mit der Gesamtkörperzusammensetzung

korrelieren (THOMAS et al., 1998).

In den zurückliegenden Jahren ist eine Vielzahl an Instrumenten zur Ermittlung

der Körperzusammensetzung am lebenden Tier oder Schlachtkörper eingesetzt worden.

Diese umfassen unter anderem Geräte, die auf den Prinzipien von Ultraschall,

Röntgenstrahlung, Gammastrahlung, Nahinfrarotstrahlung, magnetischer Resonanz,

elektrischer Impedanz, elektromagnetischer Konduktivität und Neutronenaktivierung

Methodenübersicht

21

basieren (Abb. 2.2.4). Viele dieser Geräte können genaue und nützliche Informationen

im Hinblick auf die Körperzusammensetzung liefern. Sie sind jedoch häufig kompliziert

zu bedienen und entsprechen nicht den kombinierten Kriterien von Genauigkeit und

Wirtschaftlichkeit.

Allgemein lassen sich die Veränderungen in der Körperzusammensetzung am

lebenden Tier oder am Schlachtkörper an einem modifizierten Fett-zu-Muskel-

Verhältnis erkennen. Um die Verbraucherwünsche nach (vermeintlich) gesünderen

Produkten zu erfüllen, standen in den zurückliegenden Jahren immer magerere

Schweine im Mittelpunkt der züchterischen Selektion. Extrem mageres Fleisch - kein

oder sehr wenig Fett enthaltend - wird von vielen Verbrauchern gewünscht. Das führte

einerseits zu extremen Rassen wie z.B. Pietrain oder Belgische Landrasse, die diese

Anforderungen erfüllten. Aufgrund der durch eine Mutation am Ryanodin-Rezeptor-1–

Genort (oder Calcium-Release-Channel-Genort) hervorgerufenen Muskelhypertrophie

verminderte sich die Fitness und gesundheitliche Stabilität dieser Tiere. Parallel

verschlechterte sich die Fleischqualität. Andererseits werden zunehmend in

überwiegend „ökologisch“ geführten Freilandbetrieben Schweinerassen wie

Schwäbisch-Hällisches Schwein (oder Angler Sattelschwein bzw. Deutsches

Sattelschwein) verwendet, die härteren Umweltbedingungen gewachsen sind,

gleichzeitig aber einen stärkeren Fettwuchs aufweisen.

Genaue Methoden zur Messung der Körperzusammensetzung sind erforderlich,

um Selektions-, Fütterungs- und/oder Vermarktungsprogramme optimieren zu können,

die die Gesundheit von Mensch und Tier berücksichtigen.

2.2.2 Physikalische und chemische Grundlagen für die Messung derKörperzusammensetzung – Modelle der Körperzusammensetzung

Lebende Systeme bestehen aus komplexen heterogenen Komponenten, die eine exakte

Messung der Körperzusammensetzung erschweren. Auf atomarem Niveau besteht der

Körper zu > 96 % aus den vier Elementen Sauerstoff, Kohlenstoff, Wasserstoff und

Stickstoff. Fügt man weitere sieben Elemente wie Natrium, Kalium, Phosphor, Chlor,

Kalzium, Magnesium und Schwefel hinzu, sind bereits mehr als 99,5 % der Gesamt-

körperzusammensetzung abgedeckt (WANG et al., 1992, KEHAYIAS und VALTUEÑA,

1999, MITCHELL und SCHOLZ, 2001). Auf molekularem Niveau bilden diese Elemente

eine Vielzahl von differenzierten Komponenten. Zur Messung der

Körperzusammensetzung erfolgt jedoch eine vereinfachte, generelle Aufteilung in Lipid,

Methodenübersicht

22

Wasser, Protein, Glykogen und Asche, die zusammen mehr als 99 % der Körper-

zusammensetzung ausmachen. Betrachtet man das Gewebe-Organ-Niveau, weist der

Körper in Abhängigkeit vom Ernährungszustand unterschiedliche Füllungsgrade auf.

Der Körper enthält neben Skelettmuskulatur (Fleisch), subkutanem, internem

(abdominalem), inter- und intramuskulärem Fett variable Mengen an Knochengewebe,

Blut, Bindegewebe, Haut, Haaren, Klauen, Organen des Herz-, Kreislauf- und

respiratorischen Systems, Nervengewebe, Reproduktions- und

Harnausscheidungsorganen sowie Organen des Gastrointestinaltraktes.

Die Techniken zur Messung der Körperzusammensetzung basieren häufig auf der

Annahme einer Vielzahl physikalischer und chemischer Konstanten. Zusätzlich bedarf

es gesicherter konstanter physiologischer Verhältnisse, um die Körperzusammensetzung

lebender Individuen oder die Schlachtkörperzusammensetzung insbesondere mit

indirekten Methoden exakt messen zu können. In jungen, wachsenden Schweinen ist das

Verhältnis zwischen den Bestandteilen aus der grobgeweblichen Zerlegung (Fettgewebe,

Mager (Muskel) - und Knochengewebe) und der chemischen Analyse (Lipid, Wasser,

Protein und Asche) jedoch nicht konstant. Während der ersten Wochen nach der Geburt

steigt mit zunehmender Körpermasse bei gleichzeitiger Abnahme des Wassergehaltes

(FUSCH et al., 1999) der Proteingehalt des fettfreien Körpers beim Schwein mit hohen

individuellen Schwankungen (ELOWSSON et al., 1998) sehr stark an (Abb. 2.2.2).

0

0.05

0.1

0.15

0.2

0.25

0.3

0 10 20 30 40 50 60 70 80 90 100 110

Körpergewicht (kg)

P:W

-Ver

häl

tnis

Abb. 2.2.2: Entwicklung des Protein-zu-Wasser (P:W)-Verhältnisses in der fettfreienMasse bzw. Magergewebemasse beim Schwein(Durchschnittliche Werte wurden für 1,3 kg [Geburt], 12,5 kg [ca. 54 Lebenstage], 40 kg [ca. 110Lebenstage] und 100 kg [ca. 195 Lebenstage] aus den Angaben in Kapiteln 2.2.2 und 3.3.3.1 in PFEIFFER

et al., 1984; für ein durchschnittliches Alter von 2,7 Wochen (3,59 ± 1,87 kg) aus den Angaben vonFUSCH et al., 1999 bzw. für ein Alter von ca. 12 Wochen (17,74 kg) aus den Angaben von ELOWSSON etal., 1998; für ein durchschnittliches Gewicht von 45 kg aus den Angaben von BIKKER et al., 1995 sowiefür ein durchschnittliches Gewicht von 85 kg aus den Angaben von BIKKER et al., 1996a berechnet.)

Methodenübersicht

23

Dieser Trend setzt sich bis zur „chemischen Reife“, die eng mit der sexuellen Reife der

Tiere gekoppelt sein soll (MALIK, 1984), im Alter zwischen 21/2 und 5 Monaten fort.

Danach geht die Veränderung der Körperzusammensetzung – bezogen auf die fettfreie

Masse – nur noch sehr langsam voran (MOULTON, 1929). In der Tendenz erhöht sich das

Protein-zu-Wasser-Verhältnis in der fettfreien Masse (Magergewebemasse) des

Schweines von ca. 0,135 bei Geburt über 0,186 im Alter von ca. 3 Wochen auf über

0,25 ab einem Alter von ca. 12 Wochen bzw. ab einem Gewicht von ca. 45 kg (Abb.

2.2.2). Allein für eine Auswahl von 7 verschiedenen Muskeln (M. triceps brachii, M.

longissimus dorsi, M. psoas major, M. glutaeus medius, M. semimembranosus, M.

biceps femoris und M. semitendinosus) bei einem durchschnittlichen Hälftengewicht

von 40,65 kg (ca. 100 - 110 kg Lebendmasse) betrug das durchschnittliche Protein-zu-

Wasser-Verhältnis = 0,281 und liegt damit in dem in der Abb. 2.2.2 gezeigten Bereich

(berechnet aus den Daten von PRUSA et al., 1989). Bei einem durchschnittlichen

Lebensalter von 147 Tagen und einem Gewicht von 91 kg lag das Protein-zu-Wasser-

Verhältnis des Fleisches aus Schinken, Kotelett und Schulter (ham, loin, picnic und butt

cuts) bei ca. 0,25 (berechnet aus den Daten von FORTIN und ELLIOT, 1985). Aus den

Literaturdaten konnte bis ca. 110 kg Lebendmasse kein maximales Protein-zu-Wasser-

Verhältnis abgeleitet werden. Eine Schwierigkeit liegt in der nicht vollständig erreichten

„absoluten Fettfreiheit“ der untersuchten „fettfreien“ bzw. Magergewebemassen. Die

Ergebnisse von LAUBE (2000) weisen ein durchschnittliches Protein-zu-Wasser-

Verhältnis von 0,31 im Kotelett (zwischen 14. und 15. Rippe) von Masttieren mit

unterschiedlicher genetischer und betrieblicher Herkunft auf, wobei der intramuskuläre

Fettgehalt (%) zwischen 1,23 (PI – nn) und 2,03 (Du – NN) schwankte.

Gleichzeitig mit dem Protein-zu-Wasser-Verhältnis in der fettfreien Masse ändern

sich Wasser- und Lipidgehalt des Fettgewebes. So enthält das Rückenfettgewebe des

neugeborenen Ferkels ~85 % Wasser und 6 % Lipid (MCMEEKAN, 1940). Bei

durchschnittlich 62,5 kg schweren Schweinen beträgt der Wassergehalt des

Rückenfettgewebes ca. 15,6 % (WARRIS et al., 1990) und sinkt im Alter von 17 Wochen

auf durchschnittlich 11,7 % bei ca. 81 % Lipid (Rohfett) bzw. im Alter von 32 Wochen

auf bis zu 5 % bei über 93 % Lipid (Rohfett) (NÜRNBERG u.a., 1988). Übereinstimmend

mit diesen Ergebnissen ermittelte MOULTAN (1929) durchschnittlich 7,5 % Wasser in

„frischem“ Schweinefett. Außerdem sind die zwischen den unterschiedlichen

Fettgewebedepots variierenden Wasser- und Lipidgehalte vom Verfettungsgrad bzw.

Methodenübersicht

24

Energieverzehr und der Rasse des Schweines abhängig (NÜRNBERG u.a., 1988,

SCHWÖRER u.a., 1990, WARRISS et al., 1990, ENSER und WOOD, 1991, ENDER u.a.,

1997a). Je magerer die Tiere bei gleichem Alter (gleichem Gewicht) sind, desto

niedriger fällt der Lipidgehalt z.B. im Rückenfettgewebe aus (66,9 % Lipidgehalt bei

60 % Muskelfleischanteil zu 71,5 % Lipidgehalt bei 53 % Muskelfleischanteil – ENDER

u.a., 1997a) bzw. desto wässriger ist das Rückenfettgewebe (WARRISS et al., 1990, siehe

Abb. 2.2.3).

0

5

10

15

20

25

Larg

e B

lack

Ber

kshi

re

Tam

wor

th

Sad

dleb

ack

Ham

pshi

re

Glo

uces

ter

Old

Spo

ts Dur

oc

Oxf

ord

San

dyan

d B

lack

Larg

e W

hite

Land

race

Pie

trai

n

Rückenspeckdicke [mm] Wassergehalt im Rückenspeck [%]

Abb. 2.2.3: Abhängigkeit des Wassergehalts im Rückenfettgewebe von Rücken-speckdicke und Rasse bei ∅ 62,5 kg Körpergewicht(Daten stammen aus WARRISS et al., 1990)

Der Lipidgehalt im Rückenfettgewebe steigt aber – wie oben beschrieben - mit

zunehmendem Alter bei gleichzeitiger Vergrößerung des Durchmessers der Adipozyten

an (NÜRNBERG et al., 1998).

In der nachfolgenden Übersicht (Abb. 2.2.4) werden physikalische und chemische

Eigenschaften aufgelistet, die zur Messung der Körperzusammensetzung verwendet

werden. Die Genauigkeit der jeweils verwendeten Methodik hängt von der

Messpräzision für die einzelnen Komponenten ab.

Methodenübersicht

25

Abb. 2.2.4: Nutzbare physikalische und chemische Eigenschaften zur Messung derKörperzusammensetzung

Für eine effiziente Verwendung der Techniken zur Analyse der

Körperzusammensetzung (in vivo) ist es sowohl erforderlich, die physikalischen und

chemischen Prinzipien der Messtechniken, als auch die grundlegenden biologischen

Modelle der Körperzusammensetzung zu kennen (PIETROBELLI et al., 1996). Während

die Ermittlung der Körperzusammensetzung oder des Fettgehaltes in vivo beim

Menschen auf verschiedene Modellannahmen angewiesen ist (PIETROBELLI et al., 1996,

BUTTE et al., 1997, GORAN et al., 1998, WANG et al., 1998a, b, 2000), sind beim

Schwein (Nutztier) Referenzwerte für den Gehalt bzw. die Masse von Fett, Protein,

Glykogen, Weichgewebemineralstoffen, Wasser und Knochenmineralstoffen (6-

Komponenten-Modell) relativ leicht mit Hilfe einer chemischen Analyse des gesamten

Schlachtkörpers zu bestimmen (WAGNER et al., 1999). Eine Voraussetzung für eine

hohe Genauigkeit bildet die getrennte Untersuchung von Weichgewebe und Knochen

nach Zerlegung und Homogenisierung (ELOWSSON et al., 1998, WAGNER et al., 1999).

Beim Menschen wird dieses „Problem“ durch Referenzstudien an Leichnamen oder

entsprechenden Körperteilen (LLOYD und MAYS, 1987, ABATE et al., 1994, JEBB, 1997,

MITSIOPOULUS et al., 1998) bzw. unter Zuhilfenahme von Tiermodellen oder

Referenzphantomen gelöst. Das hauptsächlich genutzte Tiermodell für Referenzstudien

in Bezug auf die Körperzusammensetzung des Menschen ist das Schwein (SHENG et al.,

1988, FOWLER et al., 1992, BRUNTON et al., 1993, 1997, SVENDSON et al., 1993, ELLIS et

al., 1994, FULLER et al., 1994, JEBB et al., 1995, MITCHELL et al., 1996a, PICAUD et al.,

1996, PINTAURO et al., 1996, ELOWSSON et al., 1998). Einige generelle Aspekte aus der

Zellen

Energiespektren der radioaktiven Strahlung (Gamma, Alpha) nach Neutronenaktivierung

bzw. magnetische Resonanz

Kohlenstoffgehalt

Lipidgehalt

ProtonengehaltSauerstoffgehalt

Wassergehalt

spezifische Dichte

Fett

Stickstoffgehalt

Proteingehalt

ProtonengehaltSauerstoffgehalt

Wassergehalt

spezifische Dichte

Magergewebe

KalziumgehaltPhosphorgehalt

spezifische Dichte

Knochen

Kohlenstoffgehalt

Glykogengehalt

RöntgenschwächungNahinfrarot- bzw. Ultraschallreflektion und -brechung

Elektrischer Widerstand bzw. Leitfähigkeit

Kaliumgehalt

Gewebeniveau

MolekularesNiveau

AtomaresNiveau

Methodenübersicht

26

Erfassung der Körperzusammensetzung beim Menschen werden deswegen zusätzlich

zur „reinen“ Nutztier-Körperzusammensetzung berücksichtigt.

WANG et al. (1998a) unterteilen die Methoden zur Schätzung des

Körperfettgehaltes (Körperzusammensetzung) in vivo in zwei - zu den statischen

Modellen gehörenden - Hauptgruppen. Die erste Gruppe basiert auf statistischen oder

beschreibenden Fett-Schätzmethoden. Sie hängt von einer geeigneten Referenzmethodik

und der nachfolgenden statistischen Datenaufbereitung zur Entwicklung einer

Schätzgleichung - in den meisten Fällen lineare Regressionsgleichungen - ab. Die

zweite Gruppe - modellabhängige oder mechanistische Fett-Bestimmungsmethoden -

basiert auf festgelegten (etablierten) „konstanten“ Relationen zwischen den

Komponenten der Körperzusammensetzung. Im Gegensatz zu den statischen Modellen

werden dynamische Modelle zur Vorhersage des Wachstumsverlaufs

(Wachstumsmodelle) genutzt (z.B. BALDWIN und SAINZ, 1995, MOUGHAN et al., 1995,

BASTIANELLI und SAUVANT, 1997, EMMANS und KYRIAZAKIS, 1997).

Die meisten mechanistischen Methoden zur Ermittlung der Körperzusammen-

setzung bzw. des Körperfettgehaltes in vivo messen Gesamtgewebe-Komponenten unter

Verwendung eines Zwei-Komponenten- oder eines Drei-Komponenten-Modells

(ROUBENOFF und KEHAYIAS, 1991, PIETROBELLI et al., 1996, BASTIANELLI und

SAUVANT, 1997, ZEMEL et al., 1997, HEYMSFIELD et al., 1997, TÖLLI et al., 1998,

FORBES, 1999, TRIPPO, 2000). Abbildung 2.2.5 gibt einen Überblick zu den

unterschiedlichen Bestandteilen, die zur Schätzung des Gesamtkörperfettgehaltes bei

(Nutz-)Tieren und Menschen genutzt werden. Das einfache von Adolf Magnus-Levy im

Jahre 1906 aufgestellte Zwei-Komponenten-Modell (FORBES, 1999) unterscheidet für

den Gesamtkörper unter Annahme von konstanten spezifischen Dichten für Fett

(≈0,9 g/ml) und den fettfreien Körper (≈1,1 g/ml) bei allen Individuen nur zwischen

Fettmasse und fettfreier Masse (oder Magermasse - ROUBENOFF und KEHAYIAS, 1991).

Die jetzt häufiger verwendeten Drei-Komponenten-Modelle unterteilen die

Gesamtkörpermasse (Gesamtkörpergewicht) in:

I. Fett, Magergewebe bzw. Magerweichgewebe (Wasser und Protein enthaltend)

und Knochen (Knochenminerale) oder

II. Fett, feste Gewebemasse (Protein und Mineralstoffe) und Wasser

(ROEMMICH et al., 1997).

Methodenübersicht

27

Chemisch basiert das Zwei-Komponenten-Modell auf der Unterteilung des

Säugetierkörpers in einerseits Fett sowie andererseits Protein (ursprünglich

Stickstoffbestandteile), Asche (Mineralstoffe) und Wasser (ANDERSON, 1860,

MOULTON, 1929, KEYS und BROZEK, 1953). Diese Unterteilung führt zu einem Vier-

Komponenten-Modell (HÖRNICKE, 1962, EMMANS und KYRIAZAKIS, 1997, ROEMMICH

Et al., 1997, GORAN et al., 1998). Alle physikalischen Methoden zur Ermittlung der

Körperzusammensetzung beruhen letztendlich auf diesen zwei Modellen (LUKASKI,

1987). Ein weiteres Vier-Komponenten-Modell, welches hauptsächlich die

metabolisch aktive Körperzellmasse berücksichtigt, besteht aus den Kompartimenten:

1. Fett (Fettgewebe, Gehirn, Membranen, Bindegewebe und Fettzellen umfassend),

2. Körperzellmasse (Bindegewebe, Fettzellen, feste Zellbestandteile und intrazelluläres

Wasser umfassend),

3. extrazelluläre Flüssigkeit (Plasmavolumen, interstitielles und transzelluläres Wasser

umfassend) sowie

4. Skelettgewebe (Bindegewebe und Knochen umfassend) (PIERSON et al., 1997).

Abb. 2.2.5: Körperkompartimente als Grundlage für verschiedene Modelle derKörperzusammensetzung

Mager-masse♦

Lipid

Knochen-Mineral

Protein

Kohlenhydrat (C)* Weich-Gesamtkör-permasse Mager-

gewebe♣weich-

gewebe♥

(Ca, P)

(N)

Fettfreieoder

Mineral (K, Na, Cl, Ca)

* hauptsächlich Glykogen in Muskeln und Leber (nicht berücksichtigt in 2K-, 3K-, 4K-oder 5K-Modellen – K = Kompartiment)

♣ Skelettmuskelgewebe, innere Organe, Blut und Rest (z.B. Haut)

♦ = ♣ + Knochen (Skelett)

¥ Hauptfettdepots: subkutan, inter- und intramuskulär, abdominal

♥ = ♣ + ¥

¥

(0 ~ 63 %, C ~ 20 %, H ~ 10 %, N ~ 3 % der Gesamtkörpermasse, SAJONSKI und SMOLLICH, 1981)

Wasser (1H, ²H, ³H)

intrazellulär | extrazellulär

(Fett)

Knochen-gewebe

Triglyzeride | Nicht-Triglyzeride

Methodenübersicht

28

Die theoretische Einschränkung des Zwei-Komponenten-Modells resultiert aus

der Annahme, dass die prozentualen Anteile von Mineralien, Wasser und Proteinen in

der fettfreien Masse unabhängig von Alter, Körpergewicht, Körperzusammensetzung

sowie Geschlecht konstant sind und dass Individuen bezogen auf die Körpermasse allein

in ihrem prozentualen Fettgehalt variieren – vorausgesetzt, die fettfreie Masse ergibt

sich aus einer einzigen Messung (MACKIE et al., 1989). Bezogen auf das Schwein,

speziell während der Wachstumsperiode oder in extremen Schweinerassen (sehr mager

bzw. sehr fett) kann diese Annahme nicht gelten (SHENG, 1988, TOPEL und KAUFMANN,

1988). Erst relativ neue technologische Entwicklungen wie die Neutronenaktivierungs-

Analyse (siehe Kapitel 2.2.3.2.5.11) verwenden komplexere Fünf- oder Sechs-

Komponenten-Modelle auf molekularem Niveau (RYDE et al., 1993, HEYMSFIELD et

al., 1997, WANG et al., 1998a, KEHAYIAS und VALTUEÑA, 1999).

Eine modifizierte Herangehensweise gliedert die Zusammensetzung des Körpers

in seine einzelnen atomaren Elemente auf, die in der Addition wieder den Gesamtkörper

bzw. seine Kompartimente beschreiben. Im einfachsten Fall können die zwei

Kompartimente Protein und Knochenmineral jeweils direkt über die Bestimmung eines

einzelnen Elements quantifiziert werden, da sich mehr als 98 % des Körperstickstoffs

(GKN) im Protein bzw. des Körperkalziums (GKCa) im Knochen befinden. Die

Formeln lauten dann:

Gesamtkörper-Protein (GKProtein) = Gesamtkörper-Stickstoff (GKN) • 6,25 bzw.

Knochenmineralgehalt (-asche) (GKAsche) = Gesamtkörper-Kalzium (GKCa)/0,34.

Für die Bestimmung des Körperfettgehaltes kann das Kohlenstoff-Stickstoff-

Kalzium-Modell herangezogen werden. Kohlenstoff (C) ist im Körper vor allem im

Fett (mit ca. 76 - 77 % C) und Protein (53,1 - 53,2 % C) enthalten. Knochenmineralien

bzw. Knochenasche (1,73 - 2 % C) und Glykogen (ca. 44,4 % C) tragen weniger als 3 %

zum Gesamtkohlenstoffgehalt des Körpers (GKC) bei (WANG et al., 1998b, KEHAYIAS

und VALTUEÑA, 1999). Der Körperfettgehalt bzw. zunächst der Kohlenstoffgehalt des

Fettes (CFett) wird aus dem Gesamtkohlenstoffgehalt (GKC) nach Abzug der

Kohlenstoffgehalte von Protein (CProtein), Knochenasche (CKnochen) und Glykogen

(CGlykogen) nach folgender Formel berechnet:

Methodenübersicht

29

CFett = GKC – [CKnochen + CProtein + CGlykogen]

mit

CProtein = GKN • 3,31,

CKnochen = GKN • 0,12 und

CGlykogen = GKCa • 0,05.

GKC, GKN und GKCa werden mittels „inelastischer“ Neutronenstreuung, „prompter“

Neutronenaktivierung bzw. „verzögerter“ Neutronenaktivierung gemessen (siehe

Kapitel 2.2.3.2.5.11). Schließlich ergibt sich der Fettgehalt über die Beziehung zwischen

Kohlenstoffgehalt des Fettes und dem Triglyzeridgehalt:

Gesamtkörper-Fett (GKFett) = CFett/0,77.

Ein weiteres Modell zur Ermittlung des Fettgehaltes nutzt unter der Annahme

eines fixen Wassergehaltes der fettfreien Masse von ~73 % das Verhältnis zwischen

Kohlenstoff (C) und Sauerstoff (O) innerhalb einzelner Geweberegionen bzw. für den

Gesamtkörper. Sauerstoff wird wie Kohlenstoff mit Hilfe der „inelastischen“

Neutronenstreuung gemessen, wobei Körperwasser (mit ca. 88,8 % O im Wasser),

Protein (22,6 % O), Fett (11,2 % O), Knochenasche (41,6 % O) und Glykogen (49,3 %

O) die Hauptträger des Gesamtkörpersauerstoffs (GKO) darstellen. Die Formel lautet:

Fett = [0,722 • C/O – 0,116]/[0,610 • C/O + 0,653](KEHAYIAS et al., 2000).

Neben dem durchschnittlich „konstanten“ Wassergehalt in der fettfreien Masse in neun

verschiedenen Säugetierarten einschließlich des Menschen von 73,9 ± 0,15 % (WANG et

al., 1999) existiert ein weiteres „konstantes“ Verhältnis zwischen Gesamtkörper-

Sauerstoff und kohlenstofffreier Körpermasse in der Höhe von 0,8 ± 0,009 bei Männern

(WANG et al., 1998b). Allerdings werden 58 % der Variation im Verhältnis von

Gesamtkörper-Sauerstoff und kohlenstofffreier Körpermasse (0,81 zu 0,77) durch den

Körperfettgehalt (5 - 40 %) erklärt.

In Abhängigkeit von der Messtechnik unterscheiden WANG et al. (1992) zwischen

Modellen auf:

I. atomarem Niveau (den Körper in seine atomaren Bestandteile aufteilend),

II. molekularem Niveau (den Körper in chemisch unterschiedliche Komponenten

wie Lipid, Protein, Kohlenhydrate, Wasser und Mineralien aufteilend),

III. zellulärem Niveau (Zellmasse, extrazelluläre Flüssigkeit und extrazelluläre

Feststoffe),

Methodenübersicht

30

IV. Gewebesystem-Niveau (Fettgewebe, Skelettmuskelgewebe, innere Organe,

Hautgewebe und Knochengewebe) und

V. Gesamtkörper-Niveau (Körpergewicht oder Körpervolumen).

Dabei kombinieren die meisten Modelle für die Körperzusammensetzung mindestens

zwei der vorab genannten Niveaus (Abb. 2.2.4 und 2.2.5). Auf molekularem Niveau

machen Fett, Wasser, Protein, Zellmineralien und Knochenmineralien bereits ca. 96 %

des Körpergewichts eines Schweines aus (SAJONSKI und SMOLLICH, 1981, SHULMAN,

1993). Oft wird der Kohlenhydratgehalt des Körpers (insbesondere Glykogen und

Glukose) einfach ignoriert, was zu einer leichten Überschätzung von mindestens einer

der Komponenten Fett, Protein oder Wasser - ohne Zell- bzw. Knochenmineralstoffe

einzuschließen - führt. Das höhere Modell-Niveau besteht immer aus Komponenten des

jeweils niedrigeren Niveaus. Ein zweites, mehr in Frage zu stellendes Konzept geht von

der Existenz eines „Gleichgewichts der Körperzusammensetzung“ aus, welches

konstante Verhältnisse zwischen den Komponenten der Körperzusammensetzung zur

Folge hat, solange das Körpergewicht und der Hydrierungs-Status unverändert bleiben

(FOGELHOLM und MARKEN LICHTENBELT, 1997, HEYMSFIELD et al., 1997, WANG et al.,

1998b, 1999). Ein Beispiel ist das angenommene konstante Verhältnis von 4/5 zwischen

Fettmasse auf molekularem Niveau und Fettgewebemasse auf dem Gewebesystem-

Niveau. Dieses Verhältnis berücksichtigt nicht die möglichen unterschiedlichen Anteile

der sogenannten „leeren Fettzellen“ und die signifikanten Veränderungen des Anteils

der „Nicht-Triglyzerid-Lipide“ innerhalb der Lipidfraktion des Gesamtkörpers speziell

während Situationen mit einer negativen Energiebalance, die aus absoluten bzw.

relativen Restriktionen in der Futteraufnahme und der körperlichen Aktivität resultieren

(ENDER u.a., 1997a, COMIZIO et al., 1998). Allerdings ändern sich unter diesen

Bedingungen die postulierten stabilen Körpergewichte und Hydrierungszustände.

Während des Wachstums nimmt der Wassergehalt in der fettfreien Masse ab, aber mit

steigendem Alter nach Beendigung des Wachstums oder bei stärkerer Verfettung nimmt

er tendenziell wieder zu (WANG et al., 1999).

Da Kalibrierungsdaten (Referenzwerte) für Regressionsgleichungen häufig anhand

spezifischer Populationen gewonnen und überprüft wurden, können Schätzgleichungen

nicht ohne weiteres auf Individuen anderer Populationen übertragen werden. Um genaue

Schätzgleichungen für die verschiedensten Messmethoden der Körperzusammensetzung

entwickeln und Differenzen in der Zusammensetzung des fettfreien Körpers aufgrund

Methodenübersicht

31

der Unterschiede zwischen Zuchtlinien, extremen Rationen, Geschlechts- und

Altersgruppen quantifizieren zu können, sollten Mehr-Komponenten-Modelle

angewandt werden, die die individuelle Variation im Wasser- und Mineralgehalt der

fettfreien Komponente berücksichtigen. Gleichzeitig ist es erforderlich, alle

Fehlerquellen wie z.B. den Referenzmethodefehler (z.B. chemische Analyse,

Vollzerlegung), den Modellfehler und den Messfehler weitestgehend auszuschalten

(GUO et al., 1996, ATKINSON und NEVILL, 1998, WANG et al., 1999).

2.2.3 Methoden der Leistungsprüfung

2.2.3.1 Subjektive Methoden

Visuelle und taktile Beurteilungsverfahren (Konditions- oder Exterieurbenotungen im

Hinblick auf Verfettungs- bzw. Bemuskelungsgrad) waren beginnend mit der

Domestikation vor 11000 – 7000 Jahren für Jahrhunderte (Jahrtausende) die einzigen

Methoden zur züchterischen Selektion bzw. zur Einschätzung der

Körperzusammensetzung (Abb. 2.2.6). Auch heute dienen sie noch immer zur linearen

bzw. nicht linearen Bewertung von Schweinebeständen (SCHULZE u.a., 1998).

Diese einfachen Methoden der Leistungsprüfung resultierten in einer Vielzahl von

Schweinerassen mit einer weiten Variation in ihrer Körperzusammensetzung. Dabei

stehen die extrem bemuskelten (am RyR1-Genort homozygot „defekten“) Tiere der

Rasse Pietrain auf der einen und die sehr fruchtbaren, aber gleichzeitig sehr fetten Tiere

chinesischer Herkünfte wie Meishan, Minzhu bzw. Fenjing auf der anderen Seite des

Spektrums. Die charakteristische Form von fleischreichen Schweinelinien kann als

relativ kurz und gedrungen mit gut ausgeprägten, runden Schinken und einer mehr

Ω-förmigen als n-förmigen Hinteransicht beschrieben werden (WHITTEMORE, 1987).

Eine ausgeprägte Muskelhypertrophie wirkt sich beim Schwein durch eine Mutation am

Ryanodin-Rezeptor-1-Genort (RyR1) ebenso wie die „Doppellendigkeit“ beim Rind

besonders stark auf die Keulen- bzw. Schinkenregion aus (BERG und BUTTERFIELD,

1968, FEWSON, 1987). Im Gegensatz zur Mutation am RyR1-Genort, die ausführlich im

Kapitel 4.1 diskutiert wird, ist die „Doppellendigkeit“ beim Rind nicht auf

Muskelhypertrophie sondern Muskelhyperplasie zurückzuführen. Die

Muskelhyperplasie wird durch eine auch bei der Maus nachgewiesene Mutation am

Myostatin-Genort hervorgerufen (z.B. MCPHERRON et al., 1997, VARGA et al., 1997,

SZABO G. et al., 1998, SONSTEGARD et al., 1998). Weitere Genorte, die die phänotypisch

Methodenübersicht

32

messbare Körperzusammensetzung und speziell den Bemuskelungs- und

Verfettungsgrad beeinflussen, werden ausführlich in Kapitel 4.2 erläutert.

Inzwischen sind Exterieurmerkmale, die die Größe und Struktur des Körpers

beschreiben, nicht mehr länger relevant zur Bestimmung von Wachstumsleistung und

Körperzusammensetzung (VAN STEENBERGEN, 1990), da verschiedene Techniken eine

objektivere und genauere Messung der Körperzusammensetzung am lebenden Tier

ermöglichen (Abb. 2.2.6). Häufig dienen hoch korrelierte Hilfsmerkmale am lebenden

Tier wie Rückenspeckdicke oder –fläche und Rückenmuskeldicke bzw. -fläche zur

Schätzung der Gesamtkörperzusammensetzung. Es ist jedoch zum Teil immer noch

schwierig, diese indirekten Verfahren in sehr großen Schweineproduktionsbetrieben

umzusetzen. Als Alternative zur Schätzung der Körperzusammensetzung beschreiben

CHARETTE et al. (1996) die Bewertung der Körperkondition von Sauen mit Hilfe eines

linearen Benotungsverfahrens, welches auf der Messung morphologischer

Hilfsmerkmale in vivo beruht. Dabei weist die Kombination von linearen Messwerten

(Breite über den „Hinterschinken“, Pelvishöhe) mit „halb-quantitativen“ Noten (visuelle

und taktilen [Palpations-] Noten für die THORAX-Morphologie und den SCHWANZ-

Ansatz) mit 0,91 eine höhere Wiederholbarkeit (Verhältnis von Tier- zu Gesamtvarianz)

auf als mit 0,77 die Körperkonditions-Note (PATIENCE und THACKER, 1989). Die

Differenz wurde durch den größeren BEWERTER-Effekt für die Körperkonditionsnote

verursacht, was auf eine sehr subjektive Bewertungstechnik hinweist. Beide von

CHARETTE et al. (1996) beschriebenen Verfahren sind jedoch nicht mit Hilfe objektiver

Referenzdaten wie z.B. aus der chemischen Schlachtkörperzusammensetzung überprüft

worden.

Generell kann eine subjektive Körperkonditionsbewertung keinen züchterischen

Informationsgewinn zu einer bereits „ausreichenden“ objektiven Bewertung (Schätzung)

der tatsächlichen Körperzusammensetzung von Nutztieren beitragen. So ermittelten

SCHULZE u.a. (1998) für die Rückenspeckdicke Heritabilitäten von 0,55 für Large White

und 0,37 für Landrasse, während die Heritabilitäten für das Merkmal Bemuskelung aus

der nicht linearen Exterieurbeschreibung nur bei 0,37 bzw. 0,29 lagen. Die genetischen

Korrelationen (rg) zwischen Rückenspeckdicke und Bemuskelung betrugen 0,64 bzw.

0,42.

Methodenübersicht

33

Abb. 2.2.6: Geschichtliche Entwicklung der Methoden zur Bestimmung derKörperzusammensetzung bei Nutztieren (modifiziert nach FORBES, 1999, PIERSON et al.,2000 und MITCHELL und SCHOLZ, 2001)

2.2.3.2 Physikalische und chemische Methoden

2.2.3.2.1 Körpermasse

Mit steigender Körpermasse (und steigendem Alter) nimmt nicht allein beim Schwein

(z.B. SHIELDS et al., 1983, PFEIFFER u.a., 1984, BIKKER et al., 1995, 1996a, WHITE et al.,

1995, KUHN, M. u.a., 1997, WAGNER et al., 1999), sondern auch beim Menschen

(SIERVOGEL et al., 1998, GUO et al., 1999) und seinen Haustieren (Hund und Katze,

HARPER, 1998) in der Regel der prozentuale Körperfettanteil zu bzw. sinkt der

Magergewebeanteil. Daraus resultiert eine hohe positive Korrelation zwischen

DNA-Analyse (RyR1, RN, LEP ...)

CT, MRT (MRS), DXA, TOBEC, BIA

SPA, DPA,Nahinfrarot-SpektroskopieNeutronenaktivierung, Ultraschall

Metall-„Ruler“, K-40-Zählmethode

Körperdichte

D2O-Verdünnung, Radiographie

Stoffwechsel-Kalorimetrie

Blutvolumen

Fettfreie Körpermasse

„Chemische“ AnalyseZerlegung

Visuelle und taktileExterieurbewertung

2000

1950

1900

Domestikation

Methodenübersicht

34

Körpermasse und Fettanteil. Allerdings existiert auch innerhalb eines eng begrenzten

Körpermassebereichs – speziell gegen Ende der maximalen Wachstumsphase (in

Abb. 2.2.7 ab 60 kg) eine sehr hohe Variation im Körperfettanteil. Die Körpermasse

allein ist demzufolge ein schlechter Schätzwert für die Körperzusammensetzung.

Trotzdem wird bei der Entwicklung und Bewertung von verschiedenen Techniken zur

Ermittlung der Körperzusammensetzung sehr häufig die Körpermasse als Variable in

den entsprechenden Regressionsgleichungen verwendet. Bei Studien, die einen großen

Körpermassebereich einschließen, ist die Körpermasse sehr hoch mit der Fettmasse oder

Magergewebe- bzw. Muskelgewebemasse korreliert. Beim Vergleich der Genauigkeit

verschiedener Techniken zur Ermittlung der Körperzusammensetzung darf deshalb die

Körpermasse als Variable nicht in die Schätzung einbezogen werden. Nur so lässt sich

eine nachvollziehbare Bewertung der Techniken erreichen.

Abb. 2.2.7: Veränderung der chemischen Körperzusammensetzung bei Schweinen von5 bis 97 kg Lebendmasse (modifiziert nach MITCHELL et al., 2001b)

2.2.3.2.2 Zerlegung und chemische Analyse (invasiv)

Eine traditionelle, invasive Methode zur Ermittlung der Körperzusammensetzung nicht

allein im Rahmen der Leistungsprüfung ist die Totalzerlegung des Schlachtkörpers in

Kombination mit der „chemischen“ Analyse. Nachweisbar kann dieses Verfahren bei

Körpermasse (kg)

0 20 40 60 80 100

%

02468

101214161820222426283032

Was

ser

%

050

52

54

56

58

60

62

64

66

68

70

72

74Fett (Lipid)ProteinAsche

Wasser

Methodenübersicht

35

Schwein, Rind und Schaf (Tab. 2.1.1, Abb. 2.2.6) erstmals auf Mitte des 19.

Jahrhunderts im Rahmen der „Rothamsted Agricultural Experiments“ (England) von

John Bennet LAWES und Joseph Henry GILBERT datiert werden (ANDERSON 1860,

CAMERON, 1868, HALL, 1905).

Tab. 2.2.1: Schlachtkörperzusammensetzung von zehn Tieren in unterschiedlichen

Maststadien (nach den Angaben von ANDERSON 1860, CAMERON, 1868, HALL, 1905)

Tierart und

Verfettungsgrad

Anteil im Schlachtkörper

– einschließlich Nieren

und Nieren umgebendes

Fett (in %)

Anteil im Schlachtabfall

einschließlich Haut1),

Füße1), Kopf1), innere

Organe2), aber ohne Inhalt

des Verdauungstraktes –

Mägen und Därme)

(in %)

Anteil am Gesamtkörper bezogen

auf Lebendmasse; nüchtern (in %)

Min

eral

stof

fe

Stic

ksto

ff-

best

andt

eile

Fett

Tro

cken

-su

bsta

nz in

sg.

Was

ser

Min

eral

stof

fe

Stic

ksto

ff-

best

andt

eile

Fett

Tro

cken

-su

bsta

nz in

sg.

Was

ser

Min

eral

stof

fe

Stic

ksto

ff-

best

andt

eile

Fett

Tro

cken

-su

bsta

nz in

sg.

Mag

en u

nd

In-

nere

ien-

Inha

ltFr

isch

subs

t. 4)

Was

ser

Fettes Kalb 4,48 16,6 16,6 37,7 62,3 3,41 17,1 14,6 35,1 64,9 3,80 15,2 14,8 33,8 3,17 63,0

Halb-fetter Ochse 5,56 17,8 22,6 46,0 54,0 4,05 20,6 15,7 40,4 59,6 4,66 16,6 19,1 40,3 8,19 51,5

Fetter Ochse 4,56 15,0 34,8 54,4 45,6 3,40 17,5 26,3 47,2 52,8 3,92 14,5 30,1 48,5 5,98 45,5

Fettes Lamm 3,63 10,9 36,9 51,4 48,6 2,45 18,9 20,1 41,5 58,5 2,94 12,3 28,5 43,7 8,54 47,8

Mageres Schaf (wachsend) 4,36 14,5 23,8 42,7 57,3 2,19 18,0 16,1 36,3 63,7 3,16 14,8 18,7 36,7 6,0 57,3

Halb-fettes, altes Schaf 4,13 14,9 31,3 50,3 49,7 2,72 17,7 18,5 38,9 61,1 3,17 14,0 23,5 40,7 9,05 50,2

Fettes Schaf 3,45 11,5 45,4 60,3 39,7 2,32 16,1 26,4 44,8 55,2 2,81 12,2 35,6 50,6 6,02 43,4

Extra fettes Schaf 2,77 9,1 55,1 67,0 33,0 3,64 16,8 34,5 54,9 45,1 2,90 10,9 45,8 59,6 5,18 35,2

Mageres Schwein

(wachsend)

2,57 14,0 28,1 44,7 55,3 3,07 14,0 15,0 32,1 67,9 2,67 13,7 23,3 39,7 5,22 55,1

Fettes Schwein 1,40 10,5 49,5 61,4 38,6 2,97 14,8 22,8 40,6 59,4 1,65 10,9 42,2 54,7 3,97 41,3

∅ Rind3) 4,87 16,5 24,7 46,0 54,0 3,62 18,4 18,9 40,9 59,1 4,13 15,4 21,3 40,9 5,78 53,3

∅ Schaf3) 3,67 12,2 38,5 54,3 45,7 2,66 17,5 23,1 43,3 56,7 3,00 12,8 30,4 46,3 6,96 46,8

∅ Schwein3) 1,99 12,2 38,8 53,0 47,0 3,02 14,4 18,9 36,4 63,6 2,16 12,3 32,8 47,2 4,60 48,2

1) beim Schwein zählen Haut, Füße und Kopf nicht zum Schlachtabfall, 2) ohne Nieren und Nierenumgebendes Fett 3) eigene Berechnungen, 4) muss zum Trockensubstanz- und Wassergehalt addiertwerden, um 100 % zu erreichen

Systematische Zerlegungen im Rahmen der Leistungsprüfung beim Schwein

begannen in Deutschland unter der Leitung von Prof. J. Schmidt am Versuchsgut

Friedland der Universität Göttingen im Jahr 1926 (SCHMIDT u.a., 1931, BLENDL u.a.,

1986). Seit diesen ersten Untersuchungen bildet die Zerlegung in Kombination mit der

chemischen Analyse von Fett-, Wasser-, Protein- und Aschegehalt die Grundlage für das

vorhandene Wissen über die Körperzusammensetzung des Schweines (ANDERSON,

Methodenübersicht

36

1860, SCHMIDT u.a., 1931, MCMEEKAN, 1940, WALSTRA, 1980, WAGNER et al., 1999).

Beide Verfahren dienen nach wie vor als Standardmessverfahren zur Bewertung anderer

bzw. neuer Methoden im Bereich der (Nutz-)Tierwissenschaften (GRIEP, 1991, KIENZLE

et al., 1998). Totalzerlegung (grobgewebliche Zerlegung) und chemische Analyse sind

jedoch in Kombination und einzeln sehr zeitaufwendig und können aufgrund der

anatomischen Gegebenheiten nicht 100%-ig fehlerfrei durchgeführt werden. Eine

detaillierte quantitative Totalzerlegung, wie bei CUTHBERTSON und POMEROY (1962)

beschrieben, nimmt im Durchschnitt 110 Arbeitskraft-Stunden je Schlachthälfte in

Anspruch. Schlachtkörperzerlegungen werden mit unterschiedlichem Aufwand

betrieben. Eine „einfache“ Zerlegung umfasst die (teilweise abgespeckten) „wertvollen“

Teilstücke Kamm, Bug mit Eisbein vorn, Brustspitze, Kotelett, Filet, Bauch mit

Wamme, Schinken mit „Zu Wamme“, Eisbein hinten sowie die Abschnitte Kopf,

Spitzbeine, Schwanz, Flomen und Niere. Andere Varianten beinhalten eine Zerlegung in

Organe und Gewebe oder eine Zerlegung von Schlachtkörperhälften bzw. –teilstücken

in Fett (subkutanes Fett inklusive Haut + intermuskuläres Fett), Magergewebe (Muskeln

+ Bindegewebe + Sehnen) und Knochen bis hin zu einer detaillierten Totalzerlegung in

individuelle Muskeln, Knochen, Sehnen, Schwarten (Haut) und Fettschichten (z.B.

SCHEPER und SCHOLZ, 1985, OSTER u.a., 1987, WALSTRA und MERKUS, 1995). Die

chemische Analyse dient in den meisten Fällen zur Bestimmung des Gehalts an Rohfett

(Ether-Extraktion mit oder ohne Salzsäureaufschluss), Rohprotein (Stickstoff • 6,25),

Trockensubstanz (Wasser) und Rohasche. Unabhängig von Objekt und Art der

Probengewinnung (Gesamtkörper, leerer Schlachtkörper, Schlachthälfte, individuelle

Teilstücke mittels Zermahlung, axiale Schnitte oder „Sägemehl“ nach axialer Zerlegung

in „Scheiben“) kommt es immer darauf an, eine homogene, repräsentative und

vollständige Probe zu untersuchen. Die meisten Studien, die auf einer Zerlegung und

chemischen Analyse beruhen, beschreiben „einfach“ die Körperzusammensetzung von

Schweinen unterschiedlicher genetischer Herkünfte und Geschlechter während

verschiedener Wachstums- und Entwicklungsphasen (SCHMIDT u.a., 1931,

DOORNENBAL, 1971, 1972, KNUDSON et al., 1985, SUSENBETH und KEITEL, 1988,

SCHMIDT, 1988, GU et al., 1992, WHITE et al., 1995, QUINIOUS und NOBLET, 1995,

WAGNER et al., 1999), zum Zeitpunkt der Vermarktung (ROTHFUSS, 1981, JOHNSON et

al., 1990, RATHFELDER, 1991, KUHN u.a., 1997, 1998), nach unterschiedlicher

Ernährung bzw. Aufzuchtsintensität (NÜRNBERG u.a., 1988, KAUFMANN, 1990, FRIESEN

Methodenübersicht

37

et al., 1994, NOLD et al., 1999) bzw. nach dem Ansatz von HUXLEY (1932, S. 4 - 9:

y = bxβ/a è mit β/a = k è log y = log b + k log x ) zur Darstellung des allometrischen

Wachstums (DAVIES, 1984, TESS et al., 1986, FORTIN et al., 1987, FEWSON u.a., 1990,

Ž GUR, 1991, KOUBA et al., 1999, WAGNER et al., 1999).

Ein Großteil dieser Daten ist jedoch nur auf bestimmte Situationen /Zeitpunkte

während des Wachstums und der Entwicklung übertragbar und kann nicht zur

Abschätzung der Gesamt-Schlachtkörperqualität aus Teilinformationen herangezogen

werden (ORCUTT et al., 1990). Die separierbaren Gewebeanteile erklären jedoch vor

allem im Rückenmuskelbereich zwischen 9. und 14. Rippe einen hohen Anteil der

Variation im Magerfleischanteil der Schlachthälfte (ORCUTT et al., 1990, SWENSEN et

al., 1998).

2.2.3.2.3. Densitometrie (spezifische Dichte) - hydro- und aerostatische Methoden

Die Analyse der spezifischen Dichte, die in der Regel als Unterwasserwägung

(-volumenverdrängung) durchgeführt wird, ist vor allem im Bereich der Forschung zur

Körperzusammensetzung am Menschen eingesetzt worden (LUKASKI, 1987).

Vergleichbare Studien erfolgten an lebenden Tieren bzw. am Schlachtkörper beim

Schwein, Rind, Schaf und Ziege (Übersichten bei STREITZ, 1995, TREITL, 1998,

MITCHELL und SCHOLZ, 2001).

Die Ermittlung der Körperzusammensetzung mittels Densitometrie oder

Spezifischer Dichte basiert auf einem Zwei-Komponenten-Modell. Die Differenzen in

der spezifischen Dichte zwischen Fett und fettfreier Masse dienen als

Unterscheidungskriterium, wobei Wasser und Knochen als prozentual konstante

Bestandteile der fettfreien Masse angesehen werden. Gebräuchliche Angaben der

spezifischen Dichten sind für Fett = 0,9 g/ml, Wasser = 0,99 g/ml, Magergewebe bzw.

Muskelgewebe = 1,1 g/ml, Protein + Glykogen = 1,34 g/ml, Knochen = 1,8 g/ml und

Gesamtkörpermineral = 3,042 g/ml (SIRI, 1956, LOHMANN, 1984, SICOLNOLFI et al.,

1995, JEBB, 1997, GORAN et al., 1998).

Da Knochen- und Muskelgewebe dichter als Fettgewebe sind, wird ein fettarmer

Körper unter Wasser vergleichsweise mehr „wiegen“, ein Körper mit einem höheren

Fettanteil vergleichsweise weniger. Der Test, bei dem der Proband bis zu 30 Sekunden

„bei ausgeatmeter Luft samt Kopf“ untertauchen muss, vergleicht das

Methodenübersicht

38

„Unterwassergewicht“ mit dem „normalen“ Gewicht. Am lebenden Schwein ist dieses

Verfahren zur Errechnung des Körperfettanteils nicht realisierbar.

Nach Ermittlung der spezifischen Dichte mit Hilfe der „Unterwasserwägung“ oder

einer anderen Volumenmessung wie z.B. mit der akustischen bzw. „Luftverdrängungs-“

Plethysmographie (SHENG et al., 1988, SARDINHA et al., 1998) oder einem aus der

Textilbranche stammenden dreidimensionalen Photonen- bzw. Laser-Scanverfahrens

(WELLS et al., 2000) basiert die Schätzung der Körperzusammensetzung im

Allgemeinen auf experimentell ermittelten Regressionsgleichungen.

Verschiedene Autoren schlugen unter statischen Bedingungen folgende

empirische Beziehungen zwischen prozentualem Körperfettgehalt und spezifischer

Dichte des Gesamtkörpers (σ, in g/ml) vor:

Körperfett % = [(5,405/σ) - 4,914] • 100 KRAYBILL et al. (1953)

Körperfett % = [(4,950/σ) - 4,500] • 100 SIRI (1956)

Körperfett % = [(4,570/σ) - 4,142] • 100 BROZEK et al. (1963)

Körperfett % = [(4,971/σ) - 4,519] • 100 BROZEK (1966)

Körperfett % = [(5,300/σ) - 4,890] • 100 LOHMANN et al. (1984).

Bei jüngeren, wachsenden Individuen (Tieren) bringen die Gleichungen nur

unbefriedigende Genauigkeiten, da der Wassergehalt der fettfreien Masse und damit die

spezifische Dichte der fettfreien Masse nicht konstant ist (SHIELDS et al., 1983, ALOIA et

al., 1998, ELOWSSON et al., 1998, siehe auch Kapitel 2.2.3.2.5.4 – DXA und 2.2.3.3.1 -

Verdünnungsmethoden). Wenn nach DEURENBERG et al. (1989), ROEMMICH et al.

(1997) sowie ROGOL (1997) die Gleichung von SIRI (1956) - besonders bei Probanden

mit einem sehr hohen Fettgehalt bzw. bei wachsenden Individuen (Kindern) - zu einer

systematischen Überschätzung des Körperfettanteils um 2 - 4 % führt, gilt dieselbe

Aussage für die Gleichungen von KRAYBILL et al. (1953) bzw. von BROZEK et al. (1963)

und BROZEK (1966). Allein die Gleichung von LOHMANN et al. (1984) scheint den

Verhältnissen beim wachsenden Schwein am ehesten nahe zu kommen (ELOWSSON et

al., 1998). Da diese Gleichung speziell für wachsende Individuen (Kinder, Jugendliche,

Erwachsene < 25 Jahre) entwickelt wurde, dient sie bevorzugt humanmedizinischen

Untersuchungen, die über einen längeren Zeitraum die Veränderung der

Körperzusammensetzung (bis zu einem Alter von 65 Jahren) verfolgen (SIERVOGEL et

al., 1998).

Methodenübersicht

39

Eine spezifische Dichte für den Gesamtkörper von z.B. 1,05 g/ml führt nach der

Gleichung von SIRI (1956) zu einem Körperfettgehalt von 21,43 %, nach BROZEK et al.

(1963) zu 21,04 %, nach BROZEK (1966) zu 21,53 % und nach KRAYBILL et al. (1953)

zu 23,36 %, während die Gleichung von LOHMANN et al. (1984) den niedrigsten

rechnerischen Körperfettgehalt von 15,76 % ergibt. Alle Formeln ergeben spätestens ab

einer spezifische Dichte für den Gesamtkörper von ≥ 1,103332 g/ml negative

Körperfettgehalte (%), da ~1,1 g/ml die angenommene Dichte für die Mager-

gewebemasse darstellt.

Unter Bedingungen, die einen Gewichtsverlust bzw. eine Gewichtszunahme und

damit eine Änderung der Körperzusammensetzung zur Folge haben, müssen die

„statischen“ Formeln modifiziert werden (BROZEK, 1966, LOHMANN, 1984). Um die

nachgewiesenen Mängel der Zwei-Komponenten-Modelle zu umgehen, schlagen

LOHMANN (1984), ROEMMICH et al. (1997) sowie ELOWSSON et al. (1998) speziell für

wachsende Individuen bzw. für Individuen, deren Körperzusammensetzung sich ändert,

vor, die bereits beschriebenen Drei- bzw. vorzugsweise Vier-Komponenten-Modelle zu

verwenden oder weiter zu entwickeln.

Als erhebliche Fehlerquellen gehen in diese Methoden - neben den Variationen

des Wassergehalts in der fettfreien Masse und des Muskel-zu-Knochen-Verhältnisses

(SHIELDS et al., 1983) - die mit „Luft“ gefüllten Räume des Körpers ein. Den Gasinhalt

des Magen-Darm-Traktes kann man nicht genau bestimmen. Er wird mit 50 - 300 ml

angenommen. Mit dem Alter nimmt die Mineraldichte der Knochen wie auch das

Körperwasser ab und somit auch das spezifische Gewicht der fettfreien Masse. Bei

Tieren mit einer größeren Knochendichte ist das spezifische Gewicht der fettfreien

Masse höher (FOGELHOLM et al., 1996).

Neben der Unterwasserwägung wird zur Ermittlung der spezifischen Dichte des

Gesamtkörpers die bereits erwähnte akustische Plethysmographie (SHENG et al., 1988)

genutzt. Diese Methode nutzt das Prinzip des Helmholtzresonators, bei welchem sich

die Resonanzfrequenz einer Kammer umgekehrt proportional zur Quadratwurzel des

Luftvolumens innerhalb der Kammer verhält. Nachdem ein Objekt in der Kammer

platziert wurde, kann die Veränderung der Resonanzfrequenz herangezogen werden, um

das Volumen des Objekts zu messen. Die anhand von 13 Miniatur-Schweinen (Alter: 5 -

18 Tage, Gewicht: 1253 g - 2631 g) durchgeführten Wiederholungsmessungen des

Körpervolumens resultierten in Variationskoeffizienten zwischen 0,3 und 3,2 % (SHENG

Methodenübersicht

40

et al., 1988), wobei diese Messwerte nicht signifikant von den Körpervolumina aus der

chemischen Analyse (Summe der Volumina von Gesamtkörperwasser, Fett, Protein und

Mineralstoffen) abwichen.

Insgesamt ist für beide Methoden, Unterwasserwägung und akustische

Plethysmographie, festzustellen, dass sie für die Verwendung am lebenden Schwein

aufgrund der Verfahrensgestaltung als ungeeignet erscheinen.

2.2.3.2.4. Lineare Messungen

Der Körper oder die Schlachthälfte eines Schweines bietet selbst eine Vielzahl von

möglichen linearen Messstellen an. Körpergröße, Körperlänge, Brust- bzw.

Rumpfumfang und -tiefe, Brust- bzw. Beckenbreite, Vorder- und

Hintergliedmaßenlänge bzw. –umfang sind nur einige Beispiele. In den meisten Fällen –

insbesondere beim Schwein - gestatten diese Maße jedoch keine hinreichende

Schätzung der Körperzusammensetzung und dienen allein zur linearen bzw. nicht-

linearen Beschreibung der äußeren Körpermaße von Individuen bzw. Populationen

(LÓPEZ FERNÁNDEZ, et al., 1992, KRÄUßLICH, 1998, SCHULZE u.a., 1998). Zwei

Parameter bilden sowohl am lebenden Tier als auch am Schlachtkörper eine Ausnahme.

Rückenspeckdicke bzw. –fläche und Rückenmuskeldicke bzw. -fläche sind aufgrund der

relativ engen Korrelationen (r ≥ |±0,45|) geeignete Hilfsmerkmale zur Schätzung von

Fett- und Fleischanteil und werden seit Etablierung der Echolotmessung für die

Leistungsprüfung von Zuchttieren bzw. im Rahmen von Wachstumsversuchen

verwendet (RITTLER, 1969, HORST, 1971, FENDER u.a., 1979, PFEIFFER u.a., 1984,

SATHER et al., 1986, 1987, MOELLER et al., 1998; siehe auch Kapitel 4.2). Vor der

Einführung der Ultraschallmessungen erfolgte die Messung der Rückenspeckdicke nach

der „Ruler“-Methodik (HAZEL und KLINE, 1952). Mit einem Skalpell oder „scharfem“

Messer wurde die Haut über der Messstelle durchtrennt und der Messstab („Ruler“)

wurde bis zum Erreichen des Muskelstranges in das Rückenfettgewebe eingeführt, so

dass die Rückenspeckdicke abgelesen werden konnte (Abb. 2.2.8).

Methodenübersicht

41

Abb. 2.2.8: Messung der Rückenspeckdicke mittels „Ruler“ oder „Back Fat Probe“(Bild von William G. Luce, Spezialberater Schweine der Oklahoma State University)

Voraussetzungen für hohe Korrelationen (hohe Schätzgenauigkeiten) bilden

wiederum hohe Variationen für Rückenmuskelfläche und Rückenfettfläche bzw. –dicke

innerhalb eines engen Gewichtsbereiches innerhalb der betrachteten Populationen.

2.2.3.2.5 Radiologische und bildgebende Methoden im Überblick

Eine frühzeitige objektive und wiederholbare Bestimmung der Körperzusammensetzung

(in vivo) ist für praktische Tierzüchter, Nutztierwissenschaftler und Veterinärmediziner

gleichermaßen von Interesse, um einerseits das Generationsintervall im Rahmen der

Selektion und den Produktionsprozess optimal gestalten zu können bzw. andererseits

genetische, physiologische, ernährungs- und haltungsbedingte sowie wirtschaftliche

Fragestellungen zu beantworten. Die Entwicklung von neuen, leistungsfähigen

Methoden wurde vor allem durch die Humanmedizin vorangetrieben, wovon der

Nutztierbereich mit zeitlicher Verzögerung profitierte (FOSTER und FOWLER, 1988).

Übersichten zu genutzten Verfahren in der Humanmedizin bzw. in den

(Nutz-)Tierwissenschaften für die Bestimmung der Körperzusammensetzung finden

sich bei LUKASKI (1987), JEBB (1997) und ELLIS (2000) bzw. STREITZ (1995),

STANFORD et al. (1998a), TREITL (1998) sowie MITCHELL und SCHOLZ (2001). Auf

radiologische bzw. bildgebende Techniken beschränken sich WELLS (1991),

HEYMSFIELD et al. (1997b), PLOURDE (1997) sowie SZABO et al. (1999). Die

radiologischen Techniken umfassen die (Röntgen-)Computer-Tomographie ((R)CT)

Methodenübersicht

42

oder „Computer-Aided-Tomographie“ bzw. Computer-Axial-Tomographie (CAT),

Magnetresonanz-Tomographie (MRT), bzw. -Spektroskopie - MRS), Photonen-

Absorptiometrie (Single- SPA oder Dual- DPA), Dualenergie-Röntgenabsorptiometrie

(DXA) und Neutronenaktivierungs-Analyse (NAA).

Erste erfolgversprechende Arbeiten zur Nutzung der Röntgenmesstechnik

(Röntgen-Durchleuchtung) für die Bestimmung des „erblich-konstitutionell“ bedingten

Fettwuchses am lebenden Schwein führte HOGREVE (1938a,b) in Berlin-Dahlem an der

damaligen Friedrich-Wilhelm-Universität durch. Bereits KRONACHER und HOGREVE

(1936) versuchten die Variation der Schinkenform mit derselben Technik zu ermitteln.

Der Ursprung für die Röntgenaufnahmetechnik wurde bereits viel früher gelegt und lässt

sich nach REISNER (1996), SCHUBERT (1998) und LINDGREN (2001) in drei Abschnitte

gliedern:

1. Nach Entdeckung der X-Strahlen durch Wilhelm Conrad Röntgen (1845-

1923) am 8.11.1895 (Nobelpreis 1901) Entwicklung der

Summationsaufnahmetechnik einschließlich Spezialprojektionen (ca. 1895-

1930):

Einführung der Röntgenröhren nach dem Glühkatodenprinzip

(Coolidge-Röhre) und des Streustrahlenrasters (Bucky-Blende)

(1913-1914),

2. Entwicklungsphase der Schnittbildtechnik beginnend mit der

konventionellen Tomographie (1921-1970):

Erster „Planigraph“ nach theoretischen Vorarbeiten von

v.a. Bocage (1921) und eigentlicher Bau durch B. Ziedses des

Plantes (1931),

1930 Einführung der Drehanodenröhre durch A. Bouwers und

Einführung der Tomographie durch A. Vallebona,

1936 Einführung der Schirmbildmethode durch M. de Abreu,

Serienproduktion des Hochleistungsschichtgerätes "Polytom"

(mit hypozykloider Verwischung) durch Konstrukteur Massiot

(nach 1950),

1952 Einführung der Bildverstärker-Technik,

3. Entwicklung der Computer-Tomographie:

Methodenübersicht

43

ab 1957 Entwicklung der Computer-Tomographie durch

A. MacLeod/Cormack und

ab 1967 Einführung der Computer-Tomographie durch Godfrey

N. Hounsfield.

Neben den oben genannten Verfahren wird die Positronen-Emissions-

Tomographie als weiteres bildgebendes Verfahren vor allem für

Stoffwechseluntersuchungen genutzt (u.a. HSU et al., 1996, MÜLLER et al., 1997,

SCHWAIGER, 1997, SELBERG und BURCHERT, 1997, MÜLLER-GÄRTNER, 1998).

Zusätzlich zu den radiologischen Verfahren Magnetresonanz-Tomographie und

Computer-Tomographie wird besonders beim Schwein bereits über einen langen

Zeitraum mit Ultraschalltechniken (US) gearbeitet (KLIESCH u.a., 1957, STOUFFER et al.,

1961, 1991, HORST, 1964a, HORST u.a., 1971, RITTLER u.a., 1964, SZABO et al, 1999).

Jüngere Übersichtsreferate zur Nutzung von Ultraschalltechniken finden sich bei

FOSTER und FOWLER (1988), HORN (1991), WELLS (1991), MAYRHOFER u.a. (1995),

STREITZ (1995), TREITL (1998) sowie MITCHELL und SCHOLZ (2001). In der

Entwicklung befinden sich neben bildgebenden Verfahren, die intermediäre

Frequenzbereiche der elektromagnetischen Strahlung wie Mikrowellen- und Infrarot-

Strahlung (Abb. 2.2.9) nutzen, die Elektrische-Impedanz-Tomographie (WELLS, 1991,

FOGELHOLM und VAN MARKEN LICHTENBELT, 1997, LI, 2000) sowie auf der

Neutronenaktivierung beruhende Bildgebungsverfahren. Viele Isotope werden durch

Neutroneneinfang radioaktiv und zerfallen danach unverwechselbar unter Aussendung

individueller Gammastrahlung. Aus der Aktivitätsmessung kann äußerst empfindlich

der gleichzeitige Nachweis von mehreren (Spuren-)elementen in einer Probe geführt

werden. Bei vielen chemischen Elementen liegt die Nachweisgrenze sehr niedrig, so

dass die Neutronenaktivierungsanalyse als „Goldstandard“ zur Kalibrierung anderer In-

vivo-Methoden herangezogen wird (KEHAYIAS und VALTUEÑA, 1999).

Methodenübersicht

44

Abb. 2.2.9: Frequenzbereiche für elektromagnetische Strahlung (modifiziert nachSCHUBERT, 1998)

In der visuellen Abbildung des Körperinneren ähneln sich die beiden

dreidimensionalen Verfahren (Röntgen-)Computer-Tomographie und Magnetresonanz-

Tomographie außerordentlich, obwohl sie auf stark abweichenden Prinzipien beruhen

(WELLS, 1991, VANGEN und JOPSON, 1996). Die Magnetresonanz-Tomographie (MRT)

besitzt im Vergleich zur Computer-Tomographie (CT) Vorteile in der strukturellen

Abbildung weicher Gewebe (KALLWEIT et al., 1994), abgesehen von der nicht

vorhandenen Belastung durch Röntgenstrahlen (THOMAS et al., 1998, ROSS et al., 2000).

Nicht nur begrenzt auf Ganzkörperanwendungen in vivo (bzw. post mortem) können

diese beiden Verfahren neben klinischen (THIET und BAULAIN, 1992, KRESKEN u.a.,

1993, JANZEN und GAREAU, 1993, THIELEBEIN, 1994, MAYRHOFER u.a., 1995),

(umwelt-)toxikologischen (BLACKBAND und STOSKOPF, 1990, GASSNER et al., 1990),

anatomischen (DAVIES et al., 1987, JANZEN et al., 1989, JOPSON, 1995, MASON et al.,

1995, SCHULTE SPECHTEL u.a., 1997, WOLTER, 1997, BÖTTCHER et al., 1999) und

embryologischen Zwecken (GASSNER und LOHMAN, 1987, LIRETTE et al., 1993a)

speziell für genetische (LIU et al., 1992, 1994, SCHOLZ et al., 1995a), physiologische

(SCHOLZ et al., 1995b, 1998) sowie ernährungswissenschaftliche (MITCHELL et al.,

1991b,c, LUITING et al., 1992, KOLSTAD, 1996, KOLSTAD et al., 1996) Studien genutzt

werden. Parallel können kurzfristige oder langfristige Veränderungen in der

Körperzusammensetzung sowie in der Zusammensetzung von Gewebedepots während

des Wachstums oder zum Zeitpunkt der Vermarktung (BAULAIN, 1994a,b, BAULAIN

u.a., 1990, 1993, 1996, 1998, STREITZ, 1995, STREITZ u.a., 1995, WIEDERHOLD, 1996,

Elektromagnetische StrahlungFrequenz (Hz)

Ionisierende Strahlung (CT/ DXA)

Nichtionisierende Strahlung

(MRT/ MRS)

Röntgen-Strahlung

UV-sichtbares

Infrarot-LichtMikrowellen-Strahlung

Radio-Frequenz-Strahlung

1018

1016

1014

1012

1010

108

106

Methodenübersicht

45

KASTELIC et al., 1996, KASTELIC, 1997, KOLSTAD, 2000) auf individueller Basis

quantifiziert werden. Eine Stärke der Verfahren liegt in der Aufhebung der Variation

zwischen Tieren, die bei Stufenschlachtungen zu berücksichtigen wäre (WELLS, 1991,

BAULAIN u.a., 1996, KASTELIC, 1997), so dass sie als Referenzverfahren sehr gut

geeignet sind (BAULAIN und HENNING, 2001). Computer- und Magnetresonanz-

Tomographie sowie zum Teil Magnetresonanz-Spektroskopie werden zur Bestimmung

der Körperzusammensetzung für ein weites Spektrum von Nutztierarten eingesetzt.

In vivo (und post mortem) wurden überwiegend Schwein und Schaf untersucht,

beginnend mit den CT- bzw. MRT-Studien von SKJERVOLD et al. (1981), ALLEN und

VANGEN (1983), ETTINGER et al. (1983), GROENEVELD et al. (1983), GROENEVELD

(1985), FULLER at al. (1983) sowie SEHESTED (1983, 1986). Nach Implementierung von

CT- bzw. MRT(S)-Geräten in Australien, Deutschland, Kanada, Neuseeland, Norwegen,

Österreich, Schottland (UK), Ungarn und USA für den Nutztierbereich folgte eine Reihe

weiterer Untersuchungen zur Körperzusammensetzung an verschiedenen

Nutztierspezies gekoppelt mit den verschiedensten Fragestellungen beim Schwein

(BAULAIN, 1994a, b, BAULAIN et al., 1990, 1993, 1996, FOWLER et al., 1992, GRIEP,

1991, HENNING et al., 1991, HENNING, 1992, HORN et al., 1996, 1997, MITCHELL et al.

1991b,c,d, 1993, SCHOLZ u.a., 1993,1995a,b, 1998, KOLSTAD, 1996, KOLSTAD et al.,

1996, 2000, KOLSTAD und VANGEN, 1996, KASTELIC, 1997, SZABO et al., 1998,

VANGEN und ENTING, 1990, VANGEN, 1992, VILLÉ et al., 1991, 1997), Schaf (PÁSZTHY

et al., 1991, AFONSO, 1992, AFONSO und THOMPSON, 1996, STANDAL, 1992, VANGEN

und THOMPSON, 1992, STREITZ, 1995, STREITZ u.a., 1995, BAULAIN und STREITZ, 1997),

bei der Ziege (MASON et al., 1995), beim Geflügel (BENTSEN und SEHESTED, 1989,

MCBRIDE et al., 1991, MITCHELL et al., 1991a, LIU et al., 1992, 1994, LIRETTE et al.,

1993a,b, KALLWEIT u.a., 1994, ROMVÁRI et al., 1994, WIEDERHOLD, 1996), Kaninchen

(SZENDRÕ et al. 1992, ROMVÁRI et al., 1996, 1998) und Fisch (GJERDE, 1987a). Ein

Großteil der MR-Arbeiten zum Wachstum und der Körperzusammensetzung beim

Schwein wurde bzw. wird, neben Schaf und Geflügel, am Institut für Tierzucht und

Tierverhalten der Bundesforschungsanstalt für Landwirtschaft in Mariensee (Neustadt a.

Rübenberge) durchgeführt (BAULAIN u.a., 1990, SMIDT u.a. 1990, 1991, SMIDT, 1992,

KALLWEIT u.a., 1991, 1994, KALLWEIT, 1994, BAULAIN und HENNING, 2001).

Eine Zusammenfassung der ersten CT-Studien in vivo an Schweinen, Schafen,

laktierenden Ziegen und Broilern sowie post mortem an Regenbogenforellen und

Methodenübersicht

46

Schweineschlachtkörpern findet sich bei VANGEN (1988a, b). HORN (1991) vergleicht in

einem Übersichtsbeitrag Ultraschall und CT und gelangt zu dem Schluss, dass CT die

zwei- bis dreifache Genauigkeit zur Schätzung der Körperzusammensetzung gegenüber

Ultraschall erreicht.

Tab. 2.2.2: Bewertung „radiologischer“ Methoden zur Bestimmung der Körper-

zusammensetzung (modifiziert nach PLOURDE, 1997 und MITCHELL und SCHOLZ, 2001)

Methode Spezifität für die Bestimmungder Körperzusammensetzung

Wieder-hol-

barkeit

(%)

Messdauer

(Minuten)

Strahlen-dosis

(mrem)

Kosten Verfügbar-keit im

Veterinär-und

Nutztier-bereich

CT

QCT

Gewebeniveau,abdominales Fettgewebe undSkelettmuskelfettgehaltKnochen

> 98

> 85

10Sekunden

15 - 20

200

9

hoch ++

°

MRT Atomares Niveau,abdominales Fettgewebe undSkelettmuskelfaserzusammen-setzung

85 - 90 1 – 30 - sehrhoch

+

MRS Atomares und molekularesNiveau sowielokaler Fett- und Wassergehalt

>95 1 - 10 - sehrhoch

°

DXA Gewebeniveau,Knochenmineralgehalt und –dichte,(abdominales) Fettgewebe undMagergewebe

>88 10 – 30 0,5 moderat–hoch

+

PAA Atomares und molekularesNiveau,Gesamtkörper-C- , -N und -O-Gehalt sowieSchätzung desGesamtkörperfettgehaltes

96 45 63 cGy hoch -

US Gewebeniveau sowielokales Fett- und Muskelgewebe

75 – 80 1 - 10 - gering –moderat

+++

NAA Atomares und molekularesNiveau,Gesamtkörper-C-, N-, O-, Ca-,Gehalt sowieSchätzung desGesamtkörperfettgehaltes

97 20 0,2 hoch -sehrhoch

-

(Q)CT=(Quantitative) Röntgen-Computer-Tomographie, MRT=Magnetresonanz-Tomographie,MRS=Magnetresonanz-Spektroskopie, DXA= Dualenergie-Röntgenabsorptiometrie,PAA=Photonenaktivierungsanalyse, US=Ultraschall, NAA=Neutronenaktivierungs-Analyse (darunter Neutronen-Inelastische-Streuung, K40-Ganzkörperzählung)

Speziell in der Fleischschafzucht in Schottland, Neuseeland und neuerdings in

Österreich (http://www.schafe-ooe.at/, Stand Dezember 2001) werden verstärkt

Anstrengungen unternommen, die mittels CT bestimmte Körperzusammensetzung

direkt in die Selektion auf Nukleusebene einzubeziehen (SIMM, 1994, THOMPSON et al,

Methodenübersicht

47

1996, STANFORD et al., 1998a), während in Norwegen ein Teil der

Eigenleistungsprüfung für potentielle Zuchteber bereits seit längerer Zeit mittels CT

durchgeführt wird (BAULAIN, 1994a).

Weitere Verfahren, die zur Bestimmung der Körperzusammensetzung (in vivo)

genutzt werden, umfassen die Unterwasservolumenverdrängung (überwiegend im

Humanbereich, BUTTE et al., 1997, ELOWSSON et al., 1998), Bioimpedanz (SWANTEK et

al., 1992), Gesamtkörperwiderstandsmessung [TOBEC] (KEIM et al., 1988, HENNING et

al., 1992, FORREST, 1994, BUTTE et al., 1997, HIGBIE, 1998), Verdünnungsanalysen

(FULLER et al., 1971, HOUSEMAN et al., 1973, BUTTE et al., 1997, TREITL, 1996, 1998)

sowie Hautfaltendicke-Messungen (BUTTE et al., 1997). Größere Nutztiere, die zur

Fleischproduktion verwendet werden (z.B. Rinder), sind aufgrund der begrenzten

Geräteausmaße sowie der anatomischen Gegebenheiten für In-vivo-Untersuchungen

mittels MRT, CT, DXA oder TOBEC nur bis zu einer maximalen Körpermasse von ca.

120 kg – 130 kg geeignet (ALLEN und WALSTRA, 1996, SCHOLZ u.a., 2001 - siehe Abb.

2.2.20). Referenzuntersuchungen an Schlachtkörperteilstücken vom Rind sind jedoch

ohne weiteres durchführbar (BAULAIN u.a., 1991, ALLEN und KEANE, 1996, MITCHELL

et al., 1997b, HOLLÓ et al., 1998).

Tabelle 2.2.3: Vor- und Nachteile gebräuchlicher Verfahren zur nicht invasiven

Bildgebung für die Untersuchung der Körperzusammensetzung

Vorteile Nachteile

Ultraschall - leicht verfügbar

- keine Strahlenbelastung

- kostengünstig

- Darstellung von B-Bild in

Echtzeit

- im Vergleich zu CT und MRT

weniger genaue anatomische

Auflösung

Videobildanalyse - leicht verfügbar

- keine Strahlenbelastung

- kostengünstig

- nur Information über Körperform

und Körperproportionen am

lebenden Tier

Computer-Tomographie - sehr gute anatomische

Auflösung

- Strahlenbelastung

- relativ hohe Investitionskosten

Magnetresonanz-

Tomographie

- sehr gute

Gewebedifferenzierung

- multiplanare Darstellung

- hoher technischer Aufwand

- hohe Investitions- und laufende

Kosten

- eingeschränkte Verfügbarkeit

Methodenübersicht

48

Stellt man ergänzend zu Tab. 2.2.2 die für die Ermittlung der

Körperzusammensetzung gebräuchlichsten bildgebenden Verfahren unter Einbeziehung

der noch nicht erwähnten Videobildanalyse gegenüber, ergeben sich die in Tab. 2.2.3

zusammengestellten Vor- und Nachteile.

2.2.3.2.5.1 Computer-Tomographie (CT)

Im Zeitraum 1967 - 1971 ging mit der Einführung der Röntgen-Computer-Tomographie

(CT) ein lang gehegter Wunsch der Human- und Tierwissenschaftler in Erfüllung.

Erstmals konnten computergestützt die räumlichen Verhältnisse im Körperinneren

(Gehirn) bildlich auf nicht invasive Weise dargestellt werden (HOUNSFIELD, 1973).

RADEN (1917) legte mit seiner theoretischen Vorarbeit den Grundstein zur von

CORMACK (1980) weitergeführten Entwicklung der mathematischen Algorithmen für die

Bildrekonstruktion aus den Daten der Röntgenschwächung. Auf diesen Grundlagen baut

eine Vielzahl von Forschern auf, um die Röntgentechnik selbst und deren

mathematische Umsetzung in dreidimensionale Bildinformationen stetig zu verbessern

(z.B. SCHALLER et al., 1996a, b).

Generell liefert CT oder CAT (Computer-Axial-Tomographie) Schnittbilder des

Körperinneren, die den Bildern aus der Magnetresonanz-Tomographie (Kapitel

2.2.3.2.5.2) sehr ähneln. Die CT-Bilder verfügen zwar über einen guten Kontrast

zwischen Fett- und Magergewebe (speziell zwischen Weichgewebe und Knochen) sind

aber im Vergleich zur Magnetresonanz-Tomographie im detaillierten Kontrast zwischen

oder innerhalb verschiedener Gewebe und Organe der Magergewebekategorie

eingeschränkt. Wie der Name sagt, ist ein CT-Bild ein Querschnittsbild (Tomogramm),

das mit Hilfe eines Rechners erstellt wird.

Ein CT-Bild entsteht vereinfacht wie folgt:

Senkrecht zur Körperachse des Probanden (Kopf-Fuß-Richtung) rotiert ein festes

System aus Röntgenröhre und ihr gegenüber liegenden Detektoren. Der Proband wird in

Einzelschritten durch das Gerät geschoben. Die Röntgenröhre erzeugt dabei mit einer

Hochspannung von 120 bis 150 kV (1 kV = 1000 Volt) einen punktförmigen oder

zumeist fächerförmigen Röntgenstrahl, der den Körper in der gewünschten Ebene

durchstrahlt. In Abhängigkeit von der Dichte, der Dicke sowie der Ordnungszahl der

durchstrahlten Materie, also des Gewebes, wird der Strahl mehr oder weniger stark

geschwächt. Gegenüber der Röhre befindet sich halbkreisförmig angeordnet eine Anzahl

(z.B. 500 bis 1000) von Detektoren, die in Abhängigkeit von der auftreffenden

Methodenübersicht

49

Röntgenstrahlenintensität elektrische Signale erzeugen. Diese Signale werden weiter

verarbeitet und zur endgültigen Bilderzeugung verwendet (LEYMASTER, 1986).

Die Röhre mit den gegenüberliegenden Detektoren dreht sich schrittweise z.B. um

1° oder 0,5° weiter und sendet erneut einen Fächerstrahl aus, dessen Signal dem

Rechner zugeführt wird. Dies geschieht z.B. 360- oder 720-mal. Auf diese Weise

werden verschiedene Ansichten (Projektionen) derselben Schicht erzeugt und die für

jedes Bildelement (Pixel) gemessene Röntgenschwächung wird im Computer zu einem

Graustufen-Bild umgerechnet. Die Anzahl der Bildelemente ist geräte- und

softwareseitig einzustellen und ergab bei konventionellen CT-Geräten z.B. eine

Bildmatrix von 256 x 256 Bildelementen (BAULAIN, 1994a). „Spiral“-CAT-Scanner der

jüngsten Generation mit Bildmatrizen von ≥ 1024 x 1024 Bildpunkten lassen eine viel

höhere Auflösung zu (HORN et al., 1997). Es entsteht ein in seiner Dicke einstellbares

Querschnittsbild des Körpers. Die Schichtdicke kann für den jeweiligen

Untersuchungszweck zwischen etwa 0,5 mm und > 10 mm vorgewählt werden.

Einzelheiten der Organe bzw. Gewebe sind mit geringsten Schichtdicken am genausten

zu erkennen. Neueste Mehrzeilen-Spiral-CT-Geräte verfügen über > 8 Detektorein-

heiten, die gleichzeitig um den Probanden kreisen und Scheibendicken von > 2 x 10 mm

gewährleisten. Die Standardumdrehungszeit beträgt 0,75 Sekunden und kann bis auf 0,5

Sekunden reduziert oder bis auf 2 Sekunden erhöht werden. Aus einer variierenden

Scanlänge von 16 bis 1440 mm resultieren Bildzahlen von 41 bis 700.

Die Strahlenexposition beträgt, je nach Untersuchung, zwischen 0,5 cSv bis 1 cSv

(1 cSv = 1/100 Sievert) für den zu untersuchenden Bereich. Wie konventionelle

Röntgenstrahler lässt sich die Computer-Tomographie im Prinzip auf alle Körperteile

anwenden.

Diese Technik - wie auch die Dualenergie-Röntgenabsorptiometrie - nutzt die

unterschiedliche Schwächung der Röntgenstrahlen in differenzierten Körpergeweben

wie Muskel (Wasser und Protein), Fett oder Knochen, die durch die verschiedenen

(angenommenen) spezifischen Dichten von 0,993 g/cm3 für Wasser, 1,34 g/cm3 für

Protein, 0,9 g/cm3 für Fett und 3,075 g/cm3 für (Knochen-) Mineralstoffe bei 37 °C

verursacht werden (SUTCLIFFE, 1996). Die linearen Schwächungskoeffizienten werden

in sogenannte Hounsfield-Einheiten (HU) oder CT-Werte transformiert, die zwischen

+1023 für Knochen (bzw. theoretisch +3000 bei kompletter Absorption von extrem

dichten Materialien) und –1024 (keine Absorption) für Luft schwanken. Protein liegt bei

Methodenübersicht

50

349 HU, Wasser bei 7,5 HU, und Lipid bei –191 HU. Fettgewebe weist Werte zwischen

–30 und –190 HU auf, während Magerweichgewebe (hauptsächlich Muskel) zwischen –

29 und 150 HU klassifiziert werden kann (BAULAIN, 1994a, LUITING et al., 1995).

Ein „quantitatives“ CT-Gerät (QCT) liefert nicht nur Bilder, sondern wie

beschrieben quantitative Messwerte auf der Hounsfield-Skala. Solche digitalen CT-

Daten lassen sich ähnlich wie bei der Dualenergie-Röntgenabsorptiometrie (Kapitel

2.2.3.2.5.4) zum Beispiel bei der Überwachung der Osteoporose nutzen. Osteoporose

verringert den Kalziumgehalt und damit die Röntgenabsorption im Knochengewebe.

Deshalb weisen z.B. die Wirbelsäule oder Oberschenkelknochen erkrankter Probanden

niedrigere Werte auf als die Knochen gesunder Probanden. Verschiedene

Einflussfaktoren auf Knochenmineraldichte und Knochenmasse sind in Abb. 2.2.23

zusammengefasst.

Die ermittelten Fett- und Muskelgewebeverteilungen können sich jedoch im

Bereich von 0 HU überschneiden, obwohl Fett (Lipid) theoretisch nur im negativen HU-

Bereich und Muskel (Protein + Wasser) nur im positiven HU-Bereich liegen kann

(VANGEN, 1992). HORN et al. (1997) definierten „Dichtebereiche“ für Fett zwischen –10

und –150 HU, für Wasser zwischen -10 und +10 HU, für Muskelgewebe zwischen +10

und +150 HU und für Knochen zwischen +250 und +1000 HU. Basierend auf dieser

Einteilung quantifizieren einerseits verschiedene Computer-Programme mit

halbautomatischer oder automatischer Gewebeklassifizierung innerhalb der digitalen

CT-Bilder unabhängig von Regressionsgleichungen die Gewichte (Volumina) der

interessierenden Körperkomponenten wie subkutane Fettauflage, inter-/intramuskuläres

Fett, Gesamtkörperfett, Abdominalfett, Magergewebe, fettfreie Innereien, Knochen und

Gesamtgewebe (THOMPSON und KINGHORN, 1992, JOPSON et al., 1995). Andererseits

sind Regressionsgleichungen unter Verwendung von Referenzwerten aus der

chemischen Analyse oder der Schlachtkörperzerlegung als unabhängige Variablen und

der CT-Daten als abhängige Variablen weiterhin die Methode der Wahl zur

Genauigkeitsüberprüfung der neuen Messtechniken. Zusätzlich zu Bestimmtheitsmaß

(R2) und Reststandardabweichung (RSD) als Präzisionsparameter kann das prozentuale

Verhältnis zwischen Standardfehler der Vorhersage (SEP) und Standardabweichung der

abhängigen Variable (SD) [SEP/SD = RSD] als Genauigkeitsparameter dienen.

Messungen der Fettmenge (kg) von lebenden Schweinen ergaben RSD-Werte von 18,6

% in Jungsauen und 27,1 % in Jungebern, während die Schätzung der Proteinmenge

Methodenübersicht

51

(kg) etwas höhere Schätzfehler mit 31,8 % bei Jungsauen und 27,1 % bei Jungebern

ergab (VANGEN, 1988a,b, BAULAIN, 1994a). In der ersten CT-Studie an 23 Schweinen in

vivo veröffentlichten SKJERVOLD et al. (1981) R2-Werte von 0,89 für den Fettanteil (%)

im Schlachtkörper, 0,83 für den Proteinanteil (%) und 0,85 für den Energiegehalt (%).

Eine etwas geringere Genauigkeit resultierte aus den Messungen der „mageren“ Linie

mit R2 = 0,73 für den Energiegehalt (%) im Schlachtkörper. VANGEN und ENTING

(1990) studierten das Potential der Computer-Tomographie, um den intramuskulären

Fettgehalt in Schweinen mit unterschiedlichen Duroc-Genanteilen (0 %, 25 % und 50

%) zu ermitteln. Zu diesem Zeitpunkt indizierten ihre Ergebnisse eine niedrige

Genauigkeit zur Schätzung des intramuskulären Fettgehaltes mit einem

Bestimmtheitsmaß von R2 ≤ 0,33 und einer Reststandardabweichung (RSD) von ≥ 0,79

(n = 823). JOPSON et al. (1995) ermittelten mittels CT post mortem ein R2 von 0,93 und

eine RSD von 0,32 für die Fettmasse des Schlachtkörpers (kg), wobei sich die Referenz-

Fettmasse aus einer Kombination von Nahinfrarot-Spektroskopie und Zerlegung ergab.

Im Vergleich zeigte die Schlachtkörper-Magermasse, die mittels CT systematisch um

durchschnittlich 3,44 kg überschätzt wurde, ein R2 von 0,86 und ein RSD von 0,63. Die

Unterschiede zwischen diesen Techniken hängen von verschiedenen Faktoren ab. Die

Genauigkeit der Zerlegung, z.B. - die nicht immer zu gewährleistende - exakte

Trennung von Mager- bzw. Muskelgewebe von Knochen- und Fettgewebe, ein exakter

CT-Schwellwert zur Unterscheidung zwischen Muskel- und Knochengewebe (JOPSON et

al., 1995), die Güte der Beziehungen zwischen Gewebedichte und Hounsfield-Einheiten

speziell bei Geweben mit sehr hoher Dichte und die variable Definition der mittels CT,

Zerlegung oder Nahinfrarot-Spektroskopie gemessenen Gewebe beeinflussen in

erheblichem Umfang die geschätzte Genauigkeit und Präzision der CT-Messung. SZABO

et al. (1998) fanden mit maximalen R2-Werten von 0,51 bzw. 0,8 niedrigere

Beziehungen zwischen Magergewebe- bzw. Fettgewebevolumen aus der CT in vivo und

dem Protein- bzw. Fettgehalt aus der chemischen Analyse von 20

Schweineschlachtkörpern (10 Jungsauen und 10 männliche Kastraten) bei 105 kg

Lebendgewicht. Allein die Schlachtkörpermasse kombiniert mit dem Effekt des

Geschlechts der Tiere erklärte 44 % bzw. 37 % der Variation im Protein- bzw.

Fettgehalt.

ALLEN und LEYMASTER (1985) studierten die grundlegenden Fehlerquellen, die

sich aus der Technik der Röntgen-Computer-Tomographie ergeben. Das niedrigste

Methodenübersicht

52

„Rauschniveau“ bzw. die beste zwei- oder dreidimensionale Bildqualität resultiert aus

der Kombination einer höheren Spannung (z.B. 150 kV) mit einer größeren

Scheibendicke (z.B. 8 mm) und der höchsten Stromstärke bei der höchsten Anzahl von

Projektionen.

Während Hardware und Software für die Röntgen-Computer-Tomographie - CT

(oder Computer-Axial-Tomographie – CAT) ständige Verbesserungen erfahren, nimmt

der sogenannte „Spiral-CAT-Scanner“ die jüngste Stufe der Entwicklung in der

Röntgen-Tomographie ein. Bei der Spiral-Computer-Tomographie kreist eine

leistungsfähige, sehr hitzestabile Röntgenröhre kontinuierlich um das Objekt (Tier),

welches auf dem Untersuchungstisch mit einer bestimmten Geschwindigkeit durch die

Öffnung des Gerätes geschoben wird. Durch das Körpergewebe wird der von der Röhre

ausgesandte Röntgenstrahl (Photonen) - wie bereits beschrieben - geschwächt. Eine

Messkammer mit Röntgensensoren, die gegenüber der Strahlenquelle angebracht ist,

misst die Intensität der auf sie treffenden Strahlen. Die so gewonnenen Ergebnisse

werden kontinuierlich aufgezeichnet und vom Computer zu einer Vielzahl

hochauflösender Schnittbilder des Körpers umgerechnet (HORN et al., 1997). Aus diesen

Datensätzen können wiederum dreidimensionale Abbildungen des Körpers bzw. von

Körperregionen errechnet werden, die eine volumetrische Bildanalyse gestatten. In vivo

ergaben sich hohe Schätzgenauigkeiten: für die Schinken-Muskelmasse ein R2–Wert

von 0,92 und ein RSD (SEE/SD) von 0,30; für die Schinken- plus Knochenmasse ein

R2-Wert von 0,91 sowie ein RSD von 0,33; für die Masse des M. longissimus dorsi ein

R2-Wert von 0,96 sowie ein RSD von 0,19; für die Masse des M. longissimus dorsi plus

Knochen ein R2 -Wert von 0,91 sowie ein RSD von 0,27; für die Gesamtmuskelmasse

(M. longissimus dorsi + Psoas major + Schinken + „Bauchseitenfleisch“ [bacon side

meat]) ein R2-Wert von 0,9 sowie ein RSD von 0,34 und außerdem für das gesamte

subkutane Fett plus Haut an der Schlachtkörpermasse ein R2 -Wert von 0,92 sowie ein

RSD von 0,34. Etwas höhere Genauigkeiten (R2 und RSD) können aus (Spiral-)CAT

oder CT Messungen post mortem erwartet werden (z.B. SEHESTED und VANGEN, 1988,

JOPSON et al., 1995, HORN et al., 1997).

Zwischen volumetrischen Spiral-CAT-Messungen und den traditionellen

(planaren, zweidimensionalen) CAT-Bildparametern bestehen enge Beziehungen. HORN

et al. (1997) ermittelte R2 -Werte zwischen 0,93 und 0,99 für Fettgewebedistanz- und

-flächenmaße an verschiedenen Scan-Positionen (9., 11., 13. Rippenwirbel, 2., 4., 6.

Methodenübersicht

Allgemein hat die volumetrische Spiral-CAT-Bildgebung – trotz des höheren

Preises - eine Reihe von Vorteilen gegenüber der traditionellen (planaren) CT für

Messungen der Körperzusammensetzung in vivo:

1. Eliminierung von Bewegungsartefakten und niedrige Strahlungsbelastung durch

sehr kurze Scanzeiten (120 Sekunden für 110 Scans mit einer Scheibendicke von 10

mm),

2. (fast) keine Einschränkungen für 2D und dreidimensionale Rekonstruktionen mit

einer hohen Auflösung von (bis zu) 1024 x 1024 Bildpunkten/Scheibe im Vergleich

zur konventionellen 256 x 256 Bildmatrix (BAULAIN, 1994a),

3. Weichteile sind besser voneinander abzugrenzen und abzubilden sowie

4. Überlagerungsfreie Darstellung einzelner Körperabschnitte, einschließlich

Dichtebestimmung anatomischer Strukturen.

Abb. 2.2.10: Funktionsweise der Spiral-Röntgen-Computer-Tomographie links: Computertomograph mit „virtuellem“ Schwein, rechts: Funktion (modifiziert nach http://www.tilak.at/azwhome/rtakademie/ct.html; KNOFLACH et al., 2000) 2.2.3.2.5.2 1H-Magnetresonanz-Tomographie

Das Phänomen der Magnetresonanz (MR) ist erst seit 1946 (BLOCH et al., 1946 und

PURCELL et al., 1946) bekannt und wurde als 2D-Spektroskopie zur Analyse

53

Lendenwirbel und Femurkopf einschließlich "Bacon-Seite") und R²-Werte zwischen

0,87 und 0,97 für Muskelgewebedistanz- und flächenmaße an denselben anatomischen

Positionen.

Methodenübersicht

54

biologischer Makromoleküle erstmals von JEAN JEENER im Jahre 1971 verwendet

(HAUSSER und KALBITZER, 1989). LAUTERBUR (1973) nutzte die 1H-Magnetresonanz

erstmals zur Abbildung eines flüssigkeitsgefüllten Phantoms. Seit etwa 1980 wird das

Verfahren in der Medizin eingesetzt (LÜNING u.a., 1988, HARNAK, 1996-2000, REISNER,

1996).

Eine wesentliche Aufgabe der Tierzuchtforschung liegt in der Entwicklung und

Bereitstellung von Verfahren, die die Körperzusammensetzung von lebenden und

geschlachteten Tieren mit hoher Genauigkeit erfassen (BAULAIN und HENNING, 2001).

Die für die Humanmedizin entwickelte Magnetresonanz-Tomographie ist wie die

Röntgen-Computer-Tomographie ein Verfahren zur bildlichen Darstellung des

Körperinneren, das bei Anwendung geeigneter Bildauswertungsmethoden die Schätzung

der Gewebeanteile (Fleisch, Fett, Knochen) lebender Tiere und Schlachtkörper

ermöglicht. Für die Nutztierwissenschaften in Deutschland wird die MR-Tomographie

seit Ende 1987 im Institut für Tierzucht und Tierverhalten (FAL), Mariensee – Neustadt

am Rübenberge, genutzt (BAULAIN u.a., 1990, SMIDT u.a., 1990, 1991, BAULAIN und

HENNING, 2001). Zahlreiche Ergebnisse hinsichtlich der Schätzung der grobgeweblichen

Zusammensetzung von Schlachtkörperteilstücken, Schlachtkörpern sowie der

Gewebezusammensetzung in vivo bei den Tierarten Schwein, Schaf und Wassergeflügel

zeigten die Eignung des Verfahrens für die Nutztierwissenschaften (BAULAIN u.a., 1990,

1991, 1993, 1996, 1998a,b, BAULAIN, 1997, FOWLER et al., 1992, GRIEP, 1991,

HENNING et al., 1996, MITCHELL et al., 1991a,b,c,d, SCHOLZ u.a., 1993, 1995a, STREITZ,

1995, WIEDERHOLD, 1996, BALL et al., 1996, BAULAIN und HENNING, 2001).

Kurzbeschreibungen der Prinzipien der Magnetresonanz-Technik im Rahmen der

Nutztier- bzw. Veterinärliteratur erfolgten in diversen Publikationen (BAULAIN u.a.,

1990, SMIDT u.a., 1990, 1991, KRESKEN u.a., 1993, KALLWEIT et al., 1994, MAYRHOFER

u.a., 1995, BAULAIN, 1997, PIETSCH, 1998), während im humanmedizinischen Bereich

eine nahezu unüberschaubare Anzahl von Publikationen zu diesem Thema existiert. Nur

drei deutschsprachige Referenzen von GALLA (1988), LÜNING u.a. (1988) sowie von

HAUSSER und KALBITZER (1989) seien hier genannt. Eine sehr anschauliche Einführung

in die Magnetresonanz-Tomographie gibt SCHILD (1990).

Nachfolgend werden die Prinzipien nochmals ausführlicher dargestellt:

Materie besteht bekanntlich aus Atomen, die ihrerseits Moleküle bilden können. Das

Atom besteht aus einer Elektronenhülle und dem Atomkern. Das neutrale Atom enthält

Methodenübersicht

55

genauso viele Elektronen in seiner Hülle wie der Kern Protonen besitzt. Zusammen mit

den Protonen bilden die elektrisch neutralen Neutronen den Atomkern. Protonen sind

elektrisch positiv geladen und haben annähernd die gleiche Masse wie die Neutronen.

Jede bewegte Ladung hat ein Magnetfeld zur Folge. Daher erzeugt auch die

Eigenrotation (Spin) der Protonen ein, wenn auch sehr kleines, atomares Magnetfeld.

Aus diesem Magnetfeld resultiert ein magnetisches Moment der Protonen. Diese

Momente können sich gegenseitig verstärken oder, wenn die Protonen gegeneinander

rotieren, auslöschen. Für die Magnetresonanz-Tomographie (-Spektroskopie) werden

Atome mit einem nach außen wirkenden magnetischen Moment (Eigenspin) verwendet

wie 1H, 2H, 7Li, 11B, 13C, 14N, 15N, 17O, 19F, 31P, 23Na, 27Al, 29Si, 35Cl, 39K, 69 Ga, 71Ga,77Se, 87Rb, 109Ag, 129 Xe, 131Xe, 199Hg. Diese Liste lässt sich noch erweitern, da

verfeinerte Messmethoden immer geringere Konzentrationen nachweisen können.

Einzige Voraussetzung ist die notwendige Eigenschaft des „Kernspins“, den nur

Atomkerne mit ungerader Protonen- und Neutronenzahl aufweisen. Grundsätzlich

können alle aufgeführten chemischen Elemente für tomographische und/oder

spektroskopische Untersuchungen mit unterschiedlicher Auflösung verwendet werden.

Die zeitliche und örtliche Auflösung wird von der relativen Empfindlichkeit der Atome

bestimmt, die weitestgehend von den magnetischen Eigenschaften der Atome (gemessen

als sogenanntes gyromagnetisches Verhältnis) und ihrem natürlichen Vorkommen

abhängt (Abb. 2.1.1). Eine gezielte Anreicherung von Atomen mit geringer natürlicher

Häufigkeit führt entsprechend zu einem Anstieg ihrer Empfindlichkeit.

Die Bildgebung (Tomographie) bedarf vereinfacht nur eines zusätzlichen

Rechnerschrittes im Vergleich zur Spektroskopie, für die üblicherweise auch keine

Magnetfeldgradienten verwendet werden. Über eine Fouriertransformation kann aus den

Spektraldaten ein Abbild der entsprechenden Voxel-Signalintensitäten in Form von

sogenannten „Grauwerten“ mit unterschiedlicher Datentiefe (8 Bit - 64 Bit) berechnet

werden. Mit den Geräten und der Software der neuesten Generation lassen sich beide

Verfahren (Tomographie und Spektroskopie) zur „funktionellen Bildgebung“ erweitern

und mehrere Atome (z.B. 1H, 31P und 13C) gleichzeitig in einem Untersuchungsgang

analysieren.

Das Phänomen der Magnetresonanz wird durch die physikalische Eigenschaft der

Atomkerne (Protonen) hervorgerufen, indem sie nach Einbringen in ein stabiles

Magnetfeld mit einem spezifischen Radiofrequenzimpuls zu einer parallelen oder

Methodenübersicht

56

antiparallelen Ausrichtung und Bewegung (Präzession) um die Achse des Magnetfeldes

(B0) gebracht werden können (Abb. 2.2.11). Die Geschwindigkeit, mit der die Protonen

um die Magnetfeldachse rotieren (Präzessionsfrequenz), ist der Magnetfeldstärke direkt

proportional und folgt der Larmor-Beziehung: ωL = γ • B0 (ωL = Larmorfrequenz der

Präzession, γ = gyromagnetisches Verhältnis, B0 = magnetische Feldstärke in Tesla).

Abb. 2.2.11: Kernspin und Präzession (links: parallele Ausrichtung, rechts: antiparalleleAusrichtung), modifiziert nach eigener Grafik in MITCHELL und SCHOLZ, 2001

Abschirmung Magnet

Magnet

Gradienten-Spulen

Gradienten-Spulen

Ganzkörper-RF-Spulen

Ganzkörper-RF-SpulenHub-tisch

Gradienten-Verstärker

Gradienten-Pulsgeber

Hochfrequenz-empfänger

A-D-Wandler

RF-Pulsgeber

RF-Quelle

Radiofre-quenz (RF)-VerstärkerComputer

Daten-speicher

Abb. 2.2.12: Bau- und Funktionsprinzip eines MR-Tomographen(modifiziert nach HORNAK, 1996-2000 und MITCHELL und SCHOLZ, 2001)

In der Regel erzeugen supraleitende Magneten dieses Feld (Abb. 2.2.12). Bei

Raumtemperatur bewirkt dieses Feld einen kleinen „Überschuss“ der Spins der parallel

zur Feldrichtung ausgerichteten Protonen im Vergleich zu den antiparallel

ausgerichteten Protonen. Je stärker das Feld, desto mehr Protonenspins richten sich in

Methodenübersicht

57

dem Feld aus. Für die Bildgebung können jedoch nur die „Überschussprotonen“ genutzt

werden. Durch einen spezifischen („resonanten“) Hochfrequenzimpuls werden die sich

kreiselförmig bewegenden Kerne, den Eigenspin kennzeichnend, aus der Richtung

gekippt und gelangen in ein höheres Energieniveau. Nach Beendigung des

Hochfrequenzimpulses bzw. der -impulsfolge schwingen die Atomkerne in ihre

Ausgangslage zurück. Dabei geben sie die aufgenommene Energie wieder ab, d.h. die

Atomkerne senden selbst Radiowellen aus, die mit Antennen (Hochfrequenzempfängern

– siehe Abb. 2.2.12) empfangen werden können und von einem Computer als

Grauwertstufen in Bildinformationen umgesetzt werden (BAULAIN et al.,1990, SMIDT et

al.,1991).

Die Höhe der gewebespezifisch abgegebenen Energie, die Kern-

Resonanzfrequenz und die Resonanzdauer sind abhängig von der Stärke des

Magnetfeldes und auch von der Art des Atomkerns sowie seiner Molekülumgebung. Die

häufigste Substanz im Tierkörper ist das Wasser (über 70 %). Zur MR-Bildgebung

eignen sich daher die Wasserstoffatome (Protonen) am besten. Protonen im Magnetfeld

weisen Eigenschaften eines schräg rotierenden Magneten auf. Sie besitzen den

beschriebenen „Eigenspin“ und können nur zwei Energieniveaus, entweder das

Basisniveau oder das Anregungsniveau, annehmen (Abb. 2.2.11).

Um den Grauwert (Helligkeit) für jeden Bildpunkt (Pixel) bzw. für jedes

Volumenelement (Voxel) zu erhalten, muss die Signalintensität der entsprechenden

Punkte im Körper bestimmt werden. Neben dem Hauptmagneten ist jedes MR-Gerät mit

zusätzlichen Magnetspulen (sog. Gradientenspulen) ausgestattet, um ein

Magnetfeldgefälle in beliebiger Richtung erzeugen zu können. Durch mehrfach zeitlich

exakt programmiertes Wiederholen von Anregung und Empfangen der Resonanzwellen

(Pulssequenzen) bei jeweils unterschiedlich geschalteten Gradientenspulen erhält man

die erforderliche Information für die Errechnung von Schnittbildern.

Im Unterschied zur Röntgen-Computer-Tomographie (CT) und Dualenergie-

Röntgenabsorptiometrie (DXA), mit denen die unterschiedliche Schwächung der

Röntgenstrahlen in den verschiedenen Körpergeweben gemessen wird, ist die

Messgröße bei der Bilddarstellung durch das MRT-Verfahren die Kernmagnetisierung

in einem gegebenen Volumenelement (Voxel). Bei einer gegebenen Feldstärke (z.B. 1,5

Tesla oder 4,0 Tesla) und einer vorgegebenen Pulssequenz (z.B. ein 90° Puls gefolgt

von einem 180° Puls) ist die Signalintensität (Kernmagnetisierung) abhängig von der

Methodenübersicht

58

Protonendichte sowie von den longitudinalen (Spin-Gitter) bzw. axialen (Spin-Spin)

Relaxationszeiten (T1 bzw. T2 mit T1 > T2), die durch Aufbau und Struktur der

Gewebe (Wasser/Muskel, Fett oder Knochen) beeinflusst werden (LUTZ und SCHULTZ,

1987, LÜNING u.a., 1988, HAUSSER und KALBITZER, 1989). Mit zunehmender

Magnetfeldstärke erhöht sich das Signal-zu-Rausch-Verhältnis. Die Bildqualität

verbessert sich (TRATTNIG u.a., 1997).

Um ein Signal messen zu können, müssen die sehr schwachen Schwingungen

synchronisiert werden. Die Art der Synchronisation (z. B. als sog. Gradientenecho oder

Spinecho) und der Zeitpunkt der Synchronisation, die Zwischenechozeit (TE), sowie die

Zeit bis zur nächsten Anregung, die Repetitionszeit (TR), werden vorgegeben. Da die

Strukturen im Körper unterschiedlich lange „nachschwingen“ bzw. verschieden lange

synchronisiert bleiben, tragen diese Zeitvorgaben maßgeblich zum Bildcharakter bei

(womit eine sogenannte T1- oder T2-Wichtung erzielbar ist). Die Untersuchung muss

dem interessierenden Gewebe angepasst werden. Fettgewebe ist durch kurze T1- und

lange T2-Relaxationszeiten gekennzeichnet, die hohe Signalintensitäten (helle Pixel

oder Voxel) in T1-gewichteten Bildern verursachen. Muskelgewebe besitzt hingegen

unter denselben Vorraussetzungen niedrige Signalintensitäten (dunkle Pixel oder

Voxel). Luftgefüllte Räume werden schwarz abgebildet, da keine Signale empfangen

werden (Abb. 2.2.13).

Untersuchungen an Schlachtkörpern bzw. Schlachtkörperteilstücken von Rind und

Schwein sowie lebenden Schweinen aber auch beim Menschen zeigten, dass T1-

gewichtete MRT-Messsequenzen, beispielsweise sogenannte Multi-Slice-Multi-Echo-

Puls-Sequenzen (z.B. mit einer Pulswiederholzeit - TR von 1000 Millisekunden und

einer Echoausleseverzögerung - TE von 33 Millisekunden) oder auch Spin-Echo-Puls-

Sequenzen (z.B. mit TR = 210 Millisekunden und TE = 17 Millisekunden), besonders

für die Unterscheidung von Muskel- und Fettgewebe geeignet sind (BAULAIN et al.,

1990, 1991, GRIEP, 1991, HENNING et al., 1991, SCHOLZ et al., 1993, SCHOLZ, 1994,

ROSS et al., 2000). Hierbei ist die gleichzeitige Messung mehrerer paralleler Scheiben

sowie Echos (Signalauslesezeiten) möglich. Abbildung 2.2.13 zeigt ein Beispiel von

vier zeitlich aufeinander folgenden „Echos“ eines Thorax-Schnittbildes, welches mittels

einer Multi-Slice-Multi-Echo-Puls-Sequenz erzeugt wurde. Im Rahmen des sogenannten

freien Induktionsabfalls (FID) nach Anregung der Protonen durch die genannte

Pulssequenz nimmt die Signalintensität kontinuierlich von Echo 1 bis Echo 4 ab,

Methodenübersicht

59

während der Kontrast von Echo 1 zu Echo 2 ansteigt und danach bis zum Echo 4

abnimmt (Abb. 2.2.13 und 2.2.14).

Abb. 2.2.13: Darstellung von MR-“Echo“-Bildern, die sich aus einer Multi-Slice-Multi-Echo-Puls-Sequenz ergeben (aus SCHOLZ, 1994; Fett erscheint hell bzw. weiß undMager- bzw. Muskelgewebe grau bis dunkelgrau)

Abb. 2.2.14: Veränderung von Signalintensität und Bildkontrast während der MR-Bilderzeugung

Besonders im Thorax- und Abdominalbereich des Menschen wird im Vergleich zu

1-Fouriertransformations-Puls-Sequenzen, die im Bereich der Gliedmaßen Verwendung

finden, mit 1/2-Fouriertransformations-Puls-Sequenzen gearbeitet, um die Aufnahmezeit

und damit Bewegungsartefakte durch die Atmung zu reduzieren (ROSS et al., 2000).

Sig

nal

Ko

ntr

ast

Fett

Muskel

TE TE

|Fett – Muskel|

Methodenübersicht

60

Abb. 2.2.15: Beispiel für ein MR-Axialschnittbild im Bereich der Nieren(Sichtbare Schatten sind durch Atmungsbewegungen hervorgerufene Artefakte.)

Abb. 2.2.16: Beispiel für ein MR-Axialschnittbild im Beckenbereich

Die Magnetresonanz-Tomographie gehört im Rahmen von Untersuchungen der

Körperzusammensetzung zu den ‘deskriptiven’ Methoden, solange Schätzgleichungen

auf der Basis von Referenzwerten aus der chemischen Analyse oder geweblichen

Zerlegung verwendet werden. Basierend auf den bekannten Konstanten für die

spezifische Dichte von unterschiedlichen Körpergeweben ermöglicht die

Methodenübersicht

61

Magnetresonanz-Tomographie auch direkte Messungen der Gewichte von anatomisch

definierten Körperteilen und -geweben bzw. des Gesamtkörpers, nachdem die

entsprechenden Volumina mittels einer dreidimensionalen Bildanalyse ermittelt wurden.

Inzwischen schließen routinemäßige Anwendungen der Magnetresonanz-

Tomographie die Messung des Gesamtkörpers und regionaler Verteilungen des

subkutanen und abdominalen Fettgewebes, die Quantifizierung des Magergewebes und

speziell der Skelettmuskulatur ein. Neben den routinemäßigen, klinischen

Anwendungen in der Human- und Veterinärmedizin wird die MR-Tomographie als

Methode der Wahl für Kalibrierungen von „Feldmethoden“ bezeichnet, die für die

Messung von Körperfett und Skelettmuskulatur in vivo Verwendung finden sollen

(BAULAIN, 1996, JEBB, 1997, ROSS et al., 2000). Erst seit kurzem existieren Proton- (1H)

und Natrium- (23Na) MRT-Protokolle, die die Qualität (Lipid- und

Natriumkonzentration) des Skelettmuskelgewebes messen können (ROSS et al., 2000).

Hohe Anschaffungs- und Unterhaltskosten beschränken jedoch den Einsatz im Bereich

der Nutztiere (BAULAIN, 1996).

2.2.3.2.5.2.1 Statistische Bildanalyse zur Quantifizierung von Gewebeanteilen

Abb. 2.2.17: Schema für den Ablauf der Bildverarbeitung mittels Clusteranalyse – vomOriginal (links) über interessierende Region (ROI) mit dreidimensionalerSignalintensitätsdarstellung zum Clusterbild (rechts oben nach rechts unten)

Ebenso wie die Röntgen-Computer-Tomographie und die Ultraschall-Bildgebung

ist die Magnetresonanz-Tomographie ein Messsystem, welches zur Quantifizierung von

Komponenten der Körperzusammensetzung auf dem Gewebe-System-Niveau eingesetzt

Methodenübersicht

62

wird und die anatomische Verteilung der Körpergewebe in vivo sowohl beim Tier

(Schwein) (FOSTER und FOWLER, 1988, SMIDT u.a., 1990, 1991, FOWLER et al., 1992,

FULLER et al., 1994, BAULAIN UND SCHOLZ, 1996, SZABO et al., 1999, MITCHELL und

SCHOLZ, 2001) als auch beim Menschen (HEYMSFIELD et al., 1997, ELBERS et al., 1997)

darstellt. Die Differenzen in der Konzentration, der Mobilität und den

Relaxationseigenschaften der Wasserstoffatomkerne in verschiedenen Geweben

verursachen - wie beschrieben - eine Variation der Signalintensitäten (Grauwerte)

innerhalb der MR-Bilder (Scheiben). Verschiedene Verfahren, die für alle bildgebenden

Methoden verwendet werden können (TERADA et al., 1997), dienen der Bildbearbeitung

und der statistischen Analyse der Informationen aus den Signalintensitäten, um

Gewebevolumina bzw. Gewebeflächen quantifizieren zu können (Abb. 2.2.17, 2.2.18).

In der 3D-Abbildung der Signalintensitätsverteilung (Abb. 2.2.17) ist deutlich zu

erkennen, dass Fett höhere Signalintensitäten als Muskelgewebe (hier: Mm.l.d.)

aufweist. In den meisten Fällen beruht der erste Schritt der Bildverarbeitung auf einer

qualifizierten (z.B. auf anatomischem Vorwissen beruhenden) Definition von

sogenannten „Regions of Interest“ (interessierenden Regionen). Diese können manuell,

halbautomatisch oder im besten Fall vollautomatisch unter Zuhilfenahme einer

entsprechenden Bildbearbeitungssoftware festgelegt werden. Die anschließende

Ermittlung der Gewebevolumina kann erfolgen, indem die Anzahl der Bildpunkte, die

entweder Fett, Muskel oder Knochengewebe enthalten, gezählt wird. Aus den

Pixelausmaßen (Höhe x Breite) resultieren entsprechende Flächenmaße bzw. aus der

Kombination von Scheibendicke (Höhe x Breite x Tiefe), Scheibenabstand (möglichst =

0) und Scheibenzahl resultieren die Volumenmaße für die interessierenden Gewebe. Die

Anzahl der Bildpunkte ergibt sich aus der Flächenfestlegung (Bildsegmentierung)

entweder mittels frei definierbarer Linienziehung oder sogenannter „regionaler

Wachstumsverfahren“ bzw. aus Histogramm-, Korrelations- oder/und Clusteranalysen

(Abb. 2.2.18). Die Linienziehung bzw. Flächeneingrenzung (mit einem

Bildschirmkursor) erfolgt in Abhängigkeit von anatomischen Kenntnissen und

Gegebenheiten entweder unter vollständiger Kontrolle des Anwenders oder über eine -

auf Signalintensitätsdifferenzen beruhende - vollautomatische bzw. manuell regulierbare

Schwellwertsetzung (ONG et al., 1997, BEIER u.a., 1998a). Auf diesem Weg kann der

Anwender die exakte anatomische Definition (Eingrenzung) von interessierenden

Geweberegionen steuern. Die computergesteuerten „regionalen Wachstumsverfahren“

Methodenübersicht

63

umgrenzen eine Region, ausgehend von einem Startpunkt innerhalb des interessierenden

Gewebes, bis alle dem entsprechenden Gewebe zuzuordnenden Bildpunkte

eingeschlossen sind. Diese Technik birgt Fehlerquellen, wenn das interessierende

Gewebe an ein Gewebe mit derselben Signalintensitätsausprägung grenzt – z.B. zwei

verschiedene Muskeln, verschiedene Abdominalfettschichten – oder wenn das

interessierende Gewebe über das Bild ungleichmäßig verteilt ist, wie z.B.

intramuskuläres oder intermuskuläres Fett (ELBERS et al, 1997, TANG et al., 2000).

Die Histogrammanalyse kann zu einem aktiven konturverfolgenden Algorithmus

mittels Rauschkorrektur erweitert werden, indem die Signalintensitätshäufigkeiten eines

Bildes (Scheibe) und dynamische Schwellwertintensitäten zur Trennung der Bildpunkte

in unterschiedliche Gewebeklassen herangezogen werden (THOMAS et al., 1998, TANG

et al., 2000). Probleme ergeben sich aus Bildpunkten, die z.B. sowohl Fett- als auch

Muskelgewebe enthalten. Hier kann der Anwender bei einigen

Bildverarbeitungsprogrammen unterstützend eingreifen, indem morphologische

Bildverarbeitungsoperatoren (z.B. Dilation, Erosion) eingesetzt werden, um den

sogenannten Partialvolumeneffekt zu reduzieren (BAULAIN, 1997, BEIER u.a., 1998b).

Dabei ist jedoch zu berücksichtigen, dass sich die Ausmaße der zu segmentierenden

Gewebe verändern können, was zu falschen quantitativen Ergebnissen führt und allein

den Bildkontrast verbessert.

Im Zusammenhang mit einer Histogrammauswertung kann für die Eingrenzung

der großen Anzahl potentieller Regressionsvariablen (Signalintensitätsklassen) zur

Bestimmung der Körperzusammensetzung eine schrittweise Regressionsanalyse

durchgeführt werden. Diese Methodik ist statistisch jedoch nicht sehr robust.

Schätzgleichungen für einen Datensatz sind oftmals nur unter erheblichen

Genauigkeitseinbußen auf einen anderen Datensatz für dieselbe Population und

insbesondere für eine andere Population übertragbar (SZABO et al., 1999).

LUITING et al. (1995) beschreiben für CT-Daten ein weiteres Bildauswertungs-

verfahren unter Nutzung von Grauwerthäufigkeiten. Neben den zwei

„Normalverteilungen“ der Signalintensitäten (Hounsfield-Einheiten) für Fett- und

Muskelgewebe wird eine dritte „Normalverteilung“ für kombinierte Gewebe, die

sogenannte „Mischverteilung“ (Mixture Distribution), berechnet. Diese Information

dient der Kalkulation der Gewebeanteile und schließlich der Gewebevolumina.

Methodenübersicht

64

Eine weitere Methodik zur Auswertung der Grauwertverteilung (Signal-

intensitätsverteilung) innerhalb eines MR-Bildes bietet die Clusteranalyse. Im ersten

Schritt der Bildverarbeitung müssen die interessierenden Regionen (ROI’s) definiert

werden, um den auszuwertenden Datenumfang zu reduzieren und die Körperteile, die

nicht Fett- und Magergewebe enthalten, auszugrenzen. Ein derartig „maskiertes“ Bild

bzw. die über x- und y-Koordinaten örtlich definierten Signalintensitäten durchlaufen

eine „Disjoint-Clusteranalyse“ (mit eineindeutiger Zuordnung der Beobachtungswerte

zu einem einzigen Cluster) unter Verwendung „Euklidischer Distanzmaße“, die aus

einer oder mehreren Variablen berechnet werden. Als mögliche Variablen kommen

spezifische MR-Parameter wie Protonendichte und Relaxationszeiten oder

Signalintensitäten der Pixel, die zu unterschiedlichen Echozeiten gemessen wurden, in

Betracht. Die Beobachtungen werden in Cluster aufgeteilt, so dass jeder Bildpunkt

genau einem Cluster (Gewebeklasse oder Gewebeunterklasse) ohne Überschneidungen

angehört. Die Ergebnisse der Clusteranalyse lassen sich über die örtlich definierten

Bildpunkte (x- und y-Koordinaten) wieder als Bilder darstellen, so dass die Güte der

Clusteranalyse anhand eines Vergleichs von Originalbild und Clusterbild überprüft

werden kann (Abb. 2.2.17). Der Ablauf der Clusteranalyse unter Zuhilfenahme des

SAS-Programmpakets FASTCLUS ist im Anhang IV am Beispiel von digitalen

Videoaufnahmen des Koteletts vom Schwein detailliert dargestellt. Nach der

Multiplikation mit der Pixelgröße können die Clusterflächen (Fett- und Muskelflächen)

als Regressoren in einer multiplen Regressionsanalyse zur Schätzung der

Körperzusammensetzung oder, wenn entsprechende Schätzgleichungen bereits

vorhanden sind, direkt zur Ermittlung der Magergewebe- und Fettgehaltswerte

verwendet werden (SCHOLZ u.a., 1993, BAULAIN, 1997). Eine zusätzliche Multiplikation

mit der Scheibendicke (und Scheibenanzahl) bei MR-Aufnahmen resultiert in einem

Volumenmaß. Liegen keine direkt aufeinander folgenden Schnitte (Scheiben) vor, kann

die Formel von ENGELSON et al. (1999):

MRI-Volumen (L) = 0,001 • Abstand zwischen den Scans (cm) • (B1 + B2)/2,

mit A= Abstand zwischen den Scans (cm) und B1 bzw. B2=Gewebeflächen in

getrennten Scans (cm2) verwendet werden.

In einer anderen Methode, der Texturanalyse, versucht man die Pixel eines Bildes

mittels sogenannter Texturmaße oder „Texture Features“ einer endlichen Anzahl von

Methodenübersicht

65

Kategorien zuzuordnen. Diese Texturmaße sind zumeist statistische Funktionen, die alle

Werte in der Umgebung um einen Bildpunkt (Pixel) berücksichtigen. Beispiele hierfür

sind der Mittelwert oder die Varianz der „Grauwerte“ in dieser Umgebung. Auf diese

Weise lassen sich Aussagen darüber treffen, ob der Bildpunkt zu einer Textur gehört.

Mit Textur bezeichnet man einen kleinen Bildbereich, dessen „Pixel“ eine typische

Mikrostruktur aufweisen. Jedem „Pixel“ können auf diese Weise eine Reihe von

Texturmaßen zugeordnet werden. Diese bilden den Parametervektor, der mittels eines

Klassifikators einer Kategorie zugeordnet wird. Die Leistungsfähigkeit der

Texturanalyse hängt sehr stark von der Wahl geeigneter Texturparameter ab.

Aufwendige Forschungen befassen sich daher mit der Suche nach geeigneten

Texturmaßen für spezifische Anwendungen (KOLB, 1991).

Generell sollte für eine reproduzierbare Verwendung von Schätzgleichungen

möglichst eine Kreuzvalidierung vorgenommen werden. Insbesondere beim Vergleich

von zwei Messmethoden, die jeweils nicht als „Goldstandard“ angesehen werden, ist die

statistische Analyse nach dem Verfahren von BLAND und ALTMANN (1986) zu

empfehlen.

Unabhängig davon sind direkte Messungen der Körperzusammensetzung – wie

Gewebevolumina aus der MRT – genauer als indirekte oder geschätzte Maße (GUO et

al., 1996).

Bland-Altman-Analysen

Um einen Einblick in die Präzision der Quantifizierungen von Messwerten zubekommen, wird vor allem in der humanmedizinischen Forschung die sogenannteBland-Altman-Analyse durchgeführt. Dieses Verfahren dient dem Vergleich zwischenzwei Untersuchungsmethoden, die eine stetig verteilte biologische Variable messen,ohne dass eine der beiden Methoden (z.B. Ultraschall und MRT) als „Goldstandard“gelten kann. Zunehmend wird diese statistische Methodik in den Bereich derVersuchtierforschung Eingang finden, da Tierversuche, bei denen die Probanden amEnde des Versuchs Referenzschlachtungen zugeführt werden müssen, weiter abnehmenwerden. Da der Regressionsquotient R² extrem von der Streuung der Werte abhängt,wird zusätzlich der Unterschied zwischen den Ergebnissen der zwei Methoden gegenderen Mittelwert aufgetragen, womit sich ein „Bias“ (systematische Abweichung)erkennen lässt. Es werden die Übereinstimmungsgrenzen („limits of agreement“) alsmittlere Differenz zwischen Methode A und B ± 2 Standardabweichungen angegeben.

Die Bland-Altman-Analyse erlaubt die Beurteilung der Konkordanz zweier Messreihenin mehrerer Hinsicht: Erstens erkennt man an der vertikalen Streuweite der Punkte dieAbweichungen der einzelnen Messergebnisse voneinander (die Differenzen). NachBerechnung einer linearen Regressionsgerade und deren Darstellung im Diagramm,können zweitens Lage und Neigungswinkel der Regressionsgerade systematische Fehler

Methodenübersicht

66

darlegen. Die Lage (über oder unter Null) erklärt die Tendenz zur Über- oderUnterbewertung, während die Steigung über eine mögliche Beeinflussung derSchwankungsbreite durch die Höhe der Ergebnisse informiert.

Tab. 2.2.4: Erklärungen zur Interpretation von Bland-Altman-Plots

Beispiele zur Interpretation der Bland-Altman-PlotsLage derRegressionsgeraden

Methodik A (z.B. subkutanes Fett-Volumen aus MRT) liegt inden meisten Fällen höher (∅ = 5,5 %) als Methodik B (z.B.subkutanes Fett-Volumen aus Ultraschallmessung) - Daten ausABE et al., 1996):Die Gerade liegt über Null (y = A - B; Differenz > 0)

Steigung derRegressionsgeraden

Je höher die Messergebnisse ausfallen, desto größer werden dieUnterschiede der beiden Messverfahren: Die Gerade steigt an(Anstieg > 0).

Aspekt Die eigentliche Verteilung der Koordinaten kann Aufschlussüber Schwerpunkte im Untersuchungsmaterial geben undbesonders fehleranfällige Messniveaus anzeigen, welche nichtdurch eine Gerade dargestellt werden können.

Generell ist die Reproduzierbarkeit von subkutanen Fettflächenmessungen an

MR-Bildern unter Verwendung von Bildverarbeitungssoftware höher als für

Abdominalfettflächen (Variationskoeffizienten < 5,0 % vs. > 9 – 26 %). Das Ab-

dominalfettdepot unterliegt stärkeren Messfehlern durch Anwender- und Softwarefehl-

klassifikationen der Pixel, die vor allem durch Bewegungsartefakte und

Magnetfeldinhomogenitäten hervorgerufen werden. Beim Schwein ergibt der subkutane

Fettgehalt eine leicht höhere Genauigkeit als der Magergewebe- bzw. Fleischgehalt

(SZABO et al., 1999, BAULAIN und HENNING, 2001, MITCHELL und SCHOLZ, 2001,

MITCHELL et al., 2001b; eigene Ergebnisse siehe Kapitel 3.2.2.3). Die Verwendung

mehrerer Messpositionen, d.h. die Aufnahme mehrerer, aufeinander folgender Bilder,

erhöht – nicht allein für MR-Bildaufnahmen - die Genauigkeit (HASSEN et al., 1999,

SZABO et al., 1999, BAULAIN und HENNING, 2001, MITCHELL und SCHOLZ, 2001,

MITCHELL et al., 2001b, siehe Kapitel 3.2.2.3). Die beste Wahl für eine genaue und

reproduzierbare MR-Bildanalyse zur Ermittlung der Körperzusammensetzung besteht in

einer anwenderkontrollierten, wissensbasierten Bildverarbeitung (Definition von

interessierenden Regionen) mit Optionen für eine Korrektur automatisch festgelegter

ROI’s. Eine objektive statistische Bildanalyse beruht auf Signalintensitätsverteilungen

(Grauwertverteilungen) für jede Einzelscheibe und setzt eine „artefaktfreie“ MR-

Bilderzeugung voraus. Exakte Volumenmessungen liefern ein direktes Maß der

Körperzusammensetzung und sollten gegenüber einer Schätzung der

Methodenübersicht

67

Körperzusammensetzung mittels multipler Regressionsgleichungen unter Einbeziehung

einer Vielzahl von MR-Parametern favorisiert werden (BAULAIN, 1997, ELBERS et al.,

1997, THOMAS et al., 1998, SZABO et al., 1999, TANG et al., 2000, BAULAIN und

HENNING, 2001, MITCHELL und SCHOLZ, 2001, MITCHELL et al., 2001b).

- Längen-, Flächen- und Volumenmessungen

innerhalb manuell, semi- oder vollautomatisch definierter interessierender

Regionen bzw. Volumen (ROI’s bzw. VOI’s) unter teilweiser Verwendung

nachfolgender Techniken

- Schwellwertanalyse (mit festen oder variablen Schwellen in Abhängigkeit vom

auszuwertenden Gewebe)

Grauwert- bzw. Signalintensitätsprofile

- Histogrammanalyse (ein- und mehrdimensional)

Klassen von Grauwerthäufigkeiten oder „Mixtur-Verteilungen“

- Texturanalyse

Beziehung zwischen benachbarten Bildpunkten

- Korrelationsanalyse

- Clusteranalyse

Objektmerkmale (z.B. zeitlich aufeinander folgende Signalintensitäts-

werte) in einem Merkmalsvektor

Abb. 2.2.18: Übersicht zu statistischen Verfahren für die quantitative Bildauswertung(modifiziert nach SCHOLZ, 1994 und MITCHELL und SCHOLZ, 2001)

Die beschriebenen Verfahren stellen einen Querschnitt der möglichen statistischen

Auswertungsmethoden dar und werden durch die kombinierte Verwendung neuronaler

Netze und Fuzzy-Logik-Methoden erweitert und verbessert (BAULAIN und SCHOLZ,

1996, BAULAIN, 1997). Besonders für die Evaluierung biologischer Systeme und deren

Messung werden zunehmend diese statistischen Methoden verwendet. In Anlehnung an

das Design des visuellen Wahrnehmungsapparates von Säugetieren bilden sich unter

Hilfestellung des Anwenders (selbst organisierend) „Neuronen“ aus, die als

Klassifikatoren für bestimmte Bildparameter dienen. Es sollte also möglich sein,

Klassifikatoren zu entwickeln, die sich selbständig auf die in einem Bild vorhandenen

Texturen, Grauwerte sowie weitere Parameter einstellen; z.B. können als

Eingabesignale in das Netz die Grauwerte der Umgebung eines Pixels eingehen. In der

Trainingsphase werden dabei zufällig gewählte Pixelumgebungen oder interessierende

Regionen eines Beispielbildes als Eingabemuster verwendet. Nach dem Training ordnet

Methodenübersicht

68

das Netz jedem Pixel im Bild eindeutig eines seiner Neuronen zu. Als nächstes werden

die Neuronen z.B. durch einen Farbcode einer Gewebekategorie zugeordnet. Diese

Zuordnung kann sowohl durch direkte Eingabe interaktiv am Computer geschehen oder

auch aus einer Menge von Beispielmustern für die Kategorien automatisch gewonnen

werden.

2.2.3.2.5.3 Magnetresonanz-Spektroskopie

Das Phänomen der kernmagnetischen Resonanz (NMR oder MR) ist Basis sowohl

für die Tomographie als auch für die entsprechende Spektroskopie. Eine Beschreibung

des Prinzips erfolgte bereits im Kapitel Muskelstoffwechsel (2.1) bzw. Kapitel

Magnetresonanz-Tomographie (2.2.3.2.5.2). Spektroskopische Anwendungen

konzentrieren sich – wie die Positronen-Emissions-Tomographie (z.B. HSU et al., 1996,

MÜLLER et al., 1997) - hauptsächlich auf Komponenten des Stoffwechsels wie

Glykogen und Glukose unter Verwendung der 13C-NMR-Spektroskopie oder unter

Verwendung der 31P-NMR-Spektroskopie auf Phosphokreatin, ATP und anorganisches

Phosphat (DECANNIERE, 1993, SCHOLZ et al., 1998). Da sich die Resonanzfrequenzen

von Wasser und Fett um ca. 3,5 ppm (parts per million) unterscheiden, verwendeten

MITCHELL et al. (1991 b,c,d) die Gesamtkörper-1H-NMR-Spektroskopie für

Untersuchungen der Körperzusammensetzung von Geflügel (Putenküken und Hühnern)

post mortem, Muskelproben vom Schwein in vitro sowie von Mäuselinien in vivo. Im

Zusammenhang mit einem Vergleich des Lipid- und Wassergehaltes von normalen

(C57b6/6J) und fetten (C57b6/6J-ob) Mäuselinien ermittelten MITCHELL et al. (1991d)

in vivo eine Korrelation von 0,92 zwischen dem chemischen Körperlipidgehalt und dem

NMR-Verhältnis von Wasser-zu-Lipid-Flächen mit einem 0,5 Tesla NMR-System (21

MHz) bzw. eine Korrelation von 0,995 unter Verwendung eines 4,7 Tesla NMR-

Systems (200 MHz).

FUSCH et al. (1999) untersuchten unter Nutzung der sogenannten drei-

dimensionalen „Chemical-Shift“-Bildgebung, einer erweiterten Form der

zweidimensionalen 1H-NMR-Spektroskopie, in einem 1,5 Tesla NMR-System Ferkel

im Alter von 1 bis 37 Tagen post mortem. Sie ermittelten ein Bestimmtheitsmaß von

0,988 (n = 15) für die Beziehung zwischen dem chemischen Körperfettgehalt und dem

Fettgehalt aus der NMR-Analyse, der aus dem NMR-Fett-zu-Wasser-Verhältnis und der

Deuterium-Verdünnungsanalyse (in vivo) errechnet wurde. Die Beziehung zwischen

Methodenübersicht

69

dem chemisch ermittelten Fett-zu-Wasser-Verhältnis und dem NMR-Fett-zu-Wasser-

Verhältnis wurde mit einem Bestimmtheitsmaß von 0,984 (n = 19) angegeben. Die

mittels NMR ermittelten Messwerte fielen jeweils um einen Faktor von 0,772 für das

Fett-zu-Wasser-Verhältnis bzw. von 0,841 für den Fettgehalt niedriger als die chemisch

bzw. in Kombination mit der Verdünnungsanalyse ermittelten Werte aus.

Generell wird die Gesamtkörper-Spektroskopie und/oder –Tomographie nach dem

jetzigen Stand der Technik für Untersuchungen der Körperzusammensetzung auf relativ

kleine Tiere (z.B. Schweine < 120 kg) oder Körperteile von größeren Tieren (z.B.

Teilstücke von Rinderschlachtkörpern) begrenzt bleiben (GROENEVELD, 1985,

MITCHELL et al., 1991a).

GEERS et al. (1995) und VILLE et al. (1997) ermittelten in vivo den

intramuskulären Fettgehalt (IMF) des M. longissimus dorsi von Schweinen mittels 1H-

NMR-Spektroskopie und verglichen diese Messungen mit den in vitro Ergebnissen aus

der chemischen (gravimetrischen) und einer infrarotspektroskopischen Analyse. Beide

Untersuchungen ergaben signifikante Differenzen zwischen den IMF-Gehaltswerten in

vitro und dem NMR-IMF-Gehalt in vivo. Besonders große Unterschiede traten in einer

genetischen Linie mit dem höchsten chemischen IMF-Gehalt von 1,76 % zu 1,11 %

NMR-IMF-Gehalt auf (VILLÉ et al., 1997). Die Beziehungen zwischen gravimetrischem

IMF-Gehalt und NMR-IMF-Gehalt mit einem R2 von 0,41 deuten auf eine immer noch

relativ geringe Verlässlichkeit von Messwerten hin, die mit einem IMF-Gehalt von

< 1,5 % nur einen kleinen Anteil der gesamtem Gewebemasse repräsentieren (GEERS et

al., 1995). Eine Verbesserung der Auflösung mit den jüngsten NMR-/MRT-

Technologien und/oder der Auswahl größerer Messvolumina unter Verwendung

größerer Oberflächenspulen wird zur Erhöhung der Messgenauigkeit von anteilmäßig

kleinen Gewebekomponenten führen.

2.2.3.2.5.4 Dualenergie-Röntgenabsorptiometrie (DXA)

Die Dualenergie-Röntgenabsorptiometrie (DXA oder DEXA) wird im

Humanbereich zunehmend als Methode der Wahl oder als „Goldstandard“ für die

Ermittlung der Körperzusammensetzung in vivo angesehen (LUKASKI, 1987,

HEYMSFIELD et al., 1989, 1997, PIETROBELLI et al., 1996, FOGELHOLM und VAN

MARKEN LICHTENBELT, 1997, PRIOR et al., 1997). Zum Teil werden jedoch berechtigte,

Methodenübersicht

70

später diskutierte Kritiken an dieser Methode geäußert (ROUBENOFF et al., 1993,

LASKEY, 1996, LAPILLONNE et al., 1997, KOHRT, 1997, SPEAKMAN et al., 2001).

Für eine richtige Verwendung dieser Technik zur Ermittlung der

Körperzusammensetzung ist es notwendig, über die physikalischen Prinzipien und

grundlegenden biologischen Modelle der Körperzusammensetzung informiert zu sein

(PIETROBELLI et al., 1996, 1998a,b).

DXA basiert wie alle Röntgentechniken auf der von einer Röntgenquelle

ausgehenden Emission von Photonen, deren Intensität in Abhängigkeit von der

Körperzusammensetzung unterschiedlich stark geschwächt wird. Vorläufergeräte waren

mit einer einfachen Radionuklidquelle wie 125I oder/ und 241Am ausgestattet. Jedes

Radionuklid ist durch eine spezifische Halbwertzeit und Photonenenergie

(Photonenflussdichte) charakterisiert. Wird eine Radionuklidquelle mit einem

„Photonen-Peak“ verwendet, spricht man von „Monophotonen-Absorptiometrie“ oder

„Single Photon Absorptiometry“ (SPA). Nutzt man eine Radionuklidquelle wie z.B.153Gd mit zwei Hauptphotonen-“Peaks“ bei zwei diskreten Energieniveaus (z.B. 44 und

100 keV) ergibt sich die Dualphotonen-Absorptiometrie – DPA - (PEPPLER und

MAZESS, 1981, GOTFREDSEN et al., 1984, 1986, GRIER et al., 1996, PLOURDE, 1997).

Energiequellen, die Strahlung auf zwei Energieniveaus emittieren (wie z.B. 109Cd und153Gd), ersetzen die einfachen Energiequellen seit Beginn der achtziger Jahre

(PIETROBELLI et al., 1996).

Später wurden die Radionuklide durch Röntgenstrahlung erzeugende Quellen

abgelöst, um mit DXA eine höhere Photonenflussdichte und damit höhere

Geschwindigkeiten sowie Genauigkeiten im Vergleich zu SPA und DPA zu erreichen

(PLOURDE, 1997). Im Gegensatz zu den monoenergetischen und dienergetischen

Radionuklidquellen bei der Mono- und Dualphotonen-Absorptiometrie bestehen bei der

Dualenergie-Röntgenabsorptiometrie die erzeugten Röntgenstrahlen aus einem breiten

Spektrum von Photonenenergieniveaus im Bereich von ca. 15 keV bis 80 keV.

Verschiedene Verfahren können genutzt werden, um die zwei erforderlichen

Hauptenergieniveauspitzen zu erzeugen. Häufig werden sogenannte „Photonenfilter“

verwendet, die die besonderen energetischen Eigenschaften der Elektronenhülle von

selten vorkommenden Elementen wie Cerium (Ce) zur Grundlage haben. Treffen die

Photonen aus der Röntgenquelle auf die Elektronen der innersten Elektronenhülle (K-

Hülle) von Cerium, kommt es zu einer Interaktion zwischen Elektronen und Photonen,

Methodenübersicht

71

die die Photonenintensität schwächt. Dazu müssen die Photonen aus der Röntgenquelle

dasselbe Energieniveau wie die Elektronen in der K-Hülle bzw. ein geringfügig höheres

Energieniveau aufweisen. Die Schwächung der Photonenintensität resultiert

hauptsächlich aus Absorption und zum Teil aus einer ungerichteten Streuung

(Ablenkung) der Photonen beim Durchdringen der K-Elektronenhülle. Daraus ergibt

sich in einem polychromatischen Röntgenspektrum eine typische „Absorptionskante“,

die so genannte „K-Kante“ (K-edge). An diesem Punkt (Energieniveau) wird die

Photonenintensität schlagartig geschwächt. Für Cerium liegt die „K-Kante“ bei

40,45 keV. Polyenergetische Röntgenstrahlung kann unter Verwendung des

Ceriumphotonenfilters in zwei Hauptphotonen-Energieniveaus bei einerseits etwa 38-40

keV und andererseits bei ca. 70 keV aufgespaltet werden, so dass vereinfacht zwei

getrennte Photonenstrahlen entstehen.

Werden diese beiden Photonenstrahlen auf Gewebe (Probanden) gerichtet,

vermindert sich die transmittierte Photonenintensität (in vivo) vor allem durch

Absorption und ungerichtete Streuung. Die zwei physikalischen Phänomene „Compton

Scattering“ (Streuung) und „photoelektrischer Effekt“ sind dafür maßgeblich

verantwortlich. Ein Detektor (Photonenzählgerät) ermittelt die Anzahl der das Gewebe

durchdringenden Photonen getrennt für das niedrige (L) und das hohe (H)

Energieniveau, so dass die Anfangsintensität (I0) relativ zur Endintensität (I) gemessen

werden kann. Jedes Gewebe oder Gewebegemisch verfügt über eine spezifische

Verhältniszahl (R), die sich aus der folgenden Formel ergibt:

R= ln(I/ I0)L / ln(I/ I0)H .

Fettgewebe (Fettsäuren und Triglyzeride) weist theoretische R-Werte im Bereich

von 1,2058 - 1,2333 auf, während Protein mit einem theoretischen R-Wert von 1,2906,

Glykogen mit R = 1,3010, Skelettmuskulatur mit R = 1,352 - 1,353, Herz- und Leber-

gewebe mit R = 1,353 - 1,356, Nierengewebe mit R = 1,358 - 1,360, Wasser mit

R = 1,3572 und Knochenmineralstoffe mit einem weit höheren R-Wert von 2,8617

angegeben werden (PIETROBELLI et al., 1996, 1998a). Die R-Werte einzelner Elemente

liegen zwischen 1,0891 für Wasserstoff und 4,0162 für Eisen (PIETROBELLI et al.,

1998b).

Theoretisch können diese R-Werte aus physikalischen Zusammenhängen abgeleitet

werden, die detailliert von PIETROBELLI et al. (1996) und LASKEY (1996) beschrieben

werden. Jede Substanz besitzt einen spezifischen linearen „Schwächungskoeffizienten“

Methodenübersicht

72

(linear attenuation coefficient = µ) und ist durch eine spezifische „Dicke“

gekennzeichnet, die der Photonenstrahl als Weglänge (L) zurücklegen muss. Diese

Vorgaben führen zur Formel für die Photonenintensitätsschwächung:

-d (I/ I0) = µ • dL

bzw. nach Integration der Gleichung zu:

I = I0 e -µ • L.

Folglich hängt die transmittierte Photonenintensität (I) von der Ausgangsintensität (I0),

dem linearen Schwächungskoeffizienten (µ) und der Weglänge (L) ab. Da der lineare

Schwächungskoeffizient (µ) dichteabhängig ist, wird üblicherweise bei in der Dichte (∂)

variierenden Substanzen mit dem Masseschwächungskoeffizienten (µm) als µ/∂ (in

cm2/g) gearbeitet. Dadurch wird die Abhängigkeit zwischen physikalischer Dichte und

linearem Schwächungskoeffizienten kompensiert. Für eine spezifische Substanz

(Element) ist der Masseschwächungskoeffizient (µm) in Abhängigkeit von der

Photonenintensität eine Konstante, die sich experimentell mit Hilfe der

Neutronenaktivierungs-Analyse ermitteln lässt.

Die Formel für den R-Wert lautet allgemein:

R=Σ[fi • (µmi)L]/Σ[fi • (µmi)

H],

mit fi= Massefraktion der i-ten Komponente in einer heterogenen absorbierenden Substanz

µmi = Masseschwächungskoeffizient der i-ten Komponente

L = niedriges Photonenenergieniveau

H = hohes Photonenenergieniveau.

Speziell für Weichgewebe lautet die Formel:

RWG = (µWG)L/(µWG)H mit WG = Weichgewebe

bzw. für Knochengewebe:

RK = (µKG)L/(µKG)H, mit KG = Knochengewebe.

Wenn die RWG-Werte für reines „Magergewebe“ und reines Fett bekannt sind, kann die

Magergewebefraktion nach der folgenden Formel berechnet werden, da sich die RWG-

Werte linear mit der Magergewebefraktion ändern (GOTFREDSEN et al., 1986):

Magergewebefraktion = (RWG – RFett)/(RMagergewebe – RFett),

wobei RWG den Durchschnittswert für den gesamten Scan, RFett den niedrigsten

gemessenen R-Wert im (Weich-)Gewebe und RMagergewebe den höchsten gemessenen R-

Methodenübersicht

73

Wert im (Weich-)Gewebe darstellt. Falls ein R-Wert den RMagergewebe – Wert übersteigt,

enthält der entsprechende Bildpunkt Knochengewebe.

Generell sinkt mit steigender Photonenflussdichte der Masseschwächungskoeffizient

(µm) für ein bestimmtes Element ab, wobei Elemente mit einer höheren atomaren Masse

auch höhere Masseschwächungskoeffizienten (µm) aufweisen. Bei Elementen mit

höheren Masseschwächungskoeffizienten ist der relative Rückgang der transmittierten

Photonenintensität mit steigender Anfangsphotonenintensität stärker als bei Elementen

mit niedrigeren Masseschwächungskoeffizienten (atomaren Massen).

DXA-Messungen beruhen auf der Modellannahme, dass der (Tier-)Körper aus

drei Komponenten besteht, die durch die spezifischen Eigenschaften der

Photonenschwächung in Fett, Knochenmineralstoffe und Rest oder

„Magerweichgewebe“ getrennt werden können (Abb. 2.2.19).

Abb. 2.2.19: Drei-Komponenten-Modell der Körperzusammensetzung für DXA-Untersuchungen (Fett-/ Magerweichgewebe und Knochengewebe),modifiziert nach PIETROBELLI et al. (1996).

Obwohl im Ergebnis der Röntgendurchstrahlung ein zweidimensionales Bild

entsteht (Abb. 2.2.21), ist DXA nicht direkt von einer Bildauswertung abhängig wie z.B.

die Magnetresonanz-Tomographie oder Röntgen-Computer-Tomographie.

Theoretisch wäre es für ein Drei-Komponenten-Modell nötig, Messungen mit drei

verschiedenen Photonenenergieniveaus durchzuführen. Das DXA-Verfahren basiert

jedoch auf der Nutzung von zwei Photonenenergieniveaus, so dass DXA „direkt“ nur

* u.a. Glukose, Glykogen..

Mager-gewebe

Mager-weich-gewebe

Fette (Lipide)

Wasser

Knochen-Mineralstoffe

Proteine

Kohlenhydrate*

Mineralstoffe

Weich-gewebe

Körper-masse

Methodenübersicht

74

die Masseanteile einer Zwei-Komponenten-Mischung bestimmen kann (LASKEY, 1996,

PIETROBELLI et al., 1998b). Um mit DXA drei Komponenten schätzen zu können,

müssen die Bildpunkte (Pixel) zuerst aufgeteilt werden in Pixel, die nur Weichgewebe

(Fett und Magergewebe) enthalten und in Pixel, die sowohl Weichgewebe als auch

Knochenmineralstoffe (Rohasche oder intakter Knochen) enthalten. Dazu wird der R-

Wert benötigt. Der R-Wert für Knochen(-mineralstoffe) fällt mit > 2,8 bedeutend höher

aus als der R-Wert für Weichgewebe mit ~1,2 für Fettgewebe und ~1,35 für „reines

Magergewebe“ bzw. Muskel (bei 38 - 40 und 70 keV). Aufgrund der hohen R-Wert-

Unterschiede zwischen Knochen- und Weichgewebe kann über eine Schwellensetzung

auf Basis einer iterativen Histogramm-Analyse kombiniert mit komplexen

Bildverarbeitungs-Algorithmen zwischen Bildpunkten (Pixel), die Knochen-

mineralstoffe enthalten und Bildpunkten, die allein aus Weichgewebe bestehen,

differenziert werden. Für die Knochenpixel wird angenommen, dass sie nie einzeln

sondern immer in „Clustern“, d.h. größeren zusammenhängenden Gruppen auftreten.

Die anatomischen Kenntnisse des Untersuchers dienen als zusätzliches Hilfsmittel für

die Unterscheidung zwischen Knochen- und Weichgewebe.

Abb. 2.2.20: Positionierung eines Probanden (Kalb) für einen Ganzkörperscan (ausSCHOLZ u.a., 2001)

Methodenübersicht

75

Da nahezu jeder Weichgewebe-Bildpunkt aus fettfreiem Magergewebe und Fett

zusammengesetzt ist und damit kaum R-Werte auftreten, die eindeutig Fettgewebe bzw.

Magergewebe zugeordnet werden können, wird die Fettmasse bzw. Magergewebemasse

mit Hilfe softwareinterner Schätzgleichungen ermittelt. Diese basieren auf den

beschriebenen R-Werten, die zum Teil unter Verwendung von Kalibrier-Phantomen

bestimmt wurden, die entweder aus Polyethylenhohlzylindern (TOTHILL et al., 1997)

oder reinem Fett bzw. Knochen bestehen.

Abb. 2.2.21: Beispiel für das Ergebnis einer DXA-Studie eines Kalbes mit einemKörpergewicht von 42,43 kg (oben: Knochengewebe, unten: Fett- und Magergewebe)(aus SCHOLZ u.a., 2001)

Methodenübersicht

76

Die DXA-Methodik geht außerdem davon aus, dass der Wassergehalt der

fettfreien Masse mit ca. 73 - 74 % konstant bleibt (ROUBENOFF et al., 1993, LASKEY,

1996, PIETROBELLI et al., 1998b). Da Tierkörper ebenso wie junge, sehr alte oder kranke

Probanden des Menschen diesen Idealvorstellungen eines fixen Wassergehalts in der

fettfreien Masse nicht entsprechen (Abb. 2.2.2) und damit Diskrepanzen zwischen den

DXA-Gehalten an Fett, Magergewebe sowie Knochenmineral und den chemischen

Analysewerten verursachen, sind umfassende Referenzuntersuchungen zur Erzeugung

genauerer Schätzgleichungen erforderlich (ROUBENOFF et al., 1993, TOTHILL et al.,

1994, LAPILLONNE et al., 1997, PIETROBELLI et al., 1998b, FUSCH et al., 1999, LUKASKI

et al., 1999, SPEAKMAN et al., 2001). Beispielsweise würde nach LASKEY (1996) mittels

DXA bei einem Individuum mit einem überdurchschnittlichen Wassergehalt in der

fettfreien Masse (> 74 %) der Fettgehalt im Gesamtkörper überschätzt werden. Diese

Aussage steht im Widerspruch zu den Ergebnissen von ELOWSSON et al. (1998), die

jedoch bei ca. 12 Wochen alten Schweinen mit Körpermassen zwischen 14,51 und

21,69 kg (∅ = 17,74 ± 2,93 kg) einen durchschnittlichen Wassergehalt von 78,2 % in

der fettfreien Masse ermittelten. DXA unterschätzte hier den Fettgehalt im

Gesamtkörper im Vergleich zur chemischen Analyse signifikant. Eine Ursache liegt

möglicherweise in der Verwendung von enthaupteten Schlachtkörpern ohne innere

Organe, die durch das DXA-Scannen und Unterwasserwiegen bis zur chemischen

Analyse der rechten Schlachthälfte bereits an Substanz (Wasser) verloren haben

könnten. Noch widersprüchlicher zur Aussage von LASKEY (1996) sind die Ergebnisse

von FUSCH et al. (1999). Diese Autoren fanden zwar mit einem Bestimmtheitsmaß von

R2 = 0,961 eine hohe Beziehung zwischen chemisch ermittelter Fettmasse und DXA-

Fettmasse, aber mit einem durchschnittlichen Wassergehalt von 80 % in der fettfreien

Masse bei Ferkeln im Alter von 1 bis 37 Tagen wurden bei sehr niedrigen Fettmassen

die chemisch ermittelten Werte mittels DXA überschätzt und bei höheren Fettmassen

unterschätzt.

Generell sind die DXA-Messungen des Fettgehalts von lebenden Schweinen hoch

mit dem Fettgehalt aus dem chemisch analysierten Schlachtkörper korreliert (r = 0,912 -

0,950 für Fettgehalt in % und 0,970 - 0,989 für den Fettgehalt in kg) (MITCHELL et al.,

1996b, LUKASKI et al., 1999). Eine negative Abweichung von den Referenzwerten tritt

jedoch bei niedrigeren Fettgehalten (%) auf, die scheinbar mit der Körpermasse

korreliert sind und unkorrigiert zu einer Unterschätzung des Fettgehaltes bei kleinen

Methodenübersicht

77

Schweinen führen (MITCHELL et al., 1998e). Diese Abweichung hängt zusätzlich vom

Gerätehersteller und der Softwareversion ab, da andere Studien eine Unterschätzung,

aber in den meisten Fällen eine Überschätzung des Fettgehaltes bei kleinen Schweinen

(Probanden) feststellten (BRUNTON et al., 1993, 1997, ELLIS et al., 1994, PICAUD et al.,

1996, PINTAURO et al, 1996, ELOWSSON et al., 1998, RIGO et al., 1998, persönliche

Mitteilung John Leja, Manager Product Engineering, GE Medical Systems – Lunar,

2000, 2001). FUSCH et al. (1999) ermittelten zwischen dem DXA-Knochenmineralgehalt

und dem chemisch ermitteltem Kalziumgehalt eine Korrelation von r = 0,996 bei einem

Anteil von 44,1 ±± 4,2% Kalzium im Knochenmineralgehalt. Die DXA-Fettmasse

korrelierte bei einem Bestimmtheitsmaß von R2 = 0,961 ebenfalls hoch mit der

Gesamtfettmasse. Eine Verwendung von entsprechend angepassten Regressions-

gleichungen verbesserte die Genauigkeit der DXA-Messungen:

Gesamtfettmasse korrigiert (g) = 1,31 • DXA-Fettmasse – 68,8 bzw.

Kalziumgehalt korrigiert (g) = 0,402 • DXA-Knochenmineralgehalt + 1,7.

Für Schweine zum Zeitpunkt der Vermarktung liefert DXA hingegen genaue

Messwerte für Gesamtkörperfett-, Magergewebe- und Knochenmineralmasse

(SVENDSEN et al., 1993, MITCHELL et al. 1996a, b, 1998a). GEERS et al. (1996)

bestätigen zwar die Genauigkeit der DXA-Methodik für die Messung des

Gesamtkörpermagergewebes, bezweifeln jedoch die Verwendbarkeit von DXA für eine

genaue Messung des Gesamtkörperfettes. Sie erzielten Wiederholbarkeitswerte

innerhalb der Schweine mit einem Fehler von 4,63 ± 8 (%) für das Gesamtkörperfett

und von 0,33 ± 1,8 (%) für das Magergewebe.

LUKASKI et al. (1999) ermittelten ebenfalls bei sehr hohen Korrelationen zwischen

chemischen Referenzwerten und DXA-Messwerten (R2 = 0,927 - 0,988) eine Unter-

schätzung der Fettmasse mittels DXA um ca. 4 kg (20,5 kg zu 16,4 kg in Bauchlage

bzw. 16,0 kg in Seitenlage). Dabei spielt es keine (signifikante) Rolle, ob die Tiere, die

zwischen 52 und 113 kg wogen, auf dem DXA-Tisch in Bauch- oder Seitenlage

untersucht wurden. PIETROBELLI et al. (1998b) charakterisieren drei Ursachen für

systematische Abweichungen der DXA-Fettschätzwerte bei überdurchschnittlichen

Wassergehalten im Körper:

1. die elementare Zusammensetzung des über dem Durchschnitt liegenden

Wassergehalts,

Methodenübersicht

78

2. die Fraktion von kombinierter Flüssigkeit und Weichgewebe als

Wasserüberschuss und

3. die ursprüngliche Weichgewebezusammensetzung.

Abb. 2.2.22: Beispiel für DXA-Daten nach einem Ganzkörperscan eines totgeborenenFerkels (1,52 kg Körpermasse) mittels Kleintier-Ganzkörper-Modus – (DerGesamtkörperfettgehalt von 9,79 % [Σ Fettgewebemasse/ΣGewebemasse + ΣBMC • 100] fürdieses Tier ist offenbar überschätzt; eigene Daten, nicht veröffentlicht.)

Als weitere systematische Fehlerquelle geben LUKASKI et al. (1999) sowie SPEAKMAN et

al. (2001) die inhomogene Fett- bzw. Weichgewebeverteilung innerhalb des Tierkörpers

an. Da DXA nur ein zweidimensionales Abbild der Körperzusammensetzung liefert, gilt

die zum Teil nicht zutreffende Annahme, dass das Fettgewebe „hinter“ bzw. „unter“

dem Knochengewebe genauso verteilt ist wie „davor“ bzw. „darüber“. Außerdem ist

1à

2à

3à

Methodenübersicht

79

DXA bei großen Probanden mit kompakten Knochen nicht in der Lage, den Fettgehalt

innerhalb des Knochens – wie im Gehirn bzw. Knochenmark - zu bestimmen. Eine

Unterschätzung des Fettgehalts bei größeren Probanden ist die Folge. Hingegen kann bei

kleineren Probanden der Fettgehalt innerhalb des Knochens durchaus ermittelt werden,

da die Photonen diese noch durchdringen. Eine Überschätzung des Fettgehalts könnte

durch die mögliche Unterschätzung des Knochenmineralgehalts erklärt werden.

Besonders bei Kleintieren (z.B. Ferkeln) sind die Ergebnisse in Abhängigkeit vom

Gerätehersteller und der verwendeten Softwareversion noch sehr widersprüchlich.

Mittlerweile existieren Regressionsgleichungen zur genaueren Schätzung von Fett-,

Protein- und Wassergehalt (%) am lebenden Schwein, die jedoch nur für baugleiche

Geräte verwendet werden können. Speziell für die Kleintier-Ganzkörpersoftware

(Version 4.7c), die auf LUNAR DPX-IQ™-Scannern installiert ist, wurden von

LUNAR® Korrekturgleichungen übermittelt:

BMC, g (korrigiert) = 0,638 • DXA-BMC + 18,5

Fett, % (korrigiert) = 0,321 • DXA-Fett % + 7,15

Fett, g (korrigiert) = 0,517 • DXA-Fett + 118

Magergewebe, g (korrigiert) = 1,108 • DXA-Magergewebe – 366 und

Gewebemasse, g (korrigiert) = 0,949 • DXA-Gewebemasse – 33,9

(LEJA, 2001, persönliche Mitteilung). Aufgrund der niedrigen Referenztierzahl

(n = 4) erscheinen diese Gleichungen jedoch sehr zweifelhaft. Spezielle

Kalibrierungsarbeiten sind deswegen bei kleineren Probanden (Labortiere, junge

Schweine) weiterhin erforderlich, da mit den herstellerseitigen Hard- und

Softwarelösungen der DXA-Fettanteil (%) besonders in der niedrigen Gewichtsgruppe

ohne Korrektur (sehr stark) von den Werten aus der chemischen Analyse abweicht

(MITCHELL et al. 1996, 1998a,e, GEERS et al., 1996, ELOWSSON et al., 1998, ROSE et al,

1998, FUSCH et al., 1999). Die Einführung neuer Gerätelösungen („Fanbeam“ anstelle

von „Pencilbeam“) sowie neuer Software soll eine exaktere Bestimmung der

Körperzusammensetzung speziell für Kleintiere ermöglichen (BERTIN et al., 1998,

FUSCH et al., 1999). Gleichzeitig ist zu beachten, dass große Unterschiede in der

Schätzung der Körperzusammensetzung zwischen den verschiedenen Herstellern

bestehen (TOTHILL et al., 1994, LASKEY, 1996, KISTORP und SVENDSEN, 1997, KOHRT,

1997).

Methodenübersicht

80

Unter Berücksichtigung der oben genannten möglichen Abweichungen von den

Referenzwerten liefert DXA sowohl präzise Messwerte für Weichgewebe (Fett- und

Magergewebe) als auch Knochengewebe auf regionaler und Gesamtkörperbasis.

Deswegen gehört diese Methodik zu den umfassendsten Untersuchungsmethoden unter

den vorhandenen Techniken und ist damit neben der Anwendung im Humanbereich

(WANG et al., 1998) besonders für den (Nutz-)Tierbereich interessant (GRIER et al.,

1996, SPEAKMAN et al., 2001). Die entscheidende Schwierigkeit im Humanbereich, die

Körperzusammensetzung und insbesondere den Gesamtkörperfettgehalt allein auf der

Basis von Modellannahmen schätzen zu können (PIETROBELLI et al., 1996, BUTTE et al.,

1997, GORAN et al., 1998, WANG et al., 1998), wird im (Nutz-)Tierbereich durch die

relativ einfache Möglichkeit von Referenzschlachtungen umgangen (SPEAKMAN et al.,

2001). Im Humanbereich behilft man sich mit Referenzuntersuchungen an verstorbenen

Personen bzw. Körperteilen (LLOYD und MAYS, 1987, ABATE et al., 1994,

MITSIOPOULUS et al., 1998), der Verwendung von Modelltieren bzw. von

Phantompräparaten (MADSEN et al., 1997). Als Modelltier wird neben der Ratte (GRIER

et al., 1996) sowie teilweise Hund und Katze (SPEAKMAN et al., 2001) auch für DXA in

der Mehrzahl der Untersuchungen das Schwein in vivo oder post mortem verwendet

(BRUNTON et al., 1993, SVENDSON et al., 1993, ELLIS et al., 1994, JEBB et al., 1995,

PICAUD et al., 1996, PINTAURO et al., 1996, ELOWSSON et al., 1998, FUSCH et al., 1999).

Für die Nutztierforschung wurden Pionierarbeiten von MITCHELL und CONWAY (1993,

1994) zur Untersuchung der Körperzusammensetzung beim Schwein am ‘Growth

Biology Laboratory’ bzw. ‘Diet and Human Performance Laboratory’ des ‘Agricultural

Research Service’ (United States Department of Agriculture), Beltsville, Maryland

geleistet. Diesen Voruntersuchungen folgten weitere Studien am Schwein, um eine

routinemäßige Anwendung für Körpermasseuntersuchungen in vivo zu gewährleisten

(MITCHELL und SCHOLZ, 1995, 1997, 1998, MITCHELL et al., 1995, 1996, 1998a, b, c, d,

e, SCHOLZ und MITCHELL, 1996). Später begannen gleichgerichtete DXA-Arbeiten am

Schwein in Belgien (GEERS et al., 1996), Australien (SUSTER et al., 2000) sowie in

Deutschland (SOFFNER u.a., 2000, 2001). ROZEBOOM et al. (1998) berichteten von ersten

Gesamtkörper-DXA-Untersuchungen beim Schaf, während MITCHELL et al. (1997a)

DXA für die Untersuchung von Geflügel bzw. Drei-Rippenstücken vom Rind

(MITCHELL et al., 1997b) heranzogen. Erste In-vivo-Untersuchungen zur

Körperzusammensetzung und Knochenmineralisierung bei neugeborenen Kälbern

Methodenübersicht

81

unterschiedlicher genetischer Herkunft werden am Lehr- und Versuchsgut

Oberschleißheim der Tierärztlichen Fakultät der Ludwig-Maximilians-Universität

München durchgeführt (SCHOLZ u.a., 2001). Zusätzlich findet sich bei GRIER et al.

(1996) eine Zusammenfassung von Tiermodellen (Ratte, Katze, Kaninchen, Hund,

Minischwein, Menschenaffe, Schaf, Pferd), die speziell für die Osteoporose-Forschung,

aber auch für Körperzusammensetzungs-Studien im Zusammenhang mit der

Haustierernährung verwendet werden.

Abb. 2.2.23: Einflussfaktoren auf die Variation in der Knochenmasse undKnochendichte

Neben den In-vivo-Anwendungen kann DXA zur Untersuchung von

Schlachtkörpern verwendet werden (MITCHELL et al., 1998c). Mit Hilfe frei

definierbarer Auswahlregionen lassen sich spezifische Schlachtkörperbestandteile wie

z.B. Schulter, Schinken, Kamm, Kotelett und Bauch separat auswerten. Im Gegensatz zu

den meisten Fällen bei den kleineren Schweinen (unter Verwendung der

Kleintierganzkörpersoftware) unterschätzt DXA (unter Verwendung der

Ganzkörpersoftware – „pediatric“ oder „adult“ Versionen) unkorrigiert den Fettgehalt

(%), ist dabei aber sehr hoch mit der chemischen Analyse korreliert (r = 0,9). Eine

Unterschätzung der Fettgehalte bei der Schlachthälftenanalyse trat dabei besonders in

den Kotelett- und Bauchregionen auf.

Weitere Anwendungsmöglichkeiten bieten sich z.B. in der Analyse des

Mineralisierungsgrades einzelner Knochen bzw. von Schildkröten sowie zur Diagnose

von Knochenerkrankungen (Abb. 2.2.24, 2.2.25, 2.2.26, 2.2.28).

Genetik

Ernährung/Fütterung

HormonellerEinfluss

Bewegungsspielraum; Aktivitätsniveau[Umwelt; Haltungsbedingungen]

Knochenmineral-masse und -dichte

Alter

Körpermasse

Methodenübersicht

82

Abb. 2.2.24: Mineralisierungsgrad von Karpal- bzw. Tarsalgelenken bei Schweinen mitunterschiedlichem Gewicht (5 = 40 kg bis 8 = 90 kg), (Material stammt von HEINRITZI

u.a., 2001, nicht veröffentlichte Daten)

Abb. 2.2.25: Mineralisierungsgrad einer Landschildkröte mit 677 g Lebendmasse(Material stammt von HEUBERGER, 2001, nicht veröffentlichte Daten)

Methodenübersicht

83

Abb. 2.2.26: Gesamt-Körperzusammensetzung einer Landschildkröte mit 677 gLebendmasse (HEUBERGER, 2001, nicht veröffentlichte Daten)

Die Abbildungen zeigen eindrucksvoll, die Möglichkeit von DXA zur Knochen-

mineraldichtemessung, während die Körperzusammensetzung bei sehr kleinen und

fettarmen Tieren nur ungenau geschätzt werden kann. Der minimal messbare Fettgehalt

liegt für den LUNAR DPX-IQ-Scanner bei ca. 3,8 % (Abb. 2.2.27).

Abb. 2.2.27: Darstellung der Beziehung zwischen DXA-R-Werten für Weichgewebeund dem prozentualen DXA-Fettgehalt (SCHOLZ, 2001)

Methodenübersicht

84

Außerdem ist eine Mindestanzahl von Weichgewebe-R-Werten erforderlich, um

eine plausible Messung der Körperzusammensetzung vornehmen zu können. Gerade bei

den untersuchten Land-Schildkröten ist deshalb, neben der Gewebemasse, allein der

Mineralisierungsgrad für sinnvolle Auswertungen verwertbar. Die Summe von

Weichgewebemasse (g) und Knochenmineralgehalt (g) ergibt die Gesamtkörpermasse

(Abb. 2.2.25 und 2.2.26). Neben der Messung von Knochenmineraldichte und Fett-

bzw. Magergewebeanteil eignet sich DXA auch für klinische Fragestellungen, z.B. zur

Diagnose von Frakturen (Abb. 2.2.28) oder Wirbelsäulendeformationen.

Abb. 2.2.28: Beispiel für klinische Anwendung - Fraktur des rechten Femurs einesSchweines – Verwendung des Schenkelhals-Modus

2.2.3.2.5.5 Ultraschall

Schall ist eine longitudinale Materiewelle. Die Moleküle oder Atome der Materie

schwingen in Richtung der Schallausbreitung. Beim Übergang von Materie zu Materie

mit verschiedener Dichte ändert sich die Schallausbreitungsgeschwindigkeit, außerdem

kann es an den Übergangsflächen zu Reflektionen kommen. Als Ultraschall wird der

Schall in einem Frequenzbereich über 16 000 Hz bezeichnet (Infraschall < 20Hz), der in

der Regel mit Hilfe elektrischer Kristalle erzeugt wird, die beim Anlegen einer

entsprechenden elektrischen Wechselspannung im Rhythmus der Spannung schwingen.

Diese Kristalle werden als piezoelektrische Kristalle bezeichnet. Materialien, die

piezoelektrische Eigenschaften aufweisen, erzeugen bei Belastungswechsel (z.B.

Druckausübung) aus mechanischer Energie elektrische Energie.

Methodenübersicht

85

In der Tierwelt dient Ultraschall z.B. bei Fledermäusen zur Orientierung. Die

Tiere erzeugen dabei Schall mit einer Frequenz von ca. 40 kHz bis zu ca. 90 kHz.

Bestimmte Insekten erzeugen Ultraschall bis zu 250 kHz sowohl zur Orientierung als

auch zur Betäubung von Beutetieren oder Gegnern.

Für routinemäßige Untersuchungen der Körperzusammensetzung beim Schwein

wird Ultraschall mit einer Frequenz von 1 MHz bis 13 MHz verwendet, wobei auf die

Hautoberfläche des Rückens – unter Verwendung einer „Wasservorlaufstrecke“ zur

Ausschaltung einer toten Zone im Hautbereich - ein Oberflächenschallkopf aufgesetzt

wird. Ultraschall dringt umso weiter ins Gewebe ein, je geringer seine Frequenz ist. Mit

abnehmender Frequenz sinkt aber das räumliche Auflösungsvermögen. Eindringtiefe

und Auflösung müssen demzufolge einer Kompromisslösung folgen. Eine Hauptquelle

für Bildrauschen und andere Störsignale bildet die Körperoberfläche selbst, wobei

Fettmenge, Hautdicke und der Flüssigkeitsgehalt Ursachen für Ablenkungen und

Streuungen des Ultraschallstrahls darstellen (SCHOELGENS, 1998). Extreme Speck- und

Muskelmaße (sehr niedrig oder sehr hoch) werden dadurch offenbar mit einer

geringeren Genauigkeit als intermediäre Ausprägungen ermittelt (MOELLER und

CHRISTIAN, 1998).

Im Prinzip basiert die Technik eines Ultraschallgerätes auf der Umwandlung von

elektrischer Energie in Form eines hochfrequenten Wechselspannungspulses in

Ultraschallenergie, die in der Lage ist, den Körper mit Hilfe kurzer Pulssequenzen

(Pulsdauer ca. 1 µs) zu durchdringen. Gebündelte oder fokussierte, als kurze Impulse

durch die Haut dringende Ultraschall-Wellen werden an Haut- und Gewebe- bzw.

Organschichtgrenzen reflektiert und vom piezoelektrischen Empfänger als Echos im

Schallkopf aufgenommen. Sobald die Ultraschallwellen den Übergang von einem

Gewebe zu einem anderen Gewebe erreicht haben, die sich in ihren akustischen

Eigenschaften unterscheiden, wird ein Teil der Ultraschallwellen reflektiert und vom

Ultraschallsensor im Messkopf, der auch den Ultraschallsender enthält, erfasst. Die

reflektierte, vom Messkopf erfasste Energie (Ultraschall-Druckwelle) wird wieder in ein

elektrisches Signal umgewandelt, amplifiziert und ursprünglich über ein Oszillogramm

angezeigt (Abb. 2.2.29). Variationen in der Gewebedicke bzw. -dichte und

Kompressionsfähigkeit des jeweiligen Gewebes resultieren in zeitlichen Differenzen der

reflektierten Ultraschallwellen. Die Schallgeschwindigkeit beträgt in Luft etwa 330 m/s,

Methodenübersicht

86

in Weichteilen etwa 1540 m/s (Fett = 1440 m/s bzw. Muskel = 1580 m/s) und in

Knochen ~4000 m/s (MAYRHOFER u.a., 1995, BRØNDUM et al., 1998).

Abb. 2.2.29: Ultraschallscanner „B-Mode“ links und Prinzip des Ultraschallverfahrensnach dem „A-Mode“ zur Ermittlung von Fett- und Muskeldicke(modifiziert nach PFEIFFER, 1984 und KALLWEIT, 1991)

Im Zuge der technologischen Entwicklung der Ultraschall-Technik im

humanmedizinischen Bereich während der letzten Jahrzehnte wurden verschiedene

eindimensionale (A-Mode) und zweidimensionale (B-Mode) Geräte im Bereich der In-

vivo-Ermittlung der Körperzusammensetzung zur Standardmethode für die Selektion

von potentiellen Zuchttieren (Schweinen) bzw. Wachstumsstudien. Dabei kommt ein

weites Spektrum von Geräten zur Anwendung, die von einfachen Distanzmessungen

ohne Bildgebung (aber mit Digitalanzeige) bis zu Flächenmessungen mit Bildgebung

reichen (CLAUS, 1957, KLIESCH et al., 1957, STOUFFER et al., 1961, HORST, 1964a,b,

1971, LANGLET u.a., 1968, MERSMANN, 1982, SATHER et al., 1986, 1987, BUSK, 1989,

KAUFMANN, 1990, KRIETER u.a., 1990, BUSEMANN, 1991, KOLB, 1991, STOUFFER,

1991, ERNST, 1994, PFEIFFER und SCHRÖDER, 1994, NITTER und KOLB, 1994, TIBAU et

al., 1996, PESCHKE u.a., 1997, MOELLER und CHRISTIAN, 1998, MOELLER et al., 1998).

Modifizierte Geräte werden für die routinemäßige Klassifizierung der Schlachtkörper

verwendet (u.a. BRANSCHEID, 1994, KÜCHENMEISTER und ENDER, 1994, VAN

BETTERAY, 1994, BUSK und OLSEN, 1996, BRØNDUM et al., 1998, HÖRETH, 2000).

Methodenübersicht

87

A-Mode-Geräte basieren auf der Messung der Schallamplitude, d.h. der Amplitude des

reflektierten Impulses, die die Stärke der Schallreflexion wiedergibt. Die ein-

dimensionale Darstellung der Echos (stehendes Bild) erfolgt als intensitätsproportionale

sinusförmige Auslenkung des Elektronenstrahls nach „oben“, wobei die zeitliche

Abfolge der Echos den Tiefen der reflektierenden Grenzzonen entspricht. Hingegen

werden bei den "B-Mode" -Geräten (Brightness) die Stärken der reflektierten

Echoimpulse nicht wie im A-Mode als Amplitudenhöhe, sondern als Punkte

proportionaler Helligkeiten dargestellt. Zudem wird nicht nur ein Echoimpuls registriert,

sondern der Schallkopf besteht aus multiplen Piezokristallen, die Echoimpulse

aussenden und empfangen. So können verschiedene Ortspunkte entlang des

Schallkopfes unterschieden werden. Durch die zusätzliche Ortsauflösung längs des

Echoimpulses durch die Schalllaufzeit ergibt sich so eine zweidimensionale

Ortsauflösung mit verschiedenen Graustufen entsprechend der Helligkeitsmodulation.

B-Scan-Geräte erzeugen eine zweidimensionale, lichtmodulierte Darstellung der Echos

in Form energie- u. intensitätsproportionaler, helligkeitsvariabler Lichtpunkte (unter

Löschung der 0-Linie) als Resultat einer in 2 Richtungen erfolgenden zeilenförmigen

und schichtweisen Abtastung. Die entsprechend der Echointensität in Grautönen

wiedergegebenen Punkte fließen – soweit von gleichwertigen Strukturen stammend – zu

Flächen und Linien zusammen und geben bei apparativer Verschiebung in schneller

Folge sofort ein sichtbares Bild wieder. „Konturechos“, die an den Gewebeübergängen

zwischen z.B. Fett/Fett oder Fett/Muskel entstehen und diffuse Binnenechos, die durch

Inhomogenitäten im Gewebeinneren hervorgerufen werden, bilden die Grundlage für ein

Ultraschallbild. Die empfangenen Realzeit-Bildsequenzen können bei Bedarf einzeln

oder in Folge für eine Auswertung von Fett- und Muskelflächen bzw. -längenmaßen

gespeichert werden. Nach dem Abtastmodus bezeichnet man die B-Scan-Geräte als

Parallel-Scan [= Bp], Konvergent- u. Divergent-Scan [= Bc bzw. Bd], Misch- oder

Compound-Scan [Bcd, Bcp, Bpd). Detailliertere Beschreibungen dieser Technik finden

sich u.a. bei KOLB (1991), HOUGHTON und TURLINGTON (1992), SEE und STANISLAW

(1994), MILLER (1996) sowie SCHUBERT (1998).

Zusätzlich bietet die in der Entwicklung befindliche 3D-Sonographie

Möglichkeiten für die Volumenbestimmung von Muskel- und Fettgeweberegionen bzw.

die Volumetrie von Organen bzw. Gelenken des (Nutz-)Tieres. Mit ihrer Hilfe können

Gelenke und Organe in ihrer Gesamtheit abgebildet werden. Verwendet werden

Methodenübersicht

88

Schallköpfe mit einem Frequenzbereich von 5 bis 7,5 Megahertz. Bei kleinen Organen

bzw. Gelenken sind auch höherfrequente Schallköpfe denkbar. Die Untersuchung

erfolgt im Realzeit-Verfahren. Eine weitere Verbesserung der 3D-Sonographie im

Hinblick auf die Detailauflösung, die Verarbeitung der Daten und Größe der

Schallköpfe (Problem der Ankoppelung) wird in Zukunft eine Ausweitung der

Einsatzmöglichkeiten dieser Technik bringen. Weitere Entwicklungen wie zunehmende

Verbesserung der Bildqualität und Bildrate, Echtzeit-3D und die Möglichkeit einer

genauen automatisierten Volumetrie lassen den 3D-Ultraschall als zukunftsweisende

und erfolgsversprechende Methode erscheinen, wobei zusätzliche, bislang

sonographisch nicht erzielbare Schnittführungen mit besserer Vergleichbarkeit zu CT-

und MR-Bildern möglich sind (BAUER u.a., 1998, FRANKE u.a., 1998).

Zweidimensionale Ultraschallbilder liefern vor allem Informationen über

Fettgewebedepot- sowie Muskelquerschnitte (BUSK, 1989) und wurden versuchsweise

für die Ermittlung des intramuskulären Fettgehalts beim Schwein getestet (KOLB, 1991).

Aufgrund des sehr niedrigen Marmorierungsgrades in den „modernen“ Schweinerassen

hatte diese Untersuchungsmethodik unter den gegebenen (eingeschränkten) technischen

Bedingungen – auch nach aufwändiger Bildverarbeitung mittels Texturanalyse - keinen

Erfolg (r = 0,35, S.E. = 0,59 % für zweiten Datensatz aus der Kreuzvalidierung),

während für den Fleischanteil im Bauch ein Korrelationskoeffizient von r = 0,62

(S.E. = 8,2 %) ermittelt wurde (KOLB, 1991). STOUFFER (1991) erzielte zwischen

Ultraschallmarmorierung und Marmorierung am Schweine-Schlachtkörper ebenfalls nur

eine Korrelation von r = 0,33, wobei die Marmorierung mittels Ultraschall stark

überschätzt wurde (2,2 ± 0,9 Punkte zu 1,3 ± 0,5 Punkte auf einer 5-Punkte-Skala).

Diese Aussagen ergänzend, erzielten auch VILLÉ et al. (1997) keine signifikanten

Korrelationen (p ≥ 0,02) zwischen Ultraschallmaßen (B-Mode bzw. A-Mode) und

anhand von Muskel-Biopsieproben chemisch ermittelten intramuskulären

Fettgehaltswerten. Die Bestimmtheitsmaße schwankten zwischen 0,312 und 0,435 für

die B-Mode-Ultraschallergebnisse bei etwa 20 kg Lebendgewicht, während die A-

Mode-Ergebnisse (ohne Bildgebung) noch schlechter ausfielen und die chemisch

(gravimetrisch) ermittelten Werte bei mittleren IMF-Gehalten zwischen 1,26 % und

1,85 % (60 bzw. 100 kg Lebendgewicht) systematisch um 1 % überschätzten. Etwas

genauer als beim Schwein lässt sich mittels Ultraschall-Bildgebung die Marmorierung

beim Rind mit einer Wiederholbarkeit von 63 ± 3 % (HASSEN et al., 1999) bzw.

Methodenübersicht

89

altersabhängigen Bestimmtheitsmaßen zwischen R2 = 0,18 und R2 = 0,51 (BRETHOUR,

2000) ermitteln.

Im Allgemeinen stimmen hingegen die aus den In-vivo-Ultraschalluntersuchungen

stammenden Maße für Muskeldicke oder –fläche und insbesondere für

Rückenspeckdicke oder -fläche relativ gut mit den Referenzwerten aus der Schlacht-

körperzerlegung beim Schwein überein. Die Güte der Ergebnisse variiert in

Abhängigkeit vom verwendeten Gerät, (der Erfahrung) der Messperson, der

untersuchten Tierpopulation (Rasse, Tierart), der Messstelle sowie vom Alter und

Körpergewicht der analysierten Tiere. Da die Rückenspeckdicke mit steigendem Alter

und Körpermasse zunimmt (MOELLER et al., 1998, siehe Abb. 2.2.30), ist speziell bei

Tieren mit geringer Rückenfettauflage bzw. mit niedrigen Körpermassen (< 30 kg) die

Aussagefähigkeit der Ultraschallmaße reduziert (KAUFMANN, 1990, ERNST, 1994,

MÜLLER, U. 1994, PFEIFFER und SCHRÖDER, 1994, TIBAU et al., 1996, MOELLER et al.,

1998).

15161718192021222324252627282930

67,4 80,3 93,4 104,9

Durchschnittliche Körpermasse (kg)

Spotted Chester White Poland China Duroc

Berkshire Landrace Yorkshire Hampshire

Abb. 2.2.30: Entwicklung der „Ultraschall“-Rückenspeckdicke im Verlauf desWachstums bei verschiedenen Schweinerassen(Daten stammen aus MOELLER et al., 1998.)

Aus Untersuchungen der vergangenen 30 Jahre mit einer Vielzahl von Geräten

ergaben sich für die Beziehung zwischen Ultraschall-Kotelett-Muskelfläche bzw. –

Methodenübersicht

90

Muskeldicke und den entsprechenden Maßen aus der Schlachtkörperzerlegung

Korrelationen zwischen 0,27 und 0,94 mit einem Durchschnitt von ca. 0,65. Höhere

Korrelationen bestehen in den meisten Fällen zwischen Ultraschall-Rückenfettdicke und

den entsprechenden Schlachtkörpermaßen mit Werten zwischen 0,19 und 0,94 und

einem Durchschnitt von ca. 0,75 (SMITH et al., 1992, Übersichten bei SZABO et al., 1999

und MITCHELL und SCHOLZ, 2001). Von besonderem Interesse für die Schweinezüchter

sind jedoch neben der Messgenauigkeit die Beziehungen zwischen den

Ultraschallmaßen und der geschätzten Körperzusammensetzung in Bezug auf

Fleischanteil und Anteil Fettgewebe (KAUFMANN, 1990). Die Korrelationen zwischen

Fleischanteil (%) und Quotienten aus Ultraschall-Fett-zu-Muskelmaßen schwanken bei

einem Durchschnitt von -0,66 (±0,16) zwischen -0,32 und -0,91 (PFEIFFER u.a., 1984,

KAUFMANN, 1990). Zusätzlich zu den einfachen Beziehungen zwischen Flächen- und

Dickenmaßen bzw. deren Quotienten kommen verschiedene Schätzgleichungen unter

Einbeziehung mehrerer Ultraschallmaße für die Ermittlung des Fleischanteils bzw. der

Fleischteilstücke am lebenden Schwein zum Einsatz. Diese Gleichungen basieren

zumeist auf transversalen oder longitudinalen Scans, die eine oder mehrere Messstellen

für (Rücken)speckdicke bzw. –fläche und Muskeldicke bzw. –fläche sowie zum Teil die

Lebendmasse bzw. Schlachtkörpermasse und das Geschlecht einschließen. Die

Genauigkeiten schwanken zwischen R²-Werten von 0,36 und korrespondierenden

Reststandardabweichungen (RSD) von 3,17 bis zu R²-Werten von 0,83 und RSD von

1.67 (KAUFMANN, 1990, GRESHAM et al., 1992, 1994, CISNEROS et al., 1996,

Übersichten bei SZABO et al., 1999 und MITCHELL und SCHOLZ, 2001). Für Messungen

am Schlachtkörper (zum Teil bereits online und automatisch) sind ähnliche Gleichungen

ermittelt worden mit Genauigkeiten zwischen R² = 0,41 mit RSD = 3,05 bis zu

R² = 0,85 mit RSD = 1,58 (KÜCHENMEISTER und ENDER, 1994, BRANSCHEID u.a., 1994,

GRESHAM et al., 1992, 1994, LIU und STOUFFER, 1995, BRØNDUM et al., 1998).

Zunehmend gelangt mit dem Ziel der Schlachtkörperklassifizierung das sogenannte

AUTOFOM-Gerät, ein automatisch am Schlachtband Fett- und Muskeldicken

messender u-förmiger Ultraschall-Scanner mit 16 kombinierten 2,0 MHz Schallköpfen

(SFK Technologie, K2KG - 67080), zum Einsatz (BUSK und OLSEN, 1996, BRØNDUM et

al., 1998, BRANSCHEID und DOBROWOLSKI, 2000, HÖRETH, 2000). Für die EU-

Zulassung zum kommerziellen Einsatz muss der SEP (Standardfehler der Vorhersage

aus der Kreuzvalidierung) unter 2,5 % Fleischanteil liegen. Das AUTOFOM-Gerät

Methodenübersicht

91

erfüllt in den meisten Fällen diese Voraussetzung mit Reststandardfehlern zwischen

1,58 und 1,84 (bzw. 2,69 für den Bauchfleischanteil, BRANSCHEID und DOBROWOLSKI,

2000) bei Bestimmtheitsmaßen zwischen R2 = 0,85 und R2 = 0,74 für die Schätzung des

prozentualen Fleischanteils (BRØNDUM et al., 1998, HÖRETH, 2000).

2.2.3.2.5.6 Bioelektrische Impedanz (BIA)

In jüngerer Zeit ist, ausgehend von LUKASKI et al. (1985), eine neue Methode eingeführt

worden, die bei einer einfachen Handhabung hohe wissenschaftliche Genauigkeit

versprechen soll: die bioelektrische Impedanz-Analyse (BIA). Da die mit der BIA

erzeugten Ströme durch alle leitenden Gewebe innerhalb des Körpers fließen, können

mit Hilfe dieser Methode die Körperkompartimente (Körperzellmasse, Fettmasse,

Extrazellulärmasse, Körperwasser) differenziert werden (DE LORENZO et al, 1997,

MATTHIE et al., 1998).

Die physikalische Hypothese geht davon aus, dass der Wechselstromwiderstand

(Scheinwiderstand) des Körpers mit dem Körperwassergehalt abnimmt und mit dem

Körperfettgehalt zunimmt, so dass man aus dem Wechselstromwiderstand auf den

Körperwasser- und Körperfettgehalt schließen kann. Aus den Widerstandsmessungen

und weiteren Variablen (Körperlänge, Körpergewicht, Gliedmaßenlänge) lässt sich die

Körperfettmasse über Regressionsgleichungen bestimmen (LUKASKI et al., 1985, DE

LORENZO et al, 1997, BAUMGARTNER et al., 1998). BIA-Messungen sind dabei eher

statistisch mit Variablen wie dem Gesamtkörperwasser oder dem Körperfett verbunden

als mit bio-physikalischen Prinzipien. Obwohl die BIA-Messwerte durch eine Vielzahl

von Variablen beeinflusst werden, wie Körperhaltung (-lage), Hydrierungs-Zustand,

Zeitabstand zur letzten Nahrungsaufnahme, Luft- und Hauttemperatur, vorangegangene

körperliche Aktivität, Platzierung der Elektroden, ungenaue Messung von Körperlänge

und Körpergewicht, dem Körperfettgehalt selbst (!) sowie durch die Leitfähigkeit der

Untersuchungseinrichtung (MONTAGNANI, 1997, BAUMGARTNER et al., 1998), besitzt

die Methode bei Messwiederholungen an mehreren Tagen eine Reproduzierbarkeit von

> 95 % (LUKASKI, 1996). Voraussetzung hierfür ist eine Standardisierung und Kontrolle

der genannten Effekte. Die BIA-Geräte sollten folglich genaue elektrische Daten und

Kalibrierungsangaben aufweisen, die eine Messgenauigkeit innerhalb von 1 % über die

volle Breite des Gesamtwiderstandsbereiches von biologischen Systemen sicherstellen.

Sie sollten den Primärwiderstand und, sofern gemessen, die Reaktanz angeben sowie die

Methodenübersicht

92

Frequenz(en), bei welcher(n) die Messungen durchgeführt wurden. Berechnungen von

Parametern der Körperzusammensetzung aus den Basismessungen sollten anhand

populationsspezifischer Gleichungen/Formeln erfolgen und die Standardfehler für die

individuelle Schätzung angeben (BRÜNGEL und KLUTHE, 1997).

Eine Vielzahl von Gruppen hat versucht, die BIA besonders am Menschen, aber

auch am Tier zu validieren (LUKASKI, 1996). Die Studien resultieren aber in sehr

unterschiedlichen Formeln für die Umrechnung der Widerstandswerte auf den

Körperfettgehalt, so dass der Einsatz der verschiedenen Formeln in einer Messserie zu

sehr unterschiedlichen Ergebnissen führt. Als Beweis für die Genauigkeit der

Übereinstimmung der Bioimpedanzmethode mit der hydrodensitometrischen Methode

werden in den meisten Studien die Korrelationskoeffizienten herangezogen, die aber zu

einer solchen Aussage untauglich sind (siehe Bland-Altman-Analysen im Kapitel

2.2.3.2.5.2). Unter den meisten Bedingungen gibt die BIA eine verlässliche Angabe des

Gesamtkörperwassers. Die daraus abgeleitete Schätzung der fettfreien Masse und des

Prozentanteils des Körperfettes variieren in Abhängigkeit von der untersuchten

Population, Alter, Geschlecht und in Abhängigkeit von der Gültigkeit der verwendeten

Gleichung, mit der die Schätzung vorgenommen wurde. Speziell bei Betrachtung

einzelner Individuen können die Ergebnisse, die mit den verschiedenen Formeln erzielt

werden, sehr stark voneinander abweichen (FOGELHOLM et al., 1996, WANG und

DEURENBERG, 1996, SNIJDER et al., 1999, BUSSOLOTTO et al., 1999).

Die Bestimmung der Körperfettmasse mittels BIA beruht, wie beschrieben, auf

dem Prinzip, dass verschiedene Körpergewebe (Fettgewebe, Muskulatur, Knochen) bei

Stromdurchfluss unterschiedliche Widerstände aufbauen. Da Muskelgewebe (aus mehr

elektrolythaltigem Wasser bestehend) eine bessere elektrische Leitfähigkeit als

Fettgewebe oder Knochen aufweist, kann man anhand des Ausmaßes der Stromstärke,

welche den Körper passiert, die Körperzusammensetzung berechnen. Bei der

ursprünglichen Messmethode werden an den Extremitäten (bzw. an anderen definierten

Stellen) jeder Körperseite zwei Elektroden angebracht und ein Strom geringer Stärke

durch den Körper geleitet. Inzwischen gibt es diverse Messmöglichkeiten und eine

Vielzahl an Geräten, die in einem einfachen oder multiplen Frequenzbereich arbeiten

(SUZUKI et al., 1996). Wird eine Wechselstromquelle geringer Stärke an ein

biologisches System angeschlossen, kann man einen Spannungsabfall oder einen

zunehmenden Widerstand für den Stromfluss feststellen. Die Impedanz

Methodenübersicht

93

(Scheinwiderstand - Z) setzt sich zusammen aus der Resistenz (Ohmscher Widerstand -

Rs) und dem frequenzabhängigen kapazitiven bzw. induktiven Blindwiderstand

(Reaktanz – Xc). Die Reaktanz hängt von der geometrischen Konfiguration und dem

Volumen der stromführenden Leiter im biologischen System und der Signalstärke sowie

der Frequenz der verwendeten Wechselspannung ab. Ist die Geometrie relativ konstant,

dann entspricht die Impedanz einer Funktion des elektrischen Potentials der Masse und

kann wie folgt kalkuliert werden: Z = (Rs2+ Xc2)5.

Da die Impedanz auch vom Volumen des stromführenden Leiters abhängt, gilt:

Z (in ohm) = ρL²/V,

mit ρ= Volumenwiderstand (ohm-cm), L = Leiterlänge (cm) und V = Volumen (cm³).

Alle Leitungsparameter wie Leitungswiderstand, Isolationswiderstand, Leitungs-

kapazität und Leitungsinduktivität gehen in die Impedanz ein. Diese ist bei Kabeln -

aber nicht in biologischen Systemen - über weite Frequenzbereiche frequenzunabhängig.

Mit steigenden Frequenzen wird die Impedanz zunehmend vom Leitungswiderstand

bestimmt. Wie beschrieben, werden zwei Sets von Elektroden an definierten

Körperstellen des Probanden platziert. Danach erfolgt die Impedanz-Messung (Rs und

Xc). Zusätzlich gehen in die Schätzgleichungen das Körpergewicht, die Distanz

zwischen den Detektor-Elektroden (bzw. die Körperlänge) sowie zum Teil die

Temperatur (Körper- bzw. Probentemperatur) ein (SWANTEK et al., 1992, 1999,

MARCHELLO et al., 1999).

Beim Schwein wurde die BIA nur in begrenztem Umfang zur Schätzung der

fettfreien Masse am lebenden Tier und Schlachtkörper (SWANTEK et al., 1992,

MARCHELLO und SLANGER, 1992, MARCHELLO et al., 1999, SWANTEK et al., 1999)

verwendet. SWANTEK et al. (1992) ermittelten zwischen Rs und fettfreier Masse (FFM)

Korrelationen von r = -0,56 am lebenden Tier bzw. r = -0,63 am Schlachtkörper sowie

entsprechend zwischen Rs und Fettanteil (%) Werte von r = 0,64 bzw. 0,7. Im Vergleich

fielen die Korrelationen zwischen den Blindwiderstandsmessungen (Reaktanz) und der

fettfreien Masse (FFM) bzw. dem Fettanteil (%) bedeutend niedriger aus (r < |±0,17|).

Die ermittelten Schätzgleichungen hatten die folgende Form:

FFM (in vivo) = 0,486 Lebendmasse - 0,881 Rs + 0,48 Distanz + 0,86 Xc + 7,959

FFM (Schlachtkörper) = 0,326 Schlachthälftenmasse - 0,081 Rs + 0,239 Distanz + 0,060 Xc + 9,945.

Methodenübersicht

94

Die Bestimmtheitsmaße für die obigen Schätzgleichungen zur Ermittlung der fettfreien

Masse im Schlachtkörper betrugen mit unkorrigierter Lebendmasse R2 = 0,817 bzw.

R2 = 0,844. In einer nachfolgenden Studie führte die Benutzung der obigen Gleichung

für lebende Schweine zwischen 50 und 130 kg zu einer systematischen Unterschätzung

der fettfreien Masse um 9 kg. Die Korrelationen zwischen geschätzter und tatsächlicher

FFM betrugen durchschnittlich 0,67.

Obwohl gerade für (Nutz-)Tiere weitere Untersuchungen nötig sind, scheint die

BIA unter kontrollierten und standardisierten Bedingungen für die Erfassung der

Körperzusammensetzung sowohl für lebende Tiere als auch Schlachtkörper geeignet zu

sein. Der Informationsgewinn durch die Messung der Impedanz-Messwerte zusätzlich

zur Information aus dem Lebendgewicht ist bisher jedoch nach eigener Ansicht zu

gering und rechtfertigt den Aufwand nicht.

Generell ist die BIA nicht geeignet für die Feststellung von kurzfristigen

Veränderungen des Körperfettanteils von Individuen, kann aber zur Charakterisierung

langfristiger Veränderungen in Populationsgruppen angewandt werden.

Humanmedizinische Vergleichsuntersuchungen von BIA mit etablierten Standard-

methoden haben Fehler von ~10 % und bei zunehmendem Übergewicht bis zu 30 %

ergeben. Die BIA ist grundsätzlich nicht unter Konditionen einsetzbar, bei denen eine

ausgeprägte Verschiebung der Wasserverteilung des Körpers vorliegt (GRAY et al.,

1989, BAUMGARTNER et al., 1998).

Mess-Elektroden Quell-Elektroden

Abb. 2.2.31: Prinzip der Elektrischen Impedanztomographie (nach BRANDSTÄTTER,2000)

Methodenübersicht

95

Eine möglicherweise viel versprechende Erweiterung der bioelektrischen

Impedanzmessung ist die in der Entwicklung befindliche elektrische Impedanz-

tomographie (MENZEL, 1997, LI, 2000). Dabei wird ein Elektrodenring um den Körper

gelegt, bei dem ein Teil der Elektroden den Erregerstrom leitet und der andere Teil für

die Potentialmessung an der Oberfläche zuständig ist. Aus den Messdaten wird die

Leitfähigkeitsverteilung rekonstruiert und in Bilddaten umgesetzt (Abb. 2.2.31).

2.2.3.2.5.7 Gesamtkörperleitfähigkeit - „Total Body Electrical Conductivity“(TOBEC)

Die Prinzipien, die für die bioelektrische Impedanzanalyse gelten, treffen identisch für

die TOBEC-Messungen (Elektrische Leitfähigkeit des Gesamtkörpers) zu. Die TOBEC-

Messung beruht ebenfalls auf der unterschiedlichen Leitfähigkeit von Muskel- und

Fettgewebe. Erste Geräte liefen unter der Bezeichnung EMME (Electronic Meat

Measuring Equipment) und wurden zur Messung von Fett- und Fleischgehalt am

lebenden Schwein (Modell SA-1) bereits 1973 durch HARKER in den USA zum Patent

angemeldet (BOILEAU, 1988, SUTCLIFFE et al., 1995). Die TOBEC-Messung wird

anstelle von Messelektroden mit einer elektromagnetischen Spule unter einer

Wechselspannung von 2,5 bis 5,0 MHz betrieben, so dass sich ein magnetisches Feld

innerhalb der Spule aufbaut. Diese Spule dient gleichzeitig als Messkammer. Bewegt

man leitendes Material durch eine stromführende Spule wird eine elektrische Spannung

im leitenden Material induziert, wodurch ein irreversibler Energieverlust in Form von

Wärme entsteht. Der Energieverlust vermindert die Impedanz der Spule und dient als

Index für die leitende Masse der Probe. Die veränderte Impedanz bzw. der induzierte

Stromfluss ist eine Funktion der elektrischen Leitfähigkeit und der dielektrischen

Eigenschaften des untersuchten biologischen Systems. Hierbei beeinflusst speziell die

Kondensatorwirkung der Zellmembranen den dielektrischen Effekt. Tatsächlich

gemessen wird jedoch die Energieabsorption – nicht die Impedanz bzw. Leitfähigkeit.

Das Messergebnis (Menge absorbierter Energie = E) ist eine Funktion der Fläche (A2),

der Magnetfeldstärke (B), der Leitfähigkeit je Volumeneinheit bei einer bestimmten

Frequenz (c) sowie einer Anzahl von Konstanten (k) mit E = A2 • B • c • k, wobei die

Messkurve der Energieabsorption vor allem vom Volumen der fettfreien Masse abhängt.

Außerdem variiert die Messung je nach Instrumentenausführung. Bei stationärer

Ausführung (das Messobjekt wird in der elektromagnetischen Spule (Röhre) nicht

Methodenübersicht

96

fortbewegt) resultiert als Messergebnis die Energieabsorption aus der Differenz der

Messwerte der Spulen-Impedanz ohne und mit Probe. Wird das Objekt während des

Messvorgangs durch die Spulenanordnung bewegt, manuell oder besser mittels

Förderband, resultiert als Messergebnis der Phasendurchschnitt oder die relative

Energieabsorption (E) aus dem elektromagnetischen Feld. Geometrie, Orientierung,

Position und Temperatur der Proben beeinflussen die elektromagnetischen Messsignale

während der Passage durch die Spulenanordnung (Messkammer). Genauso wie bei der

bioelektrischen Impedanzanalyse bestimmen absolute Menge, Zusammensetzung und

Konzentration der in der Probe vorhandenen Elektrolyte durch ihre unterschiedliche

Wirkung auf die Leitfähigkeit die Signalausprägung. Deswegen ist eine Kalibrierung des

TOBEC-Gerätes mit Objekten, die eine vergleichbare Geometrie und bekannte

Zusammensetzung aufweisen, notwendig. Für eine genaue Schätzung der fettfreien

Masse ist es außerdem erforderlich, das Gewicht der Probe zu messen. Speziell bei

Lebendtiermessungen sind Bewegungs- und Positionsartefakte zu beachten, während bei

Schlachtkörpern (Teilstücken) die Temperatur einen wichtigen Faktor darstellt (KLISH et

al., 1984, BOILEAU, 1988, HENNING et al., 1993, FORREST, 1994, MITCHELL und

SCHOLZ, 2001).

Zwei frühe Experimente zur Nutzung von TOBEC an lebenden Schweinen

resultierten in Korrelationen (r) von 0,87 (n = 42) bzw. 0,68 (n = 35) zwischen TOBEC-

Messung und Schlachtkörperwasser (DOMERMUTH et al., 1976). FREDEEN et al. (1979)

und MERSMAN et al. (1984) ermittelten stark variierende Ergebnisse mit generell

niedrigen Korrelationen zwischen TOBEC- und Schlachtkörperwerten. Hingegen

erzielten KEIM et al. (1988) in einer nachfolgenden Untersuchung mit einer neuen

Gerätegeneration an sedierten Schweinen (n = 24, 48 - 137 kg und 14 - 45 % Fettgehalt)

hohe Korrelationen zwischen TOBEC-Messwerten (Phasendurchschnitt) und

Schlachtkörperdaten wie leeres Gesamtkörperwasser (r = 0,979) bzw. fettfreie Masse

des leeren Gesamtkörpers (r = 0,980) und leeres Gesamtkörper-Rohprotein (r = 0,962)

sowie leeres Gesamtkörper-Kalium (r = 0,949). Die Standardabweichungen der

Schätzungen (SEE) betrugen für leeres Gesamtkörperwasser 2,1 kg und für die fettfreie

Masse des leeren Gesamtkörpers 2,8 kg. Ähnlich gute Beziehungen ermittelten

FIOROTTO et al. (1987) an jungen Miniaturschweinen (10 - 33 Lebenstage). Das

TOBEC-Signal (korrigiert auf die Körperlänge) korrelierte hoch mit der chemisch

analysierten fettfreien Masse (r = 0,998) und dem Gesamtkörperwassergehalt

Methodenübersicht

97

(r = 0,998), während das 95 % Vorhersageintervall für individuelle Messungen ±0,16 kg

fettfreie Masse und ±0,12 Liter Wasser betrug. Die Konfidenzintervalle konnten

signifikant verbessert werden, indem auf die individuelle Variabilität im Verhältnis von

Körpermasse und Körperlänge, das heißt auf die Körpergeometrie korrigiert wurde

(±0,08 kg bzw. ±0,06 Liter). Obgleich TOBEC in der (amerikanischen)

Schlachtkörperbewertung bei Schwein bzw. Schaf und Rind eingesetzt wird (FORREST,

1994, MESECK et al., 1997, BERG et al., 1998 bzw. BERG et al., 1994 und GWARTNEY et

al., 1995), findet es in der Lebendtierbewertung aufgrund der bereits genannten

Probleme wie Bewegung der Tiere, Körpertemperatureinfluss, unterschiedliche

Geometrie der Tiere sowie Positionierung der Tiere wenig Beachtung (Übersicht bei

MITCHELL und SCHOLZ, 2001). So wurden auch bei der individuellen Analyse der

Körperzusammensetzung lebender Lämmer bzw. Broiler keine zufriedenstellenden

Genauigkeiten mit Hilfe der TOBEC-Messungen erzielt, da das Körpergewicht allein

einen größeren Anteil der Variation erklärte als die TOBEC-Messwerte (WISHMEYER et

al., 1994 bzw. DÄNICKE et al., 1997).

2.2.3.2.5.8 Infrarot-Körperfettanalyse (Infrarot-Interaktanz)

Diese Methode basiert auf dem Ausmaß der Reflektion bzw. Absorption (Transmission)

von Infrarotlicht einer bestimmten Wellenlänge (850 - 2600 nm) an geeigneten

Körperpositionen. Bei einer bestimmten Wellenlänge wird das infrarote Licht vom Fett

absorbiert und von der fettfreien Masse reflektiert. Sensoren messen die Intensität der

reflektierten Strahlung; die angeschlossene Computereinheit ermittelt die individuelle

Körperzusammensetzung.

Unter Zuhilfenahme von Merkmalen wie Körpergewicht, Geschlecht und

Körpertyp kann der Fettgehalt kalkuliert werden. Gegenüber einer einfachen, schnellen

und bequemen Anwendung steht noch immer die Ungenauigkeit dieser Methode, da die

Zusatzinformationen häufig den größten Teil der Variation erklären.

Das so genannte FUTREX-Messsystem, welches vereinzelt im Humanbereich

zum Einsatz gelangt, wurde am United States Department of Agriculture, Beltsville

Agriculture Research Center, Beltsville, MD entwickelt (RICO et al., 1994). Es besteht

aus einem Messkopf, in dem je nach Modell 4 bis 6 Elektroden integriert sind. Der

Messkopf kann an beliebigen anatomischen Positionen angesetzt werden, um

Infrarotlicht ins Gewebe zu senden. Am besten geeignet sind Körperpositionen, die eine

Methodenübersicht

98

große Variation im subkutanen Fettgehalt aufweisen. In einer ersten Studie bei Frauen

erzielten CONWAY et al. (1984) Korrelationskoeffizienten von r = 0,94 bzw. 0,90 sowie

0,89 zwischen Nah-Infrarot-Reflektions-Messwerten und D20-Verdünnungs-, bzw.

Hautdicken- sowie Ultraschall-Messwerten. Nachfolgende Studien ergaben jedoch

weniger Erfolg versprechende Ergebnisse und zweifeln den Wert dieser Methodik an

(POLITO et al., 1994, WILMORE et al., 1994, BROOKE-WAVELL et al., 1995, FLYNN et al.,

1995).

Beim Schwein weist die Rückenpartie über dem M.l.d. die höchste Variation im

subkutanen Fettgehalt innerhalb einer Population auf. MITCHELL et al. (1986)

überprüften das Verfahren sowohl an lebenden Schweinen als auch an Schlachtkörpern.

Zwischen chemischer Analyse und NIR (Nah-Infrarot-Reflektion) ergaben sich keine

Korrelationen, die größer als r = 0,75 ausfielen, wenn die NIR-Messwerte ohne

Zusatzinformation wie Lebendmasse in der Regressionsanalyse verwendet wurden.

Potentielle Probleme der Technik ergeben sich aus der Hautfarbe, Hautdicke und

Speckdicke selbst, da mit der verwendeten Technik nur eine Eindringtiefe von 1 cm

erreicht wurde. Neuere Untersuchungen zur Körperzusammensetzung am lebenden

Schwein mittels Nah-Infrarot-Interaktanz-Messung sind dem Autor nicht bekannt. Eine

potentielle Anwendung könnte in der Ermittlung der Fettqualität beim lebenden

Schwein liegen, da sich die Fettzusammensetzung im Laufe des Wachstums ändert und

eine Eindringtiefe von 1 cm für die Ermittlung der Fettqualität ausreichend sein müsste

(MITCHELL und SCHOLZ, 2001).

Als sehr gute Alternative zur chemischen Analyse eines weiten Spektrums von

Messkriterien in entsprechend aufbereiteten Proben findet die Nah-Infrarot-

Spektroskopie (Reflektion oder Transmission) inzwischen eine breite Verwendung.

Im Gegensatz zur Verwendung von Licht im infraroten Wellenlängenbereich

arbeitet das für humanmedizinische Zwecke entwickelte LIPOMETER mit Licht im

sichtbaren Wellenlängenbereich und dient zur Ermittlung der subkutanen Fettverteilung

bis zu einer Dicke von 50 mm (SUDI et al., 1998).

2.2.3.2.5.9 Videobildanalyse und Dreidimensionale Topometrie

Jüngste Entwicklungen in der Computer-Technik und digitalen Bildaufnahmetechnik

bilden die Voraussetzung für eine objektive Ermittlung der Körperproportionen und

–formen als ein Indikator für die Körperzusammensetzung von Schweinen. Diese

Methodenübersicht

99

Technik resultiert jedoch nicht in genauen Schätzwerten für die

Körperzusammensetzung lebender Tiere in Bezug auf Fett-, Protein-, Wasser- oder

Aschegehalt. Es sollte aber möglich sein, mit Hilfe der dreidimensionalen Topometrie

genaue Messungen des Körpervolumens vornehmen zu können (TSCHÜMPERLIN, 1996).

Dieses Messergebnis in Kombination mit linearen (digitalen) Messwerten wie

Brustweite, Rumpftiefe, Beckenweite und Widerristhöhe könnte die Grundlage für eine

objektive lineare Körperform- bzw. -konformationsbewertung bilden, die im

Zusammenhang mit dem Schlachtkörperwert steht, solange die Fleischqualität nicht das

Hauptkriterium darstellt (PATTERSON, 1990).

Gegenwärtig wird die Videobildanalyse - teilweise in Verbindung mit

zusätzlichen FOM-Messungen oder Ultraschallmessungen – für die Klassifikation von

Rinder-, Schweine-, Schaf- und Geflügelschlachtkörpern genutzt, um die

Körperkonformation, die Fettklasse, den Fleischanteil oder den Anteil wertvoller

(verkaufbarer) Teilstücke zu ermitteln. Die Bestimmtheitsmaße schwanken zwischen

0,3 und 0,9 mit Reststandardabweichungen zwischen 1,52 und 0,52 % (ALLEN und

WALSTRA, 1996, BRANSCHEID et al., 1995, 1998, BORGGARD et al., 1996, BRANSCHEID

und DOBROWOLSKI, 1996, HAHN u.a., 1997, STANFORD et al., 1998b, THOLEN u.a.,

1998, SÖNNICHSEN u.a., 2001). Weitere Versuche werden unternommen, um die

Videobildanalyse für die Erfassung der Fleischqualität, insbesondere der Marmorierung

bzw. des intramuskulären Fettgehalts, an definierten Schlachtkörperanschnitten zu

nutzen (ISHII et al., 1992, SCHOLZ u.a., 1995c, ENDER u.a., 1997b, KUCHIDA et al., 1998,

1999, 2000). Im Gegensatz zum Rind, scheitert speziell beim Schwein dieses Vorhaben

für routinemäßige Anwendungen bisher aufgrund der sehr geringen Variation des

Marmorierungsgrades bzw. bei extrem fettarmen Rassen aufgrund der nicht mehr

vorhandenen Marmorierung. Schwierigkeiten bei der Messung ergeben sich außerdem

durch auftretende Reflektionen an der Fleischoberfläche, die durch Wasseraustritt oder

die unebene Fleischoberfläche am Anschnitt verursacht werden. Abhilfe kann durch

spezielle Beleuchtungssysteme geschaffen werden.

2.2.3.2.5.10 Kalium40-Gammaspektrometrie - Analyse auf atomarem Niveau

Da Kalium nicht im Fettgewebe und sonst fast ausschließlich intrazellulär vorkommt,

kann die neben der Kalium39-Emission in begrenztem Ausmaß natürlich vorkommende

Methodenübersicht

100

Kalium40–Emission (0,0118 %) sowohl am lebenden Tier als auch am Schlachtkörper

mit Hilfe der K40–Flüssigkeits-Szintillation in einem Gesamtkörper-Zählgerät bestimmt

und der Fettgehalt über die Ermittlung der Gesamtkörperzellmasse bzw.

-magergewebemasse berechnet werden (SIEMENS, 1991, MITCHELL und SCHOLZ, 2001).

Kalium ist im Körper an der Steuerung verschiedener Funktionen beteiligt, wie:

• Wasser- und Elektrolythaushaltsregulierung,

• Reizübertragung an Muskeln und Nervenzellen sowie

• am Eiweißstoffwechsel.

Gleichzeitig besitzt das radioaktive Kaliumisotop K40 mit 4 500 Becquerel (Bq) den

hauptsächlichen Anteil an der natürlichen Radioaktivität des Menschen

(HTTP://WWW.NOEZSV.AT/WISSENHILFT/RADIOAKTIVITAET/WIRKUNGAUFMENSCH.HTM).

Ein Kilogramm Schweinefleisch (Frischmasse) emittiert auf der Basis des K-40-

Gehalts - bei einer Variation zwischen 87 und 130 Bq pro Tag und Person - ca. 110 Bq

pro Tag und Person. Ähnliche Werte wurden für Rindfleisch, Reh- sowie Hirschfleisch

ermittelt (HAHN, 2000). Die festgestellten Variationen sind eher auf unterschiedliche

Fett- und Wassergehalte der Fleischproben als auf die unterschiedliche regionale

Herkunft zurückzuführen.

Gesamtkörperzählgeräte fanden erstmals im Humanbereich Verwendung (FORBES,

1962, FORBES und HURSH, 1963, LLOYD und MAYS, 1987). Bereits im Jahr 1923 setzte

der Ungar GEORGE HEVESY (1943 Nobelpreis für Chemie) das erste Mal Radioaktivität

ein, um Pflanzen zu untersuchen. Er benutzte radioaktiv markiertes Blei, um die

Aufnahme dieser Substanz in die Pflanzen und die Verteilung des markierten Bleis zu

studieren. HEVESY zeigte mit seiner Arbeit, dass es mit kleinen Mengen von radioaktiv

markierten Elementen möglich ist, die Funktion von lebender Materie zu untersuchen,

ohne das Gewebe zu zerstören (SCHWAIGER, 1997).

Eine geeignete Kalibrierung, die Vermeidung von Hintergrundstrahlung und eine

Korrektur für die Körpergeometrie unter Berücksichtigung des Alters und des

Geschlechts ermöglichen eine genaue Ermittlung des Gesamtkörper-Kaliumgehaltes.

Aufgrund der sehr hohen Gerätekosten und der begrenzten Anwendbarkeit ist diese

Technik jedoch nicht weit verbreitet und wird nur in sehr wenigen Nutztierstudien zur

Ermittlung der Körperzusammensetzung herangezogen (SIEMENS et al., 1991, JIANG et

al., 2000). Im Vergleich zur chemischen Analyse fielen jedoch (wie bei den meisten

Messmethoden) die in vivo gemessenen K40-Emissions-Werte nicht so genau wie die

Methodenübersicht

101

post mortem gemessenen Werte aus, die eine Korrelation von r = 0,7 zwischen

Ganzkörper-K40-Gehalt und chemisch ermitteltem Kaliumgehalt des Schlachtkörpers

ergaben (SIEMENS et al., 1991). Bei totgeborenen Ferkeln ermittelten SPADY et al.

(1986) zwischen dem Gesamtkörper-K40-Gehalt aus der Gammaspektrometrie und dem

Gesamtkörper-Kaliumgehalt aus der Schlachtkörperanalyse eine Übereinstimmung von

durchschnittlich 97 %. JIANG et al. (2000) konnten keinen Unterschied zwischen mittels

DXA ermittelter relativer Magergewebemasse je kg Schlachtkörper und dem

Gesamtkörper-K40-Gehalt je kg fettfreier Masse beim Vergleich von zwei

Fütterungsgruppen (Plasmazusatz bzw. Kontrollfütterung) feststellen. Folglich stimmten

Zusammensetzung und Wassergehalt der Magergewebemasse für beide

Fütterungsgruppen überein. Absolut erhöhte sich im Vergleich zur Kontrolle die

Magergewebemasse in der mit Plasma gefütterten Gruppe signifikant, wobei keine

Unterschiede in den proportionalen Differenzen der beiden Fütterungsgruppen zwischen

DXA- und K40-Messung auftraten.

2.2.3.2.5.11 Neutronenaktivierung

Seit Jahrzehnten stellt die Neutronenaktivierungs-Analyse (NAA) ein Verfahren der

(Spuren-)Elementbestimmung dar, das in vielerlei Hinsicht einzigartig und

konkurrenzlos ist. Hierzu zählen die extrem hohe Genauigkeit und die „eingebaute

Selbstkontrolle". Ein chemischer Aufschluss der Probe ist prinzipiell nicht erforderlich

(KNIGHT et al., 1986, RYDE et al., 1993, SUTCLIFFE et al., 1993).

Das Prinzip der NAA beruht auf der Tatsache, dass die meisten Elemente einer

Probe (eines Individuums) bei der Bestrahlung mit (thermischen) Neutronen (n)

radioaktiv werden und eine charakteristische, durchdringende Gammastrahlung

aussenden. Bei einigen Stoßprozessen von Neutronen mit Atomkernen kommt es zur

Absorption der Neutronen (Neutroneneinfang). Bei diesem Vorgang werden radioaktive

Isotope erzeugt, die bei ihrem Zerfall eine für jedes Isotop charakteristische

Gammastrahlung (n’γ) aussenden. Auf diesem Prinzip beruht die „verzögerte“ (delayed)

Neutronenaktivierungs-Analyse. Die mit Neutronen bestrahlten Elemente wandeln sich

in instabile radioaktive Isotope um. Bei der „Rückkehr“ in einen stabilen Zustand

(Zerfall der radioaktiven instabilen Isotope bei entsprechender langer Halbwertszeit von

Sekunden, Minuten oder Stunden) lässt sich mittels geeigneter Detektoren die für jedes

Isotop spezifische Gamma-Strahlung messen und aus ihr über vergleichsweise einfache

Methodenübersicht

102

mathematische Korrelationen die in der Untersuchungsprobe vorliegende Konzentration

berechnen. Die Wahrscheinlichkeit für einen „Neutroneneinfang“ ist nur für relativ

langsame (thermische) Neutronen gegeben. Je höher der Neutronenfluss für diese

Aktivierung, desto empfindlicher ist das Verfahren und desto geringere Mengenanteile

können noch identifiziert und quantifiziert werden (KEHAYIAS und VALTUEÑA, 1999).

Zukünftig können großvolumige Proben nach der Neutronenaktivierung durch

ortsauflösende Gamma-Spektrometrie bzw. eine Kombination von Neutronen-

aktivierung und Kernresonanzabsorption tomographisch vermessen werden, so dass

analog der beschriebenen Bildgebungsverfahren die quantitativen Messergebnisse

visualisiert werden können (LIERSE, 1998, VARTSKY et al., 2000). Anders als bei der

Röntgen-Computer-Tomographie existieren bei der Neutronen-Tomographie

Wechselwirkungen mit den Atomkernen der Probe. An den Atomkernen können die

Neutronen absorbiert (eingefangen) oder gestreut werden. Die Wahrscheinlichkeit für

eine Wechselwirkung hängt empfindlich vom inneren Aufbau der Atomkerne ab. Dabei

existiert keine vergleichbar einfache Regelmäßigkeit wie für Röntgenstrahlen. Für

unterschiedliche Isotope eines Elements gibt es zum Teil stark voneinander

abweichende Wechselwirkungen. Neutronen werden besonders an Wasserstoff stark

gestreut. Hingegen treten Röntgenstrahlen in eine Wechselwirkung mit den Elektronen,

die sich in der Atomhülle befinden. Das bedeutet, wenn die zu untersuchenden

chemischen Elemente bzw. Körpergewebe elektronenreich sind, wie z.B.

Knochengewebe, werden die Röntgenstrahlen stärker geschwächt als in Muskel- oder

Fettgewebe.

Neutronenaktivierung ist die einzige Methode, die eine simultane Analyse

mehrerer Elemente des Gesamtkörpers auf atomarem Niveau zulässt. Alle wichtigen

Elemente, die im Körper vorkommen wie Wasserstoff, Kohlenstoff, Stickstoff,

Sauerstoff, Kalzium, Phosphor, Natrium und Chlor können mit dieser Methodik

quantifiziert werden. Kalium wird mit Hilfe der speziellen K40-Gammaspektroskopie

bestimmt (Kapitel 2.2.3.2.5.10). Geräte, die für die (In-vivo-)Neutronenaktivierungs-

Analyse verwendet werden, sind (noch) sehr aufwendig und teuer, benötigen ein

spezialisiertes Bedienpersonal und sind zudem relativ langsam (15 – 60 Minuten).

Gegenwärtig werden Anstrengungen unternommen, um die kommerzielle Entwicklung

eines portablen Neutronengenerators für Großtieranwendungen voranzutreiben (MITRA

et al., 1998). Zahlreiche In-vivo-Studien unter Zuhilfenahme der Neutronen-

Methodenübersicht

103

aktivierungs-Analyse existieren im humanen Bereich (SIWEK et al., 1984, COHN, 1992,

SUTCLIFFE et al., 1993, HEYMSFIELD et al., 1997a, NATTO et al., 1998, KEHAYIAS und

VALTUEÑA, 1999), während im Bereich der Nutztiere diese Technik vergleichbar wenig

zum Einsatz gelangte. Dabei wurden Gewebeproben (Homogenate) von (nicht näher

definiertem) Fleisch (MITRA et al., 1995a), Geflügel (KRUGER und GRUVERMAN, 1962),

Schaf, z.T. unter Zusatz von Rinderfett (MITRA et al., 1995b) sowie (komplette)

Schlachtkörper von Fisch (TALBOT et al., 1986) und Ratte (PRESTON et al., 1985) bzw.

(zum Teil lebende) Probanden von Miniatur-Schweinen (ABRAMS et al., 1988),

Meerschweinchen (SHENG et al., 1981, ) oder Ratte (YASUMURA et al., 1993, 1998)

untersucht. Geplant sind Untersuchungen an jungen wachsenden Schafen und

Schweinen (MITRA et al., 1998).

Für die interessierenden Elemente existieren verschiedene spezielle Messsysteme

(Abb. 2.2.32).

Abb. 2.2.32: Reaktionen der Neutronenaktivierung zur Ermittlung der elementarenKörperzusammensetzung (modifiziert nach KEHAYIAS und VALTUEÑA, 1999)

Der Gesamtkörperstickstoffgehalt kann mit der sogenannten „Prompt-Gamma-

Technik“ oder „prompten“ Neutronenaktivierung ermittelt werden (KEHAYIAS und

Methodenübersicht

104

VALTUEÑA, 1999). Die Aktivierung des Isotops 14N zum Isotop 15N erfolgt mittels

3,5 MeV Neutronenbestrahlung. Das radioaktive Isotop 15N emittiert bei der Rückkehr

zum 14N-Stadium eine charakteristische 10,83 MeV-Gammastrahlung sowie ein im

Spektrum als Standard dienendes Wasserstoffsignal bei 2,223 MeV. In diesem Fall

dienen Natriumjodid-Detektoren zur Quantifizierung der charakteristischen

Gammastrahlung mit einer Genauigkeit für die Stickstoffanalyse von 97 % (VARTSKY et

al., 1979). Im Gegensatz zur „prompten“ Neutronenaktivierung dient die „verzögerte“

Neutronenaktivierung zur Ermittlung des Gesamtkörper-Kalziumgehalts, welcher eine

exakte Aussage zur Knochenmineralmasse ermöglicht, da 99 % des Gesamt-

körperkalziums im Knochen vorkommen (COHN, 1992). Neben Kalzium werden

Gesamtkörper-Natrium, -Chlor und -Phosphor aktiviert und sind folglich ebenfalls

messbar (COHN, 1992, KEHAYIAS und VALTUEÑA, 1999).

Das Verfahren der „inelastischen“ Neutronenstreuung∗ dient der Messung des

Kohlenstoff- und Sauerstoffgehalts (KEHAYIAS et al., 2000). Die „inelastische“

Neutronenstreuung ist eine der leistungsfähigsten Methoden zur Untersuchung

dynamischer Prozesse in „kondensierter“ Materie. Sie erlaubt es, Bewegungsvorgänge

gleichzeitig sowohl zeitlich als auch räumlich aufzulösen, da (thermische) Neutronen im

Unterschied zu Elektronen oder elektromagnetischer Strahlung sowohl Wellenlängen in

der Größenordnung von Atomabständen als auch Frequenzen im Bereich typischer

Gitterschwingungs- oder Platzwechselfrequenzen besitzen. Darüber hinaus zeichnen

sich Neutronen durch eine hohe Durchdringungsfähigkeit von Materie aus, so dass

fundamentale Volumeneigenschaften innerhalb des Untersuchungsobjektes analysiert

werden können (http://www.frm2.tu-muenchen.de/d/instrumente/puma/rahmen.html).

Beim Verfahren der „inelastischen“ Neutronenstreuung wird der Proband im

Rahmen eines Gesamtkörper-Scans einer Neutronenbeschleuniger-Quelle ausgesetzt.

KEHAYIAS et al. (1991, 2000) verwendeten am Menschen einen Miniatur-Deuterium-

Tritium-Neutronengenerator mit einer Strahlenbelastung < 0,06 mSv. Die generierten

schnellen Neutronen treten durch inelastische Kollisionen in Wechselwirkung mit der

Materie, was zu einem sofortigen (prompten) Kernzerfall und der Emission von

Gammastrahlung (n→n'γ) führt. Die vom Kohlenstoff ausgehende 4,44 MeV-Strahlung

kann entweder von Bismutgermanat- oder Natriumjodidkristallen, die an jeder Seite des

Untersuchungsobjektes angeordnet sind, erfasst werden. Die Wiederholbarkeit für die

∗ Ein Dreiachsenspektrometer (PUMA) zur wissenschaftlichen Arbeit mit der „inelastischen Neutronenstreuung“ wird

Scholz

derzeitig am FRM-II an der TU München in Garching installiert.

Methodenübersicht

105

Kohlenstoffbestimmung beträgt ca. 97% (KEHAYIAS et al., 1991). Anschließend kann

der Körperfettgehalt berechnet werden, indem empirische Formeln für den

Kohlenstoffgehalt von Protein, Fett, Glykogen und Knochen verwendet werden (siehe

Kapitel 2.2.2). Ein Sauerstoffsignal erscheint bei 6,13 MeV im Spektrum. Das

Kohlenstoff-zu-Sauerstoff-Verhältnis dient zusätzlich zur Berechnung der Verteilung

von Fett im Körper (KEHAYIAS et al., 2000).

Eine weitere Neutronenaktivierungstechnik im Zusammenhang mit Methoden zur

Bestimmung der Körperzusammensetzung ist die „schnelle“ Neutronenaktivierung oder

sogenannte „associated particle technique“ (MITRA et al., 1995a,b). Während der

Erzeugung eines instabilen Isotops durch energiereiche, schnelle Neutronen werden

zusätzlich einzelne Fragmente bzw. Partikel, wie z.B. zwei Neutronen (n→2n), ein

Alpha-Partikel (n→α) oder ein Proton (n→p), aus dem bestrahlten Element

herausgetrennt (KEHAYIAS und VALTUEÑA, 1999). Dieses Verfahren nutzt 14 MeV

Neutronen und Natriumjodidkristalle zur Erzeugung von Gammastrahlungs-Spektren,

die Signale von Kohlenstoff, Sauerstoff und Stickstoff enthalten. Basierend auf Scans

von homogenisiertem (Schaf-)Fleisch (+ Rinderfett) ergab sich eine Präzision von 4,1 %

bzw. 5,4 % und 1,2 % (Variationskoeffizienten) innerhalb eines 15 minütigen 14 MeV-

Scans für die Messung des Protein- bzw. Fett- und Wassergehalts einer ca. 41 kg

schweren Fleischprobe (Werte aus MITRA et al, 1995a,b). Das durch die schnellen

Neutronen hervorgerufene Strahlendosisäquivalent beträgt etwa 0,03 mSv.

Verwendet man zur Messung von Gesamtkörper-Sauerstoff, -Stickstoff und

–Kohlenstoff anstelle der Neutronenquelle eine Röntgenquelle zur Aktivierung der

Positronen emittierenden Isotope 15O, 11C und 13N, dann spricht man von

Photonenaktivierung (ULIN und ZAMENHOF, 1986).

2.2.3.3 STOFFWECHSELANALYSE

2.2.3.3.1 Verdünnungsmethoden

Der Körperfettgehalt kann ebenfalls mit verschiedenen Indikatorverdünnungsmethoden

bestimmt werden: Zur Bestimmung des Körperwassers, das sich nur in der fettfreien

Masse befindet, können „Schweres Wasser“ (Deuterium-Oxid), radioaktives Tritium-

Oxid, Harnstoff, Ethanol sowie in geringerem Maße das stabile Sauerstoffisotop 18O,

Methodenübersicht

106

Antipyrin und N-Azetyl-1,4-Aminoantipyrin benutzt werden (WAPPLER, 1997, TREITL,

1998, MITCHELL und SCHOLZ, 2001).

Bei den gebräuchlicheren Verdünnungsmethoden wird dem Tier bzw. Probanden

(beliebiger Größe, Alters, Art) eine exakt dosierte Menge einer „Tracer-Substanz“ in

vivo appliziert (oral oder intravenös - z.B. 0,5 g D2O je kg Lebendmasse als 0,9%-ige

NaCl–Lösung nach FERRELL und CORNELIUS, 1984), die sich anschließend in einem

individuellem Zeitraum gleichmäßig in einem bestimmten „Modell-Kompartiment“

(z.B. Gesamtkörperwasser) des Tierkörpers verteilt. Aus dem Verhältnis von

Gesamtkörperwasser (GKW) und dem Wasseranteil in der fettfreien Körpermasse

(Magergewebemasse) lässt sich der Fettanteil bzw. der Magergewebeanteil des

Gesamtkörpers wie folgt ableiten (STROUD et al., 1997, WAPPLER, 1997):

Gesamtkörperwasser = 18O Raum (Liter)/1.01 oder

Gesamtkörperwasser = 2H2 Raum (Liter)/1.04 und

Magergewebemasse = Gesamtkörperwasser/0,739.

Tab. 2.2.5: Wassergehalt von „fettfreiem“ Fleisch unterschiedlicher Tierarten(nach den Angaben von KÖNIG aus MOULTAN, 1929)

Herkunft des Fleisches Wassergehalt (%), auf fettfreier

Basis (ohne intermuskuläres Fett)

76,59

76,21

75,86„Rind“

75,40

∅ = 76,02Rind

Kalb 78,85

Schaf 76,67

Schwein 74,24

74,76Pferd

74,04 ∅ = 74,40

Kaninchen 74,00

Der Zeitbedarf für die Verteilung des Indikators beträgt ca. 2 - 3,5 Stunden

(LUKASKI, 1987, ROZEBOOM et al., 1994). Anhand repräsentativer Stichproben aus dem

entsprechenden Kompartiment wird die Konzentration der „Tracer-Substanz“ mit

verschiedenen Geräten (Infrarotspektrometer oder Flüssigkeits-Szintillationszähler)

gemessen. Dabei wird davon ausgegangen, dass der „Tracer-Substanz“ dasselbe

Volumen zur Verfügung steht wie dem zu untersuchenden „Modell-Kompartiment“, die

Methodenübersicht

107

„Tracer-Substanz“ nicht toxisch ist, und - im Fall von Wasser - identisch durch den

Körperstoffwechsel ausgetauscht wird (WAPPLER, 1997, TREITL, 1998).

Verdünnungsmethoden zur Analyse der Körperzusammensetzung basieren in der

Regel ebenso wie die densitometrischen Methoden auf dem bereits beschriebenen

Prinzip, dass das Gesamtkörperwasser mit ca. 74 % bei einem Variationskoeffizienten

von 2 % eine anteilmäßig fixierte Fraktion der fettfreien Masse in ausgewachsenen

Säugetieren (einschließlich Mensch) darstellt. Im Laufe des Wachstums reduziert sich

der Anteil des Gesamtkörperwassers an der fettfreien Masse von ca. 81% bei Geburt auf

die oben erwähnten 74 % [73,9 %] (WANG et al., 2000). Besonders bei Nutztieren, die

sich während der meisten Untersuchungen noch in der Wachstumsphase befinden, kann

nicht davon ausgegangen werden, dass das Gesamtkörperwasser eine fixierte Fraktion

der fettfreien Masse darstellt (SHIELDS et al., 1983). Bereits die Untersuchungen des

deutschen Forschers KÖNIG (Tab. 2.2.5) zeigten, dass der Wassergehalt in der fettfreien

Masse (Fleisch ohne intermuskuläres Fett) tierart- und altersabhängig zwischen 74,0 %

und 78,75 % variiert (MOULTAN, 1929). MOULTAN (1929) selbst bestätigte anhand einer

Vielzahl von Fleischproben diese Variation im Wassergehalt der fettfreien Masse, die

zum Teil durch die (nicht untersuchten) Abweichungen im intramuskulären Fettgehalt

verursacht werden könnte. Die Ergebnisse von LAUBE (2000) unterstreichen diese

Beobachtung nochmals. Der Wassergehalt des Koteletts zwischen 14./15. Rippe

variierte zwischen 74,10 und 75,96 % in Abhängigkeit vom intramuskulären Fettgehalt

und der genetischen Herkunft der Endstufeneber zur Erzeugung der untersuchten

Mastschweine. Der niedrigste Wassergehalt trat bei den Tieren der Rasse Duroc (NN)

bei gleichzeitig höchstem intramuskulärem Fettgehalt auf, während erwartungsgemäß in

der Tendenz die Tiere mit dem niedrigsten intramuskulärem Fettgehalt (Pietrain x

Hampshire bzw. Pietrain) den höchsten Wassergehalt aufwiesen. Insgesamt ist

hervorzuheben, dass bereits Mitte der 20er Jahre speziell für Schwein, Pferd und

Kaninchen der relativ konstante Wassergehalt in der fettfreien Masse mit ca. 74 %

ermittelt wurde. Leider gibt es bei MOULTAN (1929) keine Angaben über genaues Alter

und Gewicht der untersuchten Tiere. Allein beim Vergleich innerhalb der Tierart Rind

ist über die Unterscheidung von Rind und Kalb ein Altersvergleich nahe liegend, der in

der Tendenz zeigt, dass im wachsenden Tier (Kalb) ein höherer Wassergehalt in der

fettfreien Masse vorliegt als in den (ausgewachsenen) Rindern (Tab. 2.2.5).

Methodenübersicht

108

Die Verwendung von Deuterium-Oxid bzw. radioaktivem Tritium-Oxid führt

beim Schwein in Abhängigkeit vom Wachstumsstadium bzw. in Abhängigkeit vom

Reproduktionsstadium zu Über- bzw. Unterschätzungen der Gesamtkörper-

wassermenge, des Fettgehalts bzw. des Proteingehalts. Nur durch die Einbeziehung der

Lebendmasse bzw. der Rückenspeckdicke zusätzlich zur D2O-Konzentration können

genaue Schätzwerte für die Körperzusammensetzung innerhalb einer definierten

Population erzielt werden (FERRELL und CORNELIUS, 1984, ROZEBOOM et al., 1994).

FULLER et al. (1996) analysierten die Anwendbarkeit einer Vielzahl (> 50) von

experimentell ermittelten Regressionsgleichungen für verschiedene Techniken im

Vergleich zum mittels Deuterium- und 18O-Verdünnungsmethoden bestimmten

Gesamtkörperwasser und gelangten zu dem Schluss, dass ein Teil der Gleichungen unter

bestimmten Bedingungen – speziell bei älteren Probanden - mit „Vorsicht“ zu

behandeln ist.

Noch größer sind die Abweichungen bei Verwendung der Harnstoff-

Verdünnungsmethode, die zusätzlich zu den Effekten Wachstum, Reproduktions-

stadium, Verteilungszeit und Zeit der Probennahme durch die Rationsgestaltung sowie

die gemessene Basiskonzentration von Harnstoff im Blutplasma beeinflusst werden

kann. Die Bestimmtheitsmaße für Deuterium-Oxid bzw. radioaktives Tritium-Oxid und

Harnstoff variieren zwischen 0,29 und 0,9. (Übersicht bei MITCHELL und SCHOLZ,

2001).

Alternativ zu den „klassischen“ Verdünnungsmethoden wird bei HENEN (1991) über die

absorbierte Zyklopropangasmenge eines Individuums (Schildkröten, Ratten) bzw. bei METTAU et al.

(1977) über die absorbierte/desorbierte Xenongasmenge eines Individuums (Meerschweinchen,

Neugeborene) direkt der Fettgehalt (Lipidgehalt) ermittelt.

2.2.3.3.2 Kreatininausscheidung

Eine klassische Methode zur Schätzung der Skelettmuskelmasse des Gesamtkörpers ist

die Messung der Kreatininausscheidung mit dem Urin über einen Zeitraum von 24

Stunden. Kreatinin wird durch eine nicht-enzymatische Hydrolyse von intrazellulärem

Kreatin und Phosphokreatin erzeugt und als Stoffwechselendprodukt hauptsächlich über

die Niere ausgeschieden. Etwa 98 % des Kreatins im Körper befindet sich in der

Skelettmuskulatur – hauptsächlich als Phosphokreatin. Phosphokreatin dient im Muskel

als Energiespeicher. Somit ist die Gesamtmenge des Kreatins abhängig von der Gesamt-

Methodenübersicht

109

Muskelmasse. Untersuchungen am Menschen zeigten eine Beziehung zwischen der

Höhe der Kreatininausscheidung mit dem Urin und der Muskel- bzw. fettfreien Masse

(FORBES und BRUINING, 1976, HEYMSFIELD et al., 1983). Gleichzeitig wurde jedoch

eine sehr hohe individuelle Variation in der täglichen Kreatininausscheidung

festgestellt. Genetische und physiologische Faktoren wie Alter, Geschlecht,

Reproduktionsstadium (Trächtigkeit), Aktivitätsniveau sowie die Nierenfunktion

können die Beziehungen zwischen fettfreier Masse (Skelettmuskelmasse) bzw. den

Stoffwechselparametern Harnsäure, Blutzucker, Cholesterin oder Triglyzeride und der

Menge ausgeschiedenen Kreatinins beeinflussen (FORBES und BRUINING, 1976,

HEYMSFIELD et al., 1983, PORSCH-ÖZÇÜRÜMEZ, 1997). Ältere Individuen besitzen

niedrigere Kreatininausscheidungswerte als jüngere Individuen. Zu niedrige

Kreatininwerte können auf eine zu geringe Muskelmasse oder eine Trächtigkeit

(Schwangerschaft) hindeuten. Erhöhte Werte zeigen sich bei Niereninsuffizienz oder

Nierenschwäche sowie nach Zerstörung von Muskelmasse wie z.B. nach Quetschungen

oder bei Muskeldystrophie.

Alternativ bzw. ergänzend zur Kreatininausscheidung kann auch die 3-Methylhistidin-

Ausscheidung (über 24 Stunden) zur Ermittlung der Gesamtkörperskelettmuskelmasse

verwendet werden (ELIA et al., 1979, RIKIMARU et al., 1989, WANG et al., 1998c), wobei

Kreatinin offenbar eine höhere Beziehung zur Skelettmuskelmasse aufweist als 3-

Methylhistidin (VIRGILI et al., 1994). Sowohl die Kreatinin- als auch die 3-

Methylhistidinausscheidung können durch verschiedene Ernährungsstrategien

beeinflusst werden und variieren zusätzlich im zeitlichen Tagesablauf, so dass eine

relativ verlässliche Aussage über die Körperzusammensetzung nur unter

standardisierten und nachvollziehbaren Bedingungen erreicht werden kann.

Methodenübersicht

110

2.3 Ergänzende (invasive) Methodik zur Bestimmung von Muskelfasermerkmalen

mittels Biopsie

Für verminderte Belastbarkeit der Schweine und mangelnde Fleischbeschaffenheit wird

der Muskelstruktur große Bedeutung zugemessen. Dabei nehmen die Muskelfasern als

Ort der Proteinsynthese eine zentrale Stellung ein. Insbesondere die Qualität des

Fleisches hängt von den strukturellen und funktionellen Eigenschaften der Muskulatur

ab. Muskelfasergesamtzahl, Fasertypenanteile und Faserdurchmesser stehen in einem

ursächlichen Zusammenhang mit Fleischansatz, Fleischbeschaffenheit und

Stressempfindlichkeit. Zusätzlich können mit der Bestimmung der Glykogen- und pH-

Werte sowie der ATP-Abbauintensität die Unterschiede im Muskelenergiestoffwechsel

von Schweinen unterschiedlicher Belastungsanfälligkeit erfasst werden (VERBURG et al.,

1984, WICKE u.a., 1991, FIEDLER u.a., 1993, 2001a,b LENGERKEN et al., 1994, 1997,

KLONT et al., 1994, KLONT and LAMBOOY, 1995, KARLSSON et al., 1999).

Da die in den vorangegangenen Kapiteln beschriebenen Verfahren zur Ermittlung

der Körperzusammensetzung nicht in der Lage sind, die Muskelfaserzusammensetzung

am lebenden Tier zu bestimmen, ergänzt die invasive Muskelbiopsie diese Reihe der

Verfahren. Verschiedene Ausführungen von Biopsiegeräten dienen zur Probenentnahme

entweder von Hand, per Druckluft oder explosiv (SCHÖBERLEIN, 1976, VERBURG et al.,

1984, CHEAH et al., 1995, KLONT et al., 1994, KLONT and LAMBOOY, 1995, LAHUCKY et

al., 1995). Letzteres Verfahren wird beim bewährten Schussbiopsie-Gerät von

SCHÖBERLEIN (1976) genutzt (Abb. 2.3). Es basiert auf einem modifizierten

Bolzenschussgerät zur Betäubung von Tieren und kann erfolgreich zur Probenentnahme

in vivo eingesetzt werden (VERBURG et al., 1984, FIEDLER u.a., 1993, MAAK et al.,

1995).

Zur extrem schnellen und sauberen Probenentnahme ist das Gerät mit

Biopsienadeln unterschiedlichen Durchmessers (z.B. 8 oder 11 mm) zu bestücken. Die

Hohlnadeln enthalten im Inneren des Edelstahlzylinders kleine Metall-Flügel, die sich

beim Eindringen in das zu entnehmende Gewebe öffnen und beim Rückstoß wieder

schließen, um ein sauberes Heraustrennen der Muskelprobe zu gewährleisten. Die

Biopsie geht im Zeitraum eines Sekundenbruchteils vonstatten, wodurch die Belastung

der Tiere sehr gering gehalten werden kann.

Methodenübersicht

111

Abb. 2.3: Montiertes Schussbiopsiegerät LS1 nach SCHÖBERLEIN (1976)

Zur Weiterverarbeitung müssen die Muskelproben je nach Verwendungszweck

möglichst auf Trockeneis aufbereitet und sofort in flüssigem Stickstoff oder einem

anderen Tiefkühlmedium (Isopentan in flüssigem Stickstoff) schockgefroren werden,

um sämtliche Stoffwechselvorgänge und Strukturmerkmale zu „konservieren“.

Anschließend erfolgt eine Lagerung bis zur Weiterverarbeitung bei –70 bis –80 °C.

Sollen die Proben einer histochemischen Untersuchung dienen, besteht der

nächste Schritt in der Anfertigung von Mikro-Gefrierschnitten, die je nach Analyseziel

unterschiedlichen Färbeprozeduren (chemischen Reaktionen) unterworfen werden

(SOLOMON and DUNN, 1988, FIEDLER u.a., 1993, 2001a, KARLSSON et al., 1999,

SCHOPPMEYER u.a., 2001). Unabhängig von der verwendeten histochemischen Methode

werden drei Hauptfasertypen unterschieden. Diese werden als Typ I (im englischen

Sprachraum häufig als: „slow-twitch-oxydative - STO), Typ IIa, („fast-twitch-

oxydative“ - FTO) und Typ IIb („fast-twitch-glycolytic“ - FTG) bezeichnet. Die

Eigenschaften der Muskelfasertypen gehen aus Abb. 3.1.21 (Kapitel 3.1.5) hervor.

Zusätzlich wird in einigen Arbeiten ein Typ IIc oder Typ IIx definiert, der eine

Übergangsform zwischen Typ IIa und Typ IIb darstellt und vor allem in neonatalen

Individuen bzw. während des Heilungsprozesses nach Muskelverletzungen auftritt

(KARLSSON et al., 1999). Neben den „normalen“ Muskelfasern werden in Abhängigkeit

von ihrer Größe und Form zum Teil so genannte Riesenfasern und anguläre

(degenerierte) Fasern unterschieden, die zumindest teilweise nur post mortem

Methodenübersicht

112

nachgewiesen werden können (SWATLAND, 1994, FIEDLER u.a., 2001b, SCHOPPMEYER

u.a., 2001).

Die Anteile und die Größe der einzelnen Fasertypen variieren zwischen den

einzelnen Muskeln in Abhängigkeit von ihrer Funktion, physischer Belastung, Alter,

Geschlecht, Hormonhaushalt (pST), Rasse und Typ (fett oder mager), während die

Muskelfaseranzahl ab dem Zeitpunkt der Geburt stabil bleibt. Eine

Volumenvergrößerung der Muskeln während des postnatalen Wachstums erfolgt

demzufolge allein durch Muskelhypertrophie. Generell kann davon ausgegangen

werden, dass Muskeln, die der Bewegung dienen (speziell an Beinen und Schulter),

mehr dem roten (oxidativen) Muskelstoffwechseltyp zuzuordnen sind und Muskeln, die

das Skelett stabilisieren (speziell im Rückenbereich), mehr dem weißen

(glykolytischem) Muskelstoffwechseltyp entsprechen (SALOMON u.a., 1981, 1983,

BADER, 1982, SOSNICKI, 1987, SEIDEMANN et al., 1989, SOLOMON et al., 1990,

LEFAUCHEUR et al., 1992, ESSEN-GUSTAVSSON, 1993, 1995, LENGERKEN et al., 1994,

1997, XIONG, 1994, RUUSUNEN and POULANNE, 1997, KARLSSON et al., 1999, FIEDLER

u.a., 2001a). Eine Unterernährung der Föten im Uterus hat im Vergleich zu Föten von

ausgewogen ernährten Sauen eine verminderte Anzahl Muskelfasern zum Zeitpunkt der

Geburt zur Folge (DWYER et al., 1994). Abgesehen von Muskelerkrankungen (VAN

LOGTESTIJN und SYBESMA, 1967), könnte unter „normalen“ (physiologischen)

Wachstumsbedingungen eine Futterrestriktion über einen sehr langen Zeitraum zu einer

Verminderung der Faseranzahl führen (SALOMON u.a., 1988). Beim Menschen ist jedoch

mit zunehmendem Alter in einigen Muskeln ein signifikanter Rückgang der Faseranzahl

zu verzeichnen (CARTEE, 1995).

Eigene Untersuchungen

113

3 Eigene Untersuchungen3.1 Material und Methodik

3.1.1 Muskelstoffwechseluntersuchungen3.1.1.1 31P-Magnet-Resonanz-Spektroskopie

Die Stoffwechseluntersuchungen zu den Phosphorkomponenten mittels 31P-Magnet-

Resonanz-Spektroskopie wurden an 69 Schweinen (15 männlich, 8 männliche

Kastraten, 46 weiblich) mit Lebendmassen zwischen 6,14 und 14,96 kg (∅ 10,19 ± 2,12

kg) bei einem Alter von 28 bis 63 Tagen (∅ 44,78 ± 8,52) durchgeführt.

Der größte Teil der Tiere wurde aus der Versuchsstation der Iowa State University

bezogen (29 Duroc-Linie, 12 Hampshire-Linie und 5 Spotted Poland China). Diese

Tiere stammten aus einem Anpaarungsprogramm zur speziellen Erzeugung der drei

Ryanodin-Rezeptor-1-Genotypen. Ein kommerzieller Schweineproduzent aus Maryland

lieferte 14 reinrassige Schweine der US-Landrasse, während 9 Kreuzungstiere aus der

Verpaarung von Poland China und Landrasse in der USDA-ARS-Versuchsstation des

Livestock and Poultry Science Institute in Beltsville, Maryland, erzeugt wurden.

Für alle spektroskopischen und tomographischen Untersuchungen von Tieren bis

zu maximal 30 kg Lebendmasse stand ein horizontaler 4,7 Tesla Magnet (Varian Inc.,

Palo Alto, Cal.) mit 33 cm nutzbarem Innendurchmesser zur Verfügung (Abb. 2.1.1).

Zehn Minuten vor dem Spektroskopie-Experiment wurden die Tiere unter

Verwendung einer Mixtur von Ketamin (100 mg/10 kg Körpergewicht), Telazol and

Xylazin (50 mg + 50 mg/10 kg Körpergewicht) sediert und auf der rechten Seite liegend

in einer Versuchswiege platziert. Danach wurde auf der Haut über dem M. biceps

femoris eine im Durchmesser 5,8 cm große, doppeltgewickelte Oberflächenspule fixiert

(Abb. 3.1.1).


114

Abb. 3.1.1: Platzierung der 31P-MR-Oberflächenspule über dem M. biceps femoris einesSchweines

Bei einer Frequenz von 80,984 MHz wurden die 31P-Spektren mit einem Abstand

von 57,5 s bei einer Aufnahmedauer (acquisition time) von 0,384 s pro FID (Free

Induction Decay), einer Wiederholungszeit (TR= time of repetition) von 7,184 s und 8

Wiederholungen (transients) erfasst. Die Spektralweite wurde auf 4000 Hz festgelegt.

Für jedes Tier wurden zusätzlich zur Dauer der Halothanzufuhr (maximal 60 Minuten

bei 3 Volumen-% pro 3 Liter O2/Minute) 10 Spektren vor der Halothanzufuhr im

“Ruhezustand” und 60 Spektren nach Beendigung der Halothangabe während der

Erholungsphase aufgenommen. Für ein Tier betrug die maximale Versuchsdauer

demzufolge ca. 130 Minuten (130 Spektren). Die Halothanzufuhr wurde vorzeitig

beendet, wenn ein signifikanter Abfall der Phosphokreatin-Konzentration bzw. ein

Verhältnis Phosphokreatin zu anorganischem Phosphat (PCr/Pi) von < 7,0 beobachtet

wurde. Das durchschnittliche PCr/Pi-Verhältnis variierte zwischen 11 und 25 zu Beginn

der Spektroskopieversuche. Im Verlauf des Experiments wurden in vivo und zum Teil

anschließend post mortem die prozentualen Konzentrationsveränderungen von

Phosphokreatin (PCr), Adenosintriphosphat (ATP), anorganischem Phosphat (Pi) sowie

der pH-Wert- und der Körpertemperaturverlauf erfasst, wobei die Spektren mit Hilfe der

Varian-NMR-Software (VNMR 4.1B, 1992) unter dem Betriebssystem SunOS 4.1.2

ausgewertet wurden.


115

Nach einer “Baseline”-Korrektur wurden die Signalintensitäten (peak heights) und

die relativen Positionen im Spektrum (ppm) zur Berechnung der prozentualen

Konzentrationsveränderung von PCr, Pi, ATP sowie des pH-Niveaus verwendet. MOON

and RICHARDS (1973) berichteten erstmals von der Ermittlung des intrazellulären pH-

Wertes mittels 31P-MR-Spektroskopie bei intakten roten Blutkörperchen.

Anorganisches Phosphat (Pi) besitzt eine definierte Resonanz im 31P-MR-

Spektrum lebender Zellen und Gewebe (ELLINGTON, 1989). Unter physiologischen

Bedingungen liegt Pi bei einem pKa-Wert (mit K = Gleichgewichts- bzw. Dissoziations-

konstante) von 6,7 – 6,8 als Dihydrogenphosphat [H2PO4-] und Hydrogenphosphat

[HPO42-] vor. Nimmt der pH-Wert zu, steigt der relative Anteil von HPO4

2-, während

bei einer pH-Verminderung der Anteil des H2PO4- ansteigt. In Lösung (biologischem

Gewebe) finden schnelle chemische Übergänge zwischen H2PO4- und HPO4

2- statt. Im31P-MR-Spektrum erkennt man daher nicht zwei streng voneinander getrennte

Resonanzen, sondern lediglich einen einzigen Pi-Peak, welcher durch die jeweiligen

prozentualen Anteile der Einzelresonanzen bestimmt wird. Ändert sich der pH-Wert, so

ist im 31P-MR-Spektrum eine Verschiebung des Pi-Peaks zu erkennen.

In der eigenen Untersuchung wurden die pH-Werte unter Verwendung des

folgenden Henderson-Hasselbalch-Gleichungssystems

pH p a AHA

= + −

K log10

,

basierend auf der chemischen Verschiebung δ δ δ= +p pA A B B von Pi (A) und PCr (B)

mitpH p a= + −

−

K log10δ δδ δ

12

ermittelt (Tab 3.1.1).

Der p aK -Wert, das Gleichgewicht zwischen Protonierung und Deprotonierung,

entspricht dem negativen Logarithmus der Gleichgewichtskonstante:

[ ][ ][ ]

KaH A

HA=

+ −,

mit H+ = Wasserstoffionen-Konzentration und A- = Basenionen-Konzentration

(HAUSSER und KALBITZER, 1989, ABELES et al., 1992, GRAHAM et al., 1994).

Für die Konstanten (pKa, δ1 und δ2) werden von verschiedenen Arbeitsgruppen

(mit Ausnahme der letzten beiden Gruppen, die ex vivo arbeiteten) in einem engen

Bereich variierende Werte verwendet, die innerhalb einer Untersuchungsreihe jedoch


116

keinen Einfluss auf die Ergebnisinterpretation haben (Tab. 3.1.1). Die eigene Formel

wurde nach den Angaben in Tab. 3.1.1 und den Erfahrungen des ”Biomedical NMR

Research Center“ der Howard University, Washington, DC (WANG, 1995, persönliche

Mitteilung) modifiziert: pH = +6 75, log Pi PCrPi PCr

− −− −

327

578( ) ,, ( )

δ δδ δ 10 .

Tab. 3.1.1: In der Literatur verwendete Konstanten zur Berechnung des pHi- Wertes

pKa δ1 1) δ2 2) Quelle Muskulatur der

Spezies:

6,73 3,275 5,685 MONTAIN et al. (1998) Mensch

6,73 3,28 5,69 LARCOMBE-MCDOUALL et al. (1998) Ratte (Uterus)

6,75 3,27 5,672 THOMPSON et al. (1998) Mensch

6,75 3,27 5,69 HAUSSER und KALBITZER (1989),

MORIKAWA et al. (1993), TOUSSAINT et al.

(1996), COOKE et al. (1997), KEMP et al.

(1997), SMITH et al. (1998) bzw. SUNOO et

al. (1996), BAERWALDE (2001) *

Mensch bzw.

Ratte

6,77 3,29 5,68 PRICE et al. (1996), PRICE and GORE

(1998) bzw. KOHN (1997)

Mensch bzw.

Schwein

6,80 3,15 5,73 HIRAKAWA et al. (1992) Mensch

6,85 3,30 5,75 COMBS and ELLINGTON (1997) Crayfish

6,85 3,56 5,64 OELBERG et al. (1998) Mensch

6,90 3,29 5,805 YOSHIYAMA et al. (1994)# Mensch (Herz)

6,72 0,591 3,187 GRAHAM et al. (1994)§ Morris Hepatom

6,824 0,922 3,451 MEYNIAL-DENIS et al. (1998)§ Ratte (ex vivo)

1) δ1 = chemische Verschiebung von H2PO4- in ppm, 2) δ2 = chemische Verschiebung von HPO2

2- in ppm

* alle Angaben nehmen Bezug auf TAYLOR et al. (1986) bzw. ursprünglich ARNOLD et al. (1985)

# nach FLAHERTY et al. (1982)

§ Gleichung wurde verändert, da ex vivo kein Phosphokreatin-Signal, sondern nur anorganisches Phosphat

vorhanden ist (entspricht der Herangehensweise von MOON and RICHARDS, 1973):

K δ1 − δa + log10 δ − δ2pH = p

,

mit δ = beobachtete chemische Verschiebung.


117

Im Vergleich mit der pH-Formel von KOHN (1997, siehe Tab. 3.1.1), die ebenfalls

am Schwein, aber unter Verwendung eines 1,5 Tesla Magneten angewandt wurde,

würden die eigenen pH-Werte um ca. 0,06 Einheiten bei niedrigem pH-Niveau

(pH = 4,4) bzw. bis zu ca. 0,08 Einheiten bei hohem pH-Niveau (pH = 9,1) geringer

ausfallen. Die im eigenen Material am Schwein ermittelten Ruhe-pH-Werte (ca. 7,05)

stimmen jedoch sehr gut mit den unter Nutzung eines 4,7 Tesla -Magneten von PRICE et

al. (1996) am Menschen ermittelten durchschnittlichen Ruhe-pH-Werten von 7,03

überein, während KOHN (1997) Ruhe-pH-Werte von 7,10 bis 7,11 angibt. Die relativen

und absoluten Veränderungen im pH-Niveau werden durch die Wahl der Konstanten im

beschriebenen Schwankungsbereich nur minimal beeinflusst.

Ein GLM-Verfahren (SAS 6.11) mit den fixen Effekten Ryanodin-Rezeptor-

Genotyp, Zustand bei Versuchsende, Interaktion Ryanodin-Rezeptor-Genotyp mit

Zustand bei Versuchsende, Linie und Geschlecht sowie den Kovariablen Alter und

Körpermasse wurde für die Berechnung der Genotypdifferenzen verwendet:

Yijkl = µ + Ri + Lj + Sk + El + Ri • El + βAlter(Alterijkl - Alter) + βKM(KMijkl - KM) + eijkl

Yijkl = Beobachtungswert

µ = Erwartungswert von Y

Ri = Effekt des Ryanodin-Rezeptor-Genotyps (fix), i = 1 - 3

Lj = Effekt von Linie/Rasse (fix), j = 1 - 5

Sk = Effekt des Geschlechts (fix), k = 1 - 3

El = Effekt des Endzustandes (in vivo oder post mortem) (fix), l = 1 - 2

Ri • El

= Interaktion zwischen Ri und El, i • l = 1 - 6

Alterijklm = Alter (Kovariable)

KMijklm = Körpermasse (Kovariable)

eijklm = Restfehler.

Die Effekte Zustand bei Versuchsende bzw. der Interaktionseffekt fanden keine

Verwendung für die Stoffwechselparameter im “Ruhezustand”. Alter und Körpermasse

haben keinen signifikanten Einfluss (p ≥ 0,8) auf die Stoffwechselparameter nach

Stressauslösung mittels Halothan und werden deswegen bei der Endauswertung nicht im

Modell berücksichtigt.


118

3.1.1.2 13C-Magnet-Resonanz-Spektroskopie

An 27 Hybridschweinen der “Iowa State University Experimental Station” wurden

Untersuchungen zum Glykogenstoffwechsel mit Hilfe der 13C-MR-Spektroskopie unter

Verwendung eines Horizontalmagneten (“Varian© 4,7 Tesla” mit 33 cm nutzbarem

Innendurchmesser) in vivo durchgeführt. Die Genotypen NN (homozygot „normal“,

n = 7), Nn (heterozygot, n = 10) und nn (homozygote „defekt“, n = 10) wurden mit Hilfe

des beschriebenen Ryanodin-Rezeptor-1-Gentestes (Kapitel 3.1.6) bestimmt (BRENIG

and BREM, 1992, FÖRSTER u.a., 1992). Das Alter der Probanden variierte zwischen 41

und 58 Tagen bei Lebendmassen zwischen 7,3 und 19 kg. Von den 27 Tieren wurden 21

Tiere (6 NN - 8 Nn - 7 nn) in vivo untersucht, während 6 Tiere (1- 2- 3) bis zu einer

Stunde post mortem analysiert wurden. Alle Tiere stammten aus der Versuchsstation der

Iowa State University und setzten sich aus vier Zuchtlinien mit den folgenden

theoretischen Genanteilen zusammen:

I: 5/8 Duroc-, 1/4 US-Landrasse-, 1/8 Yorkshire-Genanteil

n = 9 ( 4 Nn - 5 nn) (> 50 % Duroc im Gesamtmaterial)

II: 1/2 Hampshire-, 1/4 Yorkshire-, 1/8 Pietrain-, 1/8 Spotted-Genanteil

n = 7 (4 NN - 2 Nn - 1 nn) (≥ 50 % Hampshire im Gesamtmaterial)

III: 1/4 Duroc-, 1/4 Hampshire-, 1/4 US-Landrasse-, 1/8 Spotted-, 1/8 Yorkshire-

Genanteilen

n = 9 ( 3 NN - 4 Nn - 2 nn), (DHLSY im Gesamtmaterial)

IV: 1/2 Spotted-, 1/4 Yorkshire-, 1/8 Pietrain-, 1/8 Duroc-Genanteil

n = 2 (2 nn), (≥ 50 % Spotted im Gesamtmaterial)

Davon waren 17 Tiere männlichen (4 NN - 9 Nn - 4 nn) und 10 weiblichen

Geschlechts (3 NN - 1 Nn - 6 nn).

Der intramuskuläre Glykogengehalt in vivo wurde nach einer Kalibrierung mit

einer externen Standardlösung (Phantom) bestimmt. Die Standardlösung bestand aus

reinem Glykogen (2 g), Kaliumchlorid (5 g) und destilliertem Wasser bei einem

Gesamtvolumen von 268,5 ml (Abb. 3.1.2). Die molare Masse für das “reine” Glykogen

wurde mit 179,7392 g/mol angegeben (Bestandteile: 99,5 % Glukose mit 180,15 g/mol

und 0,5 % H3PO4 mit 97,99 g/mol). Das ergab einen Glykogengehalt von

41,4422 µmol/g in der Standardlösung (0,00744879 g Glykogen/ g Lösung)

n 41,4422 = 2/268,5/179,7392 • 1000000.


119

Ein vergleichbares Vorgehen wurde von PRICE et al. (1996) beschrieben. Auf eine

bei ausgewachsenen Tieren (Probanden) notwendige “Fettkorrektur” (BUCHLI and

BOESIGER, 1993) wurde bei diesem Versuch mit sehr jungen Tieren verzichtet.

Abb. 3.1.2: Experimentelle Anordnung von 13C-MR-Doppelspule und Glykogen-standard

Das Signal des reinen Glykogens in situ ist in einem MR-Spektrum in 3 “Peaks”

aufgeteilt (Abb. 3.1.3). Allein die Signale des C1-Atoms und des C6-Atoms sind

aufgrund ihrer Anordnung im Glukosering getrennt von den anderen 4 C-Atomen

darstellbar. Die Signale der C-Atome 2 - 5 vereinigen sich zu einem Peak und waren

unter den gegebenen technischen Voraussetzungen nicht weiter aufzulösen. Da in vivo

nur das C1-Atom von Glykogen von anderen Signalen (kohlenstoffhaltigen Metaboliten

wie Glukose und Fettsäuren) unberührt bleibt, wurde das Messverfahren auf das Signal

von C1-Glykogen eingestellt, so dass das C1-Atom von Glykogen exakt die Position

100,5 ppm im Spektrum einnahm (Abb. 3.1.3).


120

C6-GlycogenC6-Glykogen

C4-, C3-, (C2-, C5)-Glycogen C4-, C3-, (C2-, C5)-Glykogen

C1-GlycogenC1-Glykogen

Abb. 3.1.3: In-situ- 13C-MR-Spektrum von reinem Glykogen, C1 auf 100,5 ppm justiert

Die Spektren wurden bei 50,295 MHz (Larmorfrequenz für Kohlenstoff in einem 4,7

Tesla MR-Tomographen) in einem Abstand von 273 Sekunden mit einer

Akquisitionszeit von 0,026 s für jedes FID (Free Induction Decay), einer

“Erholungszeit” von 0,158 s sowie 1480 Pulswiederholungen erfasst. Die Spektralweite

wurde auf 20 000 Hz festgelegt. Eine “Breitband-Wasserstoff-Rausch-Entkoppelung”,

1 ppm feldaufwärts vom Wassersignal zentriert, war nur während der Akquisitionszeit

aktiviert, um die Entwicklung des “Nuklear-Overhauser-Effekts” zu vermeiden (Abb.

3.1.4). In vivo wurden exakt dieselben Einstellungen des MR-Spektrometers sowie der

VNMR-Steuersoftware verwendet, um das Signal des C1-Glykogens auf dieselbe

Position wie in situ zu fixieren. Da sich die Signalintensität proportional zur

vorhandenen Menge Glykogen verändert, ließ sich die Glykogenkonzentration im

Muskel über den Vergleich mit der in der Standardlösung ermittelten Fläche des C1-

Glykogens messen. Zusätzlich diente während der Spektroskopie in vivo das Signal von

Kreatin an der Position 157 ppm als interner Standard.


121

Abb. 3.1.4: Aufnahmeparameter und Beispiel für ein Glykogenspektrum in vivo (C1-Glykogen bei 100,5 ppm und Kreatin bei 157 ppm)

Die Interpretation der prozentualen Veränderungen in den Metaboliten-

konzentrationen gestattet keine Aussage über die absoluten Konzentrations-

veränderungen, ohne das „wahre“ Ausgangsniveau zu kennen. Als Hilfsmittel für

Schlussfolgerungen über absolute Niveauveränderungen kann die Spektralskala nur

verwendet werden, wenn die Untersuchungen unter standardisierten Bedingungen

erfolgen. Veränderungen der Skalierung bzw. der Einstellungen für Hardware und

Software sowie der Position des Messobjektes im Magneten erschweren die

Ergebnisinterpretation erheblich.

Zehn Minuten vor dem Spektroskopie-Experiment wurden die Tiere - identisch

wie bei der Phosphorspektroskopie - unter Verwendung einer Mixtur von Ketamin (100

mg/10 kg Körpergewicht), Telazol und Rompun (50 mg + 50 mg/10 kg Körpergewicht)

anästhesiert und auf der rechten Seite liegend in einer Versuchswiege platziert. Danach


122

wurde eine im Außendurchmesser 9,6 cm (1H) und im Innendurchmesser 5,5 cm (13C)

große, kombinierte 1H-13C-Oberflächenspule auf dem M. biceps femoris fixiert (Abb.

3.1.5). Durch die Größenvariation der Probanden hervorgerufene Abweichungen der

Messregion (M. biceps femoris) vom Magnetzentrum wurden durch Schaum-

stoffunterlagen ausgeglichen, um den Bedingungen in situ zu entsprechen.

Vor der Stressauslösung mittels Halothan (3 Volumen-% per 3 Liter O2/min)

wurden für jedes Tier mindestens 4 “Ruhespektren” (18,2 Minuten) aufgenommen

(Abb. 3.1.4, 3.1.6). Mindestens 5 Spektren wurden nach Beendigung der Halothan-

zufuhr erfasst, um die Erholungsphase in vivo verfolgen zu können. Die Gesamtzahl der

Spektren in vivo hing von der Wirkung der Anästhesie ab. Nach einer “Baseline”-

Korrektur wurden die Flächen (Integrale) des C1-Glykogensignals mit Hilfe der Varian-

NMR-Software (VNMR 4.3, 1994) berechnet. Für die Kalkulation der prozentualen

Konzentrationsveränderung von Glykogen und Kreatin wurde der Mittelwert aus den

“Ruhespektren” gleich 100 % gesetzt.

Abb. 3.1.5: 1H-13C-Spulenanordnung über dem M. biceps femoris in vivo


123

C1-Glykogen

Fettsäureketten

Kreatin ßC1-Glukose

-CH=CH-CH2-CH=CH-

Abb. 3.1.6: Beispiel für ein charakteristisches 13C-Spektrum an der C1-Glykogen-Position

Zur Auswertung der Daten wurden zwei verschiedene Modelle mit Hilfe der GLM-

Prozedur (SAS 6.11) verglichen. Das Modell I deckt sich mit dem Modell für die 31P-

MR-Spektren.

Modell I:

Yijkl = µ + Ri + Lj + Sk + El + Ri • El + βAlter(Alterijkl - Alter) + βKM(KMijkl - KM) + eijkl



Ri = Effekt des RyR1-Genotyps (fix), i = 1-3

Lj = Effekt der Rasse/Linie (fix), j = 1-4

Sk = Effekt des Geschlechts (fix), k = 1-2

El = Effekt des Endzustandes (in vivo oder post mortem) (fix), l = 1-2

Ri • El = Interaktion zwischen Ri und El

Alterijkl = Alter (Kovariable)

KMijkl = Körpermasse (Kovariable)

eijklm = Restfehler


124

Da für die untersuchten 27 Tiere die theoretische Zusammensetzung der

Kreuzungslinien bekannt war, wurden im Modell II leichte Modifikationen

vorgenommen, um den Effekt des Hampshire-Genanteils speziell auf die

Veränderungen des Glykogenniveaus überprüfen zu können.

Mit einer multiplen Regressionsanalyse (SAS 6.11) wurde vorab geprüft, ob

zwischen den Genanteilen der an den Kreuzungslinien beteiligten Reinzuchtherkünfte

(Duroc, Hampshire, Pietrain, Spotted, US-Landrasse, Yorkshire) in Kombination mit

der RyR1-Defektallelhäufigkeit (0/ 0,5/ 1) sowie der Dauer der Halothangabe und dem

interessierenden Merkmal Glykogenabbau (%) eine signifikante Beziehung besteht.

Folgende Rasse-Genanteile existieren im eigenen Material:

Duroc (Du) = 0 / 0,125 / 0,25 / 0,625,

Hampshire (Ha) = 0 / 0,25 / 0,5,

Pietrain (PI) = 0 / 0,125,

Spotted (S) = 0 / 0,125 / 0,5,

US-Landrasse (LR) = 0 / 0,25,

Yorkshire (Y) = 0 / 0,125 / 0,25.

Unter Verwendung der „Backward“-Prozedur (p = 0,05) und der Bedingung, den

Hampshire-Genanteil und der RyR1-Defektallelanteil als Gruppe zu behandeln, wurde

neben dem Hampshire-Genanteil und dem RyR1-Defektallelanteil nur noch Pietrain in

der Regressionsgleichung belassen. Die resultierenden multiplen Beziehungen zwischen

RyR1-Defektallelanteil, Hampshire- und Pietrain-Genanteil sowie dem Glykogenabbau

nach Belastung sind in Abb. 3.1.7 dargestellt. Mit steigendem (theoretischem)

Hampshire-Genanteil vermindert sich der Glykogenabbau (%), während gleichzeitig die

Anwesenheit von Pietrain-Genanteilen unabhängig vom RyR1-Genotyp einen stärkeren

Glykogenabbau zur Folge hat. Ein zunehmender RyR1-Defektallelanteil bewirkt einen

verstärkten Glykogenabbau.

In das Varianzanalyse-Modell II wurde entsprechend der Pietrain-Genanteil

zusätzlich als „Kovariable“ aufgenommen, um eine Korrektur auf den Pietrain-

Genanteil vornehmen zu können. In den vier Kreuzungslinien gab es folgende

Kombinationen von Pietrain-Genanteilen und RyR1-Genotypen: 0 % Pietrain mit 3 NN -

8 Nn - 7 nn bzw. 12,5 % Pietrain mit 4 NN - 2 Nn - 3 nn. Von den 9 Tieren mit Pietrain-

Genanteilen beendeten 5 Tiere (3 NN - 1 Nn - 1 nn) das Experiment in vivo. Das heißt, 4

von 6 Tieren, deren Untersuchung post mortem beendet wurde, besaßen Pietrain-

Genanteile (12,5 %).


125

Ha0%

Ha25%

Ha50%

PI0

%

PI12,5%

-70

-60

-50

-40

-30

-20

-10

0n 0 %

n 50 %n 100 %

n 0 %n 50 %

n 100 %

Abb. 3.1.7: Beziehungen zwischen Glykogenabbau und RyR1-Defektallelanteil (n)sowie Hampshire- bzw. Pietrain-Genanteil (Ergebnis aus der Backward-Regressions-Analyse.Unter der Restriktion, den Hampshire-Genanteil und den RYR1-Defektallelanteil als Gruppe zu behandeln,lautet die Gleichung (p = 0,05):

Glykogenabbau (%) = -31,627 + [39,092 • Ha] + [-8,476 • RyR1] + [-205,848 • PI]; mit R² = 0,35; √ MSE = 15,88.)

Modell II:

Yijkl = µ + Ri + Lj + Sk + El + Ri • El + βP (Pijkl - P) + eijkl



Ri = Effekt des RyR1-Genotyps (fix), i = 1 - 3

Hj = Effekt des Hampshire-Genanteils (fix), j = 1 - 3 (0 %; 0,25 %; 0,5 %)

Sk = Effekt des Geschlechts (fix), k = 1 - 2 (männlich, weiblich)

El = Effekt des Endzustandes (fix), l = 1 - 2 (in vivo, post mortem)

Ri • El = Interaktion zwischen Ri und El

Pijkl = Pietrain-Genanteil (Kovariable)

eijkl = Restfehler

Identisch zur 31P-MR-Spektroskopie wurden die Effekte “Zustand bei

Versuchsende” bzw. der Interaktionseffekt für die Stoffwechselparameter im

“Ruhezustand” nicht in die Modelle I und II aufgenommen. Körpermasse und Alter

beeinflussten in dem untersuchten Tiermaterial die Merkmale aus der 13C-MR-

Spektroskopie nicht und wurden wie für die 31P-MR-Spektroskopie bei der

Endauswertung aus dem jeweiligen Modell entfernt.


126

3.1.2 Ermittlung der Körperzusammensetzung mittels MRT und DXA

3.1.2.1 1H-Magnet-Resonanz-Tomographie3.1.2.1.1 Lebendmassegruppe bis 20 kg

Im Anschluss an die Stoffwechseluntersuchungen bzw. unabhängig davon wurden

insgesamt 111 Schweine im VARIAN® 4,7 Tesla Magneten (Varian NMR Systems, Palo

Alto, CA, USA) bei einer Resonanzfrequenz von 200,23 MHz (1H-Atomkerne)

tomographiert. Die durchschnittliche Lebendmasse betrug 12,37 ± 6,18 kg mit einem

Minimum von 6,0 kg und einem Maximum von 30,08 kg bei einem durchschnittlichen

Alter von 53,69 ± 16,33 Lebenstagen (28 – 91 Lebenstage).

Wenn die Tiere vor der Bildgebung bereits einer spektroskopischen Untersuchung

dienten, wurde nur bei Bedarf nochmals die beschriebene Mixtur der Sedativa

verabreicht. Für alle anderen Tiere erfolgte die Sedierung der Tiere unter Verwendung

der Mixtur von Ketamin (100 mg/10 kg Körpergewicht), Telazol and Xylazin (50 mg +

50 mg/10 kg Körpergewicht) zehn Minuten vor der Tomographie.

Insgesamt ergab sich folgende Verteilung für die RyR1-Genotypen:

37 NN - 46 Nn - 28 nn, die aus vier „synthetischen“ Linien, zwei Kreuzungslinien und

einer Reinzuchtherkunft stammten (Tab. 3.1.2). Die „synthetischen“ Linien sowie die

Kreuzung aus Duroc und Minzhu wurden in der Versuchsstation der Iowa State

University zur Erzeugung der drei RyR1-Genotypen gezüchtet. Allein die

Einfachkreuzung „Poland China x US-Landrasse“ stammt aus der Versuchsstation des

„Livestock and Poultry Science Institute“ des USDA-ARS in Beltsville, während die

Tiere der US-Landrasse von einem Züchter aus Maryland bezogen wurden.

Tab. 3.1.2: Linienherkunft und Anzahl Probanden für 1H-MR-Tomographie bis 20 kg

Duroc-Linie (> 50% Duroc): n = 39

Hampshire-Linie (≥ 50 % Hampshire): n = 17

Kreuzungslinie mit 25 % Duroc, 25 % Hampshire, 25 % US-Landrasse,

12,5 % Yorkshire und 12,5 % Spotted Poland China (DHLYS): n = 6

Spotted Poland China (≥ 50 % Spotted): n = 6

Poland China x US-Landrasse: n = 27

US-Landrasse: n = 8

Duroc x Minzhu: n = 8

Σ: n = 111


127

Die Probanden setzten sich aus 63 weiblichen bzw. 29 intakten männlichen Tieren

und 19 männlichen Kastraten zusammen.

Für die Bildgebung (Tomographie) wurde eine sattelförmige, einmalgewickelte

Oberflächenspule zwischen der Schulter- und der Nierenregion platziert (Abb. 3.1.8).

Ein ”Multi-Slice-Spin-Echo”-Verfahren mit den folgenden Parametern:

1 Echo,

Zwischenechozeit (Time between Echoes - TE) = 20 ms (oder alternativ 24 ms),

Wiederholungszeit (Time of repetition - TR) = 400 ms (oder alternativ 200 ms),

4 Wiederholungen und

128 Phasen kodierende Schritte

diente zur Erzeugung von 5 aufeinanderfolgenden Axialschnittbildern zwischen 14. und

ca. 12. Brustwirbel mit einer Scheibendicke von 4,9 mm (Abb. 3.1.9).

Abb. 3.1.8: Versuchsanordnung zur Tomographie der Tiere bis 20 kg Lebendmassemittels 1H-MR-Oberflächenspule


128

Abb. 3.1.9: 1H-MR-Aufnahmeparameter und Beispielbild für die Darstellung derRückenregion mittels Oberflächenspule (Über dem Rücken wurde zur Kontrolle deranatomischen Position ein mit Wasser gefüllter Behälter platziert.)

Die Bilder wurden entweder mit der Bildverarbeitungssoftware “Analyze 7.01”

(Mayo Foundation, Rochester, MN, 1991) auf einer Silicon Graphics Workstation unter

IRIX 5.3 oder mit der Bildverarbeitungssoftware “OPTIMAS 4.10” (BioScan Inc.,

1993) auf einem Personal-Computer unter Windows 3.1 ausgewertet, um das Volumen

der beiden Mm. longissimi dorsi und der darüber liegenden Fettschicht in einem 2,45

cm Abschnitt zu ermitteln (Abb. 3.1.10).


129

Musculi longissimi dorsi

Rückenspeck5 Scheiben,insgesamt 2,45 cm

Abb. 3.1.10: Darstellung der ”Regions of Interest“ (ROI’s) in den 1H-Magnet-Resonanz-Schnittbildern im Bereich 13./14. Brustwirbel für Tiere bis 20 kg Lebendmasse

Ein GLM-Verfahren (SAS 6.11) mit den fixen Effekten Ryanodin-Rezeptor-1-Genotyp,

Linie und Geschlecht sowie den Kovariablen Alter und Körpermasse wurde für die

Berechnung der Genotypdifferenzen verwendet:

Yijkl = µ + Ri + Lj + Sk + βAlter (Alterijkl - Alter) + βKM (KMijkl - KM) + eijkl



Ri = Effekt des Ryanodin-Rezeptor-1-Genotyps (fix), i=1-3

Lj = Effekt von Linie/Rasse (fix), j=1-6

Sk = Effekt des Geschlechts (fix), k=1-3

Alterijkl = Alter (Kovariable)∗

KMijkl = Körpermasse (Kovariable)*

eijkl = Restfehler.

∗ Nicht im Modell für das Merkmal Fett-zu-Muskel-Verhältnis.


130

3.1.2.1.2 Lebendmassegruppen 30 kg, 60 kg, 90 kg

Abb. 3.1.11: Positionierung eines Probanden im Picker Vista 1,5 Tesla MR-Tomographen (63 MHz für Wasserstoff);Schweine mit bekanntem RyR1-Genotyp NN wurden zur Verminderung vonAtmungsartefakten zusätzlich mit Halothan sediert

Im Rahmen eines Wachstumsversuch sowie einer vergleichenden Studie mit

densitometrischen Untersuchungen (Dualenergie-Röntgenabsorptiometrie - DXA)

wurden insgesamt 47 Tiere, die bereits bei 10 kg Lebendmasse spektroskopiert bzw.

tomographiert wurden, erneut bei 30 kg Lebendmasse mit einem 1,5 Tesla

Ganzkörpertomographen untersucht, um die Körperzusammensetzung anhand von 1H-

MR-Bilder zu analysieren. Nach Beendigung der In-vivo-Körperzusammensetzungs-

Studien (MRT, DXA) bei 30 kg Lebendmasse wurden 15 Tiere geschlachtet und zerlegt.

Danach wurden 32 Tiere bei ca. 60 kg Lebendmasse erneut mittels DXA untersucht. Für

die MR-Tomographie in der 60 kg Gruppe konnten jedoch nur 31 Tiere genutzt werden,

da ein männlicher Kastrat der Linie „Hampshire“ nach der DXA-Untersuchung mit ca.

60 kg verendete. In der letzten Gruppe bei 90 kg Lebendmasse verblieben 17 Schweine

(6 NN - 6 Nn - 5 nn), die schließlich ebenfalls für Referenzzwecke zerlegt und chemisch

auf Rohfett-, Rohprotein-, Rohasche- und Trockensubstanzgehalt analysiert wurden.


131

Die 1H-MR-Tomographie bei den 30 - 90 kg Tieren erfolgte mit Hilfe eines Picker

Vista 1,5 Tesla Ganzkörpertomographen (Picker International, Highland Heights, OH,

USA) mit 1 Meter nutzbarem Durchmesser (Abb. 3.1.11).

Ein modifiziertes “Multi-Slice-Spin-Echo-Verfahren” (1 Echo, TR = 1,3 s, TE =

20 ms, 2 Wiederholungen) diente in zwei Schritten zur Erzeugung von insgesamt 25

Schnittbildern. Im Unterschied zu SCHOLZ u.a. (1993) wurde anstelle von 4 “Echos” nur

1 ”Echo“ aufgenommen. Im Rückenbereich wurden 10 aufeinanderfolgende

Axialschnittbilder beginnend am 14. Brustwirbel in kranialer Richtung erzeugt, um das

Volumen der Mm. longissimi dorsi und des darüber liegenden Rückenspecks zu messen

(Abb. 3.1.12, 3.1.13, 3.1.14). Weiterhin wurden im Bereich Becken/Hintergliedmaßen

15 aufeinanderfolgende Axialschnittbilder beginnend am äußeren Schwanzansatz in

kranialer Richtung ausgewählt, um das Schinkenvolumen (inklusive Knochen) und das

darüber liegende Fettvolumen zu bestimmen (Abb. 3.1.12, 3.1.15). Die Scheibendicke

betrug – ohne Abstand zwischen den Scheiben - jeweils 10 mm.

Mit Hilfe der Bildverarbeitungssoftware “Analyze 7.01” (Mayo Foundation,

Rochester, MN, USA) wurden die Volumina der Mm. longissimi dorsi und des

Rückenspecks bzw. des Schinkenmagergewebes und der Fettauflage mit Hilfe einer

halbautomatischen Gewebesegmentation bestimmt (Abb. 3.1.14, 3.1.15). Die

anatomischen Orientierungspunkte richten sich nach den Angaben von WOLTER (1997).

Dabei ist zu beachten, dass im Gegensatz zur eigenen Versuchsanordnung die 4 bis 5

Wochen alten Tiere bei WOLTER (1997) euthanasiert waren und in Rückenlage mit in

kranialer Richtung gestreckten Vordergliedmaßen tomographiert wurden. Außerdem

betrug bei einem Zwischenscheibenabstand von 0,5 mm die Scheibendicke 5 mm.

Die Verteilung der Schweine über die RYR1-Genotypen bzw. Herkünfte innerhalb

der Lebendmassegruppen zeigen die Tabellen 3.1.3 – 3.1.6.

Tab. 3.1.3: Anzahl tomographierter Tiere je RyR1-Genotyp und Lebendmassegruppe (30

– 90 kg)

NN Nn nn total

30 kg 16 22 9 47

60 kg 14 11 6 31

90 kg 6 6 5 17


132

Tab. 3.1.4: Anzahl Referenztiere (für MRT) je RyR1-Genotyp und Lebendmassegruppe

(30 - 90 kg)

NN Nn nn total

30 kg 2 11 2 15

60 kg 8 5 1♦ 14

90 kg 6 6 5 17

total 16 22 8 46

Tab. 3.1.5: Anzahl tomographierter Tiere je Herkunft und Lebendmassegruppe (30 -

- 90 kg)

LR Du Ha PolCh x LR S n

30 kg 8 21 8 7 3 47

60 kg 8 14 3♦ 5 1 31

90 kg 2 9 2 4 - 17

Tab. 3.1.6: Anzahl tomographierter Tiere je Geschlechts- und Lebendmassegruppe (30 -

90 kg)

weiblich männliche Kastraten

30 kg 30 17

60 kg 22 9♦

90 kg 10 7

Abb. 3.1.12: Lage der Tiere im Magneten mit gekennzeichneten Schnittbildregionen zurVolumenbestimmung (modifiziert nach eigener Grafik in MITCHELL et al., 2001)

♦ Ein männlicher Kastrat der Hampshire-Linie (nn) verendete vor der Tomographie bei 60 kg LM.


133

PPaannkkrreeaass

Mm. longissimidorsi

Abb. 3.1.13: Axialschnittbild im Bereich zwischen 13./14. Brustwirbel (modifiziertnach eigener Grafik in MITCHELL et al., 2001)

Rückenspeck

Mm. longissimi dorsi

Abb. 3.1.14: Regionen für die Volumenbestimmung im Thoraxbereich (10 Scheiben, 10cm)


134

Muskel

FettOs ilium Os sacrum

Fett-ROI

Magergewebe-ROI

nicht in der ROI

Abb. 3.1.15: Anatomische Hilfspunkte und schematische Darstellung der ”Regions ofInterest“ (ROI’s) im Becken-/Hintergliedmaßenbereichoben: Anatomische Hilfspunkte und Kennzeichnung von auszuwertenden bzw.wegzulassenden Regionen für die Volumenbestimmung im BereichBecken/Hintergliedmaßenunten: Schema zur Festlegung von ”Regions of Interest” (modifiziert nach eigenerGrafik in Mitchell und Scholz, 2001)

Die anfallenden Daten zum Volumen der Mm. longissimi dorsi bzw. des

Schinkenvolumens sowie der beiden Fettvolumenmaße wurden mit der GLM-Prozedur

nach dem folgenden statistischen Modell innerhalb der Lebendmassegruppen

ausgewertet:


135

Yijkl = µ+ Ri + Lj +Sk + βAlter (Alterijkl - Alter) + βKM (KMijkl - KM) + eijkl



Ri = Effekt des Ryanodin-Rezeptor-Genotyps (fix), i=1-3

Lj = Effekt von Linie/Rasse (fix), j=1-5

Sk = Effekt des Geschlechts (fix), k=1-2

Alterijkl = Alter (Kovariable)

KMijkl = Körpermasse (Kovariable)

eijkl = Restfehler.

Zusätzlich wurde eine gemeinsame Auswertung über alle Lebendmassegruppen (30 - 90

kg) nach dem gleichen Modell allein für die Tiere (Messung) vorgenommen, die nach

der MR-Tomographie bzw. der DXA-Untersuchung euthanasiert, zerlegt und chemisch

analysiert wurden. Das heißt, Tiere, die den Versuch bis zum Ende durchliefen, gingen

nur in der 90 kg Gruppe in die Auswertung ein. Wiederholte Messungen bei 30 und 60

kg wurden entsprechend nicht in der Varianzanalyse berücksichtigt.


136

3.1.2.2 Dualenergie-Röntgenabsorptiometrie

Insgesamt wurde die Körperzusammensetzung von 92 Schweinen in vivo mit Hilfe

eines Ganzkörper-DXA-Scanners (DPX-L©, GE LUNAR®, Waukesha, WI) analysiert.

Bei 62 Tieren wurden die DXA-Resultate mit den Ergebnissen der chemischen

Schlachtkörperanalyse verglichen (Tab. 3.1.7 - 3.1.9). Die Körperzusammensetzung für

jedes Tier wurde mit Hilfe der Software von GE LUNAR® (Version 4.6d) ermittelt. Mit

Hilfe des Ryanodin-Rezeptor-1-Gentestes wurden 29 homozygot stressstabile (NN)

Schweine, 36 heterozygote (Nn) und 26 homozygot stressanfällige Tiere (nn)

identifiziert.

Tab. 3.1.7: Aufteilung der Probanden nach RyR1-Genotyp und Lebendmassegruppe

(10 - 90 kg) für den DXA-Versuch

RyR1-Genotyp Lebendmassegruppe

10 30 60 90 Total

NN 13 (4) 16 (2) 14 (8) 6 (6) 29 (20)

Nn 14 (4) 22 (11) 11 (5) 6 (6) 36 (26)

nn 18 (7) 9 (2) 7 (2) 5 (5) 27 (16)

Total 45 (15) 47 (15) 32 (15) 17 (17) 92 (62)

*(Tiere für Referenzuntersuchung)

Tab. 3.1.8: Aufteilung der Probanden nach Rasse- bzw. Linienzugehörigkeit und

Lebendmassegruppe (10 - 90 kg) für den DXA-Versuch

Rasse/Linie Lebendmassegruppe

10 30 60 90 Total

Duroc (Du) 17 *(6) 21 (7) 14 (5) 9 (9) 38 (27)

US-Landrasse (LR) 2 (1) 8 (-) 8 (6) 2 (2) 10 (9)

Poland China * LR 2 (2) 7 (2) 5 (1) 4 (4) 9 (9)

Hampshire (Ha) 11 (4) 8 (4) 4 (2) 2 (2) 19 (12)

Spotted (S) 4 (2) 3 (2) 1 (1) - 7 (5)

DHLYS 9 (-) - - - 9 (-)

Total 45 (15) 47 (15) 32 (15) 17 (17) 91 (62)


Von den 45 Tieren, die in der 10 kg Gruppe (durchschnittliche Lebendmasse =

12,55 kg; Durchschnittsalter = 53 Tage) mittels DXA untersucht wurden, dienten 15 als


137

Referenztiere für die Zerlegung und chemische Analyse. Bei den 47 Tieren ab 30 kg

erfolgte eine Stufenschlachtung (30 kg: n = 15; 60 kg: n = 15 Tiere und 90 kg: n = 17).

Tab. 3.1.9: Aufteilung der Probanden nach Geschlecht und Lebendmassegruppe (10 –

90 kg) für den DXA-Versuch

Geschlecht Lebendmassegruppe

10 30 60 90 Total

Männlich (intakt) 18 *(1) - - - 18 (1)

Männliche Kastraten 3 (2) 17 (7) 10 (3) 7 (7) 20 (19)

Weiblich 24 (12) 30 (8) 22 (12) 10 (10) 54 (42)

Total 45 (15) 47 (15) 32 (15) 17 (17) 92 (62)


Die DXA-Untersuchung erfolgte für die meisten Tiere drei Tage nach der MR-

Tomographie. In Ausnahmefällen fand die DXA-Untersuchung fünf Tage vor der

geplanten MR-Tomographie bzw. für einen Großteil der Tiere aus der 10 kg Gruppe

unabhängig von der MR-Tomographie statt.

Unmittelbar vor dem Scannen wurden die Tiere elektronisch gewogen (± 0,2 kg).

Alle Tiere wurden anästhesiert (500 mg Ketamin, 80 mg Tiletamin, 80 mg Zolazepam

und 333 mg Xylazin je 100 kg Lebendmasse, i.m., gefolgt von 290 mg Ketamin, 37 mg

Tiletamin, 37 mg Zolazepam, 150 mg Xylazin, 3 mg Butorphanoltartrat und 0,16 mg

Atropinsulfat je 100 kg Lebendmasse, i.v.), um Bewegungen während des Scan-

Verfahrens zu vermeiden. Die Schweine lagen mit ausgestreckten Hintergliedmaßen auf

dem Bauch, während die Vordergliedmaßen seitlich entlang des Rumpfes gestreckt

waren und mit Schaumstoffkissen vom Körper auf Distanz gehalten wurden. Damit

wurden Überlagerungen von Rumpf und Vordergliedmaßen verhindert (Abb. 3.1.16).


138

Abb. 3.1.16: Lage des Probanden auf dem DXA-Scanner (GE LUNAR DPX-LTM)

Drei verschiedene Scan-Einstellungen wurden in Abhängigkeit von der

Körpergröße der Schweine eingesetzt: 5-29 kg “pediatric-medium”, 30-69 kg

“adult-medium” und > 69 kg “adult-slow”. Diese Einstellungen regulieren die

Scangeschwindigkeit und/ oder die Kollimation (Ausrichtung der „optischen“ und

mechanischen Achsen für eine modifizierte Fokussierung bzw. Strahldivergenz der

Photonenstrahlen). Sie beeinflussen jedoch nicht das Energieniveau der

Röntgenstrahlung.

Nach individueller Anpassung der voreingestellten Körperregionen auf die

anatomischen Verhältnisse im Schwein erscheinen Gesamtkörperfettmasse,

Magergewebe- (Muskel-)masse und Knochenmineralgehalt (BMC) bzw.

Knochenmineraldichte (BMD) als Hauptbestandteile im Ergebnisausdruck der DXA-

Analyse (Abb. 3.1.17).


139

Abb. 3.1.17: Beispiel für Ganzkörperergebnisse eines Schweines (Die abgebildeten Ergebnisse - oben: Weichgewebe, unten: Knochenmineral - stammenvon der „deutschen“ LUNAR-Softwareversion 4.7c.)

Nach Abschluss der DXA-Untersuchung wurden die Probanden mit einer letalen

Pentobarbital-Injektion euthanasiert und bis 24 Stunden vor der

Schlachtkörperzerlegung bei -20°C tiefgefroren (siehe Kapitel 3.1.4).


140

DXA liefert keine direkten Messwerte für Muskelmasse bzw. Proteingehalt,

jedoch einen Messwert für Magergewebe mit allen Komponenten außer Fett und

Knochenmineral.

Der Gesamtproteingehalt sowie der Wassergehalt als Hauptbestandteil des

Magergewebes kann aus der DXA-Magergewebemasse geschätzt werden - nach den

Gleichungen:

Protein (g) = -1,062 + 0,22 • [DXA-Magergewebe] (MITCHELL and CONWAY, 1994)

und

Wasser (g) = 508 + 0,74 • [DXA-Magergewebe] (MITCHELL et al., 1996 a).

Die statistische Auswertung für die DXA-Merkmale erfolgte wiederum unter

Benutzung der GLM-Prozedur (SAS 6.11) innerhalb Lebendmassegruppen und über

alle Lebendmassegruppen nach folgendem statistischen Modell:

Yijkl = Beobachtungswert des m-ten Tieresµ = Erwartungswert von YRi = fixer Effekt des Ryanodin-Rezeptor-Genotyps

Lj = fixer Effekt von Linie/Rasse

Sk = fixer Effekt des Geschlechts

= Alter (Kovariable)

= Körpermasse (Kovariable)

Aijkl

KMijkl

eijkl = Restfehler.

Yijkl = µ + Ri + Lj + Sk + ßAlter (Aijkl -A) + ßLM (KMijkl -KM )+ eijkl

Für die Wachstumsanalyse in Kapitel 3.2.3 (Merkmale Lebendmassezunahme,

Magergewebezunahme, Fettgewebezunahme, Knochenmineralzunahme, Magergewebe-

futterverwertung und Futteraufnahme erfolgte keine Korrektur auf Lebendmasse und

Alter, um die vorhandene Variation nicht zu vermindern.


141

3.1.3 Haltung, Fütterung und Transport

Mit Versuchsbeginn wurden die Tiere (ab minimal 5 kg) bis zu einer Lebendmasse von

30 kg in Gruppen von 6 - 8 Tieren gehalten. Sie erhielten einheitliches Futter ad libitum

nach den Vorgaben des „National Research Council“ (NRC, 1988). Mit Ausnahme der

in Beltsville geborenen „Poland China x Landrasse“-Kreuzungstiere und den aus

Maryland bezogenen reinrassigen US-Landrasse-Tieren stammten alle Versuchstiere aus

der Versuchsfarm der Iowa State University.

Alle Schweine ab 30 kg bis 90 kg Lebendmasse waren in Einzelbuchten auf

Teilspaltenboden untergebracht. Die Fütterung erfolgte mit einer einheitlichen Ration,

die 17,62 % Rohprotein und eine verdauliche Energie (DE) von 14,78 MJ/kg enthielt. In

Abhängigkeit von den wöchentlich gemessenen Lebendmassen erhielten die Tiere eine

Ration, die 95 % der geschätzten freiwilligen Futteraufnahme deckte. Unter

Berücksichtigung der bekannten Unzulänglichkeiten (WHITTEMORE et al., 1995) bildete

die Formel des „National Research Council“ (NRC, 1988) die Grundlage für die

Futtergabe: DEIntake (MJ/Tag) = 55 • (1 - e -0,0176 • BW).

Für ein 30 kg Schwein ergibt sich entsprechend eine erwartete Futteraufnahme von 1,53

kg/Tag [60 kg à 2,43 kg/d und 90 kg à 2,96 kg/d]. Die tatsächliche individuelle

Futteraufnahme wurde täglich erfasst (gewogen), indem die Differenz aus erfolgter

Futterzuteilung (kg) und Restfutter (kg) am Folgetag gebildet wurde. Der

durchschnittliche tägliche Futterverzehr in den Versuchsabschnitten [30à60 kg und

60à90 kg] ergibt sich aus dem Quotienten:

Gesamtfutterverzehr im Versuchsabschnitt / korrespondierende Anzahl Prüftage.

Vor jedem MR- bzw. DXA-Experiment1 wurde den Tieren das Futter für etwa 18

Stunden entzogen.

Für alle MR-Experimente wurden die Tiere von den Stallgebäuden des

Agriculture Research Service (ARS) in Beltsville, MD, zum Howard University

Hospital (Department of Radiology) nach Washington, DC, gefahren. Die Tiere bis 30

kg Lebendmasse waren in entsprechenden Tiertransportbehältern untergebracht,

während für die Tiere ab 30 kg Lebendmasse ein spezieller Tiertransporter zur

Verfügung stand. Die DXA-Untersuchungen erfolgten im Spezialcontainer in

unmittelbarer Stallnähe.

1 Die Experimente wurden in Übereinstimmung mit den durch das “USDA-ARS, Beltsville Animal Care and Usecommittee“ bestätigten Versuchsprotokollen durchgeführt.


142

3.1.4 Referenzschlachtung

Nach Abschluss der MR- bzw. DXA-Untersuchungen wurden die Probanden mit einer

letalen Pentobarbital-Injektion euthanasiert und bis 24 Stunden vor der Schlacht-

körperzerlegung bei –20 °C tiefgefroren.

Für Referenzzwecke wurden in jeder Gewichtsgruppe 15 bzw. 17 Schweine

geschlachtet. Vom Schlachtkörper wurden Kopf und Innereien separiert. Danach wurde

der Schlachtkörper entlang der Wirbelsäule in zwei Hälften geteilt. Die linke

Schlachthälfte wurde immer von derselben Person in die USDA-Teilstücke Blatt

(blade), Schulter (picnic shoulder), Rücken (loin), Seite (side) und Schinken (ham)

zerlegt (Abb. 3.1.18). Die Vorder- und Hinterfüße verblieben an der Schulter bzw. dem

Schinken. Die rechte Schlachthälfte inklusive Kopf, Gastrointestinal- und Urogenital-

Trakt (alle Innereien) wurde nach der Wägung zweimal komplett in einem Ganzkörper-

Wolf (Modell 810, GH, Astoria, OR, USA) unter Verwendung eines 0,32 cm „Siebes“

homogenisiert. Repräsentative Proben aus dem Homogenat dienten der chemischen

Bestimmung von Rohfett [Lipid] (Chloroform-Methanol-Extraktion nach der Methode

von FOLCH et al., 1957), Rohprotein (Kjeldahl-Stickstoff nach AOAC, 1984:

[N]1 • 6.25) und Rohasche (Restgewicht nach Erhitzung im Muffelofen für 24 Stunden

bei 520 °C). Etwa 500 g des homogenisierten Materials wurden verwendet, um die

Protein- und Fettanalyse durchzuführen. Die Proteinbestimmung erfolgte anhand von

drei jeweils 2 bis 3 g wiegenden Zufallsstichproben, während für die Lipidbestimmung

5 bis 7 g wiegende Proben (3) entnommen wurden. Der Wassergehalt wurde aus dem

Gewichtsverlust nach 10 Tagen Gefriertrocknung anhand einer zweiten 500 g Probe des

homogenisierten Materials ermittelt. Alle chemischen Untersuchungen wurden am

Growth Biology Laboratory des ARS durchgeführt.

Gleichzeitig wurden die Massen von Herz, Leber, Nieren und verbleibenden

Innereien erfasst. Zusätzlich dienten auf Transparentpapier abgezeichnete Aussenkanten

des M. longissimus dorsi und der darüber liegenden Fettschicht am Anschnitt zwischen

13. und 14. Rippe der linken Schlachthälfte zur Messung der entsprechenden Flächen

mittels eines Sigma-Plot-Digitalisierungstabletts (Jandel, Corte Madera, CA).

1 Kjeldahl-Stickstoff = Summe von Norganisch. und NH4-N


143

Abb. 3.1.18: Schema für Teilzerlegung (Vorder- bzw. Hinterfüße verblieben amSchlachtkörper)

In die Referenzuntersuchung gingen insgesamt 63 Tiere ein. Dabei lagen jeweils

für zwei Tiere der 10 kg Gruppe Werte entweder allein aus der MR-Tomographie oder

der DXA-Analyse vor.

Nach Ermittlung der Körperzusammensetzung für die Tiere der 10 kg Gruppe im

4,7 Tesla Magneten und im Lunar DPX-L-Scanner© wurden insgesamt 16 Tiere für

Referenzzwecke geschlachtet. Nur 14 Referenztiere der 10 kg Gruppe wurden sowohl

tomographiert als auch mittels DXA analysiert. Nach der Untersuchung von 47 Tieren

im 1,5 Tesla Ganzkörpertomographen und mit dem Lunar DPX-L Scanner dienten 15

Tiere in der 30 kg Gruppe, 15 Tiere in der 60 kg Gruppe und die verbleibenden 17 Tiere

in der 90 kg Gruppe als Referenztiere. Die Aufteilung nach Rasse-, Linienzugehörigkeit

und Geschlecht innerhalb der Lebendmassegruppen geht aus den Tabellen 3.1.10 bis

3.1.13 hervor.

Tab. 3.1.10: Anzahl Referenztiere je RyR1-Genotyp und Lebendmassegruppe

NN Nn nn total

10 kg 4 5 7 16DXA 4 4 7 15MRT 4 5 6 15

30 kg 2 11 2 15

60 kg 8 5 2*) 15

90 kg 6 6 5 17

total 20 27 16 63* Ein männlicher Kastrat der Linie „Hampshire“ (nn) wurde zwar bei 60 kg mittels DXA, aber nur bei 30kg mittels MRT untersucht, da dieses Tier vor der geplanten MR-Tomographie bei 60 kg verendete.


144

Tab. 3.1.11: Linien- und Geschlechterverteilung innerhalb RyR1-Genotyp für

Referenztiere (10 kg)

RyR1-

Genotyp

Rasse/Linie Anzahl männlich

(kastriert)

weiblich

Duroc 1 - 1

US-Landrasse 1 - 1

Poland China x Landrasse 2 - 2NN

Σ 4 - 4

Duroc 2 1 1

US-Landrasse 1 - 1#)

Spotted 2 1 1Nn

Σ 5 2 3

Duroc 3 1 (intakt) 2

Hampshire 4 - 4+)nn

Σ 7 1 6

total 16 3 13

+) Ein (1) Tier ohne Daten aus dem 4,7 Tesla MR-Tomographen#) Tier ohne Daten aus dem Lunar-DPX-L- Scanner


145

Tab. 3.1.12: Linien- und Geschlechterverteilung innerhalb RyR1-Genotyp für

Referenztiere (30 - 90 kg)

RyR1-

Genotyp

Rasse/Linie Anzahl männlich

(kastriert)

weiblich

Duroc 6 2 4

US-Landrasse 7 - 7

Poland China x Landrasse 3 - 3NN

Σ 16 2 14

Duroc 8 6 2

Hampshire 6 1 5

US-Landrasse 1 - 1

Poland China x Landrasse 4 - 4

Spotted 3 3 -

Nn

Σ 22 10 12

Duroc 7 4 3

Hampshire 2 1*) 1nn

Σ 8 5 4

total 47 17 30

*Ein männlicher Kastrat der Hampshire-Linie, RyR1-Genotyp = nn, verendete vor der MR-Tomographie(nach der DXA-Untersuchung) in der 60 kg Gruppe, so dass für dieses Tier nur MR-Messwerte bei ca. 30kg Lebendmasse vorliegen.

Tab. 3.1.13: Tieranzahl in Abhängigkeit von Rasse- bzw. Linienzugehörigkeit und

Lebendmassegruppe im Wachstumsversuch (DXA)

US-

Landrasse

Duroc Hampshire Poland China x

US-Landrasse

Spotted

10 kg 8 29 10 9 5

30 kg 8 21 8 7 3

60 kg 8 14 4 5 1

90 kg 2 9 2 4 -


146

3.1.5 Bestimmung der Muskelfaserstruktur mittels Schussbiopsie

An insgesamt 22 Schweinen (7 NN - 10 Nn - 5 nn) wurden parallel zu den DXA- und

MRT-Untersuchungen Muskelproben mittels Schussbiopsie in vivo gewonnen

(SCHÖBERLEIN, 1976). Die Biopsie erfolgte aus dem rechten M. longissimus dorsi auf

Höhe des 13./14. Brustwirbel ca. 3 – 5 cm lateral der Wirbelsäule.

Die durchschnittliche Lebendmasse der Tiere betrug 83 kg bei einem

Durchschnittsalter von 150 Tagen, wobei 6 Tiere aus der 60 kg Gruppe und 16 Tiere aus

der 90 kg Gruppe stammten. Diese Tiere wurden bereits bei ca. 10 kg Lebendmasse zur

Ermittlung der 31P-MR-Stoffwechselreaktion spektroskopiert und unmittelbar vor der

Biopsie zur Bestimmung der Körperzusammensetzung tomographiert (1H). Zum

Zeitpunkt der Biopsie waren die Tiere deswegen noch sediert, auch wenn eine vorherige

Fixierung und Sedierung der Tiere für die Biopsie nicht nötig gewesen wäre. Aufgrund

der Gerätekonstruktion dauert die Probenahme (inklusive Haut und subkutaner

Fettschicht) nur ein Sekundenbruchteil (< 1/100 Sekunde). Nach der Biopsie wurde die

Probeentnahmestelle lokal mit Wundspray behandelt.

Abb. 3.1.19: Verwendetes Schussbiopsiegerät LS1 mit demontiertem Aufsatz und inAktion (rechts im Bild)

Sofort nach der Biopsie wurden die Proben mit Nylonfaden auf Holzspateln fixiert, in

flüssigem Stickstoff schockgefroren und bei -70 °C bis zur Weiterverarbeitung am Meat

Science Laboratory des ARS/USDA in Beltsville, MD, USA gelagert.


147

1 cm

Abb. 3.1.20: Beispiel für ein frisch entnommenes Bioptat aus dem M. longissimus dorsieines SchweinsDeutlich zu erkennen sind Haut (mit Borsten), Fett- und Muskelgewebe - von links nachrechts.

Zur Weiterverarbeitung wurden die tiefgekühlten Proben gleichmäßig auf eine

Temperatur von -20 °C „erwärmt“. Mit einem Microtom (Cryostat 2800 Frigocut-E,

Reichert-Jung, Cambridge Instruments, New York) wurden 10 µm dicke Gefrierschnitte

angefertigt. Histochemisch wurden die Gefrierschnitte zur Fasertyp- und

Faserquerschnittsflächenanalyse mit Hilfe eines simultanen Kombinations-

färbeverfahrens nach SOLOMON und DUNN (1988) aufbereitet. Der (sauren)

Präinkubation bei pH = 4,30 folgte eine Inkubation für Succinatdehydrogenase-Aktivität

mit einer anschließenden Anfärbung für myofibrilläre Adenosintriphosphatase-Aktivität

und einer abschließenden Gegenfärbung mit Hämatoxylin. Die mit einem „Zeiss

Standard #16 Photomikroskop“ (Carl Zeiss, New York) erzeugten Fotografien der

histochemisch aufbereiteten Proben wurden mit einem handelsüblichen Scanner

digitalisiert und anschließend mit Hilfe der Bildverarbeitungssoftware OPTIMAS 4.10

ausgewertet. Für jedes Foto existieren Kalibrierungsaufnahmen, so dass die

Faserflächen exakt bestimmt werden konnten. Die Muskelfasertypen (Abb. 3.1.21) und

Muskelfaserquerschnittsflächen wurden an mindestens 300 Muskelfasern/Probe (Tier)

bzw. einer Mindestfläche von 2 400 000 µm2 ermittelt.

Unabhängig von der verwendeten histochemischen Methode werden die drei im

Versuch unterschiedenen Hauptfasertypen als Typ I (im englischen Sprachraum häufig

als: „slow-twitch-oxydative - STO), Typ IIa, („fast-twitch-oxydative“ - FTO) und Typ

IIb („fast-twitch-glycolytic“ - FTG) bezeichnet. In Abb. 3.1.21 sind die wichtigsten

Eigenschaften der drei unterschiedenen Muskelfasertypen zusammengefasst.


148

T y p I (S T O ): - la n g s a m e K o n trak tio n“ ro t ”„ β r ed “M H C - 1 *)

- s e h r h o h e o x ida t ive K a p a z i t ä t- m o d e r a t e r G l y k o g e n g e h a lt u n d

m o d e ra te g l y k o ly t i sche K a p a z itä t- s e h r h o h e r T rig lyze r idgeha l t- s e h r h o h e K a p illa rd i ch t e

T y p I Ia (F T O ): - s c h n e lle K o n tra k tio n

“ in te rm e d iä r”„ α r ed “M H C -IIA

- h o h e o x ida t ive K a p a z i t ä t- h o h e r G l y k o g e n g e h a lt u n d h o h e

g lyko ly t i s che K a p a z itä t- m o d e r a t e r T r i g l y z e r i d g e h a l t- h o h e K a p illa rd i ch t e

T y p IIb ( F T G ): - s c h n e lle K o n tra k tio n

“ w e i ß ”„ α w h ite “M H C -IIB

- g e r i n g e o x ida t ive K a p a z i t ä t- h o h e r G l y k o g e n g e h a lt u n d h o h e

g lyko ly t i s che K a p a z itä t- ge r inge r T rig lyze r idgeha l t- m o d e r a t e K a p illa rd i ch t e

*) M H C è M y o s i n H e a v y C h a i n I s o f o r m

Typ ITyp IIa

Typ IIb

Abb. 3.1.21: Im Versuch unterschiedene Muskelfasertypen

Die Auswertung der Daten für die Merkmale Muskelfaserquerschnittsfläche der

verschiedenen Muskelfasertypen und prozentuale Muskelfasertypanteile (bezogen auf

die analysierte Muskelfaserfläche bzw. auf die Anzahl analysierter Muskelfasern)

erfolgte nach dem folgenden statistischen Modell:


149

Yijkl = Beobachtungswert des m-ten Tieres


Ri = fixer Effekt des Ryanodin-Rezeptor-Genotyps

Lj = fixer Effekt von Linie/Rasse

Sk = fixer Effekt des Geschlechts

A ijkl = Regression auf Alter (Kovariable)

KM ijkl = Regression auf Körpermasse (Kovariable)

eijkl = Restfehler.

Yijklm= µ + R i + Lj + Sk+ ßAlter (Aijkl -A) + ßKM(KMijkl -KM)+ eijkl

Alter und Körpermasse befinden sich nicht im Modell für das Merkmal

Muskelfaseranzahl, da sich die Muskelfaseranzahl mit steigendem Alter und steigender

Körpermasse nicht verändert.


150

3.1.6 DNA-Analyse für den Ryanodin-Rezeptor-1-Gentest

Polymerasekettenreaktion

Die Polymerasekettenreaktion (PCR) ist eine universell einsetzbare, enzymatische

Methode zur spezifischen Vervielfältigung eines bestimmten DNA-Segments.

Eine Matrizen-DNA ("template") wird mit einem „Mastermix“ aus dNTPs, einem

spezifischen Oligonukleotid-Primerpaar und einer thermostabilen DNA-Polymerase

(z.B. Taq + Coenzym MgCl2 + pH-stabilisierenden Puffer) einem dreistufigen

Temperaturprofil ausgesetzt. Durch Denaturierung, Primer-Hybridisierung und

Elongation wird dabei die Zielsequenz der DNA mit jedem Zyklus verdoppelt. Ein

definiertes DNA-Segment wird dabei so angereichert, dass eine weitergehende Analyse

oder methodische Verwendung des PCR-Produkts leicht möglich ist, z.B. für DNA-

Sequenzierung, Restriktionsverdau, Sonden für Hybridisierungen, Mutationsanalyse

oder Klonierung (NEWTON und GRAHAM, 1994, WOLZ, 1999).

Extraktion der DNA für die PCR aus Blut

Die aus einer Ohrvene gewonnene Blutprobe wird mit EDTA konserviert. Das EDTA-

Blut (250 µl) wird in einem 1,5 ml Mikrozentrifugenröhrchen mit 250 µl Lysis-Puffer

durch Invertieren gemischt. Nach 20 sec Zentrifugation bei 13 000XG wird der

Überstand abpipettiert, das gewonnene Pellet in 1 ml Lysis-Puffer durch Schütteln auf

dem Vortex resuspendiert, erneut zentrifugiert und der Überstand erneut abpipettiert.

Dieser Vorgang muss mindestens zweimal oder bis zur Gewinnung eines farblosen

Pellets wiederholt werden. Das so gewonnene Pellet wird in 250 µl PCR-Puffer mit

nichtionischen Detergenzien und Proteinase K auf dem Vortex geschüttelt und im

Wasserbad oder Heizblock bei 50 - 60 °C für 1 Stunde inkubiert. Nach der Proteolyse

muss zur Inaktivierung der Proteinase K das Röhrchen mit der in Lösung gegangenen

DNA bei 95 ºC für 10 min inkubiert werden. In 25 µl der entstandenen DNA-Lösung

sind ca.1 µg genomische DNA enthalten.

Polymerasekettenreaktion für die Ryanodin-Rezeptor-1-DNA

Für die PCR wird ein Mastermix von 34 µl pro Probe angesetzt (für komplettes

Laborprotokoll siehe Anhang III). Die bei –20 ºC gelagerten Bestandteile des

Mastermixes werden auf Eis aufgetaut und kurz auf dem Vortex geschüttelt (außer Taq-

Polymerase). In zügiger Reihenfolge wird der Ansatz (als letztes immer die Taq-

Polymerase - sehr reaktionsfreudig!) auf Eis pipettiert und kurz „gevortext“.


151

Folgende Komponenten ergeben den Mastermix (40 µl Gesamtvolumen =

34 µl Mastermix + 6 µl DNA):

22 µl H2O

+ 4 µl 10 x Puffer II (PCR 103, GeneAmp® - PERKIN ELMER)

+ 4 µl (2 mM) dNTPs

+ 1 µl 15 mM MgCl2

+ 1 µl Primer I Oligo Name: 17824 (BioServe):

5'> GTG CTG GAT GTC CTG TGT TCC CT <3';

+ 1 µl Primer II Oligo Name:17825 (BioServe):

5'> CTG GTG ACA TAG TTG ATG AGG TTT G <3'

+1 µl Taq-Polymerase (AmpliTaq® - PERKIN ELMER).

Der Mastermix wird in PCR-Röhrchen auf Eis pipettiert und 6 µl DNA-Suspension

hinzugefügt. Ein Überschichten der Proben mit 2 Tropfen Mineralöl kann ein

eventuelles Verdunsten verhindern (bei Heizblöcken ohne beheizten Deckel nötig).

Für die Amplifikation eines 134bp-Fragments der Ryanodin-Rezeptor-1-DNA

wird der nach BRENIG and BREM (1992) bzw. FÖRSTER et al. (1992) modifizierte Ansatz

für ca. 4 ½ Stunden im Thermo-Cycler (Perkin Elmer 480) inkubiert (komplettes

Protokoll siehe Anhang III). Der verwendete Thermozyklus besteht aus:

1) Anfangsdenaturierung der DNA-Doppelstränge bei 94 ºC für 3 min;

2) 35 Zyklen mit:

⇒ Denaturierung der DNA-Stränge zur Erzeugung der Matrix für Primer

und DNA-Polymerase bei 94 ºC (1 min)

⇒ Anlagerung der Primer an die komplimentären Einzelstränge bei 55 ºC

(1 min 15 sec)

⇒ Verlängerung der Primer in 5'-3'-Richtung durch Taq-DNA-Polymerase

bei 72 ºC (1 min 15 sec);

3) Abschlusszyklus bei 72 ºC (4 min);

4) 4 ºC bis zur Herausnahme der PCR-Proben.

Typisierung

Die PCR-Suspension (20 µl) wird unter Verwendung von 2 µl Restriktions-enzym Cfo1

(GIBCO BRL) und 2 µl "Storage"-Puffer bei 37 °C mindestens 2 Stunden inkubiert.

Während der Inkubation werden die DNA-Fragmente geschnitten. Anschließend erfolgt

die Trennung der DNA-Fragmente in einem 3%-igen Agarose-Ethidiumbromid-Gel.

Unter UV-Licht können die RyR1-Genotypen typisiert werden (Abb. 3.1.22).


152

- heterozygoter Defektallelträger Nn:

⇒ 3 Banden: 134 bp, 84 bp, 50 bp (links)

- homozygoter Defektallelträger nn:

⇒ 1 Bande: 134 bp (Mitte)

- homozygot normal NN:

⇒ 2 Banden: 84 bp, 50 bp (rechts).

(links außen DNA-Längenstandard)

Nn nn NN

Abb. 3.1.22: PCR-Ergebnis für die RyR1-Genotypen

Links außen (Abb. 3.1.22) läuft zur Kontrolle ein DNA-Längenstandard VIII

(Boehringer Mannheim Biochemica) mit. Insgesamt lassen sich 13 DNA-Segmente

unterscheiden:

1114 bp, 900 bp, 692, [501 bis 489] bp, 404 bp, 320 bp, 242 bp, 190 bp, 147 bp, 124 bp,

110 bp, 67 bp und [37 bis 19] bp.

Die Abbildung 3.1.23 fasst den Ablauf der PCR-Analyse schematisch zusammen.

Abb. 3.1.23: Prinzip des verwendeten RyR1-Gentestes (modifiziert nach FÖRSTER u.a.,1992 und GAISSER und HÜSING, 2000)

Ergebnisse

153

3.2 Ergebnisse

3.2.1 Muskelstoffwechseluntersuchungen3.2.1.1 Phosphorkomponenten - 31P-Magnetresonanz-Spektroskopie

Eine dramatische Veränderung der Muskelstoffwechselprozesse setzte erwartungsgemäß

im nn-Genotyp nach durchschnittlich nur 8 Minuten Halothangabe ein. Phosphokreatin,

ein wichtiger Indikator für energieverbrauchende Prozesse des Muskelstoffwechsels,

zeigte einen sehr schnellen und drastischen Konzentrationsabfall um 45 %, begleitet von

einem ebenso rasanten Absinken im pH-Niveau (Abb. 3.2.1, 3.2.2, Tab. 3.2.1).

Gleichzeitig stiegen die Konzentration von anorganischem Phosphat um 166 % sowie

die Körpertemperatur um 0,81 °C an, während sich die ATP-Konzentration verminderte.

Im Gegensatz zum nn-Genotyp veränderte sich die Stoffwechsellage der NN-Tiere sehr

langsam. Nur minimale Veränderungen konnten in der Phosphokreatin- und ATP-

Konzentration nach durchschnittlich 51 Minuten Halothangabe beobachtet werden

(Abb. 3.2.1, 3.2.2, Tab. 3.2.1). Das Niveau von anorganischem Phosphat stieg um

signifikant 86 %, während der pH-Wert auf 6,95 und die Körpertemperatur um 0,71 °C

im homozygot normalen Genotyp absank. Der heterozygote Genotyp reagierte in vivo

insgesamt intermediär zwischen den beiden homozygoten Genotypen auf die

Halothanbelastung. Phosphokreatin fiel auf 84,06 % des Ruheniveaus ab - ohne eine

signifikante Veränderung in der ATP-Konzentration oder der Körpertemperatur

hervorzurufen. Der minimale pH-Wert endete bei 6,91. Berücksichtigt man die Dauer

der Halothangabe, tendierte der heterozygote Genotyp in vivo jedoch mehr zu NN.

Zu Beginn des Versuches wurden zwischen den drei Ryanodin-Rezeptor-

Genotypen keine signifikanten Unterschiede im Muskel-pH-Wert festgestellt (Tab.

3.2.1). Im Versuchsverlauf verminderten sich pH-Wert und Phosphokreatin zumeist

gleichzeitig. Der pH-Wert erreichte seinen Tiefpunkt jedoch in den häufigsten Fällen 5-

10 Minuten später als Phosphokreatin im homozygot normalen bzw. heterozygoten

Genotyp. Bereits vor einer Konzentrationsveränderung im Phosphokreatin kann jedoch

eine pH-Absenkung vor allem im NN-Genotyp und zum Teil in den Nn-Probanden

beobachtet werden (Abb. 3.2.2). Demzufolge könnte die Energiebereitstellung zunächst

über Glukose oder/und Glykogen mit anschließender Laktatanhäufung erfolgen.

Ergebnisse

154

Tab. 3.2.1: Vergleich von Stoffwechselparametern aus der 31P-MR-Spektroskopie (PCr,

pH, ATP, Pi) sowie für die Körpertemperatur nach Halothanbelastung in Schweinen mit

unterschiedlichen RyR1-Genotypen (LSM ± SEE#)

Ryanodin-Rezeptor-1-Genotypen

Merkmal Status beiVersuchsende

NN Nn nn

in vivo 3,76 ± 4,94 a 15,94 ± 3,76 b 45,62 ± 5,82 cPCr-Abbau %

post mortem 61,76 ± 9,92 a 74,85 ± 8,79 ab 93,26 ± 10,61 b

in vivo 7,05 ± 0,01 7,05 ± 0,01 7,06 ± 0,02 pH-Start

post mortem 7,05 ± 0,03 7,05 ± 0,03 7,08 ± 0,03

in vivo 6,95 ± 0,03 6,91 ± 0,03 6,88 ± 0,04 pH-Minimum post mortem 6,86 ± 0,07a 6,64 ± 0,06 b 6,25 ± 0,07 c

in vivo +4,91 ± 3,59 a +0,39 ± 2,74 a -19,61 ± 4,23 b ATP-Verände-rung (%) post mortem +4,56 ± 7,22 a -24,07 ± 6,39 b -55,80 ± 7,72 c

in vivo 85,85 ± 32,50 ab 80,43 ± 24,75a 166,47 ± 38,31 bPi-Anstieg(%) post mortem 695,56 ± 65,29 a 643,91 ± 57,83a 415,48 ± 69,83 b

in vivo -0,71 ± 0,31 a -0,00 ± 0,24 b +0,81 ± 0,34 cKörper-temperatur (°C) post mortem -0,24 ± 0,71 a +2,75 ± 0,58 b +5,17 ± 0,62 c

in vivo 50,71 ± 3,45 a 49,16 ± 3,16 a 8,08 ± 4,37 bHalothangabe(Minuten) post mortem 41,00 ± 9,12 a 40,50 ± 7,89 a 10,00 ± 9,12 b

in vivo 21 25 13n

post mortem 3 4 3

#) Unterschiedliche Buchstaben innerhalb einer Zeile kennzeichnen Signifikanz (p ≤ 0,05).

In den (homozygoten) Defektallelträgern sind hingegen keine zeitlichen

Verschiebungen zwischen pH-Absenkung und Phosphokreatinabbau zu verzeichnen.

Der durch die Halothanbelastung hervorgerufene Energiesog führt zu einem nahezu

gleichzeitigen Verbrauch aller verfügbaren Ressourcen wie Glykogen, Glukose und

Ergebnisse

155

Phosphokreatin. Wenn diese Ressourcen stark abgenommen haben und nicht mehr

regeneriert werden können, sinkt auch die ATP-Konzentration.

- NN-- NN- - Nn -- Nn - - nn -- nn -

Abb. 3.2.1: Beispiel für den zeitlichen Verlauf der 31P-MR-Spektroskopie inunterschiedlichen RyR1-Genotypen (modifiziert nach Scholz et al., 1995)

Zusätzlich zum Experiment in vivo (Abb. 3.2.1, 3.2.2) wurde der

Muskelstoffwechsel bei 10 Probanden (3 NN - 4 Nn - 3 nn) nach einer Überdosierung

von Halothan post mortem (nach dem Einstellen der Atmung) weiterbeobachtet (Abb.

3.2.3). Spätestens eine Stunde nach Beendigung der Halothanadministration oder nach

dem völligen Abbau von Phosphokreatin wurde das Experiment beendet.

Das Phosphokreatinniveau verminderte sich im NN-Genotyp langsamer als in den

beiden anderen Genotypen. Eine Stunde nach Beendigung der Halothanzufuhr war

Phosphokreatin (fast) vollständig im homozygot „defekten“ Genotyp aufgebraucht.

Anorganisches Phosphat (Pi) erreichte ein Plateau. Überraschenderweise stieg post

mortem die Konzentration des anorganischen Phosphats im homozygot normalen

Genotyp jedoch stärker als in den Defektallelträger-Genotypen an (Tab. 3.2.1, Abb.

3.2.3). Diese Reaktion könnte eine Erklärung für die höhere Kapazität in der Ca2+-

Kompensation des „normalen“ Genotyps sein. Anorganisches Phosphat ist ein

“Feedback”-Regulator für die Ca2+-ATPase-Pumpe und hilft post mortem die

Speicherung von Ca2+ im sarkoplasmatischen Retikulum anzuregen bzw.

aufrechtzuerhalten (NEWBOLD and TUME, 1981).

Ergebnisse

156

01020

30405060

7080

10Halothangabe: Start

20 30 40 50 60 70Ende

80 90 100 110 120 Minuten

6,94

6,98

7,02

7,06

7,10

7,14

pH

Pi PCr Temperatur °C ATP pH-NN-INTERNE

EINHEITEN

0

10

20

30

40

50

60

0 10Halothangabe: Start

20 30 40 50 60 70 80 Minuten6,90

6,94

6,98

7,02

7,06

7,10

pH

Ende

-Nn-INTERNE

EINHEITEN

0

10

20

30

40

50

60

70

10Halothan: Start Ende

20 30 40 50 60 Minuten6,70

6,756,80

6,856,90

6,957,00

7,057,10

7,15

pH

-nn-INTERNE

EINHEITEN

Abb. 3.2.2: Beispiel für die Veränderung der Stoffwechselsituation in vivo nachHalothanbelastung in unterschiedlichen RyR1-Genotypen (modifiziert nach SCHOLZ etal., 1995)

Ergebnisse

157

0

10

20

30

40

50

60

10Halothangabe: Start

20 30 40 50 60 70Ende

80 90 100 110 120 Minuten6,75

6,80

6,85

6,90

6,95

7,00

7,05

pH

Pi PCr ATP Temperatur °C pH-NN-INTERNE

EINHEITEN

0

10

20

30

40

50

60

Halothangabe: Start20 30 40 50 60 70 80 90 100 110 Minuten

6,356,456,556,656,756,856,957,057,15

pH

Ende10

-Nn-INTERNE

EINHEITEN

0

10

20

30

40

50

60

6,20

6,40

6,60

6,80

7,00

7,20

pH

10 20 30 40 50 60 70 Minuten

Halothangabe: Start Ende

-nn-

INTERNE

EINHEITEN

Abb. 3.2.3: Beispiel für Stoffwechselveränderungen post mortem im Vergleich der dreiRyR1-Genotypen (modifiziert nach SCHOLZ et al., 1995)

Ergebnisse

158

Die heterozygoten Schweine reagierten intermediär auf die Halothanbelastung für

alle Merkmale, die post mortem analysiert wurden. Die Differenzen zwischen Nn und

NN waren signifikant für das pH-Minimum, die ATP-Konzentration- und die

Körpertemperaturveränderung - aber nicht signifikant für den Phosphokreatinabbau, den

Pi-Anstieg sowie für die Dauer der Halothangabe. Generell waren die Unterschiede

zwischen den drei Ryanodin-Rezeptor-1-Genoytpen post mortem größer als in vivo. Das

pH-Minimum, die ATP- und die Körpertemperaturveränderung sind dabei

hervorzuheben (Tab. 3.2.1).

Obwohl zwischen den RyR1-Genotypen für den ”Ruhestoffwechsel” (pH-Wert zu

Beginn des Experiments à pH-Start) keine Unterschiede festgestellt werden konnten

(Tab. 3.2.1), waren beim Vergleich der Linien Duroc, Hampshire, Landrasse, Poland

China x Landrasse und Spotted pH-Start-Differenzen mit dem höchsten Wert für

Spotted (alle Nn) zu verzeichnen. Die Linie Spotted reagierte auf die Halothangabe am

deutlichsten mit einem starken Absinken von PCr, ATP und pH bei einem parallelen

Anstieg von Pi sowie der Körpertemperatur. Im Gegensatz wurde der geringste

Rückgang im Phosphokreatin (~39 %) gekoppelt mit dem niedrigsten pH-Minimum

(6,696 ± 0,044) für Hampshire gemessen. Die Differenz zwischen pH-Start und pH-

Minimum war jedoch bei Spotted mit ∆pH = 0,405 am größten (Tab. 3.2.2).

Die extreme Reaktion von Spotted überraschte, da diese Linie - bei nicht

signifikanten Unterschieden im Volumen der Mm. longissimi dorsi – nach „Duroc x

Minzhu“ die stärkste Fettauflage besaß (Kapitel 3.2.2.1: Tab. 3.2.6). Da alle

untersuchten Probanden der Linie Spotted heterozygot im RyR1-Genotyp waren, liegt

hier eine dominante Wirkung des Defektallels oder eine Kopplung mit einem weiteren

Stressanfälligkeit und Körperzusammensetzung beeinflussenden Genort im Bereich des

Möglichen. Die im statistischen Modell enthaltenen Linieneffekte berücksichtigen

jedoch bereits den Einfluss von RyR1-Genotyp, Geschlecht, Zustand bei Versuchsende

sowie die Interaktion zwischen Zustand bei Versuchsende und RyR1-Genotyp. Weitere,

speziell die Körperzusammensetzung beeinflussende Genorte und Mechanismen werden

im Kapitel 4.2 diskutiert, während im Kapitel 4.1 näher auf die Wirkungsweise der

verschiedenen Ryanodin-Rezeptor-1-Genvarianten eingegangen wird.

Ergebnisse

159

Tab. 3.2.2: Vergleich von Stoffwechselparametern aus der 31P-MR-Spektroskopie (PCr,

pH, ATP, Pi) und der Körpertemperatur nach Halothanbelastung in Schweinen mit

unterschiedlicher Rasse- bzw. Linienzugehörigkeit (LSM ± SEE#)

Duroc Hampshire Landrasse Poland China

x Landrasse

Spotted

PCr-Abfall(%)

50,34 ± 4,48 ab 39,03 ± 6,56 a 45,43 ± 6,91 ab 44,43 ± 7,67 ab 66,68 ± 9,16 b

pH- Start

7,039 ± 0,011ab 7,038 ± 0,017 ab 7,030 ± 0,018 a 7,071 ± 0,019 bc 7,109 ± 0,023 c

pH-Minimum

6,737 ± 0,030 a 6,696 ± 0,044 a 6,759 ± 0,047ab 6,845 ± 0,052 b 6,704 ± 0,062 ab

ATP-Verän-derung (%)

-11,89 ± 3,19 a -11,02 ± 4,67 a -6,94 ± 4,92 a -8,09 ± 5,46 a -35,69 ± 6,52 b

Pi-Anstieg(%)

333,02 ± 29,11 a 357,74 ± 42,65 a 264,98 ± 44,91 a 264,00 ± 49,87 a 511,38 ± 59,55 b

Körpertemp-eratur (°C)

+0,69 ± 0,23 a +0,71 ± 0,37 a +1,16 ± 0,52 a +0,49 ± 0,43 a +3,41 ± 0,53 b

Halothan(Minuten)

37,48 ± 3,41 a 40,73 ± 5,07 a 29,77 ± 8,05 ab 20,57 ± 6,36 b 22,87 ± 7,99 ab

n 29 12 14 9 5

#) Unterschiedliche Superskripts innerhalb einer Zeile kennzeichnen Signifikanz (p ≤ 0,05).

Ergebnisse

160

3.2.1.2 Kohlenstoffkomponenten - 13C-Magnetresonanz-Spektroskopie

Da in Bezug auf den RyR1-Genotypeffekt nur minimale Unterschiede in den

Ergebnissen zwischen den beiden Varianzanalyse-Modellen I (Anhang II, Tab. A13)

und II (Tab. 3.2.3) bestehen, das Modell II jedoch eine zusätzliche Berücksichtigung des

Hampshireeffekts beinhaltet, wird – wenn nicht anders gekennzeichnet - in der

nachfolgenden Ergebnisinterpretation immer das Modell II betrachtet. Speziell für das

Glykogenniveau resultierte das Modell II bei identischem Bestimmtheitsmaß bzw.

Reststandardabweichung für das Gesamtmodell (R2 = 0,84, se = 9.10) in geringeren

Standardschätzfehlern (SEE) der „Kleinsten Quadrate Mittelwerte“ (LSM).

Neben dem signifikanten Effekt des RyR1-Genotyps (p = 0,007) hatte das

Geschlecht (p = 0,0057) einen maßgeblichen Einfluss auf das „Ruhe”-Glykogenniveau.

Allein durch diese beiden Effekte wurden 41,5 % der Variation im „Ruheniveau” des

Glykogens erklärt (p = 0,0056). Der Hampshire-Genanteil zeigte keinen signifikanten

Effekt auf das „Ruhe“-Glykogenniveau. Nur in der Tendenz wiesen die Tiere mit dem

Hampshire-Genanteil (50 %) ein höheres „Ruhe“-Glykogenniveau auf als die

Tiere ohne Hampshire-Genanteil bzw. mit theoretisch 25 % Hampshire-Genanteil (Tab.

3.2.4).

Weibliche Tiere verfügten zu Beginn des Versuchs über signifikant mehr

Glykogen (74,87 ± 3,95 µmol/g) als männliche Tiere (59,04 ± 2,99 µmol/g), zeigten

nach Halothangabe jedoch nur in der Tendenz einen geringeren prozentualen

Glykogenabbau als die männlichen Tiere (-35,73 ± 4,71 % zu -44,87 ± 3,37 %). Durch

das stark voneinander abweichende Startniveau ergaben sich jedoch Differenzen im

absoluten Glykogenniveau am Ende des Versuchs mit 48,12 µmol/g für die weiblichen

Tiere und 32,54 µmol/g für die männlichen Tiere, da beide Geschlechtsgruppen fast

identisch 26,7 bzw. 26,5 µmol Glykogen je Gramm Muskelgewebe über einen Zeitraum

von ca. 130 Minuten abbauten. Die durchschnittliche Abbaurate nach ca. 25 Minuten

Halothanbelastung entsprach 0,20 µmol/g • min-1.

Drastische Veränderungen der Muskelstoffwechselprozesse nach durchschnittlich

nur 8 Minuten Halothangabe (in vivo und post mortem) traten erwartungsgemäß im

Genotyp nn auf. Die Glykogenkonzentration als ein wichtiger Indikator für

energieverbrauchende Prozesse des Muskelstoffwechsels sank schnell ab und war mit

einem leichten Anstieg von Kreatin gekoppelt, während der heterozygote Genotyp (Nn)

Ergebnisse

161

erst nach längerer Halothangabe einen starken Abfall im Glykogenniveau zeigte (Tab.

3.2.3, Abb. 3.2.4).

Tab. 3.2.3: Vergleich der Ergebnisse aus der 13C-MR-Spektroskopie für die RyR1-

Genotypen (LSM ± SEE#)

NN Nn nn

„Ruhe”-Glykogen (µmol/g)+ 72,21 ± 4,41a 73,36 ± 4,22 a 55,31 ± 3,71 b

n 7 10 10

Glykogen in vivo (%) -19,10 ± 4,36 a -35,03 ± 3,37 b -33,05 ± 3,80 b

Kreatin in vivo (%) -7,86 ± 12,74 -1,47 ± 9,83 +10,99 ± 11,09

Temperatur in vivo (°C) +0,28 ± 0,54 +1,36 ± 0,41 +1,59 ± 0,47

Halothan in vivo (min) 34,85 ± 5,28 a 21,19 ± 4,07 a 6,53 ± 4,60 b

n 6 8 7

Glykogen post mortem (%) -17,53 ± 11,56 a -73,42 ± 6,59 b -49,71 ± 10,29 ab

Kreatin post mortem (%) +24,94 ± 33,72 -41,49 ± 19,21 +18,89 ± 30,01

Temperatur post mortem (°C) -1,47 ± 1,42 a +5,00 ± 0,81b +5,85 ± 1,26 b

Halothan post mortem (min) 54,67 ± 13,98 25,98 ± 7,96 11,13 ± 12,44

n 1 2 3# Unterschiedliche Superskripts kennzeichnen Signifikanz bei p ≤ 0,05.+ Nur RYR1 und Geschlecht verblieben im Modell, bei allen anderen Merkmalen wurde derGeschlechtseffekt aufgrund fehlender Signifikanz nicht berücksichtigt.

-90

-80

-70

-60

-50

-40

-30

-20

-10

0

Veränderung von Glykogen (%)

NN

Nn

nn

in vivo post mortem (1h nach Halothan)

Abb. 3.2.4: Veränderung des prozentualen Glykogenniveaus nach Halothanzufuhr beiSchweinen unterschiedlicher RyR1-Genotypen (LSM, SEE)

Ergebnisse

162

Der Reaktionsbeginn scheint folglich von der Dauer der Halothangabe (Dosis) und

von der Anzahl der Defektallele abzuhängen. Im Gegensatz zu den Defektallelträgern

(Nn und nn) veränderte sich die Stoffwechsellage im NN-Genotyp nur sehr langsam und

ohne drastische Reaktionen in Bezug auf das Glykogenniveau.

Vorwiegend im NN-Genotyp und zum Teil bei Nn sank das Glykogenniveau auch

unabhängig von einer Veränderung im Kreatin ab (Abb. 3.2.4, 3.2.5, Tab. 3.2.3). Die

Energiebereitstellung erfolgte in diesen Fällen offenbar zuerst über Glukose bzw.

Glykogen und zeitlich leicht verzögert über Phosphokreatin. Diese Beobachtungen

bestätigen die Ergebnisse aus der 31P-Magnetresonanz-Spektroskopie (SCHOLZ et al.,

1995, Kapitel 3.2.1.1), in deren Verlauf bei einigen Tieren ein Absinken des pH-Wertes

- als direkter Indikator für den Verlauf der Glykolyse - unabhängig von einer

Konzentrationsveränderung im Phosphokreatin beobachtet werden konnte. Insgesamt

waren die Veränderungen im Kreatinniveau (Position: 157 ppm im 13C-MR-Spektrum)

in vivo nicht signifikant verschieden von Null (Tab. 3.2.3, Abb. 3.2.5) und unterlagen

großen Schwankungen. Unmittelbar nach Beginn der Halothanzufuhr stieg die

Kreatinkonzentration speziell bei einigen Tieren des Genotyps nn kurzzeitig schnell an,

was eine unverzügliche Beendigung der Halothanzufuhr nach sich zog, um den

Stoffwechsel nicht zum Entgleisen zu bringen. Dabei wurde davon ausgegangen, dass

der Kreatinanstieg einen Verbrauch von Phosphokreatin signalisierte. Unabhängig vom

zeitweiligen Anstieg der Kreatinkonzentration wird zunehmend Glykogen abgebaut

(Abb. 3.2.4, 3.2.5, 3.2.6, 3.2.7).

-80

-60

-40

-20

0

20

40

60

Veränderung von Kreatin (%)

NN

Nn

nn

in vivo post mortem (1h nach Halothan)

Abb. 3.2.5: Veränderung des prozentualen Kreatinniveaus nach Halothanzufuhr beiSchweinen unterschiedlicher RyR1-Genotypen (LSM, SEE)

Ergebnisse

163

Abbildung 3.2.6 stellt den durchschnittlichen zeitlichen Verlauf des

Glykogenabbaus für jeden RyR1-Genotyp korrigiert auf die anderen Einflussfaktoren

wie Linie (Hampshire- bzw. Pietrain-Genanteil) und Geschlecht dar. Alter und

Lebendmasse beeinflussten in den untersuchten Tieren den Glykogenabbau nicht

signifikant. Vom durchschnittlichen Verlauf können die individuellen Verläufe

abweichen, da einzelne Probanden in vivo nach Belastungsreaktion und Beendigung der

Halothangabe wieder das Ausgangsniveau (Ruhezustand) in den beobachteten

Merkmalen erreichten. Insbesondere im Genotyp nn ist nicht auszuschließen, dass diese

Tiere bereits während der „Ruhespektren”-Aufnahme (ohne Halothangabe) Anzeichen

einer Stressreaktion zeigten, da der „Ruhe”-Glykogengehalt (µmol/g) bereits signifikant

unter dem der beiden anderen Genotypen lag (Tab. 3.2.3).

Die Ergebnisse der Untersuchungen, die post mortem weiter geführt wurden,

lassen aufgrund der geringen Tierzahl keine eindeutigen Schlussfolgerungen zu

(Anhang II, Tab. A14), bestätigen in der Tendenz aber die Ergebnisse aus der Analyse in

vivo und decken sich für die Körpertemperaturveränderung mit den Ergebnissen aus der31P-MR-Spektroskopie (Tab. 3.2.3).

Bei der Gegenüberstellung der Stoffwechselreaktionen der verschiedenen

Hamphire-Genanteile (Tab. 3.2.4) wird deswegen auf einen Vergleich von in vivo und post

mortem erzielten Ergebnissen verzichtet. Die dargestellten Ergebnisse sind die Kleinsten

Quadrate Mittelwerte unter Berücksichtigung aller im Modell II (Kapitel 3.1.1.2)

dargestellten Effekte und Kovariablen.

Da in der Gruppe mit dem höchsten Hampshire-Genanteil (50 %) die

Wahrscheinlichkeit für das Vorhandensein des RN --Allels am größten ist, verzeichnete

diese Gruppe erwartungsgemäß den geringsten Glykogenabbau, obwohl tendenziell die

Körpertemperatur am stärksten anstieg. Beim Vergleich der drei Hampshire-

Genanteilgruppen lässt sich jedoch - im Gegensatz zur in Abbildung 3.1.7 dargestellten

linearen Abhängigkeit - keine lineare Beziehung zwischen Glykogenabbau und

Hampshire-Genanteil feststellen. Die Gruppen mit 0 % bzw. 25 % Hampshire-

Genanteilen unterschieden sich nicht im Glykogenabbau. Dieses Ergebnis lässt auf die

Abwesenheit des RN--Allels in den Gruppen mit 0 % bzw. 25 % Hampshire-

Genanteilen schließen (Tab 3.2.4).

Im Vergleich zum Modell II wurden im Modell I nicht die Hampshire- und

Pietrain-Genanteile, sondern die Effekte der vier Kreuzungslinien in das Modell

Ergebnisse

164

einbezogen. In Übereinstimmung mit dem Modell II verläuft der Glykogenabbau auch

im Modell I bei der Kreuzungsherkunft mit 50 % Hampshire-Genanteil am langsamsten,

während die beiden anderen Herkünfte mit jeweils 25 % Hampshire-Genanteilen (50 %

Duroc bzw. DHLSY) einen schnelleren Glykogenabbau aufweisen. Am schnellsten wird

Glykogen jedoch in der Linie Spotted (ohne Hampshire-Genanteil) abgebaut (Abb.

3.2.8, siehe auch Tab. 4.1.2).

Beginn der Halothangabe

Abb. 3.2.6: Zeitlicher Verlauf des absoluten Glykogenabbaus (µmol/g) nachHalothanbelastung in verschiedenen RyR1-Genotypen in vivoNach dem Beginn der Halothanzufuhr ab der 20. Minute betrug die durchschnittliche Dauer derHalothangabe für NN = 34,85, Nn = 21,19 und nn = 6,53 Minuten (Tab. 3.2.3).

Tab. 3.2.4: Vergleich der Ergebnisse aus der 13C-MR-Spektroskopie in Abhängigkeit

vom Hampshire-Genanteil (LSM ± SEE#)

Ha 0 % Ha 25 % Ha 50 %(4 Nn/ 7 nn) (3NN/ 4 Nn/ 2 nn) (4 NN/ 2 Nn/ 1nn)

„Ruhe”-Glykogen (µmol/g) 66,70 ± 4,36 65,44 ± 4,25 68,90 ± 4,85

Glykogen (%) -44,74 ± 4,45 ab° -48,50 ± 4,79 b -20,68 ± 9,47 a*

Kreatin (%) +15,93 ± 13,01 -6,16 ± 28,55 -16,36 ± 14,03

Temperatur (°C) +1,29 ± 0,55 +1,79 ± 0,59 +2,90 ± 1,21

Halothan (min) 23,02 ± 4,29 26,63 ± 4,19 22,53 ± 4,79

End-Glykogen (µmol/g) +) 36,86 33,70 54,65

n 11 9 7#) Unterschiedliche Superkripts kennzeichnen Signifikanz bei p ≤ 0,05Werte mit ° und * überschreiten das Signifikanzniveau minimal (p ≤ 0,07).+) berechnet aus „Ruhe”-Glykogengehalt und Glykogenabbau %

Ergebnisse

165

Abb

. 3.2

.7: B

eisp

iel f

ür d

en z

eitli

chen

Ver

lauf

der

13C

-MR

-Spe

ktre

n vo

n Sc

hwei

nen

unte

rsch

iedl

iche

r RyR

1-G

enot

ypen

(je

wei

ls 2

Spe

ktre

n ad

dier

t)

C1-

Gly

koge

nK

reat

in

Ergebnisse

166

70

60

50

40

30

20

10

0

62,5 % Duroc ≥50 % Hampshire DHLSY ≥50 % Spotted

Abb. 3.2.8: Glykogenabbau in unterschiedlichen Kreuzungsherkünften (Modell I)

Ergebnisse

167

3.2.2 Körperzusammensetzung

3.2.2.1 MRT-Lebendmassegruppe bis 20 kg

Bereits bei den jungen Versuchstieren mit durchschnittlich 53,69 Lebenstagen bei einem

durchschnittlichen Gewicht von 12,37 kg bestehen Unterschiede im Volumen der Mm.

longissimi dorsi zwischen den drei RyR1-Genotypen. Der nn-Genotyp verfügt bei

gleichzeitig niedrigstem Fett-zu-Muskel-Verhältnis in dem 2,45 cm MR-Abschnitt mit

50,96 cm³ über signifikant mehr Muskelvolumen als die beiden anderen Genotypen NN

und Nn. Keine signifikanten Unterschiede existieren im Volumen der Fettauflage über

der analysierten Mm.l.d.-Region, wobei auch hier überraschenderweise der nn-Genotyp

in der Tendenz die stärkste Fettauflage aufweist (Tab. 3.2.5).

Tab. 3.2.5: Volumen der Mm. longissimi dorsi und des darüber liegenden Fettes sowie

Fett-zu- Muskel-Verhältnis in einem 2,45 cm MRT-Abschnitt von Schweinen mit

unterschiedlichen RyR1-Genotypen

(LSM ± SEE#); korrigiert auf einheitliche Lebendmasse von 12,42 kg bei einem Alter von 53,78

Lebenstagen)

NN Nn nn

Volumen Mm.l.d. (cm³) 41,62 ± 1,57a 42,89 ± 1,32a 50,96 ± 2,06 b

Fett-Volumen (cm³) 16,19 ± 0,58 16,68 ± 0,48 17,39 ± 0,76

Fett-zu-Muskel-Verhältnis 0,397 ± 0,017a 0,367 ± 0,014ab* 0,327 ± 0,022 b°

n 37 46 28#) Werte mit unterschiedlichen Buchstaben innerhalb einer Zeile sind signifikant verschieden (p ≤ 0,05).

Differenzen zwischen Werten mit * und ° überschreiten die Signifikanzschwelle minimal (p ≤ 0,0874)

Zwischen den Geschlechtergruppen bestehen geringfügige Unterschiede in der

Körperzusammensetzung. Die intakten männlichen Tiere (n = 29) haben eine geringere

Fettauflage (16,58 ± 0,84 cm3) als die weiblichen Tiere (n = 63; 17,22 ± 0,54 cm3) bzw.

die männlichen Kastraten (n = 19; 18,05 ± 0,91 cm3). Im Muskelvolumen liegen

minimal die weiblichen Probanden mit 45,86 ± 1,27 cm3 vor den männlichen Tieren

(44,95 ± 1,97 cm3) bzw. den männlichen Kastraten (44,65 ± 2,16 cm3). Tendenziell

weisen jedoch die männlichen intakten Tiere ein geringeres Fett-zu-Muskel-Verhältnis

(0,345 ± 0,020) im Vergleich zu den weiblichen Schweinen (0,366 ± 0,014) und den

männlichen Kastraten (0,380 ± 0,023) auf.

Ergebnisse

168

Vergleicht man die unterschiedlichen Rassen bzw. Rassekombinationen, ergibt

sich das in Tabelle 3.2.6 dargestellte Bild. Am stärksten verfettet sind erwartungsgemäß

die Kreuzungsprodukte aus „Duroc x Minzhu“ - gefolgt von den Tieren der Linie

„Spotted“. Das Fett-zu-Muskel-Verhältnis spiegelt nicht komplett die Relationen

wieder, die sich aus den „Kleinsten-Quadrate-Mittelwerten“ für das Muskel- und

Fettvolumen ergäben, da das Modell für das Merkmal Fett-zu-Muskel-Verhältnis

aufgrund nicht signifikanter Beziehungen zu Körpermasse und Alter nur den RyR1-

Genotyp, das Geschlecht und die Linie bzw. Rasse enthält. Die magersten Tiere

stammen demzufolge aus der US-Landrasse, der Kreuzungslinie „DHLSY“, der Linie

„Hampshire“ bzw. „Poland China x Landrasse“. Einen mittleren Verfettungsgrad weist

die Linie „Duroc“ auf.

Tab. 3.2.6: Körperzusammensetzung von Schweinen unterschiedlicher Zuchtrichtung in

einem 2,45 cm MRT-Abschnitt

(LSM ± SEE#); korrigiert auf einheitliche Lebendmasse von 12,42 kg bei einem Alter von 53,78

Lebenstagen)

> 50 %Duroc(Du)

≥ 50 % US-Hampshire

(Ha)Landrasse

(LR)

PolandChina

(PCh) xLR

DHLSY $)

≥ 50 %Spotted

(S)

Du xMinzhu

(Mz)

VolumenMm.l.d.(cm³)

43,16

± 1,44

46,17

± 2,14

48,24

± 3,21

45,99

± 1,92

47,82

± 3,40

44,74

± 3,54

39,97

± 4,18

Fett-Volumen(cm³)

16,07

± 0,54 a13,79

± 0,78 b12,56

± 1,17 b14,36

± 0,73 ab

13,74

± 1,27 ab

20,85

± 1,28 c25,89

± 1,71 d

Fett-zu-Muskel-Verhältnis♦

0,383

± 0,015 a0,318

± 0,023 bc

0,322

± 0,035 bc

0,353

± 0,020 b0,254

± 0,037 c0,462

± 0,038 a0,454

± 0,033 a

n 39 17 8 27 6 6 8

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0.05).$) 25 % Du, 25 % Ha, 25 % LR, 12,5 % S, 12,5 % Yorkshire♦ Das Fett-zu-Muskel-Verhältnis wurde nicht auf Alter und Körpermasse korrigiert (Kapitel 3.1.2.1.1), dakeine signifikante lineare Beziehung zwischen den Merkmalen bestand.

Ergebnisse

169

3.2.2.2 MRT-Lebendmassegruppen 30 kg, 60 kg, 90 kg

Verschiedene Volumenmaße am Schinken und im Thoraxbereich des Schweins dienten dem

Vergleich der Bemuskelung bzw. des Verfettungsgrades der drei RyR1-Genotypen bei 30, 60

und 90 kg Lebendmasse. Die Volumenmaße von Schinkenmagergewebe (SMGV) und

korrespondierender Fettauflage (SFETTV) sowie das Gesamtvolumen (SGV) im Bereich der

Hintergliedmaßen/Becken resultieren aus der Aufnahme von 15 aufeinanderfolgenden

Schnittbildern mit einer Schnittdicke von 1 cm (ohne Zwischenraum) beginnend am äußeren

Schwanzansatz in kranialer Richtung. Die Messwerte für das Volumen der beiden Mm.

longissimi dorsi und des darüber liegenden Fettes ergeben sich aus der Aufnahme von 10

aufeinanderfolgenden Schnittbildern beginnend am 14. Brustwirbel in kranialer Richtung

(Abb. 3.1.12).

Erwartungsgemäß verfügen die homozygoten Defektallelträger für den RyR1-Genort

über ein größeres Muskelvolumen und eine reduzierte Fettauflage sowohl an der

Schinkenmessstelle als auch im Thoraxbereich (Mm.l.d.), woraus jeweils das niedrigste

(erwünschte) Fett-zu-Magergewebe-Verhältnis folgt. In allen Gewichtsgruppen - mit

Ausnahme der vergleichsweise niedrigsten Werte für das Fettauflagevolumen am Schinken

und das Schinkengesamtvolumen in der 90 kg Gruppe bzw. des vergleichsweise höchsten

Wertes für das Schinkengesamtvolumen in der 60 kg Gruppe - liegt der heterozygote Genotyp

zwischen den beiden homozygoten Genotypen.

Da die Tierzahl und die Zusammensetzung der Tiergruppen in jeder Gewichtsgruppe

aufgrund der Stufenschlachtung variiert, ergeben sich unterschiedlich hohe Differenzen

zwischen den Genotypen. Am aussagekräftigsten für den Vergleich der RyR1 -Genotypen sind

die Werte aus der 30 kg Gruppe bzw. der „Referenzgruppe“, die alle Tiere (n = 47) umfassen.

In der Referenzgruppe ist darauf hinzuweisen, dass ein männlicher Kastrat der Hampshire-

Linie (nn) während des Versuchszeitraumes (nach der DXA-Analyse bei 60 kg) verendete

und nicht mehr bei 60 kg (lebend) tomographiert werden konnte. Für dieses Tier liegen

folglich MRT-Ergebnisse nur in der 30 kg Gruppe vor.

Ergebnisse

170

30 kg Gruppe

Tab. 3.2.7: Volumen des Schinkenmagergewebes (einschließlich Knochen) (SMGV) und des

darüber liegenden Fettes (SFETTV) sowie des gesamten Schinkens (SGV) und das Fett-zu-

Muskel-Verhältnis (SFMV) in einer 15 cm MRT-Region für Schweine mit unterschiedlichen

RyR1-Genotypen bei ca. 30 kg Lebendmasse (LSM ± SEE #)

n SMGV (cm3) SFETTV (cm3) SFMV SGV (cm³)

NN 16 3560,82 ± 66,84 a* 801,52 ± 27,25 a 0,224 ± 0,008 a 4362,34 ± 67,36 a

Nn 22 3710,38 ± 47,15 ab° 772,52 ± 19,23 ab* 0,209 ± 0,006 a 4482,89 ± 47,52 ab

nn 9 3881,09 ± 80,97 b 704,32 ± 33,02 b° 0,184 ± 0,010 b 4585,40 ± 81,60 b

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05). Differenzen zwischen den Werten mit * und °überschreiten das Signifikanzniveau nur minimal mit p ≤ 0,075.

Tab. 3.2.8: Volumen der Mm. longissimi dorsi (MLDV) und des darüber liegenden Fettes

(FETTV) sowie das Fett-zu-Muskel-Verhältnis (FMV) in einer 10 cm MRT-Region für

Schweine mit unterschiedlichen RyR1-Genotypen bei ca. 30 kg Lebendmasse (LSM ± SEE #)

n MLDV (cm3) FETTV (cm3) FMV

NN 16 285,12 ± 13,95 a 117,96 ± 6,79 a 0,44 ± 0,03 a

Nn 22 291,72 ± 9,84 a 95,36 ± 4,79 b 0,34 ± 0,02 b

nn 9 332,98 ± 16,90 b 91,21 ± 8,22 b 0,28 ± 0,04 b

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).

Ergebnisse

171

60 kg Gruppe

Tab. 3.2.9: Volumen des Schinkenmagergewebes (einschließlich Knochen) (SMGV) und des




n SMV (cm3) SFETTV (cm3) SFMV SGV (cm³)

NN 14 6668,91 ±137,79 * 1587,72 ± 58,78 a 0,239 ± 0,010 a 8256,63 ±141,09

Nn 11 6949,17 ±112,30 1519,33 ± 47,90 ab 0,222 ± 0,008 a 8468,50 ±114,98

nn 6 7029,44 ±192,42 ° 1372,27 ± 82,08 b 0,199 ± 0,014 b 8401,70 ±197,03

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05). Differenzen zwischen den Werten mit * und ° überschreiten das Signifikanzniveau nur minimal mit p < 0,078.





NN 14 549,68 ± 32,43 * 324,77 ± 21,49 a 0,62 ± 0,05 a

Nn 11 626,28 ± 26,43 ° 310,36 ± 17,51 a 0,53 ± 0,04 a

nn 6 636,90 ± 45,28 ° 220,10 ± 30,01 b 0,37 ± 0,06 b

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).Differenzen zwischen den Werten mit * und ° überschreiten das Signifikanzniveau nur minimal mit p ≤ 0,071.

Ergebnisse

172

90 kg Gruppe

Tab. 3.2.11: Volumen des Schinkenmagergewebes (einschließlich Knochen) (SMV) und des




n SMV (cm3) SFETTV (cm3) SFMV SGV (cm³)

NN 6 8479,59 ±147,55 a 1950,26 ±131,78 0,229 ± 0,015 10429,87 ±185,83 a

Nn 6 8529,31 ±148,38 a 1754,20 ±132.53 0,207 ± 0,015 10283,50 ±186,88 a

nn 5 9693,47 ±274,62 b 1829,41 ±245,28 0,188 ± 0,028 11522,88 ±345,87 b






NN 6 772,58 ± 26,77 a 416,43 ± 43,85 a 0,55 ± 0,06 a

Nn 6 775,38 ± 26,92 a 372,26 ± 44,10 ab 0,49 ± 0,06 a

nn 5 941,39 ± 49,83 b 209,61 ± 81,62 b 0,15 ± 0,11 b


Ergebnisse

173

Referenztiere (26,4 kg bis 97,2 kg)

Analysiert man die Messwerte der 47* Tiere (30 kg: 2 x NN, 11 x Nn, 2 x nn; 60 kg: 8 x NN,

5 x Nn, 2 x nn*; 90 kg: 6 x NN, 6 x Nn und 5 x nn), die unmittelbar nach MR-Tomographie

und DXA-Untersuchung für die Referenzzerlegung und chemische Analyse verwendet

wurden, ergibt sich das gleiche Bild wie bei den Auswertungen getrennt nach

Lebendmassegruppen. Der heterozygote Genotyp liegt für alle Merkmale zwischen den

beiden homozygoten Genotypen. Bei einem durchschnittlichen Lebensalter von 122,06 Tagen

betrug die durchschnittliche Lebendmasse zum Zeitpunkt der MR-Tomographie 62,8 kg,

während das durchschnittliche Schlachtalter bei 125,23 Lebenstagen und 63,72 kg

Lebendmasse lag.

Tab. 3.2.13: Volumen des Schinkenmagergewebes (einschließlich Knochen) (SMV) und des



RyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse (LSM ± SEE #)

(korrigiert auf eine durchschnittliche Lebendmasse von 62,8 kg und 122,06 Lebenstage)

n SMV (cm3) SFETTV (cm3) SFMV SGV (cm3)

NN 16 6292,57 ±147,04 a 1490,79 ± 63,63 a 0,232 ± 0,010 a 7783,36 ±158,81

Nn 22 6498,39 ±103,92 ab 1384,81 ± 44,97 ab 0,218 ± 0,007 a 7883,19 ±112,23

nn 9 6796,14 ±175,28 b 1266,41 ± 75,86 b 0,190 ± 0,011 b 8062,55 ±189,30


* 1 männlicher Kastrat der Hampshire-Linie (nn) verendete vor der MR-Tomographie bei 60 kg, wurde aber bei30 kg tomographiert und bei 60 kg mittels DXA untersucht und anschließend zerlegt sowie chemisch analysiert.

Ergebnisse

174



Schweine mit unterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse

(LSM ± SEE #)



NN 16 524,08 ± 26,50 a 295,41 ± 21,43 a 0,548 ± 0,044 a*

Nn 22 591,98 ± 18,73 b 261,48 ± 15,15 a 0,446 ± 0,031 a*

nn 9 640,17 ± 31,59 b 198,21 ± 25,55 b 0,314 ± 0,053 b

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05). Differenzen zwischen den Werten mit * und ° überschreiten das Signifikanzniveau nur minimal mit p ≤ 0,072.

Schlachtkörperanalyse - Chemische Körperzusammensetzung und Schlachtkörpermaße

(30 - 90 kg Gruppen)

Die Ergebnisse der chemischen Analyse bzw. der Schlachtkörperzerlegung decken sich mit

den Resultaten aus der MR-Tomographie. Der heterozygote Genotyp liegt sowohl für die

Parameter aus der chemischen Analyse (Tab. 3.2.15) als auch für die Parameter aus der

Schlachtkörperanalyse (Tab. 3.2.16 – 3.2.19) zwischen den beiden homozygoten Genotypen.

Tab. 3.2.15: Chemische Körperzusammensetzung für Schweine mit unterschiedlichen RyR1-

Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse (LSM ± SEE #)


n Fett (%) Magergewebe (%)*) Protein (%)

NN 16 23,96 ± 0,88 a 72,51 ± 0,78 a 16,71 ± 0,44

Nn 22 22,18 ± 0,63 a 73,81 ± 0,55 a 17,35 ± 0,31

nn 9 19,60 ± 1,06 b 76,79 ± 0,93 b 17,72 ± 0,52

#) Kleinste Quadrate Mittelwerte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).*) Magergewebe (%) = Wasser (%) + Protein (%)

Ergebnisse

175

Tab. 3.2.16: DXA-Körperzusammensetzung für Schweine mit unterschiedlichen RyR1-

Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse, bei einer durchschnittlicher DXA-

Lebendmasse von 63,06 kg (124,85 Lebenstage) (LSM ± SEE #)

n DXA-Fett DXA-Fett DXA-Magergewebe DXA-Magergewebe (%) (kg) (%) (kg)

NN 16 16,54 ± 0,87 a 11,76 ± 0,72 a 81,93 ± 0,86 49,91 ± 0,71 a

Nn 22 14,98 ± 0,61 ab 10,27 ± 0,51 ab 82,54 ± 0,61 51,35 ± 0,50 ab

nn 9 13,42 ± 1,03 b 8,92 ± 0,85 b 83,98 ± 1,03 52,72 ± 0,85 b

#) Kleinste Quadrate Mittelwerte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).

Tab. 3.2.17: Kotelettfläche, Rückenspeckfläche und Speck-zu-Muskelverhältnis (FMR) für

Schweine mit unterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse

(LSM ± SEE #)


n Kotelett (cm2) Rückenspeck (cm2) FMR

NN 16 32,75 ± 1,42 a 19,90 ± 1,08 a 0,616 ± 0,040 a*

Nn 22 33,23 ± 1,01 a 16,59 ± 0,77 b 0,516 ± 0,028 ab*°

nn 9 37,08 ± 1,69 b 14,31 ± 1,29 b 0,418 ± 0,048 b°

#) Kleinste Quadrate Mittelwerte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).

*Differenzen zwischen Werten mit * und ° überschreiten das Signifikanzniveau nur minimal mit p ≤ 0,065.

In den Teilstückgewichten liegt der heterozygote Genotyp zwar ebenfalls zwischen den

beiden homozygoten Genotypen, allerdings gibt es teilweise eine Verschiebung in der

Rangierung zwischen den homozygoten Genotypen. Während die homozygoten

Defektallelträger das höchste Schinken- und Schultergewicht aufweisen, verfügt der

homozygot normale Genotyp bedingt durch den höheren Fettanteil über die höchsten Blatt-,

Rücken- und Bauchgewichte (Tab. 3.2.18).

Ergebnisse

176

Tab. 3.2.18: Schinken-, Schulter-, Blatt- und Rückengewicht für Schweine mit

unterschiedlichen RyR1-Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse (LSM ± SEE #)


n Schinken (kg) Schulter (kg) Blatt (kg) Rücken (kg) Bauch (kg)

NN 16 6,47 ± 0,11 a* 4,48 ± 0,11 a 3,46 ± 0,13 a 5,11 ± 0,11 * 4,15 ± 0,10 a

Nn 22 6,73 ± 0,08 a° 4,66 ± 0,07 ab* 3,36 ± 0,09 a 4,89 ± 0,08 3,89 ± 0,07 b

nn 9 7,25 ± 0,14 b 4,91 ± 0,13 b° 2,93 ± 0,15 b 4,79 ± 0,13 ° 3,77 ± 0,11 b

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05). Differenzen zwischen Werten mit * und ° überschreiten das Signifikanzniveau nur minimal mit p ≤ 0,075.

Zusätzlich zu den Teilstückgewichten wurden die Gewichte einzelner Körperorgane erfasst

(Tab. 3.2.19). In allen Fällen liegen die Organgewichte des homozygoten Defektallel-

Genotyps unter den Gewichten der beiden anderen Genotypen. Das trifft auch für die nicht in

der Tabelle aufgeführten Gewichte des Gastrointestinaltraktes einschließlich Lunge mit

6,22 ± 0,30 kg für nn, 6,89 ± 0,18 kg für Nn und 7,32 ± 0,25 kg für NN zu.

Tab. 3.2.19: Leber-, Herz- und Nierengewichte für Schweine mit unterschiedlichen RyR1-

Genotypen zwischen 26,4 bis 97,2 kg Lebendmasse (LSM ± SEE #)


n Leber (kg) Herz (kg) Niere (kg)

links rechts

NN 16 1,77 ± 0,06 a 0,296 ± 0,012 0,172 ± 0,007 a 0,163 ± 0,007 a

Nn 22 1,78 ± 0,04 a 0,308 ± 0,009 0,165 ± 0,005 a 0,158 ± 0,005 a

nn 9 1,47 ± 0,07 b 0,287 ± 0,015 0,146 ± 0,008 b 0,136 ± 0,008 b


Ergebnisse

177

3.2.2.3 Genauigkeit der MR-Tomographie

Zur Überprüfung der Genauigkeit der Ergebnisse aus beiden MRT-Versuchen (4,7 Tesla1H-„Oberflächen“-Tomographie der Thoraxregion bei ca. 10 kg Lebendmasse – Versuch

1 und 1,5 Tesla 1H-„Ganzkörper“-Tomographie bei 30 - 90 kg Lebendmasse – Versuch

2) dienten die korrespondierenden Referenzwerte aus der Stufenschlachtung.

Regressionskoeffizienten zwischen den Einzelmerkmalen und die entsprechenden

Standardschätzfehler beschreiben die gemeinsame Variation der beiden Messmethoden.

Zusätzlich zu den gemessenen MR-Volumina im Schinken- bzw. Thoraxbereich wurde

der Volumenanteil bezogen auf die aktuelle Lebendmasse in cm³/kg berechnet (Tab.

3.2.20). Im Versuch 2 stehen sowohl der Schlachtkörperfettanteil (%) als auch der

Schlachtkörpermagergewebeanteil (%) in engster Beziehung zum MR-Fettauflage-

volumen im Thoraxbereich, gefolgt vom Fettauflagevolumen im Schinkenbereich. Im

Versuch 1 korreliert hingegen das MR-Fett-zu-Muskelverhältnis am höchsten mit dem

Schlachtkörperfettanteil bzw. –magergewebeanteil (jeweils in %). Außerdem weist das

MR-Schinkenmagervolumen (cm³) gefolgt vom MR-Mm.l.d.-Volumen die engste

Beziehung zur Schlachtkörpermager- und Proteinmasse (g) auf, während die

entsprechenden Fettauflagevolumina am stärksten mit der Schlachtkörperfettmasse (g)

korrelieren. Kein MR-Volumenmesswert ist hoch mit dem Schlachtkörper-Proteinanteil

(%) korreliert. Allein das Fett-zu-Muskel-Verhältnis im Thoraxbereich weist eine etwas

höhere Beziehung als alle anderen Merkmale zum Proteinanteil (%) auf. Kombiniert

man beide Experimente, indem nur die gemeinsamen Merkmale aus der Thoraxregion

(Mm.l.d.) berücksichtigt werden, ergeben sich im Vergleich zu den Einzelexperimenten

leicht erhöhte Regressionskoeffizienten zwischen dem MR-Mm.l.d.-Anteil (cm³/kg) und

dem Schlachtkörperfett- bzw. –magergewebeanteil (jeweils in %). Die Ursache liegt in

der geänderten Variation der Merkmale über den gesamten Lebendmassebereich im

Vergleich zu den getrennten Lebendmasseabschnitten. Für die Kombination beider MR-

Experimente wurden die Messwerte für das Volumen der Mm. longissimi dorsi und des

Auflagefettes der 10 kg Gruppe nach der folgenden Formel an die Messwerte ab der 30

kg Gruppe angepasst:

Volumen (korrigiert) = gemessenes Volumen (Versuch 1) • 10/2,45.

Da die MR-Bilder im Versuch 1 (10 kg Gruppe) in einer auf 2,45 cm begrenzten Region

unter Einsatz einer Oberflächenspule entstanden, während im Versuch 2 eine auf 10 cm

ausgedehnte Region analysiert wurde, war diese Anpassung erforderlich. Es wurden

Ergebnisse

178

keine Korrekturfaktoren für individuelle Variationen im Muskel- und Fettvolumen

eingesetzt, da die relative schmale 2,45 cm MR-Region keine gerichtete Zunahme oder

Abnahme der Volumenmaße von Axialschnittebene 1 (14. Brustwirbel) zu

Axialschnittebene 5 in kranialer Richtung zeigte (Beispiel in Abb. 3.2.9). Die

anatomischen Gegebenheiten und das Design der Oberflächenspule verhinderten den

sinnvollen Einsatz über der Becken-/ Hintergliedmaßenregion.

y = -0,1441x + 6,0623

R2 = 0,2692

y = -0,0353x + 1,9902

R2 = 0,4818

0

1

2

3

4

5

6

7

1 2 3 4 5

Schnittebene

cm³

Mm.l.d.-Volumen Fett-Volumen

y = -0,0078x + 5,1501

R2 = 0,0634

y = 0,0035x + 2,0312

R2 = 0,0024

0

1

2

3

4

5

6

1 2 3 4 5

Schnittebene

cm³

Mm.l.d.-Volumen Fett-Volumen

Abb. 3.2.9: Beispiele für die Variation der MRT-Axialschnitt-Messwerte (1-5) innerhalbeines Tieres

Ergänzend wurden die einfachen Regressionskoeffizienten zwischen den MR-

Volumenmaßen am Rücken bzw. Schinken und den korrespondierenden

Teilstückgewichten aus der Schlachtkörperzerlegung sowie den korrespondierenden

Maßen für Kotelett- und Fettfläche am Anschnitt zwischen 13./14. Brustwirbel

berechnet. Erwartungsgemäß besteht zwischen Schinkengewicht und MR-

Schinkengesamtvolumen (n = 46, Versuch 2) mit R2 = 0,976 (√MSE = 0,424) ebenso

wie zwischen dem Rückengewicht und dem „MR-Mm.l.d.+Fettauflagevolumen“

(n = 61, Versuch „1+2“) mit R2 = 0,961 (√MSE = 0,500) eine sehr enge Beziehung. Wird

die Regressionskurve durch den Nullpunkt (x, y) geführt, ergeben sich für die

betrachteten Merkmale im Vergleich zur Regressionsanalyse ohne Restriktion bei

gleichzeitig erhöhten Standardschätzfehlern zwar leicht erhöhte Bestimmtheitsmaße,

systematische Abweichungen werden aber bei Betrachtung der Einzelmesswerte im

Vergleich zur Regressionsgeraden deutlicher. Da der definierte 15 cm „MR-

Schinkenabschnitt“ bei den 30 kg Tieren mehr Gewebe als das Schlachtkörperteilstück

„Schinken“ umfasst, liegen alle Messwerte dieser Gruppe unterhalb der

Ergebnisse

179

Regressionsgeraden, während bei den 90 kg Tieren die umgekehrte Situation eintritt

(Abb. 3.2.10). Für den „Rücken“ existiert eine ähnliche Situation (Abb. 3.2.11). Speziell

in der 10 kg Gruppe, die den Messwerten der Gruppen von 30, 60 und 90 kg angepasst

wurde, ist zu beobachten, dass die multiplikativ korrigierten Messwerte unterhalb der

Regressionsgeraden angeordnet sind. Offensichtlich führt die lineare Anpassung von

einem 2,45 cm auf einen 10 cm MR-Abschnitt zu einer Überschätzung des

Rückenanteils, während bei den 30 - 90 kg Tieren keine systematischen Abweichungen

auftreten. Die Kombination beider Versuche ist deshalb nur unter Berücksichtigung

dieser Beziehung zu interpretieren. Generell ist es schwierig, zwei voneinander

abweichende Messverfahren sinnvoll zu vereinheitlichen. Beide Verfahren beruhen

zwar auf der Magnetresonanz-Bildgebung, umfassen jedoch voneinander abweichende

Messbereiche. Außerdem diente in der 10 kg Gruppe ein Oberflächenspulensystem zur

Bilderzeugung, während für die Tiere ab 30 kg ein Ganzkörperspulensystem verwendet

wurde.

Abb. 3.2.10: Beziehung zwischen Schinkenmasse der linken Schlachthälfte (kg) unddem „Schinken“-Gesamtvolumen (cm³) aus der MR-Tomographie[R2 = 0,994, √MSE = 0,590, mit Restriktion: Interzept = 0, links (rechts ohne Restriktion:R2 = 0,976; √MSE = 0,424)]

Da mit zunehmender Körpermasse der Anteil des mittels MRT gemessenen

Rückenvolumens (Mm.l.d. + Auflagefett) am vorhandenen, gesamten Rückenvolumen

aufgrund der auf 10 cm begrenzten MR-Messregion abnimmt, resultiert die mit höheren

Teilstücksgewichten des Rückens steigende Variation zwangsläufig (Abb. 3.2.11). Für

eine exakte Bestimmung des Rückenvolumens oder anderer Teilstücke ist demnach die

MR-Messung der gesamten Teilstücke oder Organe nötig (MITCHELL et al., 1993,

Ergebnisse

180

MITCHELL et al., 2001b). Neue, auf schnelleren Computern basierende

Auswertungsverfahren werden diese sehr aufwendige Methode erleichtern.

Interzept=0 ohne Restriktion

Abb. 3.2.11: Beziehung zwischen Rückenmasse (kg) der linken Schlachthälfte und dem„Rücken“-Volumen (Mm.l.d + Auflagefett, cm³) aus der MR-Tomographie[R2 = 0.987, √MSE = 0.524; mit Restriktion: Interzept = 0, links (rechts ohneRestriktion: R2 = 0,961, √MSE = 0,500)]

Abb. 3.2.12: Beziehung zwischen Kotelettfläche (cm2) der linken Schlachthälfte (13./14.Brustwirbel) und dem „Kotelett“-Volumen (cm³) aus der MR-Tomographie (14.Brustwirbel + 10 cm in kraniale Richtung)[R2 = 0,982, √MSE = 4,149; mit Restriktion: Interzept = 0 (ohne Restriktion:R2 = 0,929, √MSE = 4,143)]

Ergebnisse

181

Analysiert man die Beziehungen zwischen MR-Kotelett- bzw. MR-Rückenspeck-

Volumen und Kotelett- bzw. Rückenspeckfläche am Schlachtkörper getrennt, ergeben

sich erwartungsgemäß ebenfalls hohe Regressionskoeffizienten für diese

Merkmalspaare (Abb. 3.2.12). Mit steigenden Körpermassen bzw. Volumen- und

Flächenmaßen nehmen die Abweichungen von der Regressionsgeraden jedoch zu, da

Kotelett- und Rückenspeckfläche am Schlachtkörperanschnitt zwischen 13./14.

Brustwirbel die zunehmende Variation der Muskel- und

Rückenspeckquerschnittsflächen in dem 10 cm MR-Volumenabschnitt nicht

wiedergeben können. (Abb. 3.2.12, 3.2.13).

Abb. 3.2.13: Beziehung zwischen Rückenspeckfläche (cm2) der linken Hälfte (13./14.Brustwirbel) und dem „Rückenspeck“-Volumen (cm³) aus der MR-Tomographie (14.Brustwirbel + 10 cm in kraniale Richtung)[R2 = 0,961; √MSE = 3,062; Restriktion: Interzept = 0; (ohne Restriktion: R2 = 0,889;√MSE = 2,704)]

Tab

. 3.2

.20:

Ver

glei

ch d

er G

enau

igke

it ve

rsch

iede

ner

MR

T-V

olum

enm

essu

ngen

in e

iner

10

cm S

ektio

n be

ider

Mm

. lon

giss

imi d

orsi

[Mm

.l.d]

und

der

ent

spre

chen

den

Fetta

ufla

ge [

Mm

.l.d-

Fett]

(V

ersu

ch 1

: 6,1

- 1

5 kg

Leb

endm

asse

[L

M],

n =

15;

Ver

such

2: 3

0 -

90 k

gL

M, n

= 4

6; V

ersu

ch 1

+2,

n =

61)

und

ein

er 1

5 cm

Sek

tion

des

Schi

nken

-Mag

erge

web

es [

Schi

nken

-Mag

.] s

owie

ent

spre

chen

der

Fetta

ufla

ge [

Schi

nken

-Fet

t] (

alle

in V

ersu

ch 2

) zu

r Sc

hätz

ung

der

chem

isch

en K

örpe

rzus

amm

ense

tzun

g (R

² und

SE

E # )

Fetta

ntei

l (%

)M

ager

gew

ebea

ntei

l (%

)Pr

otei

nant

eil (

%)

Gew

ebev

olum

en, -

ante

il

Ver

such

1

R²

(S

EE

)

Ver

such

2

R²

(S

EE

)

Ver

such

1+

2

R²

(S

EE

)

Ver

such

1

R²

(S

EE

)

Ver

such

2

R²

(S

EE

)

Ver

such

1+

2

R²

(S

EE

)

Ver

such

1

R²

(S

EE

)

Ver

such

2

R²

(S

EE

)

Ver

such

1+

2

R²

(S

EE

)

Mm

.l.d.

, cm

³0,

023

(2,

06)

0,26

0* (

4,08

)0,

556*

(3,

94)

0,01

9 (

2,49

)0,

256*

(3,

75)

0,56

4* (

3,85

)0,

001

(1,

76)

0,00

7 (

1,47

)0,

060

(1,

62)

Mm

.l.d.

, cm

³/kg

LM

0,06

6 (

2,02

)0,

190*

(4,

02)

0,47

0* (

4,31

)0,

072

(2,

42)

0,21

4* (

3,85

)0,

505*

(4,

10)

0,18

7 (

1,58

)0,

084

(1,

42)

0,00

3 (

1,67

)

Mm

.l.d.

-Fet

t, cm

³0,

449*

(1,

55)

0,86

6* (

1,74

)0,

892*

(2,

05)

0,37

7* (

1,98

)0,

827*

(1,

81)

0,84

9* (

2,39

)0,

183

(1,

59)

0,20

4* (

1,32

)0,

000

(1,

67)

Mm

.l.d.

-Fet

t, cm

³/kg

LM

0,50

1* (

1,48

)0,

657*

(2,

85)

0,54

8* (

4,25

)0,

415*

(1,

92)

0,59

6* (

2,76

)0,

480*

(4,

20)

0,14

4 (

1,63

)0,

230*

(1,

30)

0,07

7 (

1,60

)

Mm

.l.d.

-Fet

t/Mus

kel

0,63

9* (

1,25

)0,

640*

(2,

85)

0,37

3* (

4,68

)0,

566*

(1,

65)

0,59

9* (

2,75

)0,

316*

(4,

82)

0,36

9* (

1,40

)0,

253*

(1,

28)

0,17

5 (

1,52

)

Sch

inke

n-M

ager

gew

ebe,

cm

³0,

412*

(3,

64)

0,40

8* (

3,34

)0,

033

(1,

46)

Sch

inke

n-M

ag.,

cm³/

kg L

M0,

558*

(3,

15)

0,64

0* (

2,61

)0,

232*

(0,

81)

Sch

inke

n-Fe

tt, c

m³

0,78

6* (

2,20

)0,

766*

(2,

10)

0,17

7* (

1,34

)

Sch

inke

n-Fe

tt, c

m³/

kg L

M0,

011

(4,

72)

0,00

5 (

4,33

)0,

074

(1,

43)

Sch

inke

n-Fe

tt/M

ager

gew

ebe

0,26

4* (

4,07

)0,

255*

(3,

75)

0,18

4* (

1,34

)

Gew

ebev

olum

en, c

m³

Fettm

asse

(g)

Mag

erge

web

emas

se (

g)Pr

otei

nmas

se (

g)

Mm

.l.d.

0,63

5* (

0,19

)0,

602*

(3,

83)

0,76

5* (

3,43

)0,

855*

(0,

62)

0,85

0* (

5,31

)0,

920*

(5,

06)

0,86

4* (

0,12

)0,

832*

(1,

41)

0,91

1* (

1,31

)

Mm

.l.d.

-Fet

t0,

806*

(0,

14)

0,88

6* (

2,30

)0,

918*

(2,

03)

0,51

5* (

1,14

)0,

603*

(8,

51)

0,72

6* (

9,36

)0,

341*

(0,

26)

0,58

4* (

2,22

)0,

715*

(2,

35)

Mm

.l.d.

-Fet

t/Mus

kel

0,10

1 (

0,30

)0,

321*

(5,

26)

0,21

0* (

6,29

)0,

007

(1,

63)

0,07

1 (1

3,25

)0,

047

(17

,46)

0,06

2 (

0,32

)0,

067

(3,

32)

0,04

5 (

4,29

)

Sch

inke

n-M

ager

gew

ebe

0,78

4* (

2,74

)0,

979*

(1,

99)

0,94

4* (

0,81

)

Sch

inke

n-Fe

tt0,

898*

(2,

18)

0,72

6* (

7,22

)0,

677*

(1,

95)

Sch

inke

n-Fe

tt/M

ager

gew

ebe

0,03

8 (

6,17

)0,

016

(13,

69)

0,02

2 (

3,40

)

#) R

² gek

ennz

eich

net m

it ei

nem

* s

ind

sign

ifik

ant b

ei p

≤ 0

.05

(F-T

est)

, SE

E =

Sta

ndar

dsch

ätzf

ehle

r =

√M

SE =

Roo

t Mea

n S

quar

es E

rror

182

Ergebnisse

Ergebnisse

183

Zusätzlich zur linearen Regressionsanalyse der Einzelmerkmale wurde eine Stepwise-

Regressionsanalyse (für mehrere Merkmale) durchgeführt, um das beste Modell für die

Vorhersage von Fett-, Protein- und Magergewebegehalt der rechten Schlachthälfte (jeweils in

%) auswählen zu können (Tab. 3.2.21). Sowohl für den Schlachtkörperfettanteil (%) als auch

für den Schlachtkörpermagergewebeanteil (%) ergab die Kombination des MR-Fettvolumens

(cm³) mit dem korrespondierenden MR-Mm.l.d.-Volumenanteil (cm³/kg) für die

zusammengefassten Versuche „1+2“ das beste Modell. Für den Versuch 2 resultierte die

Kombination des Fettvolumens über der Mm.l.d.-Region (cm³) und des Schinken-Fett-zu-

Muskel-Verhältnisses im besten Modell für die Vorhersage des Fettgewebeanteils (%),

während für den Magergewebeanteil (%) zusätzlich der Schinken-Magergewebe-

Volumenanteil (cm³/kg LM) in das Modell aufgenommen wurde. Für den Versuch 1 verbleibt

allein das Mm.l.d.-Fett-zu-Muskel-Verhältnis für die Vorhersage aller drei

Schlachtkörpermerkmale im Modell. Der Proteingehalt (%) wird in allen Fällen mit einer

geringen Genauigkeit geschätzt.

Tab. 3.2.21: Modelle aus der Stepwise-Regressionsanalyse für Merkmale aus der MR-

Tomographie, die am besten die chemische Schlachtkörperzusammensetzung vorhersagen

(p ≤ 0,05)

__________________________________________________________________________________

Variable R² SEEa DFb Parameter in der Gleichungc

Chemischer Fettgehalt im Schlachtkörper (%)Versuch 1 0,64 1,253 1 Mm.l.d.-Fett:Muskel-VerhältnisVersuch 2 0,90 1,500 2 Mm.l.d.-Fettvol., Schinken-Fett-zu-Muskel-VerhältnisVersuch 1+2 0,91 1,761 2 Mm.l.d.-Fettvol., Mm.l.d.-Volumenanteil (cm³/kg LM)

Chemischer Magergewebegehalt (Wasser + Protein) im Schlachtkörper (%)Versuch 1 0,57 1,654 1 Mm.l.d.-Fett:Muskel-VerhältnisVersuch 2 0,88 1,539 3 Mm.l.d.-Fettvol., Schinken-Fett-zu-Muskel-Verhältnis,

Schinken-Magergewebe-Volumenanteil (cm³/kg LM)Versuch 1+2 0,89 1,984 2 Mm.l.d.-Fettvol., Mm.l.d.-Volumenanteil (cm³/kg LM)

Chemischer Proteingehalt im Schlachtkörper (%)Versuch 1 0,37 1,396 1 Mm.l.d.-Fett:Muskel-VerhältnisVersuch 2 0,25 1,280 1 Mm.l.d.-Fett:Muskel-VerhältnisVersuch 1+2 0,27 1,442 2 Mm.l.d.-Fettvol., Mm.l.d.-Fett-zu-Muskel-Verhältnis

__________________________________________________________________________________________aStandardschätzfehler, b Freiheitsgrade,cAbkürzungen: Mm.l.d = Mm. longissimi dorsi (linke und rechte Seite, vol. = Volumen (cm³),

Vergleicht man die Schätzgenauigkeit unterschiedlicher Informationsquellen, dass heißt

unterschiedlicher Körperregionen, die mittels MRT gemessen wurden, wird deutlich, dass die

Ergebnisse

184

Kombination mehrerer Messpositionen (hier: Thorax + Schinken) die höchste Genauigkeit

ergibt. Die alleinige Verwendung der Ergebnisse aus der Thoraxregion bzw. der

Schinkenregion führt bereits zu relativ hohen Genauigkeiten (R2 > 0,82, √MSE < 2,01), liegt

jedoch sowohl für die Schätzung des Schlachtkörperfettgehaltes (%) als auch für die

Schätzung des Schlachtkörpermagergewebegehaltes (%) jeweils unter den kombinierten

Ergebnissen (R2 ≥ 0,88; √MSE < 1,54; Abb. 3.2.14).

0,7

0,74

0,78

0,82

0,86

0,9

R²

1

1,2

1,4

1,6

1,8

2

MSE

MLDMm.l.d..

DF=2DF = 2

HAM

DF=2DF = 2

MLD+HAMMm.l.d.+Schinken

DF=2DF = 2

Fett % (21,78 ± 4,58) Magergewebe % (74,31 ± 4,16)

√

Schlachtkörper-Schlachtkörper-

MLD Mm.l.d.

DF=2DF = 2

HAM

DF=2DF = 3

MLD+HAMMm.l.d.+Schinken

DF=2DF = 3

Schinken Schinken

Abb. 3.2.14: Bestimmtheitsmaße und Standardschätzfehler (√MSE) für die Schätzung deschemischen Fettgehalts im Schlachtkörper (%) und des chemischen Magergewebegehalts(Wasser + Protein) im Schlachtkörper (%) beim Vergleich verschiedener Informationsquellenaus der In-vivo-MR-Tomographie zwischen 30 und 90 kg Lebendmasse (p ≤ 0,05)

Tabelle 3.2.22 gibt einen Überblick zu den - dem Autoren bekannten - beim Schwein

durchgeführten In-vivo-MR-Tomographie-Experimenten zur Ermittlung der Körper-

zusammensetzung. In Abhängigkeit von Referenzmethodik und Bildauswertungsverfahren

werden die Schätzgenauigkeiten verglichen. Generell bestätigen die Ergebnisse aus der

Literatur die eigenen Resultate. Mit steigender Lebendmasse (Variation) und höherer Anzahl

von Messpositionen verbessert sich die Schätzgenauigkeit für die Körperzusammensetzung.

Der Fettanteil (oder Lipidanteil) lässt sich in der Regel besser mit der MR-Tomographie als

der Magerfleisch- bzw. Magergewebeanteil ermitteln. Die Clusteranalyse oder eine manuelle

bzw. semiautomatische Eingrenzung der „Regions of Interest“ zur Flächen- bzw.

Volumenbestimmung ist der Histogrammanalyse überlegen.

Tab

3.2

.22:

Gen

auig

keit

der

Schä

tzun

g de

r K

örpe

rzus

amm

ense

tzun

g be

im S

chw

ein

mitt

els

MR

T in

viv

o(m

odif

izie

rt n

ach

MIT

CH

EL

L u

nd S

CH

OL

Z, 2

001

und

SZ

AB

O e

t al.,

199

9)

Ras

se/

Popu

lati

onG

ewic

hts-

grup

pe(-

bere

ich)

nR

efer

enzm

erkm

alR

2

RSD

= √

MSE

SD

Anz

ahl v

onSc

anpo

sitio

nen

(Sch

eibe

n)

Met

hodi

k de

r B

ildau

swer

tung

(nac

h je

wei

liger

Fes

tlegu

ng d

erR

egio

ns o

f In

tere

st -

RO

I)

Ref

eren

z

Deu

tsch

eL

andr

asse

90 k

g75

Schl

acht

körp

erfe

tt %

Schl

acht

körp

erm

uske

lfle

isch

% (Zer

legu

ng)

0,66

0,64

0,60

0,63

2 (5

)2

(7)

(Sch

ulte

r un

dSc

hink

en)

His

togr

amm

anal

yse

Hen

ning

et a

l.(1

991)

Deu

tsch

eL

andr

asse

90 k

g75

Schl

acht

körp

erfe

tt %

Schl

acht

körp

erm

uske

lfle

isch

% (Zer

legu

ng)

0,74

0,76

0,52

0,50

1 (3

)1

(3)

(13.

/14.

Bru

stw

irbe

l)

Clu

ster

anal

yse

Scho

lz u

.a.

(199

3)

Kre

uzun

gen

mit

75 %

Lar

geW

hite

und

25

%B

ritis

che

Lan

dras

se

76-7

9 kg

(mag

erun

d fe

tt)

12Sc

hlac

htkö

rper

lipid

%(c

hem

isch

)Fe

ttgew

ebe

%(Z

erle

gung

)

0,96

0,96

0,24

0,22

13 13 (Sch

ulte

r bi

sSc

hink

en)

Sem

iaut

omat

isch

eSc

hwel

lwer

tset

zung

(Reg

ione

nwac

hstu

m)

kom

bini

ert

mit

man

uelle

r K

orre

ktur

Fow

ler

et a

l.(1

992)

Deu

tsch

eL

andr

asse

20 k

g

50 k

g

90 k

g

43 40 60

Fettg

eweb

e %

Mag

erfl

eisc

h %

Fettg

eweb

e %

Mag

erfl

eisc

h %

Fettg

eweb

e %

Mag

erfl

eisc

h %

(alle

s au

s Z

erle

gung

)

0,68

0,55

0,80

0,83

0,89

0,87

0,59

0,73

0,46

0,46

0,36

0,38

≤ 5

≤ 5

≤ 5

≤ 5

≤ 5

≤ 5

(Sch

ulte

r bi

sSc

hink

en)

Clu

ster

anal

yse

Bau

lain

u.a

.(1

996)

185

Scholz

Ergebnisse

Ergebnisse

186

3.2.2.4 DXA-Lebendmassegruppen 10 kg, 30kg, 60 kg und 90 kg

Parallel zu den MR-Studien erfolgte eine Analyse der Gesamtkörperzusammensetzung

(Fettmasse, Magergewebemasse und Knochenmineralmasse) mittels Dualenergie-

Röntgenabsorptiometrie unter Verwendung eines LUNAR DPX-L© Scanners innerhalb

eines Abstands von ±3 Tagen zur MR-Studie. Neben dem Vergleich mit der

Magnetresonanz-Tomographie diente die DXA-Studie zur Ermittlung des

Magergewebewachstums und der Magergewebefutterverwertung. Dazu wurde zwischen 30

und 90 kg Lebendmasse der individuelle Futterverzehr der Tiere täglich erfasst. Aufgrund

der durchgeführten Stufenschlachtung absolvierten nur 17 Tiere (6 NN - 6 Nn - 5 nn) den

gesamten Versuch bis 90 kg Lebendmasse. Bis 30 kg Lebendmasse wurden die Probanden

in Gruppen zu 6 - 8 Tieren gehalten. Eine Erfassung des individuellen Futterverzehrs war

bis 30 kg Lebendmasse nicht möglich. Einen Anhaltspunkt über die DXA-

Körperzusammensetzung der RyR1-Genotypen zu Beginn des Versuchs bei ca. 10 kg

Lebendmasse lieferte eine stichprobenartige Analyse an 45 Tieren (13 NN - 14 Nn - 18 nn).

Die relative niedrige Zahl von Probanden in der 10 kg Gruppe (im Vergleich zur MR-

Tomographie) liegt an der erst später erfolgten Inbetriebnahme des LUNAR Scanners am

Growth Biology Laboratory. In der 10 kg Gruppe wurden mit dem DXA-Scanner im

Gegensatz zur MR-Tomographie signifikante Unterschiede zwischen den heterozygoten

und homozygoten Defektallelträgern ermittelt. Die homozygoten Defektallelträger nn

wiesen aber überraschend – bei sehr geringfügigen Unterschieden - die niedrigste

Magergewebemasse (MGM) bei gleichzeitig höchster Fettgewebemasse (FGM) auf,

während die heterozygoten Tiere am magersten waren (Tab. 3.3.23).

Ergebnisse

187

Tab. 3.2.23: Magergewebemasse (MGM), Fettgewebemasse (FGM) und

Knochenmineralmasse (KMM) aus der DXA-Analyse in Schweinen mit unterschiedlichen

RyR1-Genotypen bei durchschnittlich 12,55 kg Lebendmasse und 53,29 Lebenstagen (LSM

± SEE#)

n MGM (kg) FGM (kg) KMM (kg)

NN 13 11,431 ± 0,059 ab 0,774 ± 0,056ab 0,348 ± 0,010

Nn 14 11,517 ± 0,067 a 0,695 ± 0,063a 0,340 ± 0,011

nn 18 11,346 ± 0,089 b 0,857 ± 0,084b 0,350 ± 0,015


Ab der 30 kg Gruppe decken sich die DXA-Ergebnisse wieder mit denen aus der MR-

Tomographie (Tab. 3.2.24 – Tab. 3.2.26). Die homozygot normalen Tiere verfügen bei

niedrigster Magergewebemasse über die höchste Fettgewebe- und Knochenmineralmasse,

während der heterozygote Genotyp in allen Messwerten zwischen den beiden homozygoten

Genotypen liegt.



RyR1-Genotypen bei durchschnittlich 32,31 kg Lebendmasse und 84,11 Lebenstagen (LSM

± SEE)


NN 16 28,365 ± 0,172 3,156 ± 0,172 0,783 ± 0,015

Nn 22 28,489 ± 0,122 3,055 ± 0,122 0,761 ± 0,011

nn 9 28,791 ± 0,209 2,751 ± 0,209 0,763 ± 0,019

Ergebnisse

188



RyR1-Genotypen bei durchschnittlich 65,09 kg Lebendmasse und 124,75 Lebenstagen

(LSM ± SEE#)


NN 14 51,383 ± 0,628 a* 12,030 ± 0,643 a 1,604 ± 0,048

Nn 11 52,809 ± 0,530 ab° 10,655 ± 0,542 ab 1,598 ± 0,040

nn 7 53,872 ± 0,815 b 9,693 ± 0,834 b 1,541 ± 0,062


Differenzen mit * und ° überschreiten die Signifikanzschwelle minimal (p ≤ 0,078).

Tab. 3.2.26: Magergewebemasse (MGM), Fettgewebemasse (FGM), und


RyR1-Genotypen bei durchschnittlich 88,72 kg Lebendmasse und 160,41 Lebenstagen

(LSM ± SEE)


NN 6 67,761 ± 1,576 19,059 ± 1,572 1,903 ± 0,051

Nn 6 70,698 ± 1,619 16,132 ± 1,615 1,893 ± 0,052

nn 5 74,093 ± 3,555 12,787 ± 3,547 1,844 ± 0,115

Ergebnisse

189

3.2.2.5 Genauigkeit der Dualenergie-Röntgenabsorptiometrie

10 kg Gruppe(Durchschnittliche DXA-Masse: 9,91 kg, durchschnittliches Schlachtalter/DXA-Alter:46,87 Tage, n = 15)

In der 10 kg Gruppe wurde ein Großteil der Tiere komplett zermahlen und

homogenisiert (Schlachthälfte + Innereien + Kopf). Im Gegensatz zu den Tieren ab 30

kg werden deshalb die Gehaltswerte für Fett, Magergewebe und Knochenmineral auf

den Gesamtkörper und nicht auf die rechte Schlachthälfte bezogen. Aufgrund der

geringen Tierzahl und der insgesamt geringen Variation innerhalb der untersuchten

Merkmale sind die Differenzen zwischen den RyR1-Genotypen in der 10 kg Gruppe

nicht signifikant. Mit Ausnahme des Knochenmineralgehaltes deckt sich jedoch die

Rangierung der chemischen Gehaltswerte mit denen der DXA-Gehaltswerte für Fett (%)

und Magergewebe (%) innerhalb der RyR1-Genotypen. Gleichzeitig wird deutlich, dass

die Original-DXA-Werte im Vergleich zur chemischen Analyse den Fett- und den

Knochenmineralgehalt systematisch unter- sowie den Magergewebegehalt

überschätzen. Nach Verwendung der von MITCHELL und CONWAY (1994)

vorgeschlagenen Regressionsgleichung zur Berechnung des DXA-Fettgehaltes aus dem

Röntgenschwächungskoeffizienten für Weichgewebe

[DXA-Fett (%) korrigiert = 493,4 – (348,8 • R-Wert)]

ist keine systematische Abweichung mehr zwischen den beiden Fettgehaltsmaßen

nachweisbar (Tab. 3.2.27). Der korrigierte Magergewebegehalt aus der DXA-Messung

liegt aufgrund des fixen – niedrigeren - DXA-Knochenmineralgehalts mit Ausnahme

des nn-Genotyps weiterhin leicht über dem chemisch ermitteltem Magergewebegehalt

(Tab. 3.2.28). Der Knochenmineralgehalt aus der DXA-Messung lässt sich nicht über

den R-Wert ableiten oder korrigieren, da LUNAR-DXA-Scanner allein den

Weichgewebe-R-Wert angeben. Ab einem bestimmten Schwellenwert für den

Röntgenschwächungskoeffizienten (R-Wert) wird davon ausgegangen, dass in der

durchstrahlten Pixel-Ebene Knochenmineral überwiegt. Diese Bildpunkte (Pixel)

werden generell dem Knochenmineral zugeordnet (Tab. 3.2.29).

Ergebnisse

190

Tab. 3.2.27: Vergleich von chemischem und DXA-Fettgehalt (%) in unterschiedlichen

RyR1-Genotypen innerhalb der 10 kg Gruppe (LSM ± SEE)

RyR1-Genotyp

n Chemischer Fettgehalt(%) [gesamter

Schlachtkörper]

DXA-Gesamt-fettgehalt (%)


(berechnet aus R-Wert$)

NN 4 10,560 ± 1,146 4,715 ± 1,124 9,124 ± 1,038

Nn 4 8,836 ± 1,340 4,000 ± 1,274 8,179 ± 1,176

nn 7 11,750 ± 1,830 7,523 ± 1,797 13,213 ± 1,659

$) Gleichung nach MITCHELL und CONWAY, 1994: DXA-Fett (%) korrigiert = 493,4 – [348,8 • R-Wert]

Tab. 3.2.28: Vergleich von chemischem und DXA-Magergewebegehalt (%) in

unterschiedlichen RyR1-Genotypen innerhalb der 10 kg Gruppe (LSM ± SEE#)

RyR1-Genotyp

n Magergewebe (%)(chem. Wasser +Protein) [rechteSchlachthälfte]

DXA-Gesamt-magergewebe (%)

DXA-Gesamt-magergewebe (%)(berechnet aus R-

Wert$)

NN 4 85,962 ± 0,381 a 92,761 ± 0,944 88,353 ± 0,867

Nn 4 87,711 ± 0,446 a 93,594 ± 1,071 89,419 ± 0,982

nn 7 84,702 ± 0,608 b 89,770 ± 1,510 84,079 ± 1,385

#Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).$) DXA-Magergewebe % korrigiert = 100 - DXA-Fett % korrigiert - DXA-Knochenmineralgehalt %

Tab. 3.2.29: Vergleich von chemischem Rohaschegehalt (%) und DXA-

Knochenmineralgehalt (%) in unterschiedlichen RyR1-Genotypen innerhalb der 10 kg

Gruppe (LSM ± SEE)

RyR1-Genotyp

n Chem. Aschegehalt (%)[Gesamtschlachtkörper]

DXA-Gesamt-knochenmineralgehalt (%)

NN 4 3,396 ± 0,435 2,523 ± 0,184

Nn 4 3,512 ± 0,508 2,403 ± 0,208

nn 7 4,739 ± 0,694 2,707 ± 0,294

Ergebnisse

191

30 - 90 kgdurchschnittliche DXA-Masse: 63,06 kg (124,85 Lebenstage); durchschnittlicheLebendmasse zur Schlachtung: 63,72 kg (125,23 Lebenstage); n = 47

Für die Tiere ab 30 kg Lebendmasse, werden den DXA-Messwerten die chemischen

Analysewerte der rechten Schlachthälfte (ohne Kopf) gegenübergestellt (Tab. 3.2.30 –

Tab. 3.2.32). Die Ergebnisse decken sich mit denen aus der MR-Tomographie. Sowohl

nach den Ergebnissen aus der DXA-Analyse, als auch aus der chemischen Analyse sind

die homozygoten Defektallelträger am magersten, gefolgt von den heterozygoten

Defektallelträgern. Chemische und DXA-Werte stimmen - trotz hoher Beziehungen für

den Fett- und Magergewebegehalt (%) - in der absoluten Größenordnung nicht überein,

da die DXA-Werte den gesamten Körper (lebend) umfassen, während die chemischen

Analysewerte lediglich die rechte Schlachthälfte betreffen (Tab. 3.2.20, Abb. 3.2.15).

Der DXA-Fettgehalt basiert auf den DXA-Weichgewebe-R-Werte. Mit steigendem R-

Wert nimmt der Fettgehalt ab und der Magergewebegehalt zu (Tab. 3.2.30, 3.2.31).

Tab. 3.2.30: Vergleich von chemischem und DXA-Fettgehalt (%) in unterschiedlichen

RyR1-Genotypen im Lebendmassebereich von 30 - 90 kg (LSM ± SEE#)

RyR1-Genotyp

n Chem. Fettgehalt (%)[rechte Schlachthälfte]


DXA-R-Wert

NN 16 23,967 ± 0,886 a* 16,544 ± 0,867 a 1,355 ± 0,002 a*

Nn 22 22,178 ± 0,627 a° 14,984 ± 0,614 ab 1,359 ± 0,001 ab°

nn 9 19,604 ± 1,057 b 13,420 ± 1,033 b 1,362 ± 0,002 b

#)Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).Differenzen zwischen Werten mit * und ° überschreiten das Signifikanzniveau minimal (p ≤ 0,089).

Tab. 3.2.31: Vergleich von chemischem und DXA-Magergewebegehalt (%) in

unterschiedlichen RyR1-Genotypen im Lebendmassebereich von 30 - 90 kg (LSM ±SEE#)

RyR1-Genotyp

n Magergewebe (%)(chem. Wasser + Protein)[rechte Schlachthälfte]

DXA-Gesamt-magergewebegehalt (%)

NN 16 72,513 ± 0,776 a 81,932 ± 0,864

Nn 22 73,815 ± 0,549 a 82,542 ± 0,612

nn 9 76,790 ± 0,925 b 83,975 ± 1,030


Ergebnisse

192

Tab. 3.2.32: Vergleich von chemischem Rohaschegehalt und DXA-

Knochenmineralgehalt in unterschiedlichen RyR1-Genotypen im Lebendmassebereich

von 30 – 90 kg (LSM ± SEE#)

RyR1-Genotyp

n Chem. Aschegehalt (%)[rechte Schlachthälfte]

DXA-Gesamt-knochenmineralgehalt (%)

NN 16 3,742 ± 0,249 2,327 ± 0,067

Nn 22 3,367 ± 0,176 2,277 ± 0,048

nn 9 3,369 ± 0,296 2,324 ± 0,080

In Tabelle 3.2.33 sind die Schätzgenauigkeiten der In-vivo-DXA-Messwerte (R2, SEE)

für die chemische Zusammensetzung der rechten Schlachthälfte aufgeführt. Versuch 1

umfasst allein die Tiere der 10 kg Gruppe, während Versuch 2 die Tiere im

Lebendmassebereich von 30 - 90 kg einschließt. Insgesamt bestehen für den Fettgehalt

(%) und den Magergewebegehalt (%) hohe Beziehungen zwischen den

korrespondierenden DXA-Messwerten und den Werten aus der chemischen Analyse,

wobei der Fettgehalt noch genauer geschätzt wird als der Magergewebegehalt. Der

DXA-Fettgehalt (%) und das DXA-Fett-zu-Magergewebeverhältnis stehen in engerer

Beziehung zu den chemischen Analysewerten - einschließlich des chemischen

Magergewebegehalts - als der DXA-Magergewebegehalt (%). Im Gegensatz zum Fett-

und Magergewebegehalt (%) sind die Beziehungen zwischen DXA-

Knochenmineralgehalt (%) und chemischem Rohaschegehalt (%) nicht signifikant von

Null verschieden.

Erwartungsgemäß erklären die absoluten Gewebemassen (kg) aus der DXA-

Analyse einen sehr hohen Anteil der chemisch ermittelten Gewebemassen (R2 ≥ 0,89 für

die korrespondierenden Merkmale). Allein die Beziehung zwischen DXA-

Knochenmineralmasse (kg) und Rohasche (kg) fällt bei getrennter Betrachtung von

Versuch 1 und 2 mit einem Bestimmtheitsmaß von R2 = 0,61 geringer aus.

Fasst man beide Versuche zusammen, erhöhen sich generell alle

Bestimmtheitsmaße, da die messbare Variation zunimmt. Eine Ausnahme bildet der

Rohascheanteil (%), für den die Bestimmtheitsmaße auch nach Zusammenfassung von

Versuch 1 und 2 nicht signifikant verschieden von Null sind.

Ergebnisse

193

Abb. 3.2.15: Beziehung zwischen chemischem Fettgehalt der rechten Schlachthälfte (%)und DXA-Gesamtkörperfettgehalt (%) im Lebendmassebereich 10 – 90 kg(Versuch 1+2, R2 = 0,91 und SEE = 1,80; siehe Tab. 3.2.33)

Tab

. 3.2

.33:

Gen

auig

keit

der

DX

A-M

essu

ng (

in v

ivo)

zur

Sch

ätzu

ng d

er c

hem

isch

en Z

usam

men

setz

ung

der

rech

ten

Schl

acht

hälf

te, n

= 4

7 (R

² und

SEE

# )

Fetta

ntei

l (%

)M

ager

gew

ebea

ntei

l (%

)A

sche

ante

il (%

)

Gew

ebea

ntei

l, %

Ver

such

1

R²

(SE

E)

Ver

such

2

R²

(SE

E)

Ver

such

1+

2

R²

(SE

E)

Ver

such

1

R²

(SE

E)

Ver

such

2

R²

(SE

E)

Ver

such

1+

2

R²

(SE

E)

Ver

such

1

R²

(SE

E)

Ver

such

2

R²

(SE

E)

Ver

such

1+

2

R²

(SE

E)

DX

A-F

ett

0,70

8* (

1,03

)0,

846*

(1,

84)

0,91

0* (

1,80

)0,

630*

(1,

13)

0,81

5* (

1,86

)0,

880*

(2,

08)

0,13

3 (

0,92

)0,

032

(0,

74)

0,02

7 (

0,80

)

DX

A-M

ager

gew

ebe

0,68

5* (

1,07

)0,

765*

(2,

28)

0,86

4* (

2,21

)0,

579*

(1,

20)

0,74

6* (

2,17

)0,

841*

(2,

40)

0,14

0 (

0,92

)0,

024

(0,

74)

0,02

1 (

0,80

)

DX

A-K

noch

enm

iner

al0,

081

(1,

83)

0,12

0 (

4,40

)0,

223

(5,

29)

0,01

7 (

1,84

)0,

126

(4,

03)

0,24

6 (

5,22

)0,

051

(0,

96)

0,01

4 (

0,74

)0,

032

(0,

80)

DX

A-F

ett-

zu-M

ager

gew

ebe

0,71

0* (

1,03

)0,

851*

(1,

81)

0,90

0* (

1,90

)0,

627*

(1,

13)

0,81

2* (

1,87

)0,

859*

(2,

26)

0,12

8 (

0,92

)0,

028

(0,

74)

0,02

7 (

0,80

)

Gew

ebem

asse

, kg

Fett

(kg)

Mag

erge

web

e (k

g)A

sche

(kg

)

DX

A-F

ett

0,89

0* (

0,08

)0,

966*

(1,

14)

0,97

7* (

1,08

)0,

665*

(1,

26)

0,77

8* (

7,69

)0,

845*

(8,

71)

0,49

6* (

0,10

)0,

628*

(0,

44)

0,76

1* (

0,42

)

DX

A-M

ager

gew

ebe

0,74

4* (

0,13

)0,

825*

(2,

58)

0,88

8* (

2,38

)0,

991*

(0,

21)

0,99

2* (

1,50

)0,

997*

(1,

30)

0,58

1* (

0,09

)0,

685*

(0,

40)

0,83

0* (

0,36

)

DX

A-K

noch

enm

iner

al0,

764*

(0,

12)

0,79

7* (

2,77

)0,

875*

(2,

52)

0,94

3* (

0,52

)0,

900*

(5,

15)

0,96

0* (

4,45

)0,

613*

(0,

09)

0,61

5* (

0,44

)0,

802*

(0,

38)

#) B

estim

mth

eits

maß

e m

it *

sind

sig

nifi

kant

ver

schi

eden

von

Nul

l (p

≤ 0,

05).

Ergebnisse

194

Ergebnisse

195

3.2.2.6 Vergleich der Genauigkeit von Magnetresonanz-Tomographie undDualenergie-Röntgenabsorptiometrie zur Ermittlung der Körperzusam-mensetzung

Da von 46 Schweinen ab einer Lebendmasse von 30 kg sowohl Werte aus der MR-

Tomographie als auch aus der DXA-Analyse und parallel deren chemische

Referenzwerte vorliegen, ist ein Vergleich der beiden Methoden MRT und DXA nahe

liegend. Für den Vergleich wurde jeweils eine Stepwise-Regressionsanalyse unter

Verwendung der chemischen Referenzwerte als unabhängige Variablen und der MR-

bzw. DXA-Ergebnisse als abhängige Variablen durchgeführt. Die Signifikanzschwelle

für Aufnahme und Verbleib im Modell beträgt jeweils p ≤ 0,05. Vorab ist festzustellen,

dass ein derartiger Vergleich nur einen begrenzten Aussagewert besitzt, da MR-

Tomographie und Dualenergie-Röntgenabsorptiometrie verschiedene Komponenten der

Körperzusammensetzung messen. Während mittels MR-Tomographie anatomisch

definierbare, dreidimensionale Volumenmaße (cm³) erhoben werden, können mittels

DXA allein aufgrund interner Schätzgleichungen Fett-, Magergewebe- und

Knochengewebemassen (g) bzw. –anteile (%) für zweidimensional festlegbare

Körperregionen oder für den gesamtem Körper erfasst werden. Im vorliegenden

Vergleich sind mittels MR-Tomographie nur zwei Körperregionen (Thorax und

Schinken) in einem 25 cm Abschnitt des gesamten Körpers analysiert worden. Hingegen

umfasste die DXA-Analyse den gesamten Körper. Die chemische Analyse (Fettgehalt

mittels Chloroform/Methanolextraktion nach FOLCH et al., 1957) wiederum wurde nur

zum Teil für die kompletten Schlachtkörper (n = 40) durchgeführt. Von allen

Schlachtkörpern (n = 46) liegen die chemischen Analysewerte der rechten

Schlachthälfte vor. Deshalb erfolgt der Vergleich getrennt nach diesen beiden Kriterien.

Insgesamt existieren nur minimale Unterschiede in der Genauigkeit der beiden

Messverfahren. Mit leichtem Vorteil für die MR-Tomographie resultieren beide

Verfahren in sehr hohen Bestimmtheitsmaßen und relativ niedrigen

Standardschätzfehlern (√MSE) zur Ermittlung des Fettgehalts der rechten

Schlachthälfte (Tab. 3.2.34). Für beide Messverfahren verbleiben zwei Variablen in der

Schätzgleichung, so dass eine Vergleichbarkeit der beiden Methoden gegeben ist. Im

reduzierten Material für die gesamten Schlachtkörper (rechte Schlachthälfte + Kopf +

vollständige Innereien) liegen die Bestimmtheitsmaße (bei niedrigeren

Standardschätzfehlern) sogar geringfügig höher als allein für die rechte Schlachthälfte

(Tab. 3.2.35). Sowohl für den Fettgehalt der rechten Schlachthälfte als auch für den

Ergebnisse

196

Fettgehalt des „gesamten Schlachtkörpers“ sind aus der MR-Tomographie die beiden

Variablen Mm.l.d.-Fettvolumen und Schinken-Fett-zu-Magergewebe-Verhältnis in die

Schätzgleichung aufgenommen worden. Aus den DXA-Messwerten betrifft das

entsprechend: das DXA-Fett-zu-Magergewebe-Verhältnis und den DXA-

Magergewebeanteil (%) bzw. allein das DXA-Fett-zu-Magergewebe-Verhältnis.

Tab. 3.2.34: Vergleich der Schätzgenauigkeit für den chemischen Fettgehalt in der

rechten Schlachthälfte (%) aus Ergebnissen der MR-Tomographie und Dualenergie-

Röntgenabsorptiometrie (n = 46, 30 - 90 kg)

R² √MSE DF [Variablen in der Gleichung]

MRT 0,902 1,500 2 [Mm.l.d.-Fettvolumen, Schinken-Fett-zu-Magergewebe-Verhältnis]

DXA 0,871 1,724 2 [DXA-Fett-zu-Magergewebe-Verhältnis, DXA-Magergewebeanteil (%)]

Tab. 3.2.35: Vergleich der Schätzgenauigkeit für den chemischen Fettgehalt im

gesamten Schlachtkörper (%) aus Ergebnissen der MR-Tomographie und Dualenergie-

Röntgenabsorptiometrie (n = 40, 30 - 90 kg)

R² √MSE DF [Variablen in der Gleichung]

MRT 0,922 1,263 2 [Mm.l.d.-Fettvolumen, Schinken-Fett-zu-Magergewebe-Verhältnis]

DXA 0,895 1,453 1 [DXA-Fett-zu-Magergewebe-Verhältnis]

Ergänzend zum chemischen Fettgehalt wird in Tab. 3.2.36 die Schätzgenauigkeit

der beiden Verfahren für den „chemischen“ Magergewebegehalt (Protein + Wasser) der

rechten Schlachthälfte verglichen. Ebenso wie für den chemischen Fettgehalt (%) der

rechten Schlachthälfte bzw. des gesamten Schlachtkörpers erzielt die MR-Tomographie

eine minimal höhere Genauigkeit im Vergleich zu DXA, wobei die Schätzgleichungen

wie bereits für den „gesamten Schlachtkörper“ eine unterschiedliche Variablenanzahl

aufweisen. In der Schätzgleichung aus der MR-Tomographie verblieben drei Variablen

und in der aus der DXA-Analyse nur eine. Eine höhere Variablenanzahl bewirkt in der

Tendenz höhere Bestimmtheitsmaße. Eine niedrigere Variablenanzahl lässt hingegen

eine höhere Robustheit der Schätzgleichung erwarten. Auf eine Kreuzvalidierung der

Schätzgleichungen wurde jedoch aufgrund der relativ geringen Tierzahlen (n = 46 bzw.

n = 40) verzichtet.

Ergebnisse

197

Tab. 3.2.36: Vergleich der Schätzgenauigkeit für den chemischen Magergewebegehalt

(Wasser + Protein) der rechten Schlachthälfte (%) aus Ergebnissen der MR-

Tomographie und Dualenergie-Röntgenabsorptiometrie (n = 46, 30 - 90 kg)

R² √MSE d.f. (Variablen in der Gleichung)

MRI 0,880 1,539 3 [Mm.l.d.-Fettvolumen, Schinken-Fett-zu-Muskel-Verhältnis, Schinken-Magergewebe-Volumenanteil(cm³/kg LM)]

DXA 0,813 1,877 1 (DXA-Fett %)

Zusätzlich ist in Abb. 3.2.16 die Regression zwischen zwei repräsentativen

Messwerten aus der MR-Tomographie und DXA dargestellt (Versuch 1 + 2). Über den

gesamten Lebendmassebereich von 10 – 90 kg besteht erwartungsgemäß bei einem

Bestimmtheitsmaß von R2 = 0,906 (RMSE = √MSE = 1,901) eine sehr enge Beziehung

zwischen dem Rückenfettvolumen über den Mm. longissimi dorsi (cm³) und der DXA-

Fettmasse (kg). Mit zunehmender Lebendmasse erhöht sich jedoch gleichzeitig die

Variation zwischen den beiden Messverfahren. Der Abstand der Merkmalspaare von der

Regressionsgeraden wird größer.

Abb. 3.2.16: Beziehung zwischen DXA-Gesamtkörperfettmasse (kg) und MR-Fettvolumen (cm³) in einem 10 cm MR-Abschnitt über den Mm. longissimi dorsi

Ergebnisse

198

3.2.3 Magergewebewachstum und Magergewebefutterverwertung

Eine Wachstumsstudie an Schweinen mit unterschiedlichen RyR1-Genotypen

(homozygot negativ = NN, heterozygot = Nn und homozygot positiv = nn) diente der

Verlaufskontrolle des Magergewebe- und Fettansatzes von 10 - 90 kg Lebendmasse

(LM) mittels Dualenergie-Röntgenabsorptiometrie (DXA).

Für diesen Teilversuch (Versuch 1) wurden bei 10 kg Lebendmasse 45 Schweine

(13 NN - 14 Nn - 18 nn) mit einem LUNARDPX-L© Scanner untersucht. Ab 30 kg

Lebendmasse wurden 47 Tiere einzeln gehalten und der Futterverzehr wurde individuell

erfasst. Aufgrund der durchgeführten Stufenschlachtung verblieben für die 60 kg

Gruppe 32 Tiere und für die 90 kg Gruppe 17 Tiere im Versuch.

Da aus den DXA-Messungen unmittelbar Magergewebemasse, Fettgewebemasse

und Knochenmineralgehalt des gesamten Tieres resultieren (Kapitel 3.2.2.4), lassen sich

aus diesen Werten in Kombination mit dem Futterverzehr und dem Lebensalter

individuell die Magergewebewachstumsrate (g/d) und die Magergewebe-

futterverwertung (kg/kg) in den einzelnen Versuchsabschnitten berechnen. Zusätzlich

wurden die Fettgewebewachstumsrate und die Knochenmineralzunahme aus den

Differenzen der Fettgewebe- bzw. Knochenmineralmessungen zwischen den vier

Messzeitpunkten bei ca. 10 kg, 30 kg, 60 kg und 90 kg ermittelt. Die

Magergewebewachstumsrate für den Abschnitt von Geburt bis zu 10 kg Lebendmasse

wurde unter der Annahme ermittelt, dass sich der prozentuale Magergewebegehalt der

Individuen zum Zeitpunkt der Geburt (1,2 kg Lebendmasse) proportional zum

Magergewebegehalt zum Zeitpunkt der Messung bei 10 kg verhält. Dafür wurde die

lineare Regressionsgleichung zwischen Magergewebegehalt und Lebendmasse zum

Zeitpunkt der DXA-Messung für alle untersuchten Tiere berechnet:

DXA-Magergewebegehalt (%) = 93,6386 0,1697 • Lebendmasse.

Die Gleichung für die Berechnung der Magergewebewachstumsrate vom Zeitpunkt der

Geburt (1,2 kg) bis zur ersten DXA-Messung bei ca. 10 kg Lebendmasse (MGWR10)

lautet:

MGWR10 (g/d) = (Magergewebemasse10 - (1,2 • ((Magergewebegehalt10/100) + (0,1697/100) • 1,2 ))) / Alter10 • 1000

mit Magergewebemasse10 = Magergewebemasse bei 10 kg Messung (kg),

Magergewebegehalt10 = Magergewebegehalt bei 10 kg Messung (%) und

Alter10 = Alter bei 10 kg Messung (Lebenstage).

Ergebnisse

199

Da die Tiere, die bei 10 kg mittels DXA untersucht wurden, bei 30 kg nicht mehr zur

Verfügung standen, wurde für den Abschnitt von ca. 10 bis 30 kg Lebendmasse die

Magergewebewachstumsrate unter Benutzung desselben Regressionskoeffizienten wie

oben (b = 0,1697) berechnet. Alle Tiere, die bei 30 kg mittels DXA untersucht wurden,

dienten vorher bei ca. 10 kg zur Untersuchung mittels MR-Tomographie bzw. MR-

Spektroskopie, so dass das Alter und die Lebendmasse zum Zeitpunkt der MR-

Untersuchung als Anhaltspunkt für den 10 kg Bereich zur Verfügung standen. Die

Formel lautet:

MGWR1030 (g/d) = (Magergewebemasse30 - (Lebendmasse10 • ((Magergewebegehalt30/100) + (0,1697/100) • Lebendmasse10)))/(Alter30 - Alter10) • 1000.

Die Magergewebewachstumsrate (MGWR) und Magergewebefutterverwertung

(MFUV) für die Gewichtsabschnitte 30 60 kg bzw. 60 90 kg wurden in Anlehnung

an die Formel von FOWLER et al. (1976) berechnet:

MGWR (g/d) = ∆ Magergewebemasse (g) / ∆ Alter (d)

MFUV (kg/kg) = Futterverzehr (kg/d) / (MGWR (g/d) /1000)∆ = Differenz zwischen den Gewichtsabschnitten

Tab. 3.2.37: Tageszunahme (TZ10) und Magergewebewachstumsrate (MGWR10) in

Schweinen mit unterschiedlichen RyR1-Genotypen von Geburt (1,2 kg) bis zur DXA-

Messung bei 10 kg Lebendmasse (LSM ± SEE#)

n TZ10 (g) MGWR10 (g/d)

NN 13 212 ± 16 a 194 ± 14 a

Nn 14 196 ± 18 a 181 ± 16 a

nn 18 152 ± 22 b 140 ± 19 b


Tab. 3.2.38: Tageszunahme (TZ1030) und Magergewebewachstumsrate (MGWR1030)

in Schweinen mit unterschiedlichen RyR1-Genotypen im Lebendmasseabschnitt von 10

bis 30 kg (LSM ± SEE#)

n TZ1030 (g) MGWR1030 (g/d)

NN 16 545 ± 21 475 ± 19 *

Nn 22 565 ± 15 492 ± 13

nn 9 599 ± 25 527 ± 22 °

#) Differenzen zwischen Werten mit * und ° überschreiten die Signifikanzgrenze nur minimal (p ≤0,067).

Ergebnisse

200

Tab. 3.2.39: Wachstum und Futtereffizienz in Schweinen mit unterschiedlichen RyR1-

Genotypen im Lebendmasseabschnitt von 30 bis 65 kg*) (LSM ± SEE#)

n TZ3060 (g/d) MGWR3060 (g/d) MFUV3060 (kg/kg) FUA3060 (kg/d) FUV3060 (kg/kg)

NN 14 769 ± 25 550 ± 27 3,59 ± 0,14 1,94 ± 0,04 2,82 ± 0,10

Nn 11 753 ± 21 563 ± 23 3,36 ± 0,12 1,86 ± 0,03 2,81 ± 0,08

nn 7 792 ± 32 605 ± 34 3,29 ± 0,18 1,91 ± 0,05 2,49 ± 0,12

#) Kleinste Quadrate Mittelwerte mit unterschiedlichen Buchstaben sind signifikant verschieden(p ≤ 0,05).*) Tageszunahme (TZ3060), Magergewebewachstumsrate (MGWR3060), Magergewebefutterverwertung(MFUV3060), Futteraufnahme (FUA3060) und Futterverwertung (FUV3060)

Tab. 3.2.40: Wachstum und Futtereffizienz bei Schweinen mit unterschiedlichen RyR1-Genotypen im Lebendmassebereich von 60 bis 90 kg*) (LSM ± SEE#)

n TZ6090 (g/d) MGWR6090 (g/d) MFUV6090 (kg/kg) FUA6090 (kg/d) FUV6090 (kg/kg)

NN 6 710 ± 84 477 ± 65 5,29 ± 0,91 2,47 ± 0,11 3,11 ± 0,55

Nn 6 726 ± 84 533 ± 65 4,80 ± 0,91 2,49 ± 0,11 3,39 ± 0,55

nn 5 650 ± 110 512 ± 85 5,12 ± 1,19 2,27 ± 0,14 3,23 ± 0,72

#) Alle Differenzen zwischen den RyR1-Genotypen sind nicht signifikant. *)Tageszunahme (TZ6090), Magergewebewachstumsrate (MGWR6090), Magergewebefutterverwertung(MFUV6090), Futteraufnahme (FUA6090) und Futterverwertung (FUV6090)

050

100150200250300350400450500550600650700750800

0 10 20 30 40 50 60 70 80 90

Lebendmasse (kg)

Lebe

ndm

asse

zuna

hme

(g/d

)

NN Nn nnAbb. 3.2.17: Entwicklung der Tageszunahmen von Schweinen mit unterschiedlichenRyR1-Genotypen zwischen 5 und 80 kg Lebendmasse

Ergebnisse

201

050

100150200250300350400450500550600650

0 10 20 30 40 50 60 70 80 90

Lebendmasse (kg)

Mag

erge

web

ewac

hstu

m (g

/d)

NN Nn nn

Abb. 3.2.18: Entwicklung der Magergewebewachstumsrate in Schweinen mitunterschiedlichen RyR1-Genotypen zwischen 5 und 80 kg Lebendmasse

400

450

500

550

600

650

1,75 1,85 1,95 2,05 2,15 2,25 2,35 2,45 2,55

Futterverzehr (kg/d)

Mag

erge

web

ewac

hstu

m (g

/d)

NNNnnn

30 - 60 kg LM 60 - 90 kg LM

Abb. 3.2.19: Durchschnittliche Futteraufnahme (kg/d) und Magergewebe-wachstumsrate (g/d) in Abhängigkeit vom Prüfabschnitt bei Schweinen mitunterschiedlichen RyR1-Genotypen

Bei minimal unterschiedlichen Tageszunahmen steigt die Magergewebe-

wachstumsrate (g/d) mit zunehmendem Alter bzw. bis zu einer Lebendmasse von ca. 40

Ergebnisse

202

kg bei allen drei Genotypen stetig an. Aufgrund der mittels DXA ermittelten

fettärmeren Körperzusammensetzung und gleichzeitig annähernd identischen

Lebendmasse-zunahmen (Abb. 3.2.17) liegt ab ca. 15 - 20 kg die

Magergewebewachstumsrate (g/d) der homozygoten Defektallelträger nn über den

Magergewebewachstumsraten der beiden anderen Genotypen. Erst gegen Ende des

Versuchs nähern sich die Magergewebewachstumsraten der beiden

Defektallelgenotypen wieder an. Aufgrund der im zweiten Prüfabschnitt (60 - 90 kg

Lebendmasse) nur geringfügig gesteigerten Futteraufnahme - im Vergleich zum ersten

Prüfabschnitt (30 60 kg Lebendmasse) - nehmen das Lebendmassewachstum und das

Magergewebewachstum im homozygoten Defektallelgenotyp stärker ab als im

heterozygoten Genotyp. Der homozygot normale Genotyp nimmt genauso schnell wie

der heterozygote Genotyp an Lebendmasse zu, liegt aber aufgrund des höheren

Fettanteils unter den Magergewebewachstumsraten der beiden Defektallelgenotypen.

Da das Magergewebe hauptsächlich aus den zwei Komponenten Protein und

Wasser (+ minimale Anteile von Kohlenhydraten [Glykogen] und Mineralstoffen)

besteht, lässt sich aus der Magergewebewachstumsrate die Proteinansatzrate ableiten.

Unter Verwendung einer modifizierten Formel von MITCHELL and CONWAY (1994) zur

Berechnung des Proteingehaltes aus der DXA-Magergewebemasse

[Proteinansatz (g/d) = -1,062 + 0,22 • DXA-Magergewebewachstumsrate (g/d)]

ergeben sich die in Tabelle 3.2.24 dargestellten Proteinansatzraten in den untersuchten

Gewichtsabschnitten. Die Fettansatzraten resultieren aus der Differenz von

Lebendmassezunahme und Magergewebewachstumsrate abzüglich der Knochen-

mineralzunahme. Der unbekannte Knochenmineralgehalt zum Zeitpunkt der Geburt mit

einer angenommenen Lebendmasse von 1,2 kg wurde aus der am eigenen Material

berechneten Regressionsgleichung abgeleitet:

[DXA-Knochenmineralgehalt (%) = 2,5674 (0,0041 • Lebendmasse)].

Aus dieser Regressionsgleichung ergibt sich die Knochenmineralwachstumsrate

zwischen Geburt (1,2 kg) und 10 kg DXA-Messung mit:

Knochenmineralzunahme (g/d) =

(((DXABMPC10/100 • DXALM10) - (1,2 • ((DXABMPC10/100) + (0,0041/100) • 1,2))))/DXAAlter10 • 1000

mit

DXABMPC10 = Knochenmineralgehalt (%) aus DXA-Messung in der 10 kg Gruppe,

DXALM10 = Lebendmasse zum Zeitpunkt der DXA-Messung in der 10 kg Gruppe (kg) und

DXAAlter10 = Alter zum Zeitpunkt der DXA-Messung in der 10 kg Gruppe (Tage).

Ergebnisse

203

Tab. 3.2.41: Protein-, Fett- und Knochenmineralansatzraten (g/d) in Schweinen mit

unterschiedlichen RyR1-Genotypen bei einer Fütterung mit 95% der geschätzten

freiwilligen Futteraufnahme

RyR1-Genotyp

NN Nn nn

Wachs-

tumsab-

schnitt Zunahme (g/d)

Protein Fett Knochen Protein Fett Knochen Protein Fett Knochen

6,56 kg 6,27 kg 4,81 kgI*)

42 ± 3 13 ± 2 6 ± 1 39 ± 4 10 ± 2 5 ± 1 30 ± 4 8 ± 3 4 ± 1

20,79 kg 21,50 kg 21,50 kgII

104 ± 4 57 ± 4 13 ± 1 107 ± 3 59 ± 3 13 ± 0 115 ± 5 58 ± 5 14 ± 1

48,82 kg 48,91 kg 49,38 kgIII

120 ± 6 199 ± 13 19 ± 1 123 ± 5 172 ± 11 19 ± 1 132 ± 7 168 ± 16 19 ± 1

77,16 kg 77,37 kg 74,33 kgIV

104 ± 14 225 ± 45 9 ± 1 116 ± 14 183 ± 45 9 ± 1 112 ± 19 125 ± 58 12 ± 1

*) Durchschnittliche Lebendmassen in den VersuchsabschnittenI: 1,2 kg ca. 10 kg, II: 10 kg 30 kg, III: 30 kg 60 kg, IV: 60 90 kg.

Da bei allen drei Genotypen die Magergewebewachstumsrate gegen Ende des

Versuchs bei steigendem täglichen Futterverzehr leicht abnimmt, kann das häufig

angenommene Linear-Plateau-Modell für den Proteinansatz in Bezug auf die

Energieaufnahme (WHITTEMORE, 1985, KANIS, 1988, BIKKER, 1994) in diesem Versuch

nicht bestätigt werden (Abb. 3.2.18, 3.2.19). Das Linear-Plateau-Modell unterstellt

einen steilen Anstieg der Proteinansatzrate bei steigender Energieaufnahme bis zum

Erreichen des maximalen Proteinansatzpotentials. Nach Erreichen der maximalen

Proteinansatzrate bleibt der Proteinansatz auch bei weiter steigender Energiezufuhr

konstant. Jedoch verweisen BIKKER et al. (1996a,b) darauf, dass bei einem relativ

niedrigen Futteraufnahmeniveau wie im eigenen Versuch zwischen 30 und 60 kg

Lebendmasse - anteilmäßig mehr Magergewebe (Muskelgewebe bzw. Protein)

angesetzt wird als bei einem hohen Futteraufnahmeniveau, welches den Fettansatz

fördert.

Ergebnisse

204

0102030405060708090

100110120130140150160170180190200210220230240250

0 10 20 30 40 50 60 70 80 90

Lebendmasse (kg)

Zuna

hme

(g/d

)

NN_Protein Nn_Protein nn_ProteinNN_Fett Nn_Fett nn_FettNN_Knochen Nn_Knochen nn_Knochen

Abb. 3.2.20: Wachstumsraten für Protein, Fett und Knochenmineral bei Schweinen mitunterschiedlichen RyR1-Genotypen

Nach einem schnellen Anstieg zwischen Geburt und 20 kg Lebendmasse und

einem Maximum zwischen 45 und 60 kg sinkt die Proteinansatzrate bis zum Ende des

Versuchs bei ca. 90 kg Lebendmasse wieder minimal. Die Ergebnisse von SCHINCKEL

et al. (1996) decken sich mit den eigenen Ergebnissen für das Ende des Versuchs (90

kg) und zeigen in verschiedenen Genotypen einen deutlichen Rückgang der

Proteinansatzraten ab 60 kg Lebendmasse, während WHITTEMORE et al. (1988) einen

erheblichen Rückgang in der Proteinansatzrate erst ab ca. 100 kg Lebendmasse

verzeichnen. Ähnlich wie in den eigenen Ergebnissen wenn man den RyR1-Genotyp

NN ausnimmt - wich die Proteinansatzrate im Bereich zwischen 45 und 110 kg

Lebendmasse maximal um 10 g von der maximalen Proteinansatzrate ab. Im eigenen

Versuch liegen die maximalen Proteinansatzraten (PDmax) theoretisch um 5 % über

den ermittelten Werten, da die Tiere im Versuch nur mit 95 % der geschätzten Ad-

libitum-Futteraufnahme versorgt wurden (Kapitel 3.1.3). Die durchschnittliche

maximale Proteinansatzrate für den RyR1-Genotyp nn beträgt unter den gegebenen

Ergebnisse

205

Bedingungen (Rasse, Fütterung und Haltung) ca. 139 g/d, während für den

heterozygoten Genotyp eine durchschnittliche maximale Proteinansatzrate von ca.

129 g/d bzw. für den homozygot normalen Genotyp von ca. 126 g/d zu veranschlagen

ist. Ein Kastrat der Linie Duroc (nn) erreichte mit 164 g/d (PDmax = 172 g/d) die

höchste Proteinansatzrate im Gewichtsabschnitt zwischen 30 und 60 kg.

Tiere mit höchstem Fleischanteil (Magergewebeanteil) müssen nicht zwingend die

höchsten Protein- bzw. Magergewebeansatzraten aufweisen. Sobald die fleischreicheren

Tiere (wie z.B. Pietrain oder homozygote Defektallelträger) aufgrund einer

vergleichsweise niedrigeren Futteraufnahme stark reduzierte Tageszunahmen erzielen,

sinken die Proteinansatzraten unter die der Tiere mit einem mittleren Verfettungsgrad -

hier heterozygoter Genotyp Nn ab (Tab. 3.2.41, Abb. 3.2.20). Dabei ist vorausgesetzt,

dass die Tiere mit einem mittleren Verfettungsgrad mehr Futter für die Realisierung

höchster Tageszunahmen aufnehmen als die magersten Tiere (WÄFLER u.a., 1984,

KRIETER, 1986, KANIS, 1988, WEBB, 1989, CAMERON and CURRAN, 1994).

In der eigenen Untersuchung zeigt der fleischreiche Genotyp nn im letzten

Prüfabschnitt (60 - 90 kg) im Vergleich zum vorangegangenen Prüfabschnitt (30 - 60

kg) neben einer verminderten Tageszunahme eine verminderte

Magergewebewachstumsrate und folglich eine verminderte Proteinansatzrate.

Korrespondierend ergibt sich im Vergleich zu den beiden anderen Genotypen NN und

Nn eine geringere Futteraufnahme. Insgesamt resultiert aus den verminderten

Lebendmassezunahmen und der niedrigsten Futteraufnahme eine mittlere

Futterverwertung für den Genotyp nn. Bezogen auf die Magergewebemasse ergibt sich

aufgrund der höheren Magergewebewachstumsraten die beste Futterverwertung für den

heterozygoten Genotyp (Abb. 3.2.19, Tab 3.2.33).

Ergebnisse

206

3.2.4 Muskelfaserstruktur und ihre Beziehung zu Parametern aus der 31P-MR-Spektroskopie

Muskelfaserstrukturmerkmale werden als wichtiger Indikator für die Stressstabilität und

mit der Belastungsstabilität einhergehender Fleischqualität angesehen.

Besonders die Muskelfaserquerschnittsfläche zeigte erhebliche Unterschiede beim

Vergleich des normalen Genotyps (NN) mit den beiden Genotypen, die das Defektallel

tragen (Nn und nn).

T

TT

Abb. 3.2.21: Vergleich der Muskelfaserquerschnitte in Abhängigkeit vom RyR1-Genotyp: oben: kleine Faserquerschnitte - NN -

unten: große Faserquerschnitte - Nn und nn -

Ergebnisse

207

Im normalen Genotyp ist die Muskelfaserquerschnittsfläche je nach Typ signifikant

um 35 % bis 57 % kleiner als in den beiden anderen Genotypen, während sich die

Genotypen mit mindestens einer Kopie des Defektallels in der

Muskelfaserquerschnittsfläche nicht signifikant unterscheiden (Abb. 3.2.21, Tab.

3.2.42).

Tab. 3.2.42: Muskelfaserquerschnittsflächen der Muskelfasertypen I, IIa und IIb sowie

Kotelettflächen von Schweinen mit unterschiedlichen RyR1-Genotypen bei einem

Durchschnittsgewicht von 83,48 kg und 152,77 Lebenstagen (LSM ± SEE#)

a

b

b

b b

b

a

n n N n N N

a a b 49 ,6 4 ± 1 ,46 4 0 ,93 ± 0 ,9 1 42 ,1 4 ± 1 ,09ØM .l.d . (cm ²)

b6 41 9 ± 38 2

5 17 9 ± 56 54 43 7 ± 35 0

5 22 0 ± 71 75 08 8 ± 44 4

1 94 6 ± 4 2 0

T yp IIb 41 2 3 ± 4 6 0

T yp I

T yp IIa

2 58 5 ± 5 3 4 a

6 83 7 ± 61 7

F läche (µ m ²)

10 n 7 5

a bb 6 60 1 ± 60 36 01 6 ± 37 3 3 75 8 ± 4 4 9X


Außerdem bestehen zwischen dem normalen und dem heterozygoten Genotyp keine

signifikanten Unterschiede in der Fläche des M. longissimus dorsi (Kotelettfläche).

Zwischen 60 und 90 kg Lebendmasse nehmen die Muskelfaser-

querschnittsflächen in der Tendenz um ca. 39,3 µm² je kg Lebendmasse zu (r = 0,27,

n.s., Abb. 3.2.22). Die Anzahl der Muskelfasern ändert sich erwartungsgemäß nicht.

Ergebnisse

208

Abb. 3.2.22: Beziehung zwischen Lebendmasse und durchschnittlicherMuskelfaserfläche (Stark hervorgehobene Datenpunkte stammen vom Genotyp Nn, mit Nummernmarkierte Datenpunkte vom Genotyp nn; sonst von NN.)

Vergleichbar mit den Ergebnissen von FIEDLER u.a. (2001), jedoch im Gegensatz

zu den Ergebnissen von DEPREUX et al. (1998), traten keine signifikanten Unterschiede

im relativen Flächenanteil bzw. numerischen Anteil der Muskelfasertypen I und IIa

zwischen den drei Genotypen auf. Unerwartet wies der heterozygote Genotyp den

geringsten Flächen- und numerischen Anteil weißer Muskelfasern (Typ IIb) auf (Tab.

3.2.43, 3.2.37). Der homozygote Genotyp nn verfügt zwar - vergleichbar mit den

Ergebnissen von FIEDLER u.a. (1993) und DEPREUX et al. (1998) - über den höchsten

numerischen Anteil von Typ IIb-Fasern mit einer Differenz von nicht signifikanten 2,9

bzw. 4,38 % zum homozygoten bzw. heterozygoten Genotyp (Tab. 3.2.44), jedoch

aufgrund der differenzierten Muskelfaserflächen nicht über den höchsten Flächenanteil

von Typ IIb-Fasern (Tab. 3.2.43).

Anguläre bzw. andere abnorme Fasertypen (Riesenfasern) konnten im

vorhandenen Untersuchungsmaterial nicht nachgewiesen werden, obgleich der

heterozygote und der homozygote Defektallelgenotyp im Vergleich zum normalen

Genotyp im Durchschnitt eine um das 1,6- bis 1,8-fache vergrößerte Muskelfaserfläche

besitzen. Die größten Unterschiede bestehen in den Typ IIa -Muskelfasern mit einer um

das 2,3- bis 2,7-fache vergrößerten Muskelfaserfläche in den Defektallelträgern.

Ergebnisse

209

Tab. 3.2.43: Flächenanteile der Muskelfasertypen I, IIa und IIb in unterschiedlichen

RyR1-Genotypen (LSM ± SEE#)

n n N n N N

5 ,4 8 ± 1 ,2 6 7 ,4 5 ± 1 ,0 5 7 ,8 6 ± 1 ,6 9

8 5 ,8 7 ± 1 ,7 08 3 ,7 0 ± 1 ,0 5

6 ,8 8 ± 1 ,2 6 8 ,8 5 ± 1 ,0 5 6 ,2 7 ± 1 ,7 0

T y p IIb 8 7 ,6 4 ± 1 ,2 6

T y p IIa

T y p I

a b ab

F läch en an te il (% )


Tab. 3.2.44: Prozentuale Verteilung der Anzahl der Muskelfasertypen I, IIa und IIb in

unterschiedlichen RyR1-Genotypen (LSM ± SEE#)

T y p IIa

T y p I

N N N n n n

8 ,0 5 ± 2 ,1 3 9 ,3 5 ± 1 ,7 7 9 ,3 9 ± 2 ,8 6

1 2 ,0 3 ± 1 ,5 9 1 2 ,2 1 ± 1 ,3 2 7 ,7 9 ± 2 ,1 3

T y p IIb 7 9 ,9 2 ± 1 ,9 2 7 8 ,4 4 ± 1 ,6 0 8 2 ,8 2 ± 2 ,5 7

A n zah l (% )


In der Tendenz - bei einer Korrelation von r = -0,56 - nahm der numerische Anteil

von Typ-IIbFasern mit steigender Lebendmasse von 63,4 bis 96,2 kg ab, während der

numerische Anteil von Typ I Fasern leicht anstieg (r = 0,42). Der Anteil von Typ-IIa

Fasern zeigte einen minimalen nicht signifikanten Anstieg mit zunehmenden Alter bzw.

Lebendmasse. Bezogen auf die Fläche resultieren Korrelationen von r = - 0,66 zwischen

Typ-IIb-Faseranteil und Lebendmasse bzw. von r = 0,57 zwischen Typ-I-Faseranteil

und Lebendmasse. Nur minimal geringere Korrelationskoeffizienten ergeben sich in

Bezug auf das Alter im Bereich von 120 bis 177 Lebenstagen. Diese Ergebnisse stehen

einerseits im Gegensatz zu den von KARLSSON et al. (1999) zusammengefassten

Erkenntnissen, die von einer Zunahme der glykolytischen Fasern (Typ IIa und IIb ) und

einer Abnahme der oxidativen Fasern (Typ I) im Laufe des Wachstums speziell für den

untersuchten M. longissimus dorsi ausgehen. Eine Ursache in den kontroversen

Ergebnissen könnte darin bestehen, dass im eigenen Material keine fortlaufenden

Untersuchungen an einzelnen Individuen vorliegen, sondern Tiere mit

unterschiedlichem Alter und Gewicht in die Untersuchung eingingen. Andererseits

Ergebnisse

210

weist ESSÉN-GUSTAVSSON (1993) die eigenen Ergebnisse bestätigend - darauf hin,

dass der Anteil der Typ-I-Fasern bis zur sexuellen Reife zunimmt und erst in älteren

Schweinen wieder zurückgeht.

Aus der planimetrierten Fläche des M. longissimus dorsi (Tab. 3.2.42) und der

durchschnittlichen Muskelfaserquerschnittsfläche ergibt sich die Gesamtanzahl

Muskelfasern:

[Muskelfaseranzahl = M.l.d. (cm²) x 100000 / durchschnittliche Faserfläche (µm²)].

Die Muskelfaseranzahl ist bereits pränatal festgelegt und lässt sich durch äußere

Einflüsse wie extreme Futterrestriktion nur minimal ändern (SWATLAND, 1993,

REHFELDT et al., 1999). Zwischen Muskelfaseranzahl und Muskelfaserfläche existiert

übereinstimmend mit den Ergebnissen von REHFELDT et al. (1999) eine hohe negative

Korrelation von r = -0,833 (Abb. 3.2.23, n = 22).

Abb. 3.2.23: Beziehung zwischen Muskelfaseranzahl und Muskelfaserfläche

(r = -0,833)

Der homozygot normale Genotyp NN verfügt infolge der kleinsten

Faserquerschnittsflächen über die höchste Anzahl von Muskelfasern innerhalb des M.

longissimus dorsi (M.l.d.). Aufgrund der größten Fläche des M.l.d. (Koteletts) bei

gleichzeitig größten Faserquerschnittsflächen folgt der homozygote Defektgenotyp nn

Ergebnisse

211

an nächster Stelle (p = 0,0566). Beruhend auf der großen Muskelfaserquerschnittsfläche

bei gleichzeitig kleiner Fläche des M. longissimus dorsi weist Nn die niedrigste Anzahl

Muskelfasern auf, die sich jedoch nicht signifikant von nn unterscheidet (Tab. 3.2.45).

Ähnlich wie in den vorliegenden Ergebnissen fanden FIEDLER u.a. (2001) keine

statistisch gesicherten Unterschiede in der Fasergesamtzahl zwischen den homozygoten

RyR1-Genotypen (NN und nn), wobei die Probenahme post mortem und nicht in vivo

erfolgte. Eine Muskel(faser)hypertrophie muss demzufolge nicht notwendigerweise mit

einer reduzierten Muskelfaseranzahl gekoppelt sein, obwohl eine enge negative

Korrelation zwischen den beiden Merkmalen besteht. Generell besitzen jedoch die

Defektallelträger (Nn und nn) im Vergleich zum normalen Genotyp aufgrund der

größeren Muskelfaserflächen eine verminderte Anzahl an Muskelfasern. Im eigenen

Material besteht keine signifikante Beziehung zwischen Muskelfaserfläche und

Muskelfläche (Kotelett) (r = 0,24).

Tab. 3.2.45: Gesamtanzahl Muskelfasern im M. longissimus dorsi in Abhängigkeit vom

RyR1-Genotyp (LSM ± SEE#)

b a°b

nn N n N N

840 ,7 ± 113 ,9708 ,6 ± 70 ,5A nzahl F asern 1094 ,1 ± 85 ,4 a*

(T ausend)

#) Werte mit unterschiedlichen Buchstaben unterscheiden sich signifikant mit p ≤ 0,05. Differenzen mit * und ° überschreiten die Signifikanzgrenze minimal mit p = 0,0566.(M.l.d.-Fläche zwischen 13./14. Brustwirbel direkt nach Schlachtung planimetrisch gemessen)

Da die mittels Biopsie untersuchten Tiere bereits bei ca. 10 kg Lebendmasse einer

Stoffwechselanalyse mit Hilfe der 31P-MR-Spektroskopie unterzogen wurden, konnten

die Beziehungen zwischen Stoffwechselreaktion (Phosphokreatinabbau) und

durchschnittlicher Muskelfaserfläche berechnet werden (Abb. 3.2.24). Für den

Aussagewert dieser Berechnung ist jedoch der zeitliche Abstand zwischen den beiden

Untersuchungen sowie die Verwendung unterschiedlicher Muskelgruppen (M.l.d. für

Biopsie bzw. M. biceps femoris für MR-Spektroskopie) zu berücksichtigen. Zum

Zeitpunkt der 31P-MR-Untersuchung (10 kg) konnten noch keine Biopsieproben

entnommen werden, da das Schussbiopsiegerät erst später verfügbar war. Insgesamt

nimmt die Phosphokreatinabbaurate und damit die Stressanfälligkeit mit steigender

Muskelfaserfläche zu (r = 0,533). Zwischen der Muskelfaseranzahl und der

Stressanfälligkeit (Phosphokreatinabbau, %) konnte hingegen mit r = -0,30 (n = 22)

Ergebnisse

212

keine signifikante Beziehung ermittelt werden (Abb. 3.2.25). Die Höhe der Korrelation

zwischen Muskelfaserfläche bzw. Muskelfaseranzahl und Phosphokreatinabbau hängt

stark von der untersuchten RyR1-Genotypzusammensetzung ab, denn innerhalb der

RyR1-Genotypgruppen bestehen nicht allein wegen der geringen Beobachtungszahl -

keine signifikanten Beziehungen zwischen den Merkmalen (Abb. 3.2.26).

Abb. 3.2.24: Beziehung zwischen der auf einheitliche 90 kg Lebendmasse korrigiertenMuskelfaserfläche am M. longissimus dorsi*) und dem Phosphokreatinabbau nachStressauslösung mittels Halothan am M. biceps femoris (bei ca. 10 kg Lebendmasse)Regressionsgleichung zur Korrektur der Muskelfaserfläche auf 90 kg Lebendmasse:*)Muskelfaserfläche90 = gemessene Muskelfaserfläche + [39,3757 • (90 - Lebendmasse)]Zwischen Phosphokreatinabbau und Lebendmasse innerhalb des untersuchten Lebendmassebereiches(6,14 14,96 kg) besteht kein signifikanter Zusammenhang.

Ergebnisse

213

Abb. 3.2.25: Beziehung zwischen Muskelfaseranzahl am M. longissimus dorsi und demPhosphokreatinabbau nach Stressauslösung mittels Halothan am M. biceps femoris(r = 0,367, p = 0,093)

Abb. 3.2.26: Beziehung zwischen Muskelfaseranzahl am M. longissimus dorsi und demPhosphokreatinabbau nach Stressauslösung mittels Halothan am M. biceps femorisinnerhalb der RyR1-Genotypen

Ergebnisse

214

Übereinstimmend mit den Erkenntnissen von SCHMITTEN u.a. (1986),

RATHFELDER (1991), ESSÉN-GUSTAVSSON (1995), V. LENGERKEN u.a. (1997), MARTENS

(1997, 1998), KARLSSON et al. (1999) und FIEDLER u.a. (2001) ist generell davon

auszugehen, dass Tiere mit einem erhöhten Anteil weißer (glykolytischer) Muskelfasern

und vor allem mit größeren, hypertrophierten Muskelfasern belastungsanfälliger sind

und eine schlechtere Fleischqualität aufweisen als Tiere mit einem normalen

Muskelfaserdurchmesser bzw. Muskelfaserquerschnittsfläche.

Diskussion

215

4 Diskussion

4.1 Ursachen für die Variation in Muskelstoffwechselvorgängen

Glykogen, Glukose, Phosphokreatin (synonym Kreatinphosphat) und

Adenosintriphosphat (ATP) sind wesentliche Energielieferanten des Muskel-

stoffwechsels. Zum Zeitpunkt der Schlachtung beeinflussen das Glykogenniveau sowie

die Geschwindigkeit der Glykolyse post mortem wesentlich die Fleischqualität.

Ergebnisse mehrerer In-vitro-Studien zeigen, dass niedrige Glykogenreserven zum

Zeitpunkt der Schlachtung in schlechter Fleischqualität resultieren (KOLB, 1987,

MÜLLER, 1994, STALDER et al., 1998). In vivo konnten bisher keine signifikanten

Differenzen zwischen verschiedenen Rassen bzw. Linien gefunden werden (LINDNER,

1991).

In Kombination mit neuen DNA-Analyseverfahren eröffnet die Magnetresonanz-

Spektroskopie die Möglichkeit, die Reaktion der Phosphor- und Kohlenstoffbestandteile

des Muskelstoffwechsels auf Stressoren (z.B. Halothan) in vivo und nicht invasiv an

definierten Genotypen zu untersuchen (GAREAU et al, 1993, GEERS et al., 1992 a, b,

JANZEN et al., 1994, MOESGAARD et al., 1995).

Bei der malignen Hyperthermie des Schweins ist seit langem bekannt, dass es sich

um eine genetische Krankheitsdisposition handelt, die eng mit der Ausbildung von PSE-

Fleisch verbunden ist (KOLB, 1987). Der Defekt wird von einem einzigen Genort, dem

Ryanodin-Rezeptor-1-Gen (RyR1) verursacht, welches auf dem Chromosom 6p12-q22

lokalisiert wurde. Synonyme Bezeichnungen für den RyR1-Genort sind „Halothan“-

Genort [HAL1843 TM], „Malignes Hyperthermie Syndrom“-Genort [MHS], „Calcium

Release Channel“-Genort [CRC] bzw. „Porcine Stress Syndrome“-Genort [PSS]

(LISTER, 1987, FUJII et al., 1991, MACLENNAN und PHILLIPS, 1992). Bei der Mutation

des RyR1-Gens handelt es sich um eine Punktmutation am Nukleotid 1843 der porcinen

DNA [ HAL1843 TM]. Dadurch erscheint anstatt einer Cytosin- eine Thymin- Base in

der Nukleotidsequenz. Der Basenaustausch bewirkt bei der Translation, dass anstatt von

Arginin Cystein in dem als „Foot-Region“ bezeichneten Abschnitt des Ryanodin-

Rezeptors eingesetzt wird (FUJI et al, 1991). Bei Anwesenheit des Defektallels am

Ryanodin-Rezeptor-1-Genort ist die Ca2+-Balance des Sarkoplasmatischen Retikulums

von Muskelzellen – vor allem bei Stresssituationen - eingeschränkt (KIM et al., 1984,

NELSON et al., 1991, BRENIG und BREM, 1992, MACLENNAN und PHILLIPS, 1992,

MICKELSON und LOUIS, 1993, 1996, FIEDLER u.a., 2001a).

Diskussion

216

Die Ryanodin-Rezeptoren (RyR 1-3) wurden ursprünglich aufgrund ihrer

Interaktion mit dem Pflanzenalkaloid Ryanodin gefunden und erforscht. Ryanodin ist

ein insektizides Pflanzenalkaloid, das aus den Wurzeln und dem Stamm des

südafrikanischen Strauchgewächses Ryania speciosa gewonnen wird. Es hat zwei aktive

Hauptkomponenten: Ryanodin und 9,21-Didehydroryanodin. Das Alkaloid hält den

Rezeptor permanent offen (KREMPLER, 2000).

Nach Auslösung einer Stressreaktion (z. B. mit Halothan) resultiert die Mutation

am Ryanodin-Rezeptor post mortem in einem schnelleren Phosphokreatinabbau bei

gleichzeitigem Anstieg des anorganischen Phosphats, einem gesteigerten ATP-Umsatz,

einem schneller abfallenden pH-Wert sowie in einer gesteigerten Glykolyserate (KOLB,

1987). Die erhöhte Glykolyserate kann aus dem pH-Verlauf während der 31P-

Spektroskopie abgeleitet werden (MOESGAARD et al., 1995, HENNING et al., 2000).

Halothan bewirkt bei Vorliegen des Defektallels n eine längere und häufigere Öffnung

des RyR1-Kanals im Vergleich zum normalen Genotyp NN (NELSON und LIN, 1995,

MICKELSON und LOUIS, 1996). Die Freisetzungsrate für sarkoplasmatisches Kalzium

(Ca2+) durch den defekten Ryanodin-Rezeptor ist erhöht. In der Folge wird das

Zellinnere mit Ca2+-Ionen überschwemmt. Der erhöhte Kalziumeinstrom in die

Muskelzelle (und der verminderte Kalziumausstrom, FIEDLER u.a., 2001a) regt eine

maximale, ununterbrochene Muskelkontraktion an, die eine allgemeine

Muskelverkrampfung und -steifheit herbeiführt. Kalzium verstärkt durch die

Aktivierung der Phosphorylase-Kinase die Glykogenolyse, die wiederum die katabolen

Aktivitäten wie ATP- und Wärmeproduktion ansteigen lässt. In einer normalen

Muskelzelle wird das Kalzium nach der Kontraktion unter Energieverbrauch in das

sarkoplasmatische Retikulum zurücktransportiert und die Muskelzelle kann auf den

nächsten elektrischen Impuls erneut mit einer Kontraktion reagieren (Abb. 4.1.10). Die

mitochondrialen Enzyme der Atmungskette, Pyruvat-Dehydrogenase, Isozitrat-

Dehydrogenase und 2-Oxoglutarat-Dehydrogenase werden ebenfalls durch Kalzium

aktiviert und tragen zur Erhöhung der Stoffwechselaktivitäten bei (BABCOCK und

HILLE, 1998). Außerdem ist in vitro (post mortem) eine Inaktivierung der Ca2+-ATPase

für die verminderte Aufnahme von Ca2+-Ionen durch das sarkoplasmatische Retikulum

bei den Defektallelträgern verantwortlich (KÜCHENMEISTER et al., 1999, FIEDLER u.a.,

2001a). In vivo scheint die Ca2+-ATPase für die Stoffwechselentgleisungen der

Defektallelträger keine Rolle zu spielen, da die Aktivität der Ca2+-ATPase unmittelbar

nach der Schlachtung in den homozygoten Defektallelträgern höher als in den

Diskussion

217

homozygot „normalen“ Tieren ausfällt (FIEDLER u.a., 2001a). Da der defekte

Kalziumfreigabekanal (calcium release channel - CRC) einen verstärkten Einstrom von

Ca2+-Ionen in die Muskelzelle bedingt, ist die höhere Aktivität der Ca2+-ATPase in den

Defektallelträgern nötig, um die Kalzium-Homöostase so lange wie möglich aufrecht zu

erhalten. Während bei den homozygoten Defektallelträgern der Kalziumfreigabekanal

durchgängig fast vollständig geöffnet wird, ist bei den homozygot „normalen“ Tieren

der CRC nur partiell geöffnet (KÜCHENMEISTER et al., 1999)

Unter extremen Belastungssituationen in vivo übersteigt in den Defektallelträgern

der ATP-Bedarf die Synthese von ATP – die zuerst über Phosphokreatin und aerobe

Glykolyse erfolgt – erheblich, und der Stoffwechsel schaltet um auf die ineffizientere

anaerobe ATP-Gewinnung durch Glykolyse. Als Folgeerscheinungen treten

metabolische Azidose, Anstieg des exspiratorischen CO2 und Sauerstoffdefizit im Blut

auf (MACLENNAN und PHILLIPS, 1992, Abb. 4.1.10). Der Hypermetabolismus, der

generell mit Herz-/Kreislaufsymptomen einhergeht, führt zu Blutdruckanstieg,

Herzrhythmusstörungen und Hyperventilation (KOLB, 1987, HARTUNG, 1995,

MARTENS, 1997, 1998). Im fortgeschrittenen Stadium kommt es zur Schädigung der

Zellmembran, verbunden mit einer zunehmenden Permeabilität für Ionen und Enzyme

sowie anderer Moleküle, die zu Hyperkaliämie, Hyperkalziämie, einem Anstieg der

Kreatinphosphokinase (CK) und Myoglobin im Blut sowie einer schwerwiegenden

Schädigung der Skelett- und Herzmuskulatur führen. Ohne Gegenmaßnahmen

resultieren aus diesen Vorgängen irreversible und letale Zellschäden.

In vivo wurden diese Beobachtungen nach Halothanbelastung bisher nur für die

homozygoten Defektallelträger bestätigt (GEERS et al., 1991, 1992a, DECANNIERE, 1993,

DECANNIERE et al., 1993, GAREAU et al., 1993, JANZEN et al., 1994, KOZAK-RIBBENS et

al., 1997, HENNING et al., 2000, BAULAIN und HENNING, 2001). Muskelsteife als

klinische Beobachtung während des klassischen Halothantestes stand nach GEERS et al.

(1992a) in Beziehung zum Grad des Phosphokreatinabbaus. Während der eigenen

Untersuchungen ließ die Positionierung der Tiere im geschlossenen Magneten keine

derartigen Beobachtungen zu. Die homozygot halothansensitiven Schweine zeigten

auch in vivo einen signifikanten Rückgang in der Phosphokreatinkonzentration,

während das Signal des anorganischen Phosphats breiter wurde, in der Amplitude

zunahm und sich die Position im Spektrum verschob (GEERS et al., 1992a).

Diskussion

218

Abb. 4.1.1: Beispiel für den Zeitverlauf der Phosphokreatin-Konzentration (PCr) unddes pH-Wertes von Schweinen mit unterschiedlichen Ryanodin-Rezeptor-1-Genotypennach Halothanbelastung in vivo

KOZAK-REISS et al. (1987) sowie UHRIN und LIPTAJ (1990) interpretieren diesen

Verlauf post mortem als intensivierte Glykolyse, wodurch sich der pH-Wert vermindert

und gleichzeitig Phosphatester (Phosphomonoester – PME) produziert werden. SHOMER

et al. (1994) prüften die Aktivität des Ryanodin-Rezeptors-1 bei unterschiedlichen pH-

Werten im Zytosol und stellten fest, dass mit sinkendem pH-Wert die Aktivität des

Rezeptors abnimmt. Dieser Schutzmechanismus wird bei einer Überlastung des

Muskels, bei der durch anaerobe Glykolyse der pH-Wert im Zytosol absinkt, aktiviert.

Bei den Defektallelträgern (MHS positiv) wurde eine 50%-ige Hemmung des RyR1-

Rezeptors erst ab einem pH-Wert von ≤ 6,86 erreicht. Im Gegensatz trat in der

Kontrollgruppe (MHS negativ) eine 50%-ige Hemmung des RyR1-Rezeptors bereits bei

einem signifikant höheren pH-Wert von 7,08 ein.

Der „defekte“ RyR1-Rezeptor ist zudem aufgrund einer verringerten

Empfindlichkeit gegenüber Magnesium leichter aktivierbar. So stellten KOHN (1997)

bzw. HENNING et al. (2000) bei den Defektallelträgern Nn und nn bereits im

„Ruhezustand“ eine durchschnittlich erhöhte intrazelluläre Mg2+-Konzentration im

Vergleich zum normalen Genotyp NN fest (NN = 387 µmol/l, Nn = 425,8 µmol/l,

nn = 495,2 µmol/l). Um dem Effekt einer verringerten Empfindlichkeit gegenüber

Magnesium entgegen zu steuern, kann eine zusätzliche Magnesium-Fütterung bei MHS-

Dauer (Minuten)

PCr (%)

*Hal = Halothan

0102030405060708090

100

0 10*Halauf

Halzunn

30 40 HalzuNn

60 Halzu

NN

80 90 100 110 120 1306.76.756.86.856.96.9577.057.17.15

pH

PCr -NN- PCr -Nn- PCr -nn- pH -NN- pH -Nn- pH -nn-

Diskussion

219

heterozygoten Schweinen im Vergleich zu nicht zusätzlich mit Magnesium versorgten

Tieren einen verlangsamten PCr-Abbau bzw. pH-Abfall und folglich eine verminderte

ATP-Umsatzrate bewirken (MOESGAARD et al., 1993).

Speziell wenn das Defektallel doppelt vorliegt, führen die hohen intrazellulären

Kalziumkonzentrationen nur unzureichend oder gar nicht zu einer Inaktivierung des

RyR1-Rezeptors. Dadurch entstehen vermehrt unkontrollierte Muskelkontraktionen, die

durch die (indirekt) kalziumabhängige Interaktion von Myosin und Aktin unter

Verbrauch von ATP zu erklären sind. ATP wird zusätzlich von der Ca-ATPase des

Sarkoplasmatischen Retikulums verbraucht. Dabei wird es zunächst durch

Phosphokreatin regeneriert, muss aber dann durch aerobe Glykolyse und bei

anhaltender Belastung durch anaerobe Glykolyse neu synthetisiert werden. Bei

übermäßiger Belastung erschöpfen sich die Energiereserven sehr schnell. Laktat wird

angehäuft und infolge des ATP-Mangels kann die Ionenverteilung zwischen intra- und

extrazellulärem Raum (Na+ und K+) nicht mehr aufrechterhalten werden, wodurch

osmotische Effekte ausgelöst werden (ABELES et al., 1992, SHOMER et al., 1994, KOHN,

1997, MARTENS, 1997).

In keiner aus der Literatur bekannten 31P-NMR-Untersuchungen konnte

nachgewiesen werden, dass der heterozygote Genotyp in vivo einen intermediären

Phosphokreatinabbau aufweist (GEERS et al., 1992b, KOHN et al., 1994, 1998, KOHN,

1997, HENNING et al., 2000). Diese Ergebnisse waren hauptsächlich durch die

Versuchsanstellung bedingt, denn die Halothanbelastung wurde über einen kürzeren

Maximalzeitraum (20 min) durchgeführt und/oder zusätzlich wurden geringere

Halothankonzentrationen (2 Volumen-%) verwendet als im eigenen Versuch (60 min,

bzw. 3 Volumen-%).

Die Ergebnisse des eigenen 31P-MR-Spektroskopie-Experimentes zeigen in vivo

erwartungsgemäß, dass die Präsenz beider Defektallele durchgängig eine drastische

Reaktion nach Halothanbelastung hervorruft, während das Vorhandensein nur eines

Defektallels am Ryanodin-Rezeptor-1-Genort nicht zwingenderweise eine extreme

Belastungsreaktion nach sich ziehen muss, aber ebenfalls erwartet werden kann (Abb.

4.1.1, 4.1.10). Insgesamt konnte kein Beweis dafür gefunden werden, dass das mit dem

Ryanodin-Rezeptor-1-Gen übereinstimmende Halothan-Gen in Bezug auf die

Stressreaktion eine homozygot rezessive Genwirkung mit unvollständiger Penetranz

besitzt. Die These der homozygot rezessiven Genwirkung mit unvollständiger Penetranz

trifft allein auf den ungenauen konventionellen Halothanmaskentest zu. Die 31P-MR-

Diskussion

220

Spektroskopie-Untersuchungen von GEERS et al. (1992a) besagen ebenfalls, dass die

Stärke des Phosphokreatinabbaus in vivo innerhalb des M. biceps femoris beim

Vergleich von halothansensitiven und „halothanresistenten“ Tieren keine falsch-

negativen Ergebnisse erbrachte und mit 100%-iger Zuverlässigkeit die homozygot

halothansensitiven Tiere identifiziert. Die eigenen Untersuchungen können diese

Aussage nicht bestätigen, denn es können auch heterozygote Tiere in vivo einen

Phosphokreatinabbau aufweisen, der in der Stärke dem der homozygoten

Defektallelträger gleicht. Abgesehen von den Kosten, wäre die 31P-MR-Spektroskopie

in dieser Hinsicht nicht für die Identifizierung der RyR1-Genotypen geeignet.

Während des konventionellen Halothanbelastungstests werden die Schweine

maximal 5-8 Minuten einer Halothanzufuhr ausgesetzt. Diese Zeit ist nicht zwingend

ausreichend, um in den homozygot „halothansensitiven“ Tieren eine sichtbare Reaktion

zu provozieren, während bei den heterozygoten Tieren dafür in der Regel eine

bedeutend längere Halothanbelastung notwendig war. In der eigenen Untersuchung

dauert es übereinstimmend mit KOLB (1987) zwischen 3 und 19 Minuten nach Beginn

der Halothangabe, um bei den homozygot halothansensitiven Tieren einen signifikanten

Rückgang in der Phosphokreatin- bzw. Glykogenkonzentration als Indikator für

Stoffwechselimbalancen im Muskel feststellen zu können. Vergleichsweise zeigen die

heterozygoten Defektallelträger die größte Variation in ihrer Stoffwechselreaktion auf

eine Halothanbelastung. Drei heterozygote Schweine (von 29) reagierten mit einem

signifikanten Rückgang in der Phosphokreatinkonzentration bereits nach 5 bis 14

Minuten Halothanadministration, während 24 % (7) der heterozygoten Schweine 20 bis

39 Minuten Halothanzufuhr benötigten. In 65 % (19) der untersuchten heterozygoten

Schweine betrug die Dauer der Halothangabe zwischen 52 und 60 Minuten. Insgesamt

zeigten 24 % (7) der heterozygoten Schweine in Bezug auf Phosphokreatin keinen

signifikant veränderten Muskelstoffwechsel nach 60 Minuten Halothangabe genauso

wie 76 % (16) der homozygot „normalen“ Schweine.

Offensichtlich führt die einfache Anwesenheit des Defektallels nicht zwingend zu

nachweisbaren Stoffwechselveränderungen im Vergleich zu den „Normaltieren“, was

die Wechselwirkung mit anderen Genen sehr nahe liegend erscheinen lässt. LE ROY et

al. (2000) unterstützen diese These mit dem Hinweis auf eine Wechselwirkung von

RyR1- und RN-Gen (Hampshireeffekt) auf Fleischqualitätsmerkmale. Träger des RyR1-

Defektallels (n) und des RN --Allels (gekennzeichnet durch einen erhöhten Muskel-

Glykogengehalt) zeigten einen stärker verminderten pH1-Wert (35 Minuten post

Diskussion

221

mortem) oder Dripverlust als Träger des RyR1-Defektallels (n) in Kombination mit dem

„normalen“ rn+-Allel (rn+/rn+, gekennzeichnet durch einen „normalen“ Muskel-

Glykogengehalt). Hingegen ergab sich ein niedrigerer Kochverlust bei Trägern des RN -

-Allels in Kombination mit dem homozygot „defekten“ RyR1-Genotyp (nn) im

Vergleich zur Kombination mit dem homozygot „normalen“ RyR1-Genotyp (NN).

Da kein Beweis für einen homozygot rezessiven Effekt des Defektallels gefunden

werden konnte, ist ein additiver Effekt des Defektallels und die Interaktion mit anderen

Genorten sowohl für den Muskelstoffwechsel als auch für die Körperzusammensetzung

(Kapitel 4.2) wahrscheinlicher. Zusätzlich könnten die monogen und polygen bedingten

Effekte auf den Muskelstoffwechsel durch die Struktur des Ryanodin-Rezeptors

moduliert werden. Speziell wenn nur ein Defektallel (Nn) vorhanden ist, sind

entsprechend der eigenen Ergebnisse vielfältige Reaktionen des Muskelstoffwechsels zu

erwarten. Von einer extrem starken Belastungsreaktion mit einem beschleunigten

Phosphokreatin- und Glykogenabbau bis zu einer sehr geringen Belastungsreaktion

ohne messbare Abbauraten für Phosphokreatin und Glykogen sind alle Zwischenstufen

möglich. FRANZINI-ARMSTRONG und JORGENSEN (1994), ORLOVA et al. (1996) sowie

WAGENKNECHT und RADERMACHER (1997) belegen unter kombinierter Verwendung

von „Immunolabeling“, (Tiefgefrier-)Elektronenmikroskopie und Bildverarbeitung,

dass der Ryanodin-Rezeptor-Kanal die Form eines quadratisch-prismenähnlichen

Tetramers aufweist, welche von MEISSNER (1994) in Form eines vierblättrigen

Kleeblattes mit einer Dimension von 27 x 27 x 14 nm beschrieben wurde. MA und

ZHAO (1994) fanden vier getrennte Leitfähigkeits-Zustände am RyR-Kanal und

bestätigen damit die Tetramerstruktur. Der Rezeptor besteht aus vier Untereinheiten, die

symmetrisch um ein „Fußstück“ („Foot Region“) oder Verbindungsstück (plug)

angeordnet sind (Abb. 4.1.2, 4.1.3) und besitzt eine aus cDNA-Sequenzen geschätzte

Masse von 4 x ~565 kDa = ~2,3 Millionen Dalton (FURUICHI, et al. 1994, MEISSNER,

1994, EHRLICH, 1995, SORRENTINO et al., 2000). Entgegen der ursprünglichen

Homotetramer-Theorie (MARTENS, 1997, 1998) - bestehend aus Verbindungsstück

(„Foot Region“) und vier kanalformenden Untereinheiten - enthält die

Proteingrundstruktur des Ryanodin-Rezeptors-1 als zusätzlichen festen Bestandteil an

jeder Untereinheit ein 12 kDa Protein, das „FK506-Binding Protein“ (FKBP12). Es ist

in die Kommunikation zwischen potentialabhängigem Dihydropyridin-Rezeptor und

Ryanodin-Rezeptor während der Muskelarbeit (excitation-contraction coupling)

eingebunden (EHRLICH, 1995, MICKELSON und LOUIS, 1996, WOLZ, 1999, KREMPLER,

Diskussion

222

2000). Entfernt man FKBP12 vom Ryanodin Rezeptor, wird der Ca2+-Kanal

durchlässig. Offenbar ist FKBP12 an der Koordinierung des RyR1-Tetramers bzw. an

der Stabilisierung der Funktion des RyR1-Kanals beteiligt (MAYRLEITNER et al., 1994,

EHRLICH, 1995).

Nach KREMPLER (2000) entwickelt sich der (elektromechanische) EC-

Kopplungsmechanismus (excitation-contraction coupling) im Skelettmuskel in den

ersten Wochen nach der Geburt. Im Zuge der postnatalen Entwicklung werden Protein-

Protein-Interaktionen innerhalb des Ca2+-Regulationssystems immer komplexer. Die

Bildung von Oligomeren scheint eine wichtige Voraussetzung für die physiologische

Funktion der RyR-Proteine zu sein.

Die elektromechanische Koppelung ist der Prozess, der ein Aktionspotential eines

motorischen Nervs in mechanische Energie in Form einer Gleitbewegung von Aktin-

und Myosinfilamenten "übersetzt". Ein an der motorischen Endplatte einer Muskelfaser

ankommendes Aktionspotential führt dabei zu einer Depolarisierung des Sarkolems, das

sich über die Einstülpungen der „transversalen Tuben“ rasch bis ins Innere der

Muskelfaser ausbreitet. Nach Erfassung der Membrandepolarisierung durch einen

Spannungssensor wird das Signal an das sarkoplasmatische Retikulum (SR)

weitergeleitet, was in der Freisetzung von Ca2+ aus dessen terminalen Zisternen

resultiert. Im Sarkoplasma bindet das Ca2+ an die Troponin-C-Moleküle eines dünnen

Aktinfilaments und löst das eigentliche Filamentgleiten aus (WOLZ, 1999).

Die im sarkoplasmatischen Retikulum verankerte „Foot Region“ dient nicht nur

als Basis für die vier kanalformenden Untereinheiten, die den zytoplasmatischen Teil

des Rezeptors bilden, sondern stellt auch die Verbindung zwischen Lumen des SR und

dem Zytoplasma dar. Die kanalformenden Untereinheiten zeigen in den

elektronenmikroskopischen Tomogrammen eine stark zerklüftete Struktur mit jeweils

drei porenartigen Öffnungen. Für die Tetramerstruktur spricht ebenso, dass die mit dem

Ryanodin-Rezeptor direkt zusammenwirkenden Dihydropyridin-Rezeptoren in

Vierergruppen angeordnet sind (Abb. 4.1.2, 4.1.3), die mit ihrer zweireihigen

Netzstruktur genau der durch die vier Untereinheiten des Ryanodin-Rezeptors

gebildeten Struktur angepasst sind (BRENIG u.a., 1991, ORLOVA et al., 1996,

WAGENKNECHT und RADERMACHER, 1997, RÍOS und STERN, 1997, KREMPLER, 2000,

SORRENTINO et al., 2000). Die phylogenetisch verwandten Inositol-Trisphosphat-

Rezeptoren, die die Inositol-1,4,5-Triphosphat und zum Teil - ebenso wie RyR1-

Diskussion

223

Rezeptoren - die Ca2+-induzierte Ca2+-Freisetzung regulieren, bestehen hingegen aus

sechs „Transmembran“-Untereinheiten (MIKOSHIBA, 1997, SORRENTINO et al., 2000).

Wie beschrieben, kodiert der betroffene RyR1-Genort den Ca2+-Freigabekanal

oder den Ryanodin-Rezeptor-1-Kanal des Sarkoplasmatischen Retikulums der

Skelettmuskulatur. Speziell im Dihydropyridin-Rezeptor zugewandten Teil der „Fuß-

Region“ des Ryanodin-Rezeptor-1-Kanals findet sich bei den Defektallelträgern in der

Position 615 anstelle der normalerweise vorhandenen Aminosäure Arginin die „falsche“

Aminosäure Cystein (MARTENS, 1997). SORRENTINO et al. (2000) beschreiben drei

Haupt-Mutationsbereiche („main hot spots of mutation“) für das RyR1-Gen (des

Menschen). Der erste Bereich liegt zwischen den Aminosäuren 35 und 614, die die

sogenannten MIR-Domänen (Mannosyltransferase, Inositol-(1,4,5)-Trisphosphat-

Rezeptor und Ryanodin-Rezeptor) kodieren. Der zweite Bereich befindet sich zwischen

den Aminosäuren 2162 und 2458 der zweiten RIH-Domäne (Ryanodin-Rezeptor- und

Inositol-(1,4,5)-Trisphosphat-Rezeptor-Homologien) und der dritte Bereich zwischen

den Residuen 4796 und 4898 der Region für die Ionenkanalformation. Insgesamt

wurden beim Menschen inzwischen mehr als 20 Mutationen am RyR1-Gen beschrieben,

die mit dem malignen Hyperthermie-Syndrom in Verbindung gebracht werden (PAUL,

1998, WOLZ, 1999).

Da im heterozygoten Genotyp offenbar beide beim Schwein bekannten Allele des

Ryanodin-Rezeptors-1 zur Ausprägung gelangen, könnte diese Tetramerstruktur aus

allen denkbaren Kombinationen der durch die beiden Allel-Varianten (normal und

defekt) kodierten Ryanodin-Rezeptor-Typen bestehen: alle vier Untereinheiten normal,

alle vier Untereinheiten abnormal (defekt), und eine Mixtur aus normalem und

abnormalem Typ (MICKELSON und LOUIS, 1993, MARTENS, 1997, 1998).

Übereinstimmend mit den eigenen Ergebnissen würde diese Formation in einer großen

Variation von Stressreaktionen zum Ausdruck kommen. Eine genaue Kenntnis der

Struktur des Ryanodin-Rezeptors ist erforderlich, um die Stoffwechselreaktion der

heterozygoten Tiere voraussagen zu können.

Diskussion

224

Dihydropyridin-Rezeptor

T-Tubuli

Abb. 4.1.2: 3D-Rekonstruktion des Ryanodin-Rezeptors-1 im Zusammenwirken mitdem Dihydropiridin-Rezeptor(SR = Sarkoplasmatisches Retikulum, ZY = Zytoplasma, V = Verbindungsstück - „FootRegion“), c = Ca2+-Kanal in der Transmembran-Struktur (TM), C = Calmodulin-Anbindung, F = FKB12-Anbindung; modifiziert nach ORLOVA et al., 1996,WAGENKNECHT und RADERMACHER, 1997 und RÍOS und STERN, 1997)

Diskussion

225

Abb. 4.1.3: Schematische Darstellung der Kontaktregion zwischen T-Tubulus undterminaler Zisterne des sarkoplasmatischen Retikulums in der Skelettmuskulatur (Trias-Region)Jeweils einem Tetramer des Ryanodin-Rezeptors in der Membran dessarkoplasmatischen Retikulums (SR) stehen vier Dihydropyridin-Rezeptoren in der T-Tubulus-Membran gegenüber. Der Spalt zwischen terminaler Zisterne und T-Tubuluswird von der Fuß-Region des Ryanodin-Rezeptors durchspannt (Abbildung modifiziertaus KREMPLER, 2000 - nach BLOCK et al., 1988 und BRENIG u.a., 1991).

Alle homozygoten Defektallelträger und eine Anzahl heterozygoter Schweine

zeigten nach Halothangabe dramatische Veränderungen in der Konzentration ihrer

Muskelstoffwechselkomponenten, während nur sehr langsame Änderungen im geringer

bemuskelten NN–Genotyp auftraten (Tab. 4.1.1). In vivo scheinen sich die

Diskussion

226

Muskelstoffwechselprozesse des NN- und des Nn-Genotyps mehr zu gleichen als post

mortem (SCHOLZ et al., 1995).

Generell sind während der 31P-Spektroskopie die Differenzen zwischen allen drei

Genotypen post mortem deutlicher als in vivo, wobei Nn eine intermediäre Stellung

einnimmt. Dieselbe Tendenz ergibt sich für den Glykogenabbau (%) während der 13C-

MR-Studie, obgleich der Nn-Genotyp post mortem sogar eine höhere Abbaurate

aufweist als der nn-Genotyp. Die Kleinsten Quadrate Mittelwerte

(± Standardschätzfehler) betragen: 20,50 ± 12,71 im NN Genotyp, 77,68 ± 7,20 in Nn

und 53,22 ± 7,52 in nn (Modell I).

Ein stärkerer Effekt post mortem im Vergleich zur Reaktion in vivo liegt

möglicherweise neben der myoglobinabhängigen Sauerstoffzufuhr (WITTENBERG und

WITTENBERG, 1989) ursächlich in der über den Blutstrom nicht mehr gegebenen

Nachlieferung von Glukose als insulinabhängigem Energielieferanten der Muskelzelle

(BARON und CLARK, 1997) sowie der Inaktivierung der Ca2+-ATPase (FIEDLER u.a.,

2001a). Die Unterschiede in der Körpertemperaturentwicklung in vivo zu post mortem

fallen entsprechend sehr drastisch aus (Abb. 4.1.5).

Unter In-vivo-„Ruhebedingungen“ unterscheiden sich die RyR1-Genotypen nicht

im Muskel-pH-Niveau (~7,06), jedoch begannen die Versuche beim Nn-Genotyp mit

einer niedrigeren Körpertemperatur als bei den beiden homozygoten Genotypen NN

bzw. nn. Im Gegensatz zu den Ergebnissen von KOHN (1997) weisen die nn-Tiere

bereits zu Versuchsbeginn ein geringeres Phosphorilierungspotential (PCr/Pi-

Verhältnis) auf als NN- bzw. Nn–Tiere, hervorgerufen durch ein geringfügig erhöhtes

Pi-Startniveau. Insgesamt korrespondiert der Verlauf des 13C Experiments mit den

Ergebnissen des 31P Experiments. So verfügen NN- und Nn-Schweine über ein

signifikant höheres „Start“-Glykogenniveau als nn-Schweine (Tab. 4.1.1, Abb. 4.1.4).

In Biopsie-Proben fand LINDNER (1991) hingegen keine signifikanten Unterschiede im

„Ruhe“-Glykogenniveau (in vivo) zwischen stressstabilen und stressanfälligen

Schweinen. Ursache für die unterschiedliche Start-Konzentration von anorganischem

Phosphat und Glykogen könnten die teilweise während der Sedierung aufgetretenen

verhaltensbedingten Stressreaktionen gewesen sein.

Diskussion

227

Tab. 4.1.1: Stoffwechselreaktion und Körperzusammensetzung in Schweinen

unterschiedlicher RyR1-Genoytpen mit einer Lebendmasse von ca. 10 kg (LSM ± SEE

nach Modell I#)

NN Nn nn

PCr/Pi-Verhältnis Start 15,53 ± 0,69 a 15,21 ± 0,52 a 13,35 ± 0,79 b

PCr-Abbau (%) 32,11 ± 5,27 a 44,01 ± 4,17 b 72,12 ± 5,63 c

Pi-Anstieg (%) 394 ± 39 a 355 ± 33 ab 291 ± 43 b

pH-Minimum 6,908 ± 0,041 a 6,769 ± 0,035 b

6,563 ± 0,046 c

ATP-Änderung (%) +4,02 ± 4,24 a -10,53 ± 3,63 b -37,74 ± 4,73 c

N (n - post mortem) 24 (3) 29 (4) 16 (3)

Glykogen Start (µmol/g) 74,12 ± 5,91 a 76,11 ± 5,15 a 57,12 ± 4,35 b

Glykogenabbau (%) 20,88 ± 8,45 a 56,71 ± 5,11 b 46,76 ± 3,51 b

N (n - post mortem) 7 (1) 10 (2) 10 (3)

Körpertemperatur Start (°C) 39,38 ± 0,14 a 38,96 ± 0,13 b 39,25 ± 0,15 ab

Körpertemperatur-Änderung (°C) -0,71 ± 0,34 a +1,70 ± 0,29 b +2,82 ± 0,33 c

Halothangabe (Minuten) 44,16 ± 2,90 a 38,43 ± 2,59 a 6,57 ± 3,02 b

N 13C+31P (n - post mortem) 31 (4) 39 (6) 26 (6)

Volumen Mm.l.d. (cm³) 40,78 ± 1,64 a 41,24 ± 1,53a 46,53 ± 1,91c

Fett-Volumen (cm³) 13,19 ± 0,69 12,08 ± 0,65 13,58 ± 0,82

N 31 42 23


Berücksichtigt man sowohl die Untersuchungen in vivo als auch post mortem, dann

ergeben sich für die drei Ryanodin-Rezeptor-1-Genotypen folgende Glykogen-

abbauraten:

15,47 µmol/g in durchschnittlich 135 Minuten bei NN, entspricht 0,11 µmol/g • min-1;

43,16 µmol/g in durchschnittlich 130 Minuten bei Nn, entspricht 0,33 µmol/g • min-1

und

26,71 µmol/g in durchschnittlich 100 Minuten bei nn, entspricht 0,27 µmol/g • min-1.

Da die Halothanbelastung von nn mit 6,57 Minuten zu 38,43 Minuten für Nn signifikant

geringer ausfiel, sind die Glykogenabbauraten der beiden Genotypen nur bedingt

vergleichbar (Abb. 4.1.4).

Diskussion

228

µmol/g

0

20

40

60

80

Die Balkenhöhe markiert das Glykogenniveau im “Ruhezustand” vorder Halothanzufuhr und die Pfeile das Glykogenniveau25 Minuten nach Beendigung der Halothanzufuhr.

NN

Glykogen

Nn nn

Abb. 4.1.4: Absolutes Glykogenniveau (µmol/g) im Ruhezustand und nachHalothanbelastung in verschiedenen RyR1-Genotypen (Modell I, in vivo + post mortem)

-1-1

00112233445566

°C°C

in vivoin vivo post mortem (1h nach Halothan)post mortem (1h nach Halothan)

NNNN

NnNn

nnnn

Abb. 4.1.5: Veränderungen in der Körpertemperatur nach Halothanbelastung beiunterschiedlichen RyR1-Genoytpen in vivo und post mortem für das Gesamtmaterial(31P + 13C)

Überraschend reagiert die am stärksten verfettete Linie (mit dem höchsten Fett-

zu-Muskelverhältnis), die hauptsächlich von Spotted (≥ 50 %) abstammt, drastischer auf

die Halothangabe als die mageren Linien mit einem höheren Anteil von Hampshire-

Diskussion

229

(Effekt des RN--Allels !), Poland China-, Landrasse- oder Duroc- Genanteilen (Tab.

4.1.2, Abb. 4.1.6).

Tab. 4.1.2: Stoffwechselreaktion und Körperzusammensetzung in verschiedenen

Zuchtlinien (Modell I, LSM ± SEE#)

> 50 %

Duroc

(Du)

≥ 50 %

Hampshire

(Ha)

≥ 50 %

Spotted

(S)

US-

Landrasse

(LR)

Poland

China

(PCh) x LR

DHLSY♦ Du x

Minzhu

PCr-zu-Pi-

Verhältnis♥15,50

± 0,49 a15,53

± 0,87 a16,71

± 1,24 a10,78

± 0,90 b14,95

± 1,00 a- -

PCr-

Abbau (%)

51,07

± 3,96 ac

38,94

± 6,28 b66,90

± 8,91 c45,74

± 6,35 ab

44,41

± 7,18 ab

- -

Pi-

Anstieg (%)

323

± 26 a352

± 42 a510

± 59 b275

± 43 a273

± 48 a- -

pH-

Start♥7,05

± 0,01 a7,05

± 0,01 a7,09

± 0,02 b7,04

± 0,01 a7,08

± 0,02 ab

- -

pH-

Minimum

6,76

± 0,03 ab

6,71

± 0,04 a6,71

± 0,06 ab

6,74

± 0,04 a6,83

± 0,05 b- -

ATP-

Abbau (%)

11,59

± 2,86 a10,86

± 4,58 a35,64

± 6,46 b7,28

± 4,65 a8,39

± 5,26 a- -

n (31P-MRS) 29 12 5 14 9 - -

Fett-zu-Mus-

kel-Verhältnis

0,383

± 0,015 a0,318

± 0,023 bc

0,462

± 0,038 a0,322

± 0,035 bc

0,353

± 0,020 b0,254

± 0,037 c0,454

± 0,033 a

n (1H-MRT) 39 17 6 8 27 6 8

Glykogen♥

(µmol/g)

66,48

± 5,05

69,72

± 5,15

72,63

± 10,43

- - 67,63

± 5,57

Glykogen-

abbau (%)

40,31

± 4,73 b27,28

± 8,87 a55,74

± 12,58 b- - 42,48

± 4,56 b

n (13C-MRS) 9 7 2 - - 9

#) Werte mit unterschiedlichen Buchstaben sind signifikant verschieden (p ≤ 0,05).♥ ) im Ruhezustand♦) 25 % Du, 25 % Ha, 25 % LR, 12,5 % S, 12,5 % Yorkshire

Diskussion

230

80

60

40

20

0

0,20

0,40

0,60

0

Fett-zu-Muskel-Verhältnis

Glykogenabbau Phosphokreatinabbau

%

> 50 %Duroc

≥ 50 %Hampshire

≥ 50 %Spotted

Abb. 4.1.6: Körperzusammensetzung und Stoffwechselreaktion am Beispiel von dreiverschiedenen Zuchtlinien (Modell I)

Die Tiere der Linie Spotted reagieren mit dem höchsten Abfall im Phosphokreatin, ATP

und Glykogen, während die magerste Linie (Hampshire) mit der geringsten

Stressreaktion auf die Halothanbelastung aufwartet. Ohne sich signifikant von den

anderen Zuchtlinien im Muskelvolumen zu unterscheiden, verfügt die Linie Spotted

trotz der höchsten Verfettung über ein sehr großes Muskelvolumen (Mm.l.d.: 44,74 ±

3,54 cm³ in der 10 kg Gruppe, Tab. 3.2.6). Ein niedrigerer Körperfettanteil (hier

Hampshire) ist somit nicht notwendigerweise mit einer höheren Stressanfälligkeit

gekoppelt, während in Übereinstimmung mit den Ergebnissen von KUHN u.a. (1997) für

die Rasse Deutsches Sattelschwein ein hoher Körperfettanteil (hier Spotted) nicht

grundlegend mit Stressstabilität verbunden ist. In diesem Zusammenhang wurde bereits

auf die mögliche Wechselwirkung von RyR1- und RN-Genotyp hingewiesen

(HAMILTON et al., 2000, LE ROY et al., 2000).

Ein weiterer entscheidender Faktor für die Stärke der Reaktion auf (Muskel-)

Stressoren ist offensichtlich die aus dem Defekt des Ryanodin-Rezeptors resultierende

Muskel(faser)hypertrophie. Tiere mit einem Defekt am Ryanodin-Rezeptor-1-Genort

haben signifikant vergrößerte Muskelfaserflächen (Abb. 4.1.7), die wiederum mit einer

verminderten Muskelfaseranzahl korreliert ist (Abb. 4.1.9). Dadurch scheint die

metabolische (oxidative) Kapazität zum Ausgleich von Stressreaktionen bzw.

verstärkter, länger andauernder Muskelarbeit vermindert zu sein. Eine verminderte

Diskussion

231

Anzahl Muskelfasern im Muskel bewirkt - neben einer reduzierten

Gesamtkapillarisierung - automatisch eine verminderte Zahl an Mitochondrien, die

gehäuft in den „langsamen“ Typ-I–Fasern vorkommen. Parallel verfügen speziell die

homozygoten, zum Teil aber auch die heterozygoten Defektallelträger in der Tendenz

über einen höheren Anteil glykolytischer, „schneller“ Fasern vom Typ IIb (ESSÉN-

GUSTAVSSON, 1993, 1995, VON LENGERKEN et al., 1994, 1997, KUHN u.a., 1998,

KARLSSON et al., 1999, FIEDLER u.a., 2001a). Die Genotypen (Nn und nn) mit einer

verminderten Muskelfaseranzahl bei gleichzeitig größeren Muskelfasern weisen zum

Zeitpunkt der Muskelstoffwechseluntersuchung einen stärkeren Abfall im

Phosphokreatin auf (Abb. 4.1.7, 4.1.8, 4.1.9). Da die Muskelfaseruntersuchungen im

eigenen Material nicht parallel mit der Muskelspektroskopie, sondern erst zu einem viel

späteren Zeitpunkt erfolgte, kann nicht exakt geklärt werden, ob bereits zum Zeitpunkt

der Muskelstoffwechseluntersuchung bei ca. 10 kg Lebendmasse Unterschiede in den

Muskelfaserflächen zwischen den drei RyR1-Genotypen bestanden. Diese sind jedoch

anzunehmen, da die Muskelfaseranzahl ab der Geburt konstant bleibt und bereits bei

den ca. 10 kg schweren Schweinen ein vergrößertes Muskelvolumen in den

Defektallelgenotypen auftritt (Tab. 4.1.1). Der heterozygote Genotyp weist zum

Zeitpunkt der Muskelfaseruntersuchung zwar eine minimal kleinere Kotelettfläche als

der homozygot „normale“ Genotyp auf, ist aber mit signifikant vergrößerten

Muskelfaserflächen ausgestattet (Abb. 4.1.4). Außerdem ist bei der Interpretation der

Ergebnisse – speziell für die Beziehung zwischen Muskelfaserstruktur- und

Muskelstoffwechselparametern - zu berücksichtigen, dass die 31P-MR-Spektroskopie

am (äußeren) M. biceps femoris erfolgte, die Biopsie jedoch am M. longissimus dorsi

durchgeführt wurde. Beide Muskeln (äußerer M. biceps femoris und der komplette M.

longissimus dorsi) gehören jedoch - im Gegensatz zum oxidativen Muskelstoff-

wechseltyp - mehr dem glykolytischen Muskelstoffwechseltyp an. Dabei weist der M.

biceps femoris insgesamt (äußerer + innerer M. biceps femoris) einen etwas höheren

Anteil Typ I-Muskelfasern auf als der M. longissimus dorsi (SALOMON u.a., 1981, 1983,

ESSEN-GUSTAVSSON, 1993, 1995; KARLSSON et al., 1993, RUUSUNEN und POULANNE,

1997, KARLSSON et al., 1999, BROCKS et al., 2000, FIEDLER u.a., 2001a).

Diskussion

232

Abb. 4.1.7: Muskelfaserquerschnittsflächen bei Schweinen mit unterschiedlichen RyR1-Genotypen in Abhängigkeit vom Muskelfasertyp

Abb. 4.1.8: Muskelfaserquerschnittsfläche (Typ IIa) und Phosphokreatinabbau (%) beiSchweinen mit unterschiedlichen RyR1-Genotypen

0

1000

2000

3000

4000

5000

6000

7000

Fase

rflä

che

(µm

²)Typ I

Typ IIa

Typ IIb

NN Nn nn

0

1000

2000

3000

4000

5000

NN Nn nn0

5

10

15

20

25

30

35

Fase

rflä

che

(µm

²)

PCr-

Abb

au (%

)

Diskussion

233

Abb. 4.1.9: Muskelfaseranzahl und Phosphokreatinabbau (%) bei Schweinen mitunterschiedlichen RyR1-Genotypen

Der RyR1-Genotyp ist nach eigenen Berechnungen zu etwa 20 % für die Variation

in der Stressreaktion (PCr-Abbaurate) bei einer Lebendmasse von ca. 10 kg

verantwortlich. Er erklärt jedoch mit 3 - 17 % (10 - 90 kg Lebendmasse) nur einen

relativ geringen Anteil der Variation in den Merkmalen der Körperzusammensetzung,

so dass ausreichend Variation für weitere Selektionsmaßnahmen innerhalb des

homozygot stressstabilen Genotyps sowie Umweltverbesserungen verbleibt (WEBB et

al., 1994). Die signifikanten Unterschiede in der Körperzusammensetzung (aus der MR-

Tomographie) bei 10 kg Lebendmasse zwischen nn und Nn bzw. NN ergaben sich

unerwartet, da davon ausgegangen wurde, dass sich die stärkere Bemuskelung der

Defektallelträger erst später während des Wachstums entwickeln würde. Obgleich keine

Differenzen in der subkutanen Fettauflage auftraten, hatten die homozygot

stressanfälligen Tiere ein größeres Volumen der Mm. longissimi dorsi (Tab. 4.1.1).

Offenbar reicht das durchschnittliche Alter von 53 Tagen bei einem durchschnittlichen

Gewicht von 12,5 kg bereits aus, um ein vergrößertes Muskelwachstum infolge der

Mutation am RyR1-Genort mit Hilfe der MR-Bildgebung feststellen zu können. Auf

weitere genetische Faktoren, die die Körperzusammensetzung regulieren, wird

umfassend im nächsten Kapitel 4.2 eingegangen.

Es ist sehr plausibel, dass die Wirkung des Ca2+-steuernden /gesteuerten

Ryanodin-Rezeptor-1-Gens neben dem RN-Gen (LE ROY et al., 2000) durch weitere

0100000200000300000400000500000600000700000800000900000

10000001100000

NN Nn nn051015202530354045

Fase

ranz

ahl

PCr-

Abb

au (%

)

Diskussion

234

Gene, die den Energiestoffwechsel bzw. die Zellzyklus-Regulation beeinflussen,

abgeschwächt oder auch verstärkt werden kann, wie z.B. durch einen

zellproliferationsabhängigen Transkriptionsfaktor, das Protoonkogen c-Myc (REINER et

al., 1999). Die Expression des Protoonkogens c-Myc ermöglicht der Zelle, die

Zellteilung (Mitose) einzuleiten und aus der G0-Phase („Gap“-Phase 0 oder Ruhephase

0) in die S-Phase (durch DNA-Synthese charakterisierte Intermitosephase) der

Zellteilung zu gelangen, um diese anschließend zu durchlaufen. In der ruhenden Zelle

ist dieser Vorgang stark eingeschränkt (JENTZSCH, 1983, SCHMOETZER, 1998).

Außerdem wird die Expression von c-Myc durch Peroxisomen-Proliferatoren angeregt,

die wiederum eine wichtige Rolle in der Aufrechterhaltung der Lipid-Homöostase

spielen, da Fettsäuren als Peroxisomen-Proliferatoren wirken. Peroxisomen sind

vorzugsweise auf oxidative Reaktionen mit molekularem Sauerstoff spezialisiert, das

heißt, diese Organellen beherbergen insbesondere Oxidasen des Cytochrom-P450-

Systems. Darüber hinaus kommen in ihnen u.a. Dehydrogenasen, Katalasen sowie

Acyltransferasen vor. Diese Enzyme spielen eine Rolle im Stoffwechsel zahlreicher

körpereigener und körperfremder Substanzen (FELDMANN u.a., 2000).

Parallel ist eine indirekte Beteiligung der mitochondrialen DNA (LIMPER u.a.,

1991, BABCOCK und HILLE, 1998) sowie eine Fehlfunktion der Ca2+-ATPase (FIEDLER

u.a., 2001a) an den Auswirkungen der RyR1-Mutation anzunehmen.

Die vielfältigen Möglichkeiten von Interaktionen zwischen mehreren

Genen/Allelen und deren Aufklärung beschreiben BRENT und FINLEY (1997). Darunter

fallen die Interaktionen zwischen Ryanodin-Rezeptor-1 und FKBP12 sowie FHL1, die

ebenfalls zur Variation der Stoffwechselreaktionen beitragen können. FHL1 („Four und

a half LIM Domain Protein“) wird als ein Promotorfragment des RyR1 beschrieben und

ist - neben der MyoD-Genfamilie sowie einer Reihe von sogenannten Zinkfinger-

Protein-Genen - ein Regulator der Muskelzellfunktionen (KREMPLER, 2000, KREMPLER

et al., 2000). Ein weiterer Kandidat ist Triadin, welches wahrscheinlich in Kontakt zum

Ryanodin-Rezeptor-1 und Calsequestrin steht und an der Initiierung der

Muskelkontraktion mitwirkt, indem Kalzium aus dem sarkoplasmatischen Retikulum in

das Sarkoplasma freigesetzt wird. Calsequestrin dient als Speicher für Kalzium

(MICKELSON und LOUIS, 1996, WOLZ, 1999, KREMPLER, 2000).

HOFFMAN (1995) beschreibt eine Reihe von Mutationen an Genorten, die Defekte

an den potentialgesteuerten Ionenkanälen für Na+/ K+, Cl- und Ca2+ in der

Muskelfasermembran verursachen können und zu verschiedenen Krankheitsbildern

Diskussion

235

führen. Die hyperkalemische periodische Paralyse sowohl beim „Quarter Horse“ als

auch beim Menschen wird durch eine Punktmutation des Skelettmuskel-Na+-Kanal-

Gens hervorgerufen, welches sich auf Chromosom 17 des Menschen befindet.

Für den gesamten Komplex Stressreaktion sind Effekte verantwortlich, die neben

der genetischen Komponente endokrinologisch zu erklären sind und zum Teil mit einem

erhöhten Adrenalinausstoß einhergehen können, gefolgt von einem verstärkten

Gesamtenergieverbrauch. Zur besseren begrifflichen Differenzierung zwischen

belastender (z.B. emotionsauslösender) Reizkonstellation und Belastungsreaktion

bezeichnen MANTEUFFEL und PUPPE (2000) sowie VON BORELL (2000) die

entsprechende Reizkonstellation als Stress und die im Einzelnen analysierbaren

belastenden Reizaspekte als „Stressoren“. Stress bezieht sich also auf objektive

Reizeigenschaften einer Situation, die in einem Individuum eine entsprechende

Reaktion (Angst, Flucht, Angriff) auslöst. Nach MANTEUFFEL und PUPPE (2000),

TUCHSCHERER und MANTEUFFEL (2000) sowie VON BORELL (2000) tritt eine

Stresssituation ein, wenn Abweichungen von einem angestrebten biologischen bzw.

„psycho-physiologischen“ Zustand (Wert) eliminiert werden müssen, um den optimalen

Funktionsspielraum des Organismus beizubehalten (Prinzip der Homöostase =

Aufrechterhaltung der Körperfunktionen).

In diesem Zusammenhang verfügten am RyR1-Genort heterozygote Eber im

Vergleich zu homozygot „normalen“ Ebern zwar über eine signifikant niedrigere Basal-

Plasmakonzentration für ACTH und Kortisol, zeigten aber keine Unterschiede in der

Reaktion nach Stressinduzierung durch Nasenschlingenfixierung über einen Zeitraum

von 5 Minuten bzw. durch die Gabe von Dexamethason (0,04 mg/kg Körpergewicht)

(WEAVER et al., 2000). Auch diese Beobachtungen bestätigen die eigenen Resultate.

Eine relativ kurzzeitige oder niedrig dosierte Exposition zu Stressoren bewirkt bei

heterozygoten Tieren keine nachweisbare Stressreaktion. Langfristig (über eine

komplette Mastperiode hinweg) zeigen die heterozygoten Tiere jedoch im Durchschnitt

ein negativen Effekt auf die Fleischqualität (z.B. WOLF-SCHWERIN und KALLWEIT,

1991, SCHMITTEN, 1993, SCHOLZ und HARDGE, 1994, LOUIS et al. 1994, GOODWIN et al.

1994, HANSET et al., 1995, DE SMET et al., 1996, KUHN u.a., 1997, 1998, ESTANY et al.,

1998, BEČKOVÁ und DAVID, 2000, HENNING et al., 2000, KORTZ et al., 2000, WEAVER

et al., 2000, THALLER et al., 2000). In Übereinstimmung mit VON LENGERKEN u.a.

(1997), MARTENS (1997, 1998), WITTMANN u.a. (1998), BIEDERMANN u.a. (2000) sowie

KRIETER und THOLEN (2001) sollte folglich zur Vermeidung unnötiger Belastungen für

Diskussion

236

das Tier das Defektallel (n) am RyR1-Genort komplett aus allen Zuchtpopulationen -

sowohl aus den Mutterrassen als auch aus den Vaterrassen - eliminiert werden. Die

Stressstabilität und die mit ihr korrelierte Fleischqualität verbessern sich durch die

Elimination des Defektallels (n) „automatisch“. Bei der weiteren Zuchtarbeit ist jedoch

zu berücksichtigen, dass sich durch die Elimination des Defektallels (n) der Marktwert

bestimmende Fleischanteil am Schlachtkörper erheblich (um 1 - 7 %) reduzieren kann

(GÖDEKE u.a., 1998, BIEDERMANN u.a., 2000, IRGANG, 2001, siehe Kapitel 4.2).

Unabhängig von der Anwesenheit des Defektallels (n) am RyR1-Genort existieren

außerdem individuell stark variierende Stressreaktionen auf diverse multifaktorielle

Umweltreize wie Temperatur, Bewegungsspielraum, Liegefläche und soziale

Umgebung (Gruppengröße, Umstallungen, Gruppenneuzusammenstellung), die sich

additiv auf das Schwein auswirken können (CLAUS, 1996, HYUN et al., 1998,

TUCHSCHERER und MANTEUFFEL, 2000, VON BORELL, 2000). Pränatal erfahrener Stress

spielt bei der Stressbewältigung im Laufe des Lebens (Wachstums) eine prägende Rolle

und wirkt sich störend auf die Ontogenese der neuroendokrinen Systeme aus (OTTEN et

al., 2000).

„def

ekte

r“ M

uske

l (R

yR1=

Nn/nn

)„n

orm

aler

“ M

uske

l (R

yR1=NN/ N

n)

Mus

kelfa

ser

Sark

opla

smat

isch

es R

etik

ulum

Gly

koge

n

Glu

kose

-1-P

Lakt

at

Wär

me

Mito

chon

drie

n

Sark

opla

smat

isch

es R

etik

ulum

Mus

kelfa

ser

Gly

koge

n

Glu

kose

-1-P

Lakt

at

Mito

chon

drie

n

AT

P

Abb

. 4.1

.10:

Sch

emat

isch

er V

ergl

eich

der

Mus

kelk

ontra

ktio

nszy

klen

von

Sch

wei

nen

mit

„nor

mal

er“

Mus

kula

tur (

links

) und

„de

fekt

er“

Mus

kula

tur

(rec

hts)

; mod

ifizi

ert n

ach

MA

CLE

NN

AN

und

PH

ILLI

PS (1

992)

237

Diskussion

Diskussion

238

4.2 Genetische Steuerung des Körperfettgehaltes und des Wachstums beimSchwein - Konsequenzen für die Zuchtarbeit

In Übereinstimmung mit den eigenen Ergebnissen (Abb. 4.2.1, Kapitel 3.2.2,

Kapitel 4.1) vermindert bereits eine einfache Mutation am Ryanodin-Rezeptor-1-Genort

(RyR1) neben der Belastungsstabilität und Fleischqualität in den meisten Populationen

den Fettansatz und erhöht das Muskelvolumen bzw. die Muskelfläche (WOLF-

SCHWERIN und KALLWEIT, 1991, SCHMITTEN, 1993, SCHOLZ und HARDGE, 1994,

SCHOLZ et al. 1995, LOUIS et al. 1994, GOODWIN et al. 1994, HANSET et al., 1995, DE

SMET et al., 1996, MITCHELL und SCHOLZ, 1997 a,b, ESTANY et al., 1998, WEAVER et

al., 2000, THALLER et al., 2000, KRIETER und THOLEN, 2001). In einigen Populationen

wurde jedoch keine eindeutige Verminderung des Fettansatzes durch die Wirkung des

Defektallels festgestellt (PARK et al., 1998). Generell können Genotyp-Umwelt-

Interaktionen bzw. Genotyp-Genotyp-Interaktionen (BOUCHARD und TREMBLAY, 1997,

DE VRIES und PLASTOW, 1998, SPURLOCK et al., 1998) oder Genotyp-Geschlecht-

Interaktionen (PARK et al., 1998) die Genwirkung bzw. Genexpression beeinflussen

(MACKAY, 2001). Da die Körperzusammensetzung des Schweines (neben

Belastungsstabilität und damit korrelierter Fleischqualität, siehe Kapitel 4.1) nicht allein

vom Majorgen RyR1, sondern polygen gesteuert wird, ist es für den Tierzüchter von

besonderem Interesse die genetischen Zusammenhänge umfassend aufzudecken.

0

100

200

300

400

500

600

700

800

900

1000

1100

Volu

men

(cm

3 )

Mm.l.d.10 kg

Fett10 kg

Mm.l.d.30 kg

Mm.l.d.60 kg

Mm.l.d.90 kg

Fett30 kg

Fett60 kg

Fett90 kg

NN Nn nn

Abb. 4.2.1: Entwicklung von Muskel- und Fettauflagevolumen in einem 10 cm MRT-Bereich des Rückens bei Schweinen mit unterschiedlichen RyR1-GenotypenDie Werte für die 10 kg Gruppe wurden auf einen 10 cm MRT-Bereich korrigiert:

[Volumen (korrigiert) = gemessenes Volumen • 10 /2,45].

Diskussion

239

Beim Nutztier (Schwein) beeinflusst der Körperfettgehalt vor allem die

Produktqualität in Form des Schlachtkörpers sowie die Effizienz des Wachstums bzw.

des Fleischansatzes. Der Körperfettgehalt - und der Muskelgewebe- bzw. Proteingehalt

- sind die wichtigsten Nährstoffbestandteile im Schlachtkörper. Diese Merkmals-

komplexe sind primär in den Zuchtzielen der Schweineproduktion verankert. Abhängig

von der mit den beschriebenen Methoden (MRT, DXA, US, CT) messbaren

phänotypischen Variation in der Körperzusammensetzung interessiert den Tierzüchter

im Rahmen der Leistungsprüfung und Zuchtwertschätzung - neben der

Einzelgenwirkung - vor allem der additiv (aber auch nicht additiv) genetisch bedingte

Anteil an der Gesamtvariation der zu verändernden Merkmale. Es existieren zahlreiche

Arbeiten zur Heritabilität dieser Merkmale (Anteil der additiv genetischen Varianz an

der phänotypischen Varianz eines polygen gesteuerten Merkmals). Anstelle der

Ganzkörperanalyse mittels CT (Kapitel 2.2.3.2.5.1), MRT (Kapitel 2.2.3.2.5.2) oder

DXA (Kapitel 2.2.3.2.5.4) wird die Körperzusammensetzung hauptsächlich als

subkutane Fettauflage (Dicken- oder Flächenmaße) bzw. als subkutanes Fett-zu-

Muskel-Verhältnis an verschiedenen Messstellen des Rückens und der Seite des

Schweinekörpers entweder mittels Ultraschall (Kapitel 2.2.3.2.5.5) oder optischen

Verfahren (Kapitel 2.2.3.2.5.9) im Rahmen der Leistungsprüfung gemessen. Die

Heritabilitätsschätzwerte (h2) für Merkmale wie Rückenspeckdicke, Rückenmuskel-

fläche oder dem aus den vorangegangenen Maßen berechneten (Mager-)Fleischanteil

variieren zwischen 0,2 und 0,8. In Abhängigkeit von der Population (Rasse, Zuchtlinie),

Prüfmethodik (Einzel- oder Gruppenfütterung, ad libitum oder restriktiv), Prüfdauer

(zeit- oder masseabhängige Prüfung), Prüfabschnitt, Schätzmodell, geprüftem

Geschlecht (LANGHOLZ, 1966, PUFF, 1975, VALLE-ZARATE, 1981, LAMPO et al., 1985,

BUSSE und GROENEVELD, 1986, HUAROTO u.a., 1986, BRANDT, 1987, BERESKIN und

STEELE, 1988, SCHMIDT, 1988, HOFER, 1990, SCHOLZ, 1990, SCHOLZ und TRIEBLER,

1992, CAMERON und CURRAN, 1994, CAMERON et al., 1994, LI und KENNEDY, 1994,

BIDANEL et al., 1994, SEE, 1994, STERN et al., 1994, VON FELDE u.a., 1996,

ENGELLANDT u.a., 1997, GROENEVELD u.a., 1998, SCHULZE et al., 1998, SONESSON et

al., 1998, RUTEN u.a., 1999, HERMESCH et al., 2000, http://www.gparm.csiro.au/) oder

vom Schätzverfahren (REISER, 1984, DUCOS et al., 1992, HOFER, 1998) ergeben sich

große Abweichungen zwischen den Literaturwerten. Generell kann man davon

ausgehen, dass die additive genetische Varianzkomponente etwa 45 % bis 60 % der

Gesamtvariation in den Merkmalen der Körperzusammensetzung bzw.

http://www.gparm.csiro.au/

Diskussion

240

Schlachtkörperqualität erklärt. Allein der RyR1-Genotyp erklärt in Abhängigkeit von

Population, Alter bzw. Lebendmasse ca. 3 – 17 % der Variation in den Merkmalen der

Körperzusammensetzung (Kapitel 4.1). Die vollständige Elimination des Defektallels

am RyR1-Genort, besonders in Populationen mit mittleren bis hohen Frequenzen für

dieses Allel, führt demzufolge zu einer Verminderung der genetischen Variation

(KRIETER und THOLEN, 2001). Solange die phänotypische Variation proportional

vermindert würde, blieben die Heritabilitätsschätzwerte (für Merkmale der

Körperzusammensetzung wie Rückenmuskelfläche oder Rückenspeckdicke)

unbeeinflusst. In Populationen mit einer annähernd 100%-igen Frequenz des

Defektallels (n) ist die genetische Variation für Merkmale der Körperzusammensetzung,

wie z.B. den Muskelfleischanteil, vermindert (BUSK et al., 1999). Die phänotypische

Variation ist offenbar nicht proportional reduziert, so dass die Heritabilitätsschätzwerte

und damit die nutzbare genetische Variation geringer ausfallen.

Generell liegen die h2-Schätzwerte für die Rückenmuskelfläche (-dicke) meist

über den Werten für die Rückenspeckdicke (-fläche), da die Rückenspeckdicke noch

stärker durch Umwelteinflüsse, z.B. durch restriktive Fütterung, verändert werden kann

als die Rückenmuskelfläche bzw. -dicke (DICKERSON und TEAGUE, 1987). Nach GERI et

al. (1990a) ist die Heritabilität für das Volumen der Adipozyten (Zellularität) ebenfalls

höher als die Heritabilität für die Rückenspeckdicke, wobei eine engere genetische

Korrelation zwischen Rückenspeck und Körpermasse bzw. Körperlänge als zur

Fettgewebezellularität besteht. Außerdem korreliert die Fettgewebezellularität zum

Zeitpunkt der Geburt mit dem Zellvolumen, dem Wassergehalt und dem Gehalt an

vollständig ungesättigten Fettsäuren C18:0 und C18:2 im Rückenspeck zum Zeitpunkt

des Schlachtens (GERI et al. 1990b). Fettere Schweinelinien besitzen dabei größere

Fettzellen (-durchmesser bzw. –volumina) als magere Schweinelinien (KALBITZ und

MUELLER, 1988).

Für Wachstumsmerkmale liegen die Heritabilitätsschätzwerte im Bereich von

0,10 bis 0,60 zumeist etwas niedriger als für Merkmale der Körperzusammensetzung

bzw. Schlachtkörperqualität (BUSSE und GROENEVELD, 1986, BERESKIN und STEELE,

1988, STERN et al., 1994, ENGELLANDT u.a., 1997, HERMESCH et al., 2000). Wachstum

wird überwiegend als durchschnittliche Tageszunahme während der Prüfperiode (Mast)

oder von Geburt bis zur Schlachtung erfasst. Eine differenziertere Herangehensweise

unterscheidet zwischen Magergewebe- und Fettgewebe- bzw. so genanntem

Restwachstum (FOWLER et al., 1976, WÄFLER u.a., 1984, WEBB und CURRAN, 1986,

Diskussion

241

KANIS, 1988, SCHOLZ, 1990, SCHOLZ und TRIEBLER, 1992). Hierfür müssen jedoch

geeignete Messmethoden wie Ultraschall, Dualenergie-Röntgenabsorptiometrie,

Computer- oder Magnetresonanz-Tomographie zur Ermittlung des Magergewebe- bzw.

Fettanteils im Laufe des Wachstums eines Individuums zur Verfügung stehen. Ohne die

exakte Messung der Körperzusammensetzung zu Beginn und am Ende eines

Wachstums- bzw. Prüfabschnitts, kann z.B. die Magergewebe- oder

Fettgewebewachstumsrate nur geschätzt und nicht genau ermittelt werden. Wenn die

phänotypische Variation für ein Merkmal in einer Population nur ungenau ermittelt

werden kann, ist sowohl die Heritabilitätsschätzung als auch die Identifikation der

Wirkung von Einzelgenen erheblich erschwert. In den meisten Prüfprogrammen wird

vor allem aus Kostengründen allein die Lebendmassezunahme geprüft und erst am Ende

der Prüfung die Körperzusammensetzung der Tiere ermittelt.

0

50

100

150

200

250

300

350

400

450

500

0 10 20 30 40 50 60 70 80 90Lebendmasse (kg)

Mag

erge

web

ewac

hstu

m (g

/d)

NN Nn nn

0

100

200

300

400

500

600

700

0 10 20 30 40 50 60 70 80 90Lebendmasse (kg)

Lebe

ndm

asse

zuna

hme

(g/d

)

NN Nn nn

Abb. 4.2.2: Entwicklung des Magergewebewachstums (links) und derLebendmassezunahme (rechts) bei Schweinen mit unterschiedlichen RyR1-Genotypen(Daten aus SCHOLZ, 2001)

Ähnlich wie im Ergebnisteil zu den Versuchen am ”Agricultural Research

Center“ des USDA in Beltsville (Maryland, USA) dargestellt (Kapitel 3.2.3), zeigen

noch „unveröffentlichte“ Ergebnisse von DXA-Untersuchungen am Lehr- und

Versuchsgut Oberschleißheim der Ludwig-Maximilians-Universität München deutliche

Unterschiede im Magergewebewachstum zwischen den drei untersuchten RyR1-

Genotypen (SCHOLZ, 2001). Zu Beginn des Wachstums bis zu etwa 40 kg Lebendmasse

zeigt der homozygote Defektallelgenotyp (nn) im Vergleich zum homozygot normalen

(NN) sowie zum heterozygoten Genotyp (Nn) bei gleichzeitig etwas geringeren

Lebendmassezunahmen (Abb. 4.2.2) noch ein langsameres Magergewebewachstum. Im

Laufe der Wachstumsphase bis zu ca. 65 kg nimmt die Magergewebewachstumsrate

Diskussion

242

schnell zu und übersteigt die Geschwindigkeit der Magergewebezunahme der beiden

anderen Genotypen bis zum Ende der Untersuchung bei etwa 90 kg Lebendmasse um

50 – 100 g/d. Nach dem Maximum bei 40 bzw. 65 kg sinkt die

Magergewebewachstumsrate in allen drei Genotypen wieder. Allein im heterozygoten

Genotyp nimmt die Magergewebewachstumsrate sehr langsam ab. Abbildung 4.2.2

zeigt in Bezug auf die durchschnittlichen Lebendmassen während der Messzeiträume

leicht voneinander abweichende Datenpunkte, da die homozygoten RyR1-

Defektallelträger bei gleichem (nicht aufgeführtem) Alter immer etwas geringere

Lebendmassen als die beiden anderen Genotypen aufweisen.

Insgesamt kann das Wachstum (Mastleistung) leichter durch

Umweltveränderungen modifiziert werden als die Schlachtkörperzusammensetzung.

Generell erklärt die additive genetische Varianzkomponente etwa 30 % bis 40 % der

Gesamtvariation in den Wachstumsmerkmalen (Lebenstagszunahme, Prüftagszunahme,

Magergewebezunahme).

Da die „modernen“ Zuchtprogramme den größten Selektionsdruck auf die

Züchtung magerer Schweine gerichtet haben, wurden - im Gegensatz zur zunehmenden

„Fettleibigkeit“ der in den hoch industrialisierten Ländern lebenden Menschen (BARTH

et al., 1997, KROMEYER-HAUSCHILD und JAEGER, 1998, LUKE et al., 1998, TRIPPO,

2000) und seiner Haustiere (HARPER, 1998) - sehr kleine, aber in der

Fettsäurezusammensetzung stärker ungesättigte, subkutane Fettdepots in Kombination

mit einer verminderten lipogenen Enzymkapazität erreicht (STEELE und FROBISH 1976,

METZ, 1985, KALBITZ und MUELLER, 1988, MAILÄNDER 1988, SCHLINDWEIN, 1990,

MÜLLER u.a., 1996). Die Ergebnisse einer über 9 Generationen andauernden Selektion

auf verminderte lipogene Enzymaktivität (NADPH-lieferende Enzyme), die zu einer

verminderten Rückenspeckdicke führte (ROGDAKIS u.a., 1996, MÜLLER u.a., 1996),

bestätigen diese Beziehung.

Nach MERKS et al. (1997) ging die Ultraschall-Rückenspeckdicke im Herdbuch

der niederländischen Yorkshire-Vaterlinien von etwa 20 mm an der P2-Messstelle im

Jahr 1960 auf weniger als 10 mm im Jahr 1997 zurück. Das mittlere Heritabilitätsniveau

verminderte sich dabei nicht, da die phänotypische und genetische Variation

proportional sanken. Die Autoren weisen zugleich darauf hin, dass sehr magere

Schweine weniger genetisch variieren als fettere Schweine, genauso wie Schweine mit

wenig Rückenspeck (< 10 mm) und hohen Tageszunahmen (> 650 g) bzw. Schweine

mit einer starken Speckauflage (> 10 mm) und niedrigen Tageszunahmen (< 650 g).

Diskussion

243

Sinkt unter Verwendung der herkömmlichen Methoden die messbare

phänotypische und genetische Variation für ein Merkmal wie z.B. die

Rückenspeckdicke, wird es für den Tierzüchter erforderlich, entweder verfeinerte

Messmethoden zu entwickeln oder mit modifizierten Methoden (z.B. MRT,

Videobildanalyse) Merkmale an anderen Messorten (z.B. Bauchfettanteil) für die

weitere Selektion zu etablieren (BAULAIN u.a., 1998a,b, THOLEN u.a., 1998a,b, BAULAIN

und HENNE, 1999).

In den meisten Fällen verfügen magere Schweine über eine höhere

Proteinansatzrate als fette Schweine (SIEBRITS et al., 1985), wobei eine verminderte

Rückenspeckdicke mit einem erhöhten Proteingehalt im Schlachtkörper und

insbesondere im Fleisch korreliert ist. Jeder Millimeter Reduktion in der

Rückenspeckdicke führt zu einer Erhöhung des Proteingehalts im gesamten

Muskelfleisch um 19,5 g/kg (FORTIN und ELLIOT, 1985). Sobald jedoch die

fleischreicheren (magereren) Tiere aufgrund einer vergleichsweise niedrigeren

Futteraufnahme stark reduzierte Tageszunahmen erzielen, können die

Proteinansatzraten - wie in den eigenen Ergebnissen zwischen 60 und 90 kg

Lebendmasse (Tab. 3.2.41, Abb. 3.2.20) - unter die der Tiere mit einem mittleren

Verfettungsgrad sinken. Dabei ist vorauszusetzen, dass die Tiere mit einem mittleren

Verfettungsgrad – im eigenen Versuch Nn - mehr Futter für die Realisierung höchster

Tageszunahmen aufnehmen als die magersten Tiere (WÄFLER u.a., 1984, KRIETER,

1986, KANIS, 1988, WEBB, 1989, CAMERON und CURRAN, 1994).

Als eine Konsequenz des verminderten Verhältnisses zwischen Fett- und

Magergewebeansatz wird die Fettqualität negativ verändert. Der Anteil von Rohfett

innerhalb des Fettgewebes ist vermindert (FORTIN und ELLIOT, 1985); und die

Fettsäuren des Fettgewebes sind infolge eines relativ geringeren Beitrages der De-novo-

Fettsäuresynthese zur Gesamtsynthese weniger gesättigt (METZ, 1985).

Korrespondierend erlangen andere (sichtbare) Fettdepots wie abdominales und

intermuskuläres Fett eine größere Bedeutung (DE VRIES und KANIS, 1994), wobei das

subkutane Fettdepot dominiert und rasseunabhängig im Verlauf des Wachstums vor den

beiden anderen Fettdepots angelegt wird. Der Anteil des abdominalen (internen) und

intermuskulären/intramuskulären Fettes am Gesamtfett nimmt jedoch mit steigender

Lebendmasse zu (KOLSTAD, 2000).

Korrespondierend demonstriert der Fett-Verteilungs-Index nach LISTER (1976)

eine große Variation zwischen mehreren Schweine-Genotypen mit dem Wildschwein

Diskussion

244

am unteren Ende und Hampshire an der Spitze, während Pietrain, Landrasse sowie

Large White (Edelschwein) dazwischen liegen. Der Fett-Verteilungs-Index ist als

Verhältnis der Masse des messbaren subkutanen Fettes zur Summe der Massen von

intermuskulärem Fett, Nieren umlagerndes Fett und „Inguinalfett“ (in der

Leistengegend vorhandenes Fett) in einem Schlachtkörper definiert.

Diese Ergebnisse werden u.a. von TESS et al. (1986) und KOLSTAD et al. (1996)

bestätigt. Nach KOLSTAD et al. (1996) besitzt die Norwegische Landrasse mehr

Innereienfett und weniger inter/intramuskuläres Fett als Duroc. Es konnten jedoch keine

Unterschiede im subkutanen Fettgewicht zu Beginn einer Erhaltungsfütterungsperiode

festgestellt werden. Als Ergebnis der restriktiven Fütterung auf Erhaltungsniveau kam

es in den Landrasse-Schweinen durch einen höheren Prozentsatz an Fettmobilisierung

aus allen Fettdepots zu einem höheren Grad der Fettdepotumverteilung als bei Duroc.

In Übereinstimmung mit den eigenen MRT-Ergebnissen für die Kreuzung [Duroc

x Minzhu] im Vergleich zu den anderen Linien (Kapitel 3.2.2.1, Tab. 3.2.6) zeigen sich

die größten Unterschiede im Körperfettgehalt von kommerziell genutzten

Schweinerassen zwischen einer Vielzahl von Chinesischen Schweinerassen (und deren

Kreuzungsprodukten) wie Meishan, Minzhu, Fengjing, Jiaxing, Jinhua und den

mageren „modernen“ Schweinerassen mit europäischem oder amerikanischem

‘Ursprung’ wie Pietrain, diversen Landrassen, Yorkshire oder Hampshire (MOLENAT,

1987, MOLENAT und CARITEZ, 1987, HERPIN et al., 1993, QUINIOU und NOBLET, 1995,

WHITE et al., 1995, CLAUS, 1996). Bereits YOUATT und MARTIN (1865) zitierten Hurtrel

D‘Arboval, dass insbesondere die chinesischen und siamesischen Schweine für einen

extremen Fettwuchs prädestiniert sind („There is, however no animal so liable to

become over-fat, as the pig, and especially Chinese and Siamese swine.“). Duroc bzw.

Linien oder Kreuzungen mit hohen Duroc-Genanteilen besitzen innerhalb der mageren

„modernen“ Schweinelinien den höchsten intramuskulären Fettgehalt (SCHWÖRER und

REBSAMEN, 1990a, VANGEN und ENTING, 1990, AFFENTRANGER et al., 1991, ALTMANN

u.a., 1992, MAASSEN-FRANCKE u.a., 1992, DE VRIES et al., 1993, KALLWEIT et al., 1993,

MÜLLER, S. u.a., 1996, BAULAIN et al., 2000).

Diese Differenzen können zum Teil durch genetisch bedingte

Konzentrationsunterschiede zwischen Wachstumshormon bzw. „Insulin ähnlichem

Wachstumsfaktor“ (insulin like growth factor - IGF-1) mit anaboler Wirkung und

Kortisol mit kataboler Wirkung bedingt sein (CLAUS und WEILER, 1994, LOUVEAU et

al., 1995). Auf Fettgewebe wirkt das Wachstumshormon jedoch katabol, d.h. lipolytisch

Diskussion

245

(KARG, 1989, CLAUS, 1996, ELSASSER und PARVIZI, 1996, ETHERTON und BAUMAN,

1998, MÜLLER et al., 1999). In diesem Zusammenhang weist die Rasse Meishan

geringere IGF-1- und höhere Kortisolkonzentrationen als zum Beispiel die Rasse

Edelschwein (bzw. Large White) auf (LOUVEAU et al., 1995, CLAUS, 1996). Da IGF-1

unter der Mitwirkung von Wachstumshormon gebildet wird und über die Besetzung der

IGF-1-Rezeptoren das Wachstum von Muskel- und Skelettgewebe stimuliert (ELSASSER

und PARVIZI, 1996, MÜLLER et al., 1999), ist der sehr hohe Verfettungsgrad der Rasse

Meishan zumindest teilweise durch die vergleichsweise niedrige IGF-1-Konzentration

erklärbar. WINDISCH u.a. (2000) fanden jedoch im Verlaufe eines Proteinstoffwechsel-

versuches unter restriktiven Fütterungsbedingungen bei gleichem Gehalt an

Wachstumshormon (3,8 bzw. 4,0 ng/ml) in Tieren der Rasse Pietrain (MHS-Status Nn

oder nn) mit 157 ng/ml einen niedrigeren IGF-1-Blutplasma-Gehalt als in den etwas

fetteren Tieren der Deutschen Landrasse (MHS-Status NN) mit 298 ng/ml. Erklärt

wurden diese Unterschiede mit einer stärkeren hormonellen Drosselung der

Proteinsynthesekapazität bei der Rasse Pietrain, die durch die mengenmäßig identische

Restriktion der Nährstoffzufuhr möglicherweise stärker in ihrem Leistungspotential

eingeschränkt wurde als die Tiere der Deutschen Landrasse. Aufgrund dieser zum Teil

widersprüchlichen Ergebnisse ist es nicht verwunderlich, dass KNORR et al. (1997) zwar

Assoziationen zwischen Wachstumshormon-Genotypen und dem Körperfettgehalt in

einer Meishan x Pietrain Familie fanden, aber keine signifikanten Assoziationen in einer

Wildschwein x Pietrain Familie nachweisen konnten. CASAS-CARRILLO et al. (1997)

berichteten über eine mögliche Kopplung zwischen dem IGF-1-Genotyp und der

täglichen Zunahme nach dem Absetzen in einer Eber-Familie, aber nicht zwischen dem

Wachstumshormon-Genotyp und dem Körperfettgehalt oder Wachstumsmerkmalen.

Diese Ergebnisse beruhen möglicherweise auf der Aktion der IGF-Bindungsproteine

(IGFBP 1-6), die die Wirkung von IGF I bzw. II in Muskel- und Lebergewebe

modulieren (LOUVEAU et al., 1995, SIMMEN et al., 1998, GERRARD et al., 1999, MÜLLER

et al., 1999, CLAPPER et al., 2000, SCHNEIDER et al., 2000). Transgene Mäuse, die

IGFBP2 (mRNA und Protein) im Überschuss produzieren, weisen im Vergleich zur

gleichaltrigen nicht transgenen Kontrollgruppe ab dem 25. Lebenstag ein vermindertes

Körpergewicht auf. Ein erhöhtes Niveau von IGFBP2 kann folglich die Wirkung von

IGF-I einschränken (HOEFLICH et al., 1999, SCHNEIDER et al., 2000, WOLF et al., 2000).

CLAPPER et al. (2000) vermuten, dass altersabhängige Veränderungen in der Serum-

Konzentration von IGF-I und relativen Mengen von IGFBP, die auf der

Diskussion

246

Konzentrationsveränderung von Estradiol-17ß und Testosteron beruhen, zu den

Wachstumsdifferenzen zwischen unterschiedlichen Geschlechtern beim Schwein

beitragen. Eber zeigen dabei durchgängig die höchsten Serum-Konzentrationen an

IGF-I, womit deren höhere Wachstumsleistung im Vergleich zu männlichen Kastraten

und Sauen partiell erklärt werden kann.

1.4

1.6

1.8

2

2.2

2.4

2.6

2.8

3

30 - 40 40 - 60 60 - 80 80 - 100

Gewichtsabschnitt (kg)

durc

hsch

nittl

iche

rFu

tterv

erze

hr (k

g/d)

DL DE LC (46% DU)PI x F1 LB x F1 HAPI x F1

Abb. 4.2.3: Durchschnittlicher Futterverzehr verschiedener Rassen bzw. Kreuzungenwährend der Leistungsprüfung von ca. 30 – 100 kg Lebendmasse (mit DL=Deutsche Landrasse, DE=Deutsches Edelschwein, LC=Leicoma, DU=Duroc, PI x F1=Pietrainx F1-Sau, LB x F1= Belgische Landrasse x F1-Sau, HAPI x F1=[Hampshire x Pietrain] x F1-Sau; Datenstammen aus PAULKE und SCHOLZ, 1999)

In Übereinstimmung mit den vorliegenden Ergebnissen (Abb. 3.2.19, Kapitel

3.2.3) und den in Abbildung 4.2.3 dargestellten Ergebnissen von PAULKE und SCHOLZ

(1999) sind die magersten, stressanfälligen Schweinerassen (Vaterrassen) - mit einer

hohen Allelfrequenz für das Defektallel (n) am RyR1-Gen - wie Pietrain und Belgische

Landrasse sowie deren Kreuzungsprodukte im Vergleich zu den belastbareren

Mutterrassen - mit einer sehr niedrigen Allelfrequenz für das RyR1-Defektallel - durch

ein vermindertes Futteraufnahmevermögen in ihrem Fettansatzpotential begrenzt

(LISTER, 1976, HONG, 1985, KRIETER und KALM, 1986, STIEWE, 1986, BRANDT, 1987,

KANIS, 1988, WHITTEMORE et al., 1995). Untersuchungen am Lehr- und Versuchsgut

Oberschleißheim zeigen, dass homozygot „normale“ Tiere innerhalb der Rasse Pietrain

(weiß) signifikant mehr Fett ansetzen als ihre heterozygoten bzw. homozygoten

Diskussion

247

„Defektallel“-Stallgefährten (Abb. 4.2.4). Die DXA-Messungen finden bei 30 kg, 50

kg, 70 kg und 90 kg Lebendmasse immer an denselben Tieren statt (SOFFNER u.a., 2000,

SCHOLZ, 2001).

Abb. 4.2.4: Vergleich des DXA-Fettgehaltes (%) bei Tieren der Linie „Pietrain Weiß“mit unterschiedlichen RyR1-Genotypen (NN, Nn, nn) bei 30, 50, 70 und 90 kgLebendmasse (Daten aus SCHOLZ, 2001)

Neben den physikalischen und chemischen Methoden der Leistungsprüfung zur

Messung der Körperzusammensetzung finden zunehmend molekulargenetische

Methoden Verwendung, um einerseits eine Selektion oder andererseits gezielte Nutzung

extremer Genotypen vornehmen zu können (MONTALDO and MEZA-HERRERA, 1998,

HARDGE, 1999). Vorraussetzung ist jeweils das Vorliegen von mindestens zwei stark

voneinander abweichenden Allelen für einen Genort, wie z.B. den beschriebenen RyR1-

Genort oder den RN-Genort beim Schwein (siehe auch Abb. 2.2.6). Insbesondere

Mutationen, die in jüngerer Zeit sowohl in Maus- und Rattenlinien als auch beim

Menschen entdeckt wurden, erklären weitere wesentliche Teile der Variation im

Körperfettanteil (BRAY, 1997, FISLER und WARDEN, 1997, JÉQUIER und TAPPY, 1999,

ROBINSON et al., 2000). In den Nutztierwissenschaften werden in diesem

Zusammenhang verstärkt Verfahren zur Suche dieser so genannten Quantitative Trait

Loci (QTL) oder Kandidatengene - zum Teil kombiniert mit der Nutzung von

transgenen Techniken (PURSEL et al., 1989, 1990, HOUDEBINE, 1996) - eingesetzt, um

die Gene oder kodierende DNS-Sequenzen identifizieren bzw. lokalisieren zu können,

2468

101214161820222426283032

DXA

-Fet

tgeh

alt (

%)

30 kg 50 kg 70 kg 90 kg

NN Nn nn

Lebendmassegruppen

Pietrain "weiß"

Diskussion

248

die einen komplexen multifaktoriellen Phänotyp beschreiben helfen (MONTALDO and

MEZA-HERRERA, 1998, HARDGE, 1999).

Zu den jüngsten molekulargenetischen Errungenschaften gehört die Entdeckung

von einzelnen regulatorischen Genen (Mutationen) des Fettstoffwechsels wie das

LEPTIN- (LEP) /OBESE- (OBS) Gen auf dem Chromosom 6 der Maus (FRIEDMANN, 1991,

ZHANG et al., 1994). Das „normale“ Gen produziert ein den Appetit steuerndes Hormon

Leptin, welches vom Fettgewebe des Schweines proportional zur Menge angesetzten

Fettes sekretiert wird (SPURLOCK et al., 1998, Abb. 4.2.5). Diese Beziehung deckt sich

mit den von ROSENBAUM et al. (1996) ermittelten Beziehungen beim Menschen (zitiert

bei LUKE et al., 1998), während LUKE et al. (1998) eine exponentielle Beziehung

zwischen Plasma-Leptin-Konzentration (µg/L) und Fettmasse bzw. Fettanteil (%)

berechneten.

0

20

40

60

80

100

120

140

160

0 10 20 30 40 50

Fettmasse (kg)

obese

mRN

A

Abb. 4.2.5: Anstieg des Gehalts an obese mRNA (in Analyse internen Einheiten) inAbhängigkeit von der Fettmasse beim Schwein, Gewichte der Schweine betrugen in derReihenfolge: 23, 55, 107 und 162 kg (nach Daten von SPURLOCK et al., 1998)

Generell signalisieren hohe Leptinkonzentrationen dem Gehirn (Hypothalamus),

den Appetit oder das Hungergefühl zu vermindern. Individuen mit einem Defekt im

OBESE-Gen sind nicht in der Lage Leptin zu produzieren. Im Wachstum befindliche

Individuen können bei gesteigerten Lipogeneseraten der Leber ihren Appetit nicht

steuern, was eine ungezügelte Futteraufnahme zur Folge hat. Neben negativen Effekten

auf das Immunsystem und vor allem auf die Sexualentwicklung sind eine verminderte

Körpertemperatur und eingeschränkte Basalstoffwechselraten zu beobachten. Leptin

leitet sich vom griechischen leptos (= dünn) ab. Es handelt sich um ein 16 kD großes

Diskussion

249

Protein, das nur in Fettzellen gebildet wird. Das aus der Fettzelle in die Blutbahn

freigesetzte Leptin signalisiert dem ZNS die Menge des gespeicherten Fetts. Das heißt,

je größer die Fettzelle ist, desto mehr Leptin wird von der einzelnen Fettzelle

freigesetzt. Dieser Vorgang wird durch eine Reihe humoraler Faktoren moduliert.

Insulin und Glucokortikoide führen zu einer vermehrten Leptinsynthese, während

Geschlechtshormone, Katecholamine und Schilddrüsenhormone die Leptinsynthese

vermindern. Leptin gelangt durch die Blut-Hirn-Schranke zum ZNS und bindet dort

insbesondere an Leptinrezeptoren im Hypothalamus. Dies führt zu einer verminderten

Nahrungsaufnahme und zu einem erhöhten Energieverbrauch. Die Bedeutung der

Leptinrezeptoren in anderen Anteilen des ZNS, aber auch verschiedenen peripheren

Geweben ist noch unklar. Das Neuropeptid Y ist möglicherweise an der weiteren

Vermittlung des Signals beteiligt, da Leptinrezeptoren auf den Neuropeptid-Y-haltigen

Neuronen nachweisbar sind und die Zufuhr von Leptin zu einer Verminderung der

Neuropeptid-Y-Bildung und Ausschüttung im Hypothalamus führt. Individuen mit zu

hohen Leptinkonzentrationen vermindern - neben einem erhöhten Energieverbrauch -

ihre Futteraufnahme und lehnen Futter sogar ab, woraus signifikante

Körpergewichtsverluste resultieren. Bei der übergewichtigen, fettwüchsigen ob/ob-

Maus liegt eine Mutation vor, die zu einem falschen Stop-Codon führt, so dass nur ein

defektes, zu kurzes "Leptin" synthetisiert wird. Die Gabe von Leptin führt bei diesen

Mäusen durch verminderte Nahrungsaufnahme und vermehrten Energieverbrauch zur

Gewichtsabnahme (HWANG et al, 1997, HOUSEKNECHT et al., 1998, NORTH, 1999,

STROSBERG und ISSAD, 1999, XIE u.a., 1999, AHIMA und FLIER, 2000).

In engem Wechselspiel zum OBESE-Gen steht das DIABETIC-Gen (db-, Lepr- oder

Ob-R-Gen), welches für die Kodierung des Leptinrezeptors zuständig ist. Der Defekt im

db-Gen - vor allem in seiner „Langform“ Ob-Rb aber auch in der kürzesten „Spleiß“-

Variante OB-Re führt zu einer starken Verfettung bereits in frühem Alter sowie

ineffizienter Appetitsregulation (NORTH, 1999, STROSBERG und ISSAD, 1999, REICHART

et al., 2000a, b).

ERNST et al. (1997) lokalisierten das Leptinrezeptor-Gen des Schweines (PORCINE

LEPTIN RECEPTOR gene - LEPR) physisch auf dem Chromsom 6 (6q3.3-q3.5) mit 100 %

Konkordanz zu den korrespondierenden Ergebnissen von VINCENT et al. (1997) in einer

Kopplungsanalyse zur Chromosomenkartierung.

Nachdem zwei Gruppen (NEUENSCHWANDER et al., 1996 und SASAKI et al., 1996)

das „Verfettungs“-Gen des Schweines (PORCINE OBESITY oder LEPTIN-Gen) dem

Diskussion

250

Chromosom 18 zugewiesen hatten, wurde es von mehreren Forschungsgruppen

(BIDWELL et al., 1997, DAI et al., 1998, RAMSAY et al., 1998) kloniert. Dadurch

eröffnen sich in Kombination mit den beschriebenen Messmethoden (CT, MRT, DXA)

viel versprechende Möglichkeiten, den Effekt dieses Gens auf die Regulation der

Fettdepots und der Körpermasse zu untersuchen. Das homologe humane LEPTIN-Gen

mit nachgewiesenen rezessiv pathogenen Mutationen liegt auf dem Chromosom 7

(7q31-7q32; WEIGLE und KUIJPER, 1996, STROSBERG und ISSAD, 1999).

Erste Ergebnisse einer Assoziationsstudie zwischen Polymorphismen des LEPTIN-

Gens und Leistungsmerkmalen offenbarten nur einen signifikanten Effekt auf den

Körperfettgehalt innerhalb einer stark verfetteten F2-Resource-Familie, die aus

reziproken Kreuzungen von Schweinen der Rasse Duroc und des Berliner Miniatur-

Schweines entstand. Andere kommerzielle Schweinerassen wie Deutsche Landrasse,

Edelschwein und Pietrain zeigten keine signifikanten Assoziationen zwischen Varianten

des LEPTIN-Gens und dem Körperfettgehalt (HARDGE et al., 1998), während JIANG und

GIBSON (1999) für Hampshire, Large White, Landrasse und Duroc bzw. KULIG et al.

(2001) für Tiere der Polnischen Landrasse entsprechende Assoziationen fanden. Tiere

mit dem Genotyp CC sollen einen geringeren Fettgehalt (höheren Fleischgehalt)

aufweisen als Tiere mit dem Genotyp TC oder TT (KULIG et al., 2001).

Die gewichtsreduzierende Wirkung von Leptin ist offenbar nicht allein über seine

durch die Hypothalamus-Leptinrezeptoren vermittelte Wirkung auf die

Appetitregulation zu erklären. Leptin übt ebenfalls direkte Effekte auf (braunes und)

weißes Fettgewebe aus, da sich auch im Fettgewebe mRNA der Leptinrezeptoren

nachweisen ließ. Physiologische Konzentrationen von Leptin steigern die Lipolyse im

weißen Fettgewebe, während dieser Effekt bei genetisch adipösen Ratten (Fa/fa), die

infolge einer Mutation eine Inaktivierung ihres Leptinrezeptors aufweisen, nicht

gefunden werden konnte (SIEGRIST-KAISER et al., 1997).

Im Gegensatz zu den rezessiven OBESE- und DIABETIC-Mutationen (in Mäusen) mit

einer bereits im Jugendstadium beginnenden Verfettung, scheinen ausgewachsene

Träger der dominanten AGOUTI YELLOW-Mutation effizienter in der Speicherung von

übermäßig konsumierten Nährstoffen in der Form von Fett zu sein. Überschüssige

Energie wird folglich nur zu einem relativ geringen Grad für physische Aktivitäten bzw.

für die Aufrechterhaltung der Körpertemperatur umgesetzt. Die AGOUTI- und AGOUTI

verwandten Genprodukte unterdrücken im Zusammenspiel mit PROOPIOMELANOCORTIN-

abhängigen Peptiden die Bindung des α-Melanozyten stimulierenden Hormons an den

Diskussion

251

Melanocortin-4-Rezeptor sowie den Melanocortin-1-Rezeptor (WILSON et al., 1999,

KRUDE und GRÜTERS, 2000), welcher durch das EXTENSION-Gen – eine weitere, die

Fellfarbe bestimmende Allelserie - kodiert ist. Mutationen am EXTENSION-Genort – auf

dem Schweine-Chromosom 6 befindlich (KIJAS et al., 1998) - agieren epistatisch

gegenüber AGOUTI-Mutationen. Ferner ist die durch AGOUTI induzierte Verfettung

wahrscheinlich durch antagonistische Wirkungen der Melanocortin-4- und

Melanocortin-3-Rezeptoren im Gehirn und/oder peripheren Geweben beeinflusst.

Während Neuropeptid Y den Appetit stimuliert und den Energieverbrauch einschränkt,

wird entgegengesetzt der Melanocortin-4-Rezeptor (MC4-R) aktiviert, wenn das

Melanozyten stimulierende Hormon sich an ihn bindet. Das geschieht, wenn der

Leptinspiegel bei einer Gewichtszunahme steigt. MC4-R dämpft den Appetit und

steigert den Energieverbrauch (MILTENBERGER et al., 1997, OLLMANN et al., 1998,

WILSON et al., 1999).

Innerhalb der obigen Kaskade von Genwirkungen unterdrückt das MAHOGANY-Gen

(mg) auf dem Chromosom 2 der Maus die genetisch induzierte Verfettung von AGOUTI-

YELLOW Mäusen, aber nicht die „verfetteten“ Phänotypen des Melanocortin-4-Rezeptor-

Null-Allel-Modells oder der monogenetisch bedingten „Verfettungs-Modelle“ (OB, DB,

TUB, oder FAT). Zusätzlich kann MAHOGANY eine nahrungsinduzierte Verfettung

unterdrücken. Mäuse mit einer Mutation im MAHOGANY-Gen halten unabhängig vom

Fettgehalt (42 % zu 9 %) bei konstantem Energiegehalt in der Ration ein ‘normales’

Gewicht aufrecht, während Mäuse ohne Mutation nach Verzehr der Hoch-Fett-Ration

sehr stark zunehmen (NAGLE et al., 1999). Das MAHOGANY-Gen agiert der Transkription

von AGOUTI nachgeschaltet, aber der Transkription des Melanocortin-4-Rezeptors

vorgeschaltet. Da Menschen eng verwandte Homologien zum Maus-AGOUTI-Gen

(KWON et al., 1994) und zum Maus-MAHOGANY-Gen (HUMAN ATTRACTIN) aufweisen

(EDEAL et al., 2000), könnte es möglich sein, auch beim Schwein Kopplungen zwischen

Genen aufzudecken, die die Fellfarbe oder die Immunzell-Interaktionen kodieren und

Leistungsmerkmale beeinflussen. Gegenwärtig ist es jedoch völlig offen, ob Varianten

in der Fellfarbe des Schweines bzw. die Immunantwort kodierende Gene signifikant mit

der Körperzusammensetzung oder dem Wachstum assoziiert sind. Das MAHOGANY-Gen

der Maus wurde von NAGLE et al. (1999) und GUNN et al. (1999) kloniert. Beim

Schwein ist das MAHOGANY-Gen (PORCINE ATTRACTIN) auf Chromosom 17 lokalisiert

(EDEAL et al., 2000).

Diskussion

252

Ein weiterer möglicher Hauptgenort für den Fettansatz (Rückenspeck und

Abdominalfett) bzw. für den Anteil von „Muskelfleisch + Knochen“ wurde von

ANDERSSON et al. (1994, 1996, 1998) bzw. ANDERSSON-EKLUND (1998) am proximalen

Teil des Chromosoms 4 vom Schwein mittels QTL-Kartierung identifiziert, wofür eine

Kreuzung aus Wildschwein mit Large White genutzt wurde. WALLING et al. (1998),

KNOTT et al. (1998) sowie PEREZ-ENCISO et al. (2000) fanden korrespondierende

Effekte für die durchschnittliche Rückenspeckdicke bzw. die Fettsäure-

zusammensetzung in der gleichen Region des Chromosoms 4. Der QTL-Effekt auf den

subkutanen Fettansatz betrug signifikant 15 – 18 % der gesamten phänotypischen

Varianz, d.h. die absolute Differenz zwischen den homozygoten Genotypen entspricht

etwa 5 mm durchschnittlicher Rückenspeckdicke. Außerdem ergaben erste Ergebnisse

von LIU et al. (1995), die durch WANG, L. et al. (1997) gestützt werden, Hinweise auf

eine Assoziation der Region um den porcinen TUMOR NECROSE FACTOR alpha (TNFα)

auf dem Chromosom 7 mit Differenzen im Niveau des Körperfettgehaltes, der

Bemuskelung und des Wachstums. Jedoch zeigen nur die Speckdicken an der letzten

Rippe, der 10. Rippe sowie die durchschnittliche Speckdicke signifikante Marker-QTL-

Beziehungen, wobei die Allele der chinesischen Rassen (Meishan und Minzhu) über

einen negativen additiven Geneffekt die „mageren“ Allele darstellten. MOSER et al.

(1998) und MILAN et al. (1998) lieferten den Nachweis für ein (kryptisches) Allel für

das Merkmal Rückenspeckdicke auf dem Chromosom 7 des Schweines, welches

ROHRER und KEELE (1998) und ROHRER (2000) ebenfalls fanden.

Genomuntersuchungen beim Menschen und Nagetieren stützen im Einklang mit den

Assoziationen beim Schwein die These eines Effekts von (Markern in der Nähe von)

TNFα und der Lipoprotein-Lipase auf den Fettansatz (NORMAN et al., 1995, KERN,

1997, MOLLER, 2000). Das PORCINE COLIPASE–Gen (CLPS) als ein erforderlicher

Kofaktor für den durch die Lipase regulierten Nahrungslipid-Stoffwechsel ist ein

weiteres Kandidatengen für einen potentiellen Effekt auf die Körperzusammensetzung

innerhalb des Haupthistokompatibilitäts-Komplexes auf Chromosom 7 (BASKIN und

POMP, 1998).

YU et al. (1997) kartieren den PIT-1-Genort auf dem Chromosom 13 des

Schweines. PIT-1 ist ein transkriptionaler regulatorischer Wachstumsfaktor für das

WACHSTUMS-HORMON-Gen sowie PROLAKTIN- und THYROTROPIN-B-Gen-

Untereinheiten. Die Autoren berichten, dass sich PIT-1 (unter Verwendung des

Restriktionsenzyms MspI) in enger Nachbarschaft der Region auf Chromosom 13

Diskussion

253

befindet, welche QTL für Geburtsgewicht und frühes Wachstum enthält, die zuerst von

ANDERSSON et al. (1994) gefunden wurden.

Wie vorab beschrieben, ist es nahe liegend, dass Teile der natürlichen Variation

des Körperfettgehaltes mit Modifikationen in der Effizienz der Leptinregulation

zusammenhängen (XIE et al., 1999, AHIMA und FLIER, 2000). Eine Vielzahl anderer

Faktoren ist gleichermaßen in die Steuerung des Körperfettgehaltes eingebunden (Abb.

4.2.6) - zum Beispiel die Anwesenheit von energieverbrauchendem braunem

Fettgewebe im Zusammenspiel mit dem sogenannten mitochondrialen UNCOUPLING

PROTEIN 1 (SAXTON und EISEN, 1984, LOWELL und FLIER, 1997, NORTH, 1999).

LOWELL et al. (1993) beschreiben, wie genetisch veränderte Mäuse, die ihr eigenes

braunes Fettgewebe zerstörten, danach sehr stark verfetteten. Braunes Fettgewebe ist

beim Schwein jedoch histologisch nicht nachweisbar. Aus diesem Grund ist

anzunehmen, dass die Effekte von UNCOUPLING PROTEIN 2- oder 3- und ß3-

ADRENERGISCHEN REZEPTOR-Gen-Varianten auf die Körperzusammensetzung und

Energiebalance, die bei Nagetieren und teilweise beim Menschen nachgewiesen

wurden, beim Schwein keine signifikante Auswirkung haben.

Interessanter, speziell für Schweine(züchter), ist die Entschlüsselung des

Gens, welches für die Doppellendigkeit beim Rind zuständig ist. Mindestens zwei

„Funktionsverlust“-Mutationen innerhalb des “GROWTH/DIFFERENTIATION FACTOR-8”-

(GDF8) oder MYOSTATIN-Gens – ein Mitglied der “TRANSFORMING GROWTH FACTOR-ß”-

(TGF-ß) Superfamilie – sind für die extreme Muskelzellhyperplasie und daraus

resultierenden hervorgehobenen Schulter- und Hüftbereichen speziell bei den

Rinderrassen Blau-Weiße Belgier und Piemonteser sowie bei (homozygot) mutierten

Mäusen zuständig. Der hohe Grad der Sequenzkonservierung für GDF8 in Tieren

einschließlich des Schweines (Chromosom 15) stellt ein potentielles Ziel zur

Vergrößerung der Muskelmasse ohne negative Seiteneffekte auf die Fleischqualität dar

(z.B. MCPHERRON et al., 1997, VARGA et al., 1997, SZABO G. et al., 1998, SONSTEGARD

et al., 1998). Die Muskelfaseranzahl und Muskelmasse wird neben dem MYOSTATIN-Gen

durch die MYOGENIN-Gen-Familie reguliert (TE PAS et al., 1999).

Innerhalb des Muskelgewebes wird zwischen intermuskulärem und

intramuskulärem Fett differenziert. Dabei wird dem intramuskulären Fettgehalt (IMF)

ein wesentlicher Beitrag für den Geschmack und die Zartheit von Schweinefleisch

zugemessen. Mit durchschnittlichen Werten zwischen 0,3 und 0,5 verfügt der

intramuskuläre Fettgehalt über eine hohe Heritabilität und ist in Kombination mit einer

Diskussion

254

negativen genetischen Beziehung zum Fleischanteil im Schlachtkörper (rg ~ -0,2)

positiv mit der Rückenspeckdicke (rg ~ 0,3) korreliert. Eine weitere züchterische

Reduktion der Rückenspeckdicke zieht folglich eine unerwünschte Verminderung des

intramuskulären Fettgehaltes nach sich (SCHWÖRER et al, 1987, SCHWÖRER und

REBSAMEN, 1990, HOVENIER et al., 1993, DE VRIES UND VAN DER WAL, 1993, DE

VRIES et al., 1994, HERMESCH et al., 2000a,b).

BRASCAMP et al. (1995) erwähnen jedoch, dass das von JANSS et al. (1994) in

Meishan statistisch identifizierte „Hauptgen“ für das intramuskuläre Fett den

Gesamtkörperfettgehalt nicht kontrolliert. Folglich wäre es möglich, den

intramuskulären Fettgehalt „unabhängig“ vom Rückenspeck in Abhängigkeit vom

Leistungsniveau zu erhöhen, worauf bereits SCHWÖRER u. a. (1987) bzw. WARRISS et al.

(1990) hinwiesen. In einer späteren Untersuchung bestimmte dieselbe Arbeitsgruppe

getrennt für intramuskuläres Fett bzw. Rückenspeckdicke den Effekt eines einzelnen

rezessiven Allels, welches wahrscheinlich von der Rasse Meishan stammt und in den

„westlichen“ Gründerfamilien (founder lines) nicht vorhanden ist (JANSS ET al., 1997).

Dieses Beispiel kennzeichnet die Schwierigkeiten, die mit der Suche von so genannten

“Economic Trait Loci - ETL“ oder “Quantitative Trait Loci - QTL“ zur Nutzung in

markergestützten Selektionsprogrammen verbunden sind. Polymorphismen, die in einer

Population (Familie) gefunden werden, sind in anderen Populationen nicht unbedingt

informativ (SCHWERIN, 1994, MACKAY, 2001). Weitere begrenzende Faktoren ergeben

sich aus dem Rekombinationsverlust und der genetischen Drift über Generationen, der

bekannten Komplexität der Genwirkungen, den benötigten statistischen

Computerverfahren sowie aus der gleichzeitigen Selektion auf mehrere ökonomisch

wichtige Merkmale, die biologisch konkurrieren (SMITH und SMITH, 1993, MONTALDO

and MEZA-HERRERA, 1998, FRIES, 2000).

Ein weiteres Kandidatengen für die Variation im intramuskulären Fett ist das in

Fettzellen auftretende und für den intrazellulären Fettsäuretransport mitverantwortliche

Fettsäure-Bindungs-Protein-Gen (ADIPOCYTE FATTY ACID-BINDING PROTEIN: A-FABP) auf

dem Chromosom 4 des Schweines (GERBENS et al., 1998). Die Autoren berichten über

einen signifikanten Kontrast von ca. 1% intramuskulärem Fettgehalt zwischen den

unterschiedlichen Genotypklassen, ohne jedoch einen Effekt auf Rückenspeckdicke und

Dripverlust (Wasserbindungsvermögen) in einer Duroc-Population feststellen zu

können. In nachfolgenden Untersuchungen innerhalb verschiedener Kreuzungslinien

ohne Duroc-Genanteile konnte jedoch keine eindeutige Assoziation zwischen A-FABP-

Diskussion

255

Genotypen und dem intramuskulären Fettgehalt nachgewiesen werden (GERBENS et al.,

2000, 2001). Das A-FABP- (FABP4) oder ADIPOCYTE LIPID-BINDING PROTEIN-Gen (AP2,

ALBP) wird hauptsächlich im Verlauf der Fettgewebe-Konversion reguliert, wenn sich

die Zellen von fibroblastischen Vorläuferzellen zu ausgereiften Adipozyten

differenzieren. Verschiedene Proteine wie Glucokortikoide, CCAAT/ENHANCER-BINDING

PROTEIN α (C/EBPα), ADIPOCYTE DETERMINATION UND DIFFERENTIATION-DEPENDENT

FACTOR 1 (ADD1), PEROXISOME PROLIFERATOR-ACTIVATED RECEPTOR α (PPARα) und

PEROXISOME PROLIFERATOR-ACTIVATED RECEPTOR γ1 und 2 (PPARγ1, PPARγ2) sowie

HORMONSENSITIVE LIPASE (HSL) sind an den Differenzierungsprozessen beteiligt

(BERNLOHR et al., 1997, DING et al., 2000, ROBINSON et al., 2000, VOGEL HERTZEL und

BERNLOHR, 2000). Speziell für die Gene, die ADD1, PPARα und

PPARγ1 bzw. PPARγ2 sowie ACYL-COA-OXIDASE (ACO) regulieren, konnten keine

Genotypunterschiede beim Vergleich von Schweinen mit Duroc- bzw. Newsham-

Abstammung nachgewiesen werden. Allein in der mRNA-Konzentration von FAS

(FATTY ACID SYNTHASE) im Fettgewebe bestehen tendenzielle Unterschiede zwischen

genetisch „fetten“ Schweinen mit Duroc-Abstammung und genetisch „mageren“

Schweinen mit Newsham-Abstammung. Schweine mit Duroc-Abstammung weisen eine

höhere mRNA-Konzentration für FAS auf (DING et al., 2000).

Das HEARTY FATTY ACID-BINDING PROTEIN-Gen (h-FABP oder FABP3) ist ebenfalls

von Interesse für die Steuerung der Körperzusammensetzung und speziell des

intramuskulären Fettgehaltes, da es neben der Herzmuskulatur auch im Skelettmuskel

vorkommt (VOGEL HERTZEL und BERNLOHR, 2000). Bislang konnte jedoch beim

Schwein nur ein signifikanter Effekt von h-FABP auf die Tageszunahme gefunden

werden (GERBENS et al., 1997, VAN ERP et al., 1997), der möglicherweise durch die

unterschiedliche Testosteron-Konzentration in männlichen und weiblichen Tieren

moduliert wird (VOGEL HERTZEL und BERNLOHR, 2000, GERBENS et al., 2001). Ein

Effekt auf den intramuskulären Fettgehalt wird jedoch nicht ausgeschlossen (GERBENS

et al., 2000, 2001).

Eine besondere Rolle an der Oberfläche der Muskel- und Fettzellen spielt das

INSULIN-SENSITIVE GLUKOSETRANSPORT-PROTEIN 4 (GLUT4) bzw. sein kodierendes Gen.

Homozygote GLUT4-knockout Mäuse zeigten vielfache Abnormalitäten, die von stark

vermindertem Wachstum über extrem verminderten Fettansatz bis zu einer durch eine

Herzhypertrophie verursachten kürzeren Lebensdauer reichten (OLSON und PESSIN,

1996). Neben diesen Wirkungen unterstützt Glukose über den Weg zu Glukose-6-

Diskussion

256

Phosphat die Kontrolle der Transkription von Genen für lipogene und glykolytische

Enzyme in Fettgewebe, Leber und Bauchspeicheldrüse (GIRARD et al., 1997).

Neben dem bereits beschriebenen LEPTIN-GEN und dem LEPTIN-REZEPTOR-Gen

scheint eine wachsende Liste von Genen, die diverse Peptid-Hormone bzw. ihre

Rezeptoren regulieren (z.B. CHOLECYSTOKININ-A, GLUKAGON-ÄHNLICHE PEPTIDE 1,

NEUROPEPTID Y, α-MELANOZYTEN-STIMULIERENDES HORMON, CORTICOTROPIN-RELEASING

HORMON, PRO-OPIOMELANOCORTIN, COCAINE- UND AMPHETAMINE-REGULATED

TRANSCRIPT, OREXIN A, OREXIN B), die kurzzeitige Futteraufnahme zu modulieren

(NORTH, 1999, WILSON et al., 1999, AHIMA und FLIER, 2000, Abb. 4.2.6). Sie sind

jedoch nicht essentiell für die Aufrechterhaltung des Körpergewichts (KOPIN et al.,

1999). Das „Futter“-Rezeptor-Gen des Schweines: NEUROPEPTID Y REZEPTOR 5 (NPY5)

befindet sich auf dem Chromosom 8 (8p11 - TORNSTEN et al., 1998). Auf diesem

porcinen Chromosom häufen sich mit dem CHOLECYSTOKININ-A-REZEPTOR-GEN

(CLUTTER et al., 1998) und dem CARBOXYPETIDASE-E-GEN (CPE, CARGILL et al., 1998)

weitere Gene, die an der Regulation der Futteraufnahme und der

Körperzusammensetzung beteiligt sind. Im Gegensatz befindet sich das PRO-

OPIOMELANOCORTIN-Gen auf dem Chromosom 3 des Schweines (MESSER et al., 2001).

Mutationen im TUBBY-Gen (TUB) könnten einen weiteren Faktor darstellen

(NOBEN-TRAUTH et al., 1996, KLEYN et al., 1996). Homozygote Mäuse mit einer G-zu-

T-Transversion an einer Donor-Spleiß-Position, die das Spleißen des Carboxyl-

Terminal-Introns verhindert, haben ein längeres Transkript als „normale“ Mäuse. Diese

Mäuse sind mager und aktiv nach der Geburt, verfetten jedoch mit zunehmendem Alter.

Die Alterung ist mit Diabetes sowie zunehmender Seh- und Gehörschwäche gekoppelt -

medizinischen Zuständen, die in engem Zusammenhang zur Fettleibigkeit stehen.

Diskussion

257

Abb. 4.2.6: Beziehungen zwischen Fettgewebe, genetischer Steuerung von Zentren imHypothalamus und der Futteraufnahmeregulation (eigene Abbildung modifiziert ausMITCHELL et al., 2001a)

Andere genetische Defekte, die mit Diabetes und Fettwüchsigkeit bei der Maus

verbunden sind, erzeugen weit dramatischere Effekte wie extreme Verfettung in sehr

frühen Altersstadien. Das Hauptinteresse bei der TUBBY-Maus liegt jedoch in der

zunehmenden Blind- und Taubheit und weniger in ihrer Diabetes bzw.

Gewichtszunahme. Die Zellen der Retina sterben bei diesen Mäusen nach dem so

genannten Prozess des „programmierten Zelltodes“ ab. Ein noch unbekannter Auslöser

aktiviert in den Zellen einen eingebauten „Suizidschalter“. Der Auslöser könnte eine

abnormale Zunahme von zyklischem GMP sein, welches normalerweise nur in sehr

geringen Konzentrationen vorkommt. Die Konzentration wird durch das Enzym

zyklische GMP-Phosphodiesterase niedrig gehalten. Nach NOBEN-TRAUTH et al. (1996)

enthält das TUBBY-Gen die Instruktionen für die Produktion einer Phosphodiesterase.

Zwischen dem Genom von Schwein bzw. Mensch und Maus existieren

weitreichende Kopplungskonservationen mit einer variierenden Neuanordnung der

Genreihenfolge innerhalb homologer Chromosomensegmente (Tab. A15 im Anhang V).

Die durchschnittliche Länge der konservierten Chromosomenabschnitte zwischen

Schwein und Mensch wurden mit 37 cM und zwischen Schwein und Maus mit 21 cM

geschätzt (JOHANSSON et al., 1995).

Da die Merkmale der Körperzusammensetzung und des Wachstums beim

Schwein polygen gesteuert werden, ist es nicht überraschend, eine derartig große

Fettgewebe

Leptin

ZNS (Hypothalamus)Leptin-Rezeptor

Neuropeptid Y'Glukagon-like' Peptid 1

GLP-1-Rezeptor

'Tubby'-Mutation

Cholecystokinin-Peptidase

Cholecystokinin

Gastrointestinaltrakt

Füllungszustand

Futteraufnahme

+ -

Energieverbrauch+ -

+ -

(Energiespeicher)

-

- α-Melanozyten-stimulierendes Hormon

BombesinApolipoprotein B, E4, A4

Nervus vagus

Vegetatives

Serotonin

Serotonin-Rezeptor 2c

Nervensystem

?

(Thermoregulation)

(kein Rezeptor in db/db Mäusen)

(gesteigertes Niveau in ob/ob Mäusen)

Wachstumshormon

+ -

(Hunger) +

( 'yellow'-Allel am 'agouti'- Locus)

Melanocortin-4-Rezeptor-

Proopiomelanocortin

Diskussion

258

Anzahl von Genen oder Markern zu finden, die mit Variationen im Körperfett- bzw.

Magergewebegehalt und Veränderungen im Körpergewicht assoziiert sind. Bis zum

Ende des Jahres 1996 entdeckten verschiedene Forschungsgruppen 13 Genorte, die 10

„Fettwuchs“-Syndrome beim Menschen beschrieben, fünf Einzelgen-Mutationen bei

Nagetieren (LEPR, LEP, AGOUT, TUBBY, FAT) und 25 QTL in Beziehung zu Wachstum

oder Körperzusammensetzung bei Maus, Ratte und Schwein. Weitere

Kandidatengenorte schließen die Gene ein, die das Wachstumshormon, die Insulin-

ähnlichen Wachstumsfaktoren, ihre Rezeptoren und Bindungsproteine kodieren

(BROCKMANN et al., 1998). Die Anzahl der lokalisierten Gene auf den Chromosomen

von Mensch, Schwein und Maus wächst ständig (MACKAY, 2001). Nachdem FÖRSTER

(1991 a,b) noch feststellte, dass die Zahl der mit gentechnischen Methoden

identifizierten Gene (für allgemeine und spezielle Produktionsleistungen sowie für

Produktqualität – GLODEK, 1991) beim Schwein weit unter 100 lag (1989: 40 Gene),

berichtet ROTHSCHILD (2001) von über 4000 Marker- und Kandidatengenorten auf der

„Genkarte“ des Schweines. Allein die Arbeitsgruppe um BROCKMANN et al. (1998)

identifizierte bei der Untersuchung von 13 Maus-Chromosomen 31 QTL mit Effekten

auf Körpergewicht, abdominales Fettgewicht und auf die Gewichte von Leber, Niere

und Milz, die mindestens signifikant auf dem Vorschlagsniveau (p < 0,05) waren.

Verschiedene dieser QTL befinden sich in denselben chromosomalen Regionen, die

durch andere Gruppen identifiziert wurden und könnten tatsächlich identische Gene

betreffen (FISLER und WARDEN, 1997, MACKAY, 2001). POMP (1999) weist bereits auf

50 chromosomale Regionen hin, die Gene zur potentiellen Steuerung der

Körperzusammensetzung beherbergen. Dabei können diese Gene in Abhängigkeit vom

Geschlecht und multiplen Genotyp (Rasse, Linie) unterschiedliche Effekte (dominant

bzw. rezessiv, additiv, epistatisch oder pleiotrop) unter variierenden

Umweltbedingungen (z.B. unterschiedlicher Ernährung oder Haltung) hervorrufen

(SPURLOCK et al., 1998, MACKAY, 2001). Die Identifikation dieser Gene und

genetischer Polymorphismen wird in Kombination mit modernen In-vivo-

Analyseverfahren, wie z.B. MRS, MRT, CT, DXA und NAA zur Aufklärung der

komplexen Biologie des Schweines (bzw. der landwirtschaftlicher Nutztiere sowie der

Haus- und Heimtiere) beitragen. Genauere Methoden zur Messung der phänotypischen

Variation im Einklang mit verfeinerten statistischen Methoden zur Zuchtwertschätzung

und markergestützten Selektion können schließlich helfen, den züchterischen Fortschritt

im Sinne von Mensch und Tier voran zu bringen. Obwohl die komplette Elimination

Diskussion

259

des Defektallels am RyR1-Genort neben der verbesserten Fleischqualität und

Belastungsstabilität eine erhebliche Verminderung des Fleischanteils (~ 1 – 7 %) und

damit eine zum Teil unerwünschte Erhöhung des Fettanteils im Schlachtkörper zur

Folge hat (siehe eigene Ergebnisse, SCHOLZ und HARDGE, 1994, WITTMANN u.a., 1998,

BIEDERMANN u.a., 2000, THALLER u.a., 2000, IRGANG, 2001), sollte es möglich sein -

unter Verwendung der umfassenden Informationen über die genetische Steuerung der

Körperzusammensetzung und des Wachstums - weiterhin Tiere zu züchten, die den

vielfältigen Wünschen der Verbraucher gerecht werden. Erste Selektionsergebnisse

innerhalb einer homozygot normalen Pietrain-Eberpopulation zeigen, dass stressstabile

Tiere bei verminderten Nachteilen im Fleischanteil auch überlegene Mastleistungen

erzielen können (WITTMANN u.a., 1999).

Moderne In-vivo-Messverfahren (MRT, MRS, CT, DXA, US) sind nötig, um die

exakte Wirkungsweise neu entschlüsselter genetischer Polymorphismen in den

verschiedensten Zuchtpopulationen aufzuklären. Außerdem werden auch die zur Zeit

noch (sehr) teueren Verfahren wie CT, DXA und möglicherweise MRT zunehmend für

die Leistungsprüfung von Zuchttieren Verwendung finden, um einerseits die regional

sehr variierende Gewebezusammensetzung verstärkt in die Züchtung einbeziehen zu

können und um andererseits durch eine frühere Leistungsinformation das

Generationsintervall in der Selektion zu verkürzen.

Zusammenfassung

260

5 Zusammenfassung

Schweine mit unterschiedlichen Ryanodin-Rezeptor-1-Genotypen (RyR1) dienen als

Modell für die Evaluierung verschiedener Methoden zur In-vivo-Messung von

Muskelenergiestoffwechsel und Körperzusammensetzung. Im Mittelpunkt der

Untersuchungen stehen 31P- und 13C-Magnetresonanz-Spektroskopie bzw.

Magnetresonanz–Tomographie sowie Dualenergie-Röntgenabsorptiometrie. Zusätzlich

zur Referenzschlachtung und chemischen Analyse werden diese Methoden im

Vergleich zu anderen Verfahren einer ausführlichen Bewertung in der

Methodenübersicht unterzogen. Die Muskel-Schussbiopsie ergänzt diese

Untersuchungen zur Ermittlung der Muskelfaserzusammensetzung. Insgesamt gehen

111 Versuchstiere in die Auswertung ein (Tab. 5.1).

Tab. 5.1: Anzahl Tiere innerhalb der RyR1-Genotypen – Gesamtmaterial

NN Nn nn31P-MR-Spektroskopie *

n (n - post mortem) 24 (3) 29 (4) 16 (3)13C-MR-Spektroskopie *

n (n - post mortem) 7 (1) 10 (2) 10 (3)1H-MR-Tomographie #

n 37 46 28

Muskelbiopsie +

n 7 10 5

Herkünfte: [US-Landrasse - LR], [Poland China x LR], [≥50 % Duroc - Du], [≥50 % Hampshire – Ha],[≥50 % Spotted –S-], [25 % Du, 25 % Ha, 25 % LR, 12,5 % S, 12,5 % Yorkshire] und [Du x Minzhu]§

* Lebendmasse (LM): 6 - 20 kg; #LM-Gruppen: 10-30-60-90 kg; +LM: 60-90 kg.

Dualenergie-Röntgenabsorptiometrie #

n 29 36 27

Referenzschlachtung und chemische Analyse#

n 20 27 16

§ Du x Minzhu wurden zusätzlich allein für die 1H-MR-Tomographie verwendet.

13C- bzw. 31P-MR-Spektroskopie ermöglichen in sehr geeigneter Weise in vivo bzw.

post mortem nicht invasiv und kontinuierlich Veränderungen von Glykogen, Kreatin

bzw. Phosphokreatin (PCr), anorganischem Phosphat (Pi), Adenosintriphosphat (ATP)

und pH-Wert direkt in relativen oder absoluten Konzentrationsmengen über eine

“unbegrenzte” Zeit zu messen. Die 31P-MR-Spektroskopie besitzt dabei im Vergleich

zur 13C-MR-Spektroskopie Vorteile in der Sensitivität und zeitlichen Auflösung für die

Zusammenfassung

261

Messung von Konzentrationsveränderungen der Muskelstoffwechselkomponenten.

Während sich 31P-MR-Spektren zur Bestimmung der Konzentrationsveränderungen von

PCr, ATP, Pi und pH-Wert in einem zeitlichen Abstand von < 1 Minute zuverlässig in

vivo erfassen lassen, ist für eine sinnvolle Interpretation von 13C-MR-Spektren mit dem

Ziel der Glykogen- und Kreatinbestimmung ein Zeitraum von > 5 Minuten erforderlich.

Fortschritte in den Techniken zur Analyse der Körperzusammensetzung basieren

in der Regel auf elektronischen, computergesteuerten Methoden, um eine möglichst

zerstörungsfreie, schnelle und objektive Untersuchung gewährleisten zu können. Die

Auswahl der Methodik richtet sich nach Zielstellung (Forschung, Leistungsprüfung,

Produktion oder Diagnose) und finanziellen Mitteln für die jeweilige Studie bzw.

klinische Anwendung. Technische Details in Bezug auf Genauigkeit, Präzision sowie

Parameterspektrum und maximale/minimale Probandengröße spielen dabei ebenso eine

Rolle wie eine einfache, robuste und umwelt- bzw. probandenschonende Handhabung.

Höchste Genauigkeiten für Ganzkörperuntersuchungen können innerhalb der

bildgebenden Verfahren mit Magnetresonanz- und Computer-Tomographie gefolgt von

Dualenergie-Röntgenabsorptiometrie (DXA) erzielt werden. Die DXA-Methodik

besticht in der einfachen Handhabung und Datenanalyse sowohl für

Ganzkörperuntersuchungen als auch für ausgewählte Körperregionen. Zusätzlich ist

DXA neben der quantitativen Computer-Tomographie die einzige nicht invasive

Methode, die direkte Maße zur Knochenmineraldichte liefert. Entsprechend der

Literaturauswertung ist im Rahmen von Gerätekalibrierungen die

Neutronenaktivierungs-Analyse als „nicht invasive“ Methode einer chemischen

Analyse bzw. geweblichen Totalzerlegung vorzuziehen. Aufgrund der sehr begrenzten

Verfügbarkeit dieser Methodik sind die chemische Analyse oder die grobgewebliche

Zerlegung bis auf weiteres als Standardreferenzmethoden erforderlich. Die

Fehlerquellen der nicht invasiven (bildgebenden) Methoden sind jedoch geringfügiger

als die möglichen Fehler bei der grobgeweblichen Zerlegung.

Die Hauptvorteile der nicht invasiven Bildgebungs- oder/und spektroskopischen

Verfahren in vivo liegen:

1. in leicht standardisierbaren und wiederholbaren Messungen (Wiederholbarkeit

> 75 %),

2. in der Möglichkeit von separaten Analysen großer interessierender Volumina des

gesamten Körpers, von Körpergeweben und Körperteilen,

Zusammenfassung

262

3. in der Möglichkeit kontinuierliche Messungen über einen „unbegrenzten“ Zeitraum

vorzunehmen sowie

4. in der Zerstörungs- bzw. Verletzungsfreiheit der Tiere und hoher hygienischer

Zuverlässigkeit.

Magnetresonanz, Ultraschall und digitale Bildgebung besitzen einen Vorteil gegenüber

den Röntgentechniken, da sie ohne ionisierende Strahlung auskommen, während sich

speziell die Spiral-Computer-Tomographie durch sehr hohe Untersuchungs-

geschwindigkeiten auszeichnet.

Der Muskelstoffwechsel der Defektallelträger am RyR1-Genort Nn bzw. nn zeigt

bereits in vivo stressbedingte Abweichungen im Vergleich zum normalen Genotyp NN.

Nach Stressauslösung mittels Halothan reagieren die Defektallelgenotypen mit einem

starken Abfall im Glykogen-, Phosphokreatin-, ATP- und pH-Niveau unter

gleichzeitigem Anstieg im Niveau von anorganischem Phosphat und der

Körpertemperatur. Die homozygoten Defektallelträger weisen im Durchschnitt eine

stärkere Stoffwechselentgleisung als die heterozygoten Defektallelträger auf. Post

mortem sind die Differenzen zwischen den Genotypen noch stärker als in vivo. Die

Stoffwechselentgleisungen gehen einher mit einer Muskelfaserhypertrophie bei beiden

Defektallelgenotypen. Im Laufe des Wachstums setzen die homozygoten

Defektallelträger mehr Muskelmasse (-volumen) und weniger Fett als die heterozygoten

Defektallelträger an. Bereits bei ca. 10 kg Lebendmasse kann im homozygoten

Defektallelgenotyp ein größeres Muskelvolumen mittels 1H-Magnetresonanz-

Tomographie nachgewiesen werden als in den beiden anderen Genotypen. Neben dem

untersuchten Effekt des RyR1-Genotyps (und des vor allem in der Rasse Hampshire

vorkommenden RN—-Allels) beeinflussen erwartungsgemäß eine Vielzahl von

genetischen, morphologischen und Umweltfaktoren den Muskelstoffwechsel und die

Körperzusammensetzung beim Schwein, die ausführlich im Diskussionsteil beschrieben

werden. Das RN—-Allel bewirkt einen verlangsamten Glykogenabbau in vivo (und post

mortem). Parallel weist die untersuchte Hampshire-Line (≥ 50 % Hampshire-Genanteil)

neben der US-Landrasse und der synthetischen Linie „Duroc x Hampshire x US-

Landrasse x Spotted x Yorkshire“ im Vergleich zu Duroc, „Poland China x Landrasse“,

Spotted und „Duroc x Minzhu“ einen niedrigen Körperfettgehalt auf. Spotted und

„Duroc x Minzhu“ sind am stärksten verfettet. Unerwartet reagiert Spotted (alle Nn) am

stärksten auf die Stressauslösung mittels Halothan.

Summary

263

6 Summary

In vivo techniques for the analysis of muscle metabolism and body composition inpigs of different genotypes

Pigs of different ryanodine receptor 1 (RyR1) genotypes serve as a model for the

evaluation of various non-invasive in vivo methods to measure muscle energy

metabolism and body composition. The main focus is set on one hand on 31P and 13C

nuclear magnetic resonance spectroscopy and on the other hand on nuclear magnetic

resonance imaging and dual energy X-ray absorptiometry. In addition to a reference

dissection and chemical analysis, the above mentioned methods are being extensively

compared to other methods in the methodology part. An invasive muscle shot biopsy

serves as an additional method in order to determine the muscle fiber composition of the

longissimus dorsi muscle. Totally, 111 animals have been considered in the data

analysis (Tab. 5.1a).

Tab. 5.1a: Number of animals within ryanodine receptor 1 (RyR1) genotype – total

material

NN Nn nn31P-MR-Spectroscopy *

n (n - post mortem) 24 (3) 29 (4) 16 (3)13C-MR-Spectroscopy *

n (n - post mortem) 7 (1) 10 (2) 10 (3)1H-MR-Imaging #

n 37 46 28

Muscle Biopsy+

n 7 10 5

breeds: [US-Landrace - LR], [Poland China x LR, [≥50 % Duroc – Du], [≥50 % Hampshire - Ha],[≥50 % Spotted – S], [25 % Du, 25 % Ha, 25 % LR, 12,5 % S, 12,5 % Yorkshire] and [Du x Minzhu]§

* live body weight (BW): 6 - 20 kg; #BW groups: 10-30-60-90 kg; +BW: 60-90 kg

Dual Energy X-Ray Absorptiometry #

n 29 36 27

Reference Dissection and Chemical Analysis#

n 20 27 16

§ Du x Minzhu were used alone in addition to all other probands for MR Imaging

13C- and 31P NMR spectroscopy are very appropriate methods to measure in vivo or post

mortem, non-invasively and continuously changes in the concentration of glycogen and

creatine or phosphocreatine (PCr), inorganic phosphate (Pi), adenosintriphosphate

(ATP), and pH-value directly in relative or absolute amounts over an „unlimited“ time

Summary

264

period. 31P NMR spectroscopy compared to 13C NMR spectroscopy has advantages in

the sensitivity and timely resolution for measuring changes in the concentration within

the components of muscle metabolism. While 31P NMR spectra in vivo yield sufficient

results for measuring changes of PCr, ATP, Pi and pH value within a time interval < 1

minute, it takes > 5 minutes to acquire reasonable 13C NMR spectra in order to measure

changes in the concentration of glycogen and creatine.

Progress in the techniques of body composition analysis is mainly based on

electronic and computer driven methods in order to provide non-invasive, fast and

objective measurements. The selection of the appropriate method depends on the

objective (research, performance testing, production, or diagnosis) and financial budget

for each single study and clinical application. Technical details considering accuracy,

precision, parameter selection and maximum/minimum size of an individual affect the

decision as well as does a simple, robust, environment-safe, patient-comfortable and

risk-free handling of the technique.

The highest accuracy for whole body studies within the imaging methods provide

magnetic resonance imaging (MRI) and computer tomography (CT) followed by dual

energy x-ray absorptiometry (DXA). DXA, however, outperforms MRI and CT due to

its simple handling and easy data analysis for whole body or regional body composition

studies. In addition, DXA is beside the Quantitative CT the only non-invasive method

which provides direct bone mineral density measurements.

According to the literature survey, the neutron activation analysis as a non-

invasive method should be preferred for the calibration of body composition

measurement devices instead of chemical analysis or dissection. Chemical analysis and

total dissection will remain standard reference methods as long as neutron activation

facilities are available only on a very limited basis. However, the non-invasive

(imaging) methods are less prone to error sources than are the diverse dissection or

chemical analysis procedures.

The main advantages of the non-invasive imaging and/or spectroscopic methods

in vivo are:

1. the easy way to standardize the methods with a high repeatability (>75 %),

2. the opportunity of analyzing separately large volumes of interest of the whole

body, body tissues and/or body parts,

3. the opportunity of performing continuous measurements over an “unlimited”

period of time, and

Summary

265

4. the harm “free” animal/patient precautions with a high degree of hygienic

safety.

An advantage for magnetic resonance, ultrasound and digital imaging is provided

by the function without radiation, while especially the “spiral computer tomography” is

characterized by a very high speed of analysis.

The muscle metabolism of the defect allele carriers at the RyR1 locus Nn and nn

shows already in vivo stress associated deviations in comparison to the “normal”

genotype NN. After generating muscle stress by halothane, defect genotypes react with

a decline in the glycogen, phosphocreatine, ATP, and pH level. Parallel inorganic

phosphate and body temperature increase significantly. In the average show the

homozygous defect allele carriers a stronger metabolic distress than do the

heterozygous carriers. Differences among genotypes are higher post mortem compared

to the metabolism in vivo. The muscle metabolic distress is connected with a muscle

fiber hypertrophy in both defect allele genotypes. During growth, the homozygous

defect allele genotype deposits more muscle mass (volume) and less fat than does the

heterozygous genotype followed by the homozygous normal genotype.

Already at a live body weight of about 10 kg, magnetic resonance imaging

provides evidence for a larger muscle volume in the homozygous defect genotype in

comparison to the two other genotypes. Beside the studied RyR1 genotypes (and the

RN—-allel especially present in Hampshire), a large number of genetic, morphologic

and environmental factors influence muscle metabolism and body composition in Swine

-- as described in the discussion part. The RN—-allel causes a reduced glycogen

depletion in vivo (and post mortem). Corresponding, the Hampshire line (≥ 50 %

Hampshire genes) is beside the US-Landrace and the synthetic line “Duroc x Hampshire

x US-Landrace x Spotted x Yorkshire” less obese than are the lines Duroc, “Poland

China x Landrace”, Spotted, and “Duroc x Minzhu”. Spotted and “Duroc x Minzhu” are

the most obese lines. In addition comparing all lines, Spotted (all Nn) responses --

unexpectedly -- most severely to (muscle) stress caused by halothane administration.

Literaturverzeichnis

7 Literaturverzeichnis Abate, N., D. Burns, R.M. Peshock, A. Garg, S.M. Grundy (1994): Estimation of adipose tissue mass by magnetic resonance imaging: validation against dissection in human cadavers. J. Lipid Res. 35: 1490-1496.

Abe, T., F. Tanaka, Y. Kawakami, K. Yoshikawa, T. Fukunaga (1996): Total and segmental subcutaneous adipose tissue volume measured by ultrasound. Med. Sci. Sports Exerc. 28: 908-912.

Abeles, R.H., P.A. Frey, W.P. Jenks (1992): Biochemestry. Jones and Bartlett Publishers, Boston, London.

Abrams, S.A., R.J. Schanler, H.P. Sheng, H.J. Evans, A.D. Leblanc, and C. Garza (1988): Bone mineral content reflects total body calcium in neonatal miniature piglets. Pediatr. Res. 24: 693-695.

Affentranger, P., C. Gerwig, G. Seewer, N. Künzi, D. Schwörer, A.L. Prabucki (1991): Comparison of fattening and carcass performance as well as meat and fat quality of crossbred genotypes fed with different feeding intensities. 42nd Annual Meeting of the EAAP, Berlin, 9-12 September, Paper Copy, pp. 8.

Afonso, J.J.M. (1992): Changes in body composition in sheep during growth, pregnancy and lactation. PhD Thesis, University of New England, Australia.

Afonso, J. and J.M. Thompson (1996): Fat distribution in sheep selected for/ against backfat depth, during growth on ad libitum feeding. Livest. Prod. Sci. 46: 97-106.

Ahima, R.S. and J.S. Flier (2000): Adipose Tissue as an Endocrine Organ. Trends in Endocrinology and Metabolism 11: 327-332.

Allen, P. and O. Vangen (1983): X-ray Tomography of pigs some preliminary results. CEC Meeting: In Vivo Measurement of Body Composition in Meat Animals. Bristol, UK, November 30-December 1.

Allen, P. and K.A. Leymaster (1985): Machine error in x-ray computer tomography and its relevance to prediction of in vivo body composition. Livest. Prod. Sci. 13: 383-398.

Allen, P. and M.G. Keane (1996): Prediction of beef pistolsa hind composition by TOBEC. 47th Annual Meeting of EAAP, Lillehammer, Norway, Book of Abstracts No. 2: 280.

Allen, P. and P. Walstra (1996): Non-invasive techniques for carcass assessment - grading applications. Paper, 47th Annual Meeting of EAAP, Lillehammer, Norway, pp. 18.

Aloia, J.F., A. Vaswani, E. Flaster, and R. Ma (1998): Relationship of body water compartments to age, race, and fat-free mass. J. Lab. Clin. Med. 132: 483-490.

266


Altmann, M., G.von Lengerken, H. Pfeiffer (1992): Intramuskulärer Fettgehalt - Bedeutung, Ermittlung und Selektionsmaßnahmen in der Schweinezucht. Schweinezucht und Schweinemast 40: 252 – 254.

ANALYZE 7.01 (1991): Biomedical Imaging Resource, Mayo Foundation, 200 First Street SW, Rochester, MN 55905.

Anderson, Th. (1860): Elements of agricultural chemistry. Adam and Charles Black, Edinburgh, GB. Albert R. Mann Library. 2000. Core Historical Literature of Agriculture (CHLA). Ithaca, NY: Albert R. Mann Library, Cornell University. http://chla.library.cornell.edu (Version October 2000). http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AAM3671

Andersson, L., C.S. Haley, H. Ellegren, S.A. Knott, M. Johansson, K. Andersson, L. Andersson-Eklund, I. Edfors-Lilja, M. Fredholm, I. Hansson, J. Håkansson and K. Lundström (1994): Genetic mapping of quantitative trait loci for growth and fatness in pigs. Science 263: 1771-1774.

Andersson, L., L: Marklund, P.-E. Nyström and S. Stern (1996): Identification of a major QTL for fatness on pig chromosome 4. 47th Annual Meeting of EAAP, Lillehammer, Norway, p. 37.

Andersson-Eklund, L., L. Marklund, K. Lundström, C.S. Haley, K. Andersson, I. Hansson, M. Moller, and L. Andersson (1998): Mapping Quantitative Trait Loci for Carcass and Meat Quality traits in a Wild Boar x Large White Intercross. J. Anim. Sci. 76: 694-700.

Andrew, R. (1998): The Impact of NMR and MRI. In: Making the human body transparent: The impact of nuclear magnetic resonance and magnetic resonance imaging. The transcript of a Witness Seminar held at the Wellcome Institute for the History of Medicine, London, on 2 July 1996, (Edited by D.A. Christie and E.M. Tansey). In: Making the human body transparent: The impact of nuclear magnetic resonance and magnetic resonance imaging. – Research in general practice. – Drugs in psychiatric practice. – The MRC common cold unit. Witness Seminar Transcripts (Edited by: E.M. Tansey, D.A. Christie, L.A. Reynolds), Volume 2: 4-13.

AOAC (1984): Methods of Analysis. 14th ed. Association of Official Analytical Chemists, Washington, DC.

Arnold, D.L., D.J. Taylor, and G.K. Radda (1985): Investigations of human mitochondrial myopathies by phosphorous magnetic resonance spectroscopy. Ann. Neurol. 18: 189-196.

Atkinson, G. and A.M. Nevill (1998): Statistical methods for assessing measurement error (reliability) in variables relevant to sports medicine. Sports Med. 26: 217-238.

Avison, M.J., H.P. Hetherington, R.G. Shulman (1986): Applications of NMR to studies of tissue metabolism. Ann. Rev. Biophys. Chem. 15: 377-402.

267

http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AAM3671

http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AAM3671


Azzopardi, D. and D. Edwards (1995): Magnetic resonance spectroscopy in neonates. Current Opinion in Neurology 8: 145-149.

Azuma, Y., N. Manabe, F. Kawai, M. Kanamori, and H. Miyamato (1994): Phosphorous-31 nuclear magnetic resonance study of postmortem changes in the intact tissue of goat muscles. Anim. Sci. Technol. (Jpn.) 65: 416-422.

Babcock, D.F. and B. Hille (1998): Mitochondrial oversight of cellular Ca2+ signaling. Current Opinion in Neurobiology 8: 398-404.

Baerwalde, S.O. (2001): Der Einfluss einer simulierten Orthostase auf den Energiestoffwechsel des menschlichen Skelettmuskels. Dissertation, Universität Köln.

Bader, R. (1982): Enzymhistochemische und histometrische Untersuchungen an Skelettmusklen von ausgemästeten, gesunden Schweinen der deutschen Landrasse. Zbl. Vet. Med. A 29: 443-457.

Baldwin, R.L. and R.D. Sainz (1995): Energy Partitioning and Modeling in Animal Nutrition. Annu. Rev. Nutr. 15:191-211.

Ball, A.J., J.M. Thompson, and G.N. Hinch (1996): Seasonal oscillations in the mass of body components of mature ewes fed at a constant intake. Proc. Aust. Soc. Anim. Prod. Vol. 21: 479.

Baron, A.D. and M.G. Clark (1997): Role of blood flow in the regulation of muscle glucose uptake. Annu. Rev. Nutr. 17: 487-499.

Barth, N., A. Ziegler, G.W. Himmelmann, H. Coners, M. Wabitsch, K. Hennighausen, H. Mayer, H. Remschmidt, H. Schäfer, J. Hebebrand (1997): Significant weight gains in a clinical sample of obese children and adolescents between 1985 and 1995. Intl. J. Obesity 21: 122-126.

Baskin, L.C. and D. Pomp (1998): Rapid Communication: Mapping of the Porcine Colipase Gene to Chromosome 7 Using Linkage Analysis. J. Anim. Sci. 76: 1241-1242.

Bastianelli, D. and D. Sauvant (1997): Modelling the mechanism of pig growth. Livest. Prod. Sci. 51: 97-107.

Bauer, A., U. Bogdahn, A. Haase, R. Schlief (1998): Dreidimensionale echosignalverstärkte transkranielle Doppler-Ultraschalldiagnostik. Der Radiologe 38: 394-398.

Baulain, U. (1994a): Bestimmung der Körperzusammensetzung landwirtschaftlicher Nutztiere mit Hilfe der Röntgen-CT. Landbauforschung Völkenrode, Sonderheft 145: 110-118.

Baulain, U. (1994b): MR-Imaging zur Erfassung der Körperzusammensetzung in vivo. Landbauforschung Völkenrode, Sonderheft 145: 119-126.

268


Baulain, U. (1996): Das Schwein in Scheiben - Kernspintomographie macht's möglich! Schweinezucht und Schweinemast 44/1: 42-44.

Baulain, U. (1997): Magnetic resonance imaging for the in vivo determination of body composition in animal science. Computers and Electronics in Agriculture 17: 189-203.

Baulain, U. and A. Scholz (1996): Image evaluation for different acquisition techniques in animal production. 47th Annual Meeting of the EAAP, Lillehammer, Norway, 25-29 August, Book of Abstracts No. 2, Wageningen Pers, p. 269 (PS5.5) and paper copy (4 pages).

Baulain, U. und E. Streitz (1997): Moderne Messmethode. Fleischanteil und Verfettung am lebenden Lamm messen. Deutsche Schafzucht 89: 451-453.

Baulain, U. und H. Henne (1999): Variation des Fleischanteils im Bauch von Schweinen aus Mutterlinien. Arch. Tierzucht (Dummerstorf) 42: 593-600.

Baulain, U. und M. Henning (2001): Untersuchungen zur Schlachtkörper- und Fleischqualität mit Hilfe von MR-Tomographie und MR-Spektroskopie. Arch. Tierz. (Dummerstorf) 44: 181-192.

Baulain,U., W. Griep, M. Henning, E. Hüster, E. Kallweit (1990): Schätzung der geweblichen Körperzusammensetzung mittels Magnet-Resonanz-Tomographie (MRT). Landbauforschung Völkenrode, 40. Jahrgang, Heft 3: 218 – 227.

Baulain, U., R.Schwerdtfeger, E.Kalm (1991): Composition of carcass cuts assessed by Magnetic Resonance Tomography (MRT). 42nd Annual Meeting of the EAAP, Berlin, September 8 - 12.

Baulain, U., A. Scholz, M. Henning, E. Hüster, E. Kallweit (1993): Composition of live pigs of different weight assessed by Magnetic Resonance Imaging (MRI). Proc. 44th Annual Meeting of EAAP, Aarhus, Denmark, 16-19 August.

Baulain, U., M. Henning, E. Kallweit (1996): Bestimmung der Körperzusammensetzung von Landrasse-Schweinen unterschiedlichen Alters mittels MRI. Arch. Tierzucht (Dummerstorf) 4: 431-440.

Baulain, U., M. Henning, E. Tholen, und W. Peschke (1998a): Der Schweinebauch in Scheiben. Schweinezucht und Schweinemast 46/4: 16-17.

Baulain, U., M. Henning, E. Tholen, W. Wittmann und W. Peschke (1998b): Objektive Erfassung des Fleischanteils im Schweinebauch. 2. Mitteilung: Verwendung von Bildinformationen aus dem MR-Imaging. Züchtungskunde 70: 205-212.

Baulain, U., P. Köhler, E. Kallweit, W. Brade (2000): Intramuscular fat content in some native German pig breeds. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 181-184.

Baumgartner, R.N, R. Ross, and St.B. Heymsfield (1998): Does adipose tissue influence bioelectric impedance in obese men and women? J. Appl. Physiol. 84: 257-262.

269


Beckmann, N., J. Seelig, and H. Wick (1990): Analysis of glycogen storage disease by in vivo 13C NMR: comparison of normal volunteers with a patient. Magn. Reson. Med. 16: 150–160.

Bečková, R. and P. David (2000): Effect of the RYR 1 gene on meat quality in pigs of Large White, Landrace and Czech Meat Pig Breeds. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 151-155.

Beier, J., T. Büge, C. Stroszczynski, H. Oellinger, E. Fleck, R. Felix (1998a): 2D- und 3D-Parameterbilder zur Analyse der Kontrastmittelverteilung bei dynamischen CT- und MR-Untersuchungen. Der Radiologe 38: 832–840.

Beier, J., R.C. Bittner, N. Hosten, J. Tröger, und R. Felix (1998b): Morphologische Bildverarbeitungsoperatoren: Reduktion von Partialvolumenartefakten für eine verbesserte dreidimensionale Visualisierung von CT-Untersuchungen. Der Radiologe 38: 860-866.

Bejerholm, C. and P. Barton-Gade (1986): Effect of intramuscular fat level on eating quality of pig meat. Proceedings of the 32nd European Meeting of Meat Research Workers: 389-391.

Bendahan, D., Sylviane Confort-Gouny, Geneviève Kozak-Reiss, and P.J. Cozzone (1990): Pi trapping in glycogenolytic pathway can explain transient Pi disappearance during recovery from muscular exercise. FEBS Letters 269: 402-405.

Bentsen, H.B. and E. Sehested (1989): Computerised Tomography of Chickens. British Poultry Science 30: 575-589.

Berenyi, E., P. Bogner, A. Miseta, G. Köver, P. Horn, and D.N. Wheatley (1994): Pre-slaughter characteristics of proton NMR relaxation parameters in malignant hyperthermia susceptible pigs. Sciences des Aliments 14: 459-467.

Bereskin, B and N.C. Steele (1988): Estimates of genetic parameters for carcass measures of body composition and growth in swine. J. Anim. Sci. 66: 2498-2507.

Berg, R.T. and R.M. Butterfield (1968): Growth patterns of bovine muscle, fat and bone of young bulls. J. Anim. Sci. 27: 611-619.

Berg, E.P., J.C. Forrest, D.L. Thomas, N. Nusbaum, R.G. Kauffman (1994): Electromagnetic scanning to predict lamb carcass composition. J. Anim. Sci. 72: 1728-1736.

Berg, E.P., B.A. Engel, and J.C. Forrest (1998): Pork Carcass Composition Derived from Neural Network Model of Electromagnetic Scans. J. Anim. Sci. 76: 18-22.

Berkowitz, B.A. and R.S. Balaban (1989): Improvement in 31P NMR Signal-to-Noise for ATP in Vivo Using Homonuclear Decoupling. Magnetic Resonance in Medicine 12: 249-252.

Bernlohr, D.A., M.A. Simpson, A. Vogel Hertzel, and L.J. Banaszak (1997): Intracellular lipid-binding proteins and their genes. Annu. Rev. Nutr. 17: 277-303.

270


Bertin, E., J.-C. Ruiz, J. Mourot, P. Peiniau, B. Portha (1998): Evaluation of dual-energy x-ray absorptiometry for body-composition assessment in rats. J. Nutr. 128: 1550-1554

Biedermann, G., Christiane Jatsch, W. Peschke, J.-P. Lindner und W. Wittmann (2000): Mast- und Schlachtleistung sowie Fleisch- und Fettqualität von Pietrain-Schweinen unterschiedlichen MHS-Genotyps und Geschlechts. 1. Mitteilung: Mast- und Schlachtleistung sowie Fleischqualität. Arch. Tierzucht (Dummerstorf) 43: 151-164.

Bikker, P. (1994): Protein and lipid accretion in body components of growing pigs. Thesis, Wageningen.

Bikker P., V. Karabinas, M.W.A. Verstegen, and R. G. Campbell (1995): Protein and Lipid Accretion in Body Components of Growing Gilts (20 to 45 Kilograms) as Affected by Energy Intake. J. Anim. Sci. 73: 2355-2363.

Bikker P., M.W.A. Verstegen, B. Kemp and M.W. Bosch (1996a): Performance and Body Composition of Finishing Gilts (45 to 85 Kilograms) as Affected by Energy Intake and Nutrition in Earlier Life: I. Growth of the Body and Body Composition. J. Anim. Sci. 74: 806–816.

Bikker P., M.W.A. Verstegen, and R. G. Campbell (1996b): Performance and Body Composition of Finishing Gilts (45 to 85 Kilograms) as Affected by Energy Intake and Nutrition in Earlier Life: II. Protein and Lipid Accretion in Body Components. J. Anim. Sci. 74: 817–826.

Bidanel, J.P., A. Ducos, R. Guéblez and F. Labroue (1994): Genetic parameters of backfat thickness, age at 100 kg and ultimate pH in on-farm tested French Landrace and Large White pigs. Livest. Prod. Sci. 40: 291-301.

Bidwell, C.A., S. Ji, G.R. Franks, S.G. Cornelius, G.M. Willis, and M.E. Spurlock (1997): Cloning and expression of the porcine obese gene. Anim. Biotechnol. 8: 191-206.

Biochemestry (1992): Editors Robert H. Abeles, Perry A. Frey, and William P. Jencks. Jones and Bartlett Publishers, Boston.

BioScan OPTIMAS (1991): User Guide. BioScan Inc., 170 West Dayton, Edmonds, WA 98020.

Billington, C.J. and A.S. Levine (1996): Appetite regulation: Shedding new light on obesity. Current Biology 6: 920-923.

Blackband, S.J. and M.K. Stoskopf (1990): In vivo nuclear magnetic resonance imaging and spectroscopy of aquatic organisms. Magnetic Resonance Imaging 8: 191-198.

Bland, J.M. and D.G. Altman (1986): Statistical methods for assessing agreement between two methods of clinical measurement. Lancet (February 8): 307-310.

Blendl, H.M., W. Knott, A. Baumann, E. Goretzki und H. Männer (1986): 30 Jahre Mast- und Schlachtleistungsprüfung beim Schwein in Grub. Bayer. Landw. Jahrbuch 63/6: 683-710.

Bloch, F, W.W. Hansen, M. Packard (1946): Nuclear induction. Phys. Rev. 69: 127.

271


Block, B.A., T. Imagawa, A. Leung, P. Campbell, C. Franzini-Armstrong (1988): Structural evidence for direct interaction between the molecular components of the transverse tubules/sarcoplasmic reticulum junction in skeletal muscle. J. Cell Biol. 107: 2587-2600.

Boesiger, P. (1991): Localized NMR spectroscopy in-vivo. Proc. 12th Symposium Energy Metabolism of Farm Animals, Kartause Ittingen, Switzerland, 1-7 September: 210-217.

Bogner, P., E. Berényi, A. Miseta, P. Horn, M. Kellermeyer, D.N. Wheatley, and F.A. Jolesz (1996): Nuclear Magnetic Resonance Relaxation Parameters of Muscle in Malignant Hyperthermia-Susceptible Swine. Acad. Radiol. 3: 26-30.

Boileau, R.A. (1988): Utilization of Total Body Electrical Conductivity in Determining Body Composition. In: “Designing Foods: Animal Product Options in the Marketplace”, National Academy Press, Washington, DC, pp. 251-257. http://books.nap.edu/books/0309037956/html/R1.html Boling C.A., W. Taylor, C. Entemor, A.R. Behnke (1962): Total exchangeable potassium and chloride and total body water in healthy men of varying fat content. J. Clin. Invest. 31: 1840-1849.

Bosch, F., A. Pujol, A. Valera (1998): Transgenic mice in the analysis of metabolic regulation. Annu. Rev. Nutr. 18: 207-232.

Böttcher, P., J. Maierl, Th. Schiemann, Ch. Glaser, R. Weller, K.-H. Hoehne, M. Reiser, H.-G. Liebich (1999): The visible animal project: a three-dimensional, digital database for high quality three-dimensional reconstructions. Veterinary Radiology & Ultrasound 40: 611-616.

Bouchard, C. and A. Tremblay (1997): Genetic Influences on the Response of Body Fat and Fat Distribution to Positive and Negative Energy Balances in Human Identical Twins. J. Nutr. 127: 943S–947S.

Borggard, C., N.T. Madsen & H.H. Thodberg (1996): In-line Image Analysis in the Slaughter Industry, Illlustrated by Beef Carcass Classification. Meat Science 43 (No. S): S151-S163.

Brandt, H. (1987): Development and genetic aspects of feed intake in three breeds of pigs at German test stations and measures to prevent further deterioration. Pig News and Information Vol. 8 No. 1: 29-33.

Brandstätter, B. (2000): (Institut für Grundlagen und Theorie der Elektrotechnik), TU-Graz, Österreich, http://www-igte.tu-graz.ac.at/services/da/eit.htm

Branscheid, W. (1994): Ultraschall als Referenz für die Zulassung von Klassifizierungsgeräten. Landbauforschung Völkenrode, Sonderheft 145: 5-14.

Branscheid, W. und A. Dobrowolski (1996): Zur Genauigkeit der Video-Image-Analyse: Erfassung des Teilstückwertes und der Fleischhelligkeit von Schweineschlachtkörpern. Fleischwirtschaft 76: 1228-1238.

272

http://books.nap.edu/books/0309037956/html/R1.html

http://www-igte.tu-graz.ac.at/services/da/eit.htm


Branscheid, W. and A. Dobrowolski (2000): Evalaution of market value: comparison between different techniques applied on pork carcasses (short communication). Arch. Tierzucht (Dummerstorf) 43: 131-137.

Branscheid, W., A. Dobrowolski und R. Höreth (1994): Untersuchungen zur Zuverlässigkeit der Bestimmung des Muskelfleischanteils von Schweinehälften nach der Kühlung. Arch. Tierzucht (Dummerstorf) 37: 121-131.

Branscheid, W., A. Dobrowolski, R. Höreth (1995): Die Video-Image-Analyse: Methode zur On-line-Erfassung des Teilstückwertes von Schweineschlachtkörpern. Fleischwirtschaft 75: 636-642.

Branscheid, W., A. Dobrowolski, M. Spindler, Ch. Augustini (1998): Apparative Klassifizierung und Erfassung des Schlachtwertes beim Rind mit Hilfe der Videbildanalyse. Fleischwirtschaft 78: 1046-1050.

Brascamp, E.W., C.S. Haley, M.A.M. Groenen and L.L.G. Janss (1995): PiGMaP: gene mapping and its contribution to meat production and meat quality parameters. Pig News and Information 16: 41N-46N.

Bray, G.A. (1997): Progress in Understanding the Genetics of Obesity. J. Nutr. 127: 940S-942S.

Brem, G. und B. Brenig (1992): Molekulare Genotyp-Diagnostik des Malignen Hyperthermie-Syndroms zur effizienten Zucht streßresistenter Schweine. Wien. Tierärztl. Mschr. 79: 301-305.

Brenig, B and G. Brem (1992): Molecular cloning and analysis of the porcine “halothane” gene. Arch. Tierzucht, (Dummerstorf) 35: 129-135.

Brenig, B., E.-L. Winnacker, G. Brem (1991): Molekulargenetische Untersuchung der malignen Hyperthermie des Schweines. In: Fortschritte in der Tierzüchtung, Ulmer, Stuttgart: 315-326.

Brent, R. and R.L. Finley Jr. (1997): Understanding gene and allele function with two-hybrid methods. Annu. Rev. Genet. 31: 663-704.

Brethour, J.R. (2000): Using serial ultrasound measures to generate models of marbling and backfat thickness changes in feedlot cattle. J. Anim. Sci. 78: 2055-2061.

Brockmann, G.A., Ch.S. Haley, U. Renne, S.A. Knott, and M. Schwerin (1998): Quantitative Trait Loci Affecting Body Weight and Fatness From a Mouse Line Selected for Extreme High Growth. Genetics 150: 369-381.

Brocks, L., R.E. Klont, W. Buist, K. de Greef, M. Tieman, and B. Engel (2000): The effects of selection of pigs on growth rate vs. leanness on histochemical characteristics of different muscles. J. Anim. Sci. 78: 1247–1254.

Brooke-Wavell, K., P.R.M. Jones, N.G. Norgan, and A.E. Hardman (1995): Evaluation of near infra-red interactance for assessment of subcutaneous and total body fat. European Journal of Clinical Nutrition 49: 57-65.

Brozek, J. (1966): Body Composition: Models and Estimation Equations. Am. J. Phsy. Anthrop. 24: 239-246.

273


Brozek, J., F. Grande, J. T. Anderson and A. Keys (1963): Densitometric analysis of body composition: revision of some quantitative assumptions. Ann. N. Y. Acad. Sci. 110: 113-140.

Brøndum, J., M. Egebo, C. Agerskov, and H. Busk (1998): On-line pork carcass grading with the Autofom ultrasound system. J. Anim. Sci. 76: 1859-1868.

Brunton, J.A., H.S. Baley, St.A. Atkinson (1993): Validation and application of dual-energy x-ray absorptiometry to measure bone mass and body composition in small infants. Am. J. Clin. Nutr. 58: 839-845.

Brunton, J.A., H.A. Weiler, and St.A. Atkinson (1997): Improvement in the Accuracy of Dual Energy X-ray Absorptiometry for Whole Body and Regional Analysis of Body Composition: Validation Using Piglets and Methodologic Considerations in Infants. Pediatric Research 41: 590-596.

Brüngel, M. und R. Kluthe (1997): Die bioelektrische Impedanzanalyse als Methode zur Erfassung der Körperzusammensetzung. DGE-info Mai 1997, Review, [Bioelectrical impedance analysis in body composition measurement: National Institutes of Health Technology Assessment Conference Statement. Am J Clin Nutr 64 (suppl. 3): 524S–532S]. http://www.dge.de/Pages/navigation/fach_infos/rev0597.htm

Buchli, R. and P. Boesiger (1993): Comparison of Methods for the Determination of Absolute Metabolite Concentrations in Human Muscles by 31P MRS. Magnetic Resonance in Medicine 30: 552-558.

Burt, C.T., J. Koutcher, J.T. Roberts, R.E. London, B. Chance (1986). Magnetic resonance spectroscopy of the musculoskeletal system. Radiol. Clin. North Am. 24: 321-331.

Busemann, E. (1991): Möglichkeiten der Schlachtkörperbewertung am lebenden Schwein mit Hilfe von Ultraschallmessungen. Schriftenreihe des Instituts für Tierzucht und Tierhaltung der Christian-Albrechts-Universität zu Kiel, Heft 64.

Busk, H. (1989): Applications of Ultrasound Imaging in Animal Science. In: Application of NMR Techniques on the Body Composition of Live Animals (Eds.: Kallweit, E., M. Henning, E. Groeneveld), Elsevier Applied Science: 75-90.

Busk, H. and E. Olsen (1996): Determination of percent meat in pig carcasses with the AUTOFOM equipment. 47th Annual Meeting of the EAAP, Lillehammer, Norway, 25-29 August, (paper copy, 9 pages).

Busk, H., A. Karlsson and S.H. Hertel (2000): Halothane gene effect on carcass and meat quality by use of Duroc x Pietrain Boars. In: Quality of meat and fat in pigs as affected by genetics and nutrition. EAAP publiction No. 100: 129-133.

Busse, W. und E. Groeneveld (1986): Schätzung von Populationsparametern bei Schweinen der Deutschen Landrasse an Daten aus dem Marienseer-Herdbuch-Informationssystem. 1. Mitteilung: Schätzung der Populationsparameter für die Merkmale der Geschwisterleistung auf Station. Züchtungskunde 58: 175-183.

274

http://www.dge.de/Pages/navigation/fach_infos/rev0597.htm


Busse, W. und E. Groeneveld (1986): Schätzung von Populationsparametern bei Schweinen der Deutschen Landrasse an Daten aus dem Marienseer-Herdbuch-Informationssystem. 2. Mitteilung: Schätzung von Populationsparametern für Merkmale der Eigenleistungsprüfung von Jungebern auf Auktion und Schätzung von genetischen Korrelationen zwischen Merkmalen der Eigenleistungsprüfung auf Auktion und Merkmalen der Geschwisterleistungsprüfung auf Station unter Berücksichtigung von Genotyp-Umwelt-Interaktionen. Züchtungskunde 58: 184-195.

Bussolotto, M., A. Ceccon, G. Sergi, V. Giantin, P. Beninca, G. Enzi (1999): Assessment of body composition in elderly: accuracy of bioelectrical impedance analysis. Gerontology 45: 39-43.

Butte, N.F., J.M. Hopkinson, K.J. Ellis, W.W. Wong, E.O. Smith (1997): Changes in fat-free mass and fat mass in postpartum woman: a comparison of body composition models. Intl. J. Obesity 21: 874-880.

Cameron, Charles Alexander (1868): The stock-feeder's manual. The chemistry of food in relation to the breeding and feeding of live stock. Cassell, Petter, and Galpin, London, | New York, Albert R. Mann Library. 2000. Core Historical Literature of Agriculture (CHLA). Ithaca, NY: Albert R. Mann Library, Cornell University. http://chla.library.cornell.edu (Version October 2000). http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AFB3188

Cameron, N.D. and Curran, M.K. (1994): Responses in performance test traits to selection on components of efficient lean growth in pigs. Proc. 5th World Congr. Genet. Appl. Live. Prod., Guelph, Vol. 19: 83–86.

Cameron, N.D., Curran, M.K. and Kerr, J.C. (1994): Selection for lean growth in pigs with a restricted feeding regime. Proc. 5th World Congr. Genet. Appl. Live. Prod., Guelph, Vol. 19: 87–90.

Cargill, E.J., L.C. Baskin, and D.Pomp (1998): Rapid Communication: Localization of the Porcine Carboxypeptidase-E Gene by Linkage Analysis Further Extends the region of Synteny Between Human Chromosome 4 and Porcine Chromosome 8. J. Anim. Sci. 76: 2211-2212.

Cartee, G.D. (1995): What Insights Into Age-Related Changes in Skeletal Muscle Are Provided by Animal Models. The Journal of Gerontology 50A (Special Issue): 137-141.

Cerdan, S. and J. Seelig (1990): NMR Studies of Metabolism. Annu. Rev. Biophys. Chem. 19: 43-67.

Cisneros F., M. Ellis, K.D. Miller, J. Novakofski, E.R. Wilson, F.K. McKeith (1996): Comparison of transverse and longitudinal real-time ultrasound scans for prediction of lean cut yields and fat-free lean content in live pigs. J. Anim. Sci. 74: 2566-2576.

Chance, B. (1984): Applications of 31P NMR to Clinical Biochemestry. Ann. N. Y. Acad. Sci. 428: 318-332.

Charette, R., M. Bigras-Poulin, G.-P. Martineau (1996): Body condition evaluation in sows. Livest. Prod. Sci. 46: 107-115.

275

http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AFB3188


Cheah, K.S., A.M. Cheah, and D.I. Krausgrill (1995): Variations in Meat Quality in Live Halothane Heterozygotes Identified by Biopsy Samples of M. longissimus dorsi. Meat Sci. 39: 293-300.

Clapper, J.A., T.M. Clark, and L.A. Rempel (2000): Serum concentrations of IGF-I, estradiol-17ß, testosterone, and relative amounts of IGF binding proteins (IGFBP) in growing boars, barrows, and gilts. J. Anim. Sci. 78: 2581-2588.

Claus, A. (1957): Die Messung natürlicher Grenzflächen im Schweinekörper mit Ultraschschall. Fleischwirtschaft 9: 552-554.

Claus, R. (1996): Physiologische Grenzen der Beeinflußbarkeit von Leistungen beim Schwein. Züchtungskunde 68: 493-505.

Claus, R. and U. Weiler (1994): Endocrine regulation of growth and metabolism in the pig: a review. Livest. Prod. Sci. 37: 245-260.

Clutter, A.C., S. Sasaki, and D. Pomp (1998): Rapid Communication: The Cholecystokinin Type-A Receptor (CCKAR) Gene Maps to Porcine Chromosome 8. J. Anim. Sci. 76: 1983-1984.

Cohn, S.H. (1992): In vivo neutron activation analysis; a new technique in nutritional research. The journal of nutritional biochemistry 3: 378-386.

Comizio, R., A. Pietrobelli, Y.X. Tan, Z.M. Wang, R.T. Withers, S.B. Heymsfield, C.N. Boozer (1998): Total body lipid and triglyceride response to energy deficit: relevance to body composition models. Am. J. Physiol. 274: E860-E866.

Comuzzie, A.G., J.E. Hixson, L. Almasy, B.D. Mitchell, M.C. Mahaney, T.D. Dyer, M.P. Stern, J.W. MacCluer and J. Blangero (1997): A major quantitative trait locus determining serum leptin levels and fat mass is located on human chromosome 2. Nat. Genet. 15: 273-276.

Conway, J.M., K.H. Norris, and C.E. Bodwell (1984): A new approach for the estimation of body composition: infrared interactance. Am. J. Clin. Nutr. 40: 1123-1130.

Cooke, S.R., St.R. Peterson, H. A. Quinney (1997): The influence of maximal aerobic power on recovery of skeletal muscle following anerobic exercise. Eur. J. Appl. Physiol. 75: 512-519.

Cormack, M.M. (1980): Early two-dimensional reconstruction and recent topics stemming from it. Med. Phys. 7: 277-281.

Cuthbertson, A. and R.W. Pomeroy (1962): Quantitative anatomical studies of the composition of the pig at 50, 68 and 92 kg carcass weight. I: Experimental material and methods. J. Agric. Sci. 59: 207-214.

Dai, R., N. Li, Ch. Wu (1998): Molecular cloning of “ob” cDNA and polymorphic analysing on “ob” locus in swine.

276


Proc. 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, Vol. 23: 612-615. Davies, A.S. (1984): Wachstumsverlauf von Muskeln und Knochen bei Schweinen unterschiedlicher Endgröße. Dissertation, Tierärztliche Hochschule Hannover.

Davies, A.S., K.L. Garden, M.J. Young and C.S.W. Reid (1987): An atlas of X-ray tomographical anatomy of the sheep. Science Information Publishing Centre, DSIR, Wellington, New Zealand.

Davies, D.R. and A. Wlodawer (1995): Cytokines and their receptor complexes. FASEB J. 9: 50-56.

Dänicke S., Ingrid Halle, H. Jeroch (1997): Evaluation of the non invasive TOBEC (total body electrical conductivity) procedure for prediction of chemical components of male broilers with special consideration of dietary protein level. Arch. Anim. Nutr. 50: 137-153.

Decanniere, Caroline (1993): In-Vivo Localized NMR Spectroscopy at High Field Strength. Thesis, Katholieke Universiteit Leuven, Belgium, pp. 149.

Decanniere, Caroline, P. van Hecke, F. Vanstapel, H. Villé, R. Geers (1993): Metabolic response to halothane in piglets susceptible to malignant hyperthermia: an in vivo 31P-NMR study. J. Appl. Physiol. 75: 955-962.

De Koning, D.J., A.P. Rattink, B. Harlizius, M.A.M. Groenen, E.W. Brascamp, J.A.M. van Arendonk (2001): Detection and characterization of quantitative trait loci for growth and reproduction traits in pigs. Livest. Prod. Sci. 72: 185-198.

De Lorenzo, A., A. Andreoli, J. Matthie, and P. Withers (1997): Predicting body cell mass with bioimpedance by using theoretical methods: A technological review. J. Appl. Physiol. 82: 1542–1558.

Depreux, F.F.S., A.L. Grant, J.C. Forrest, and D.E. Gerrard (1998): Effect of halothane gene status on myosin heavy chain content and meat quality attributes. J. Anim. Sci. 76 (Suppl. 1): 151.

Deurenberg, P., R. Leenen, K. van der Kooy, J.G. Hautvast (1989): In obese subjects the body fat percentage calculated with Siri's formula is an overestimation. Eur. J. Clin. Nutr. 43: 569-575.

De Smet, S.M., H. Pauwels, S. De Bie, D.I. Demeyer, J. Callewier, and W. Eeckhout (1996): Effect of Halothane Genotype, Breed, Feed Withdrawal, and Lairage on Pork Quality of Belgian Slaughter Pigs. J. Anim. Sci. 74: 1854-1863.

De Vries, A.G. and P.G. van der Wal (1993): Breeding for Pork Quality. In: Pork Quality: Genetic and Metabolic factors (Editors: E. Poulanne and D.I. Demeyer), CAB International: 58-75.

De Vries, A.G. and E. Kanis (1994): Swine breeding goals, short- and long-term considerations. Proc. 5th World Congress on Genetics applied to Livestock Production. Guelph, Canada, Vol. 17, 390-397.

277


De Vries, A.G. and G.S. Plastow (1998): Major genes for quality. Pig Progress 14: 43-48. De Vries, A.G., R. Hovenier, E.W. Brascamp, J.W.M. Brascamp (1993): Breeding for Pork Quality in the Netherlands. 44th Annual Meeting of the EAAP, Denmark, 16-19 August, paper copy, pp. 7.

De Vries, A.G., P.G. van der Wal, T. Long, G. Eikelenboom and J.W.M. Merks (1994): Genetic parameters of pork quality and production traits in Yorkshire populations. Livest. Prod. Sci. 40: 277-289.

Dickerson, G.E. and H.S. Teague (1987): Energy intake restriction and lean growth efficiency in swine. J. Anim. Breed. Genet. 104: 82-95.

Diehl, B.W.K. und W. Ockels (1995): Ermittlung der Fettsäureverteilung durch 13C-NMR-Spektroskopie. Fett 97(3): 115-118.

Ding, S.-T., A.P. Schinckel, T.E. Weber, and H.J. Mersmann (2000): Expression of porcine transcription factors and genes related to fatty acid metabolism in different tissues and genetic populations. J. Anim. Sci. 78: 2127-2134.

Domermuth, W., T.L. Veum, M.A. Alexander, H.B. Hedrick, J. Clark, and D. Eklund. (1976): Prediction of lean body composition of live market weight swine by indirect methods. J. Anim. Sci. 43: 966-976.

Doornenbal, H. (1971): Growth, development and chemical composition of the pig. I. Lean tissue and protein. Growth 35: 281-295.

Doornenbal, H. (1972): Growth, development and chemical composition of the pig. II. Fatty tissue and chemical fat. Growth 36: 185-194.

Drudik, D.K., D. Pomp, Z-B. Zeng and E.J. Eisen (1995): Identification of major genes controlling body weight and fat percentage on mouse chromosome 2. J. Anim. Sci. 73 (Suppl. 1): 110.

Dubinsky, V.Z. and L.A. Sibeldina (1983): [31P-NMR Study of P-Compounds Metabolism in Mouse Liver under Stress.] in Russisch, Biophysika XXVIII: 92-95.

Ducos, A., J.P. Bidanel, and J. Naveau (1992): Estimation of genetic parameters and genetic trends for production traits in the Sino-European Tiameslan composite line. J. Anim. Breed. Genet. 109: 108-118.

Dwyer, Catherine M., N.C. Stickland, and J.M. Fletcher (1994): The influence of maternal nutrition on muscle fiber number development in the porcine fetus and on subsequent postnatal growth. J. Anim. Sci. 72: 911-917.

Edeal, B., M. Rumph, R. Mass, K. Killinger, N. Jerez, S. Elnagar, T. McDaneld, R. Aljumaah, U. Pithpongsiriporn, K. Nephawe, G. Martinez, C.D. Gladney, M.F. Allan, and D. Pomp (2000):

278


Rapid communication: Linkage mapping of the Mahogany (attractin) locus in cattle and pigs. J. Anim. Sci. 78: 2479-2480.

Eikelenboom, G. (1980): New Ways To Achieve An Optimum Combination Of Carcass Quality; Meat Quality And Stress Resistance In Pigs. Hohenheimer Arbeiten, Reihe Tierische Produktion 107: 60-67. Eikelenboom, G. and D. Minkema (1974): Prediction of pale, soft, exudative muscle with a non-lethal test for the halothane -induced porcine malignant hyperthermia syndrome. Neth. J. Vet. Sci. 99: 421-426.

Ehricke, H.-H. and G. Laub (1990): Tissue Discrimination in Three-dimensional Imaging by Texture Analysis. In: Tissue Characterization in MR Imaging. (Eds.: H.P. Higer, G. Bielke), Springer Verlag, Berlin, Heidelberg: 149-153.

Ehrlich, Barbara E. (1995): Functional properties of intracellular calcium-release channels. Current Opinion in Neurobiology 5: 304-309.

Elia, M., A. Caner, R. Smith (1979): The 3-methylhistidine content of human tissues. Br. J. Nutr. 42: 567-570. Elbers, J.M.H., G. Haumann, H. Asscheman, J.C. Seidell, L.J.G. Gooren (1997): Reproducibility of fat area measurements in young, non-obese subjects by computerized analysis of magnetic resonance images. Intl. J. Obesity 21: 1121-1129.

Ellington, W.R. (1989): Phosphocreatine represents a thermodynamic and functional improvement over other muscle phosphagens. J. Exp. Biol. 143: 177-194.

Ellis, K.J. (2000): Human Body Composition: In Vivo Methods. Physiological Reviews 80: 649-680.

Ellis, K.J., R.J. Shypailo, J.A. Pratt, W.G. Pond (1994): Accuracy of dual-energy x-ray absorptiometry for body-composition measurements in children. Am. J. Clin. Nutr. 60: 660-665.

Elowsson, P., A.H. Forslund, H. Mallmin, U. Feuk, I. Hansson, J. Carlsten (1998): An evaluation of dual-energy x-ray absorptiometry and underwater weighing to estimate body composition by means of carcass analysis in piglets. J. Nutr. 128: 1543-1549. Elsaesser, F. und Nahid Parvizi (1996): Zwanzig Jahre Forschungsbereich Endokrinologie Mariensee: Neuere Erkenntnisse zur hormonalen und molekularen Steuerung des Wachstums beim Schwein. Züchtungskunde 68: 280-296.

Emmans, G.C., and I. Kyriazakis (1997): Models of pig growth: problems and proposed solutions. Livest. Prod. Sci. 51: 119-129.

279


Ender, K., K. Nürnberg und H.-J. Papstein (1997a): Die zwei Seiten des Fettes – eine Standortbestimmung. Arch. Tierz. (Dummerstorf) 40: 35-45.

Ender, K., Elke Albrecht und J. Wegner (1997b): Die Video-Bildanalyse zur Messung qualitätsrelevanter Merkmale des Rindfleisches. Arch. Tierz. (Dummerstorf) 40 (Sonderheft): 148-154.

Engellandt, Th., N. Reinsch, S. Reinicke und E. Kalm (1997): Schätzung genetischer Parameter für die Vaterlinien Pietrain und Belgische Landrasse der Schweineherdbuchzucht Schleswig-Holstein. Züchtungskunde 69: 39-53.

Engelson, Ellen S., D.P. Kotler, Y.X. Tan, Denise Agin, J. Wang, R.N. Pierson, and St.B. Heymsfield (1999): Fat distribution in HIV-infected patients reporting truncal enlargement quantified by whole-body magnetic resonance imaging. Am. J. Clin. Nutr. 69: 1162-1169.

Enser, M. and J.D. Wood (1991): Factors controlling fat quality in pigs. 42nd Annual Meeting of the EAAP, Berlin, 9.-12. September, (paper copy, pp. 9).

Ernst, E. (1994): Ultraschall zur Ermittlung der Körperzusammensetzung bei Schwein und Rind. Landbauforschung Völkenrode, Sonderheft 145: 84-89.

Ernst, C.W., P. Kapke, M.Yerle and M.F. Rothschild (1997): The leptin receptor gene (LEPR) maps to porcine Chromosome 6. Mammalian Genome 8: 226.

Essèn-Gustavsson, Birgitta (1993): Muscle-fiber Characteristics in Pigs and Relationships to Meat-quality Parameters - Review. In: Pork Quality: Genetic and Metabolic Factors (Eds.: E. Poulanne, D.J. Demeyer, M. Ruusunen and S. Ellis), CAB International, Wallingford, UK, 140-159.

Essèn-Gustavsson, Birgitta (1995): Effects of physical stress on muscle fibre characteristics in pigs – relation to meat quality. Proc. 2nd Dummerstorf Muscle-Workshop Muscle Growth and Meat Quality. FBN Schriftenreihe 6: 65-76.

Estany, J., J. Tibau, J. Soler, J.L. Noguera (1998): Responses in production, carcass and meat quality traits after an hyperprolific cycle of selection in pigs. Proc. 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, Vol. 23: 628-631.

Etherton, T.D. and D.E. Bauman (1998): Biology of Somatotropin in Growth and Lactation of Domestic Animals. Physiol. Rev. 78: 745-761.

Ettinger, K.V., M.A. Foster and U.J. Miola (1983): Future developments in the in vivo measurement of body composition in pigs. CEC Meeting: In Vivo Measurement of Body Composition in Meat Animals. Bristol, UK, November 30 - December 1.

Feddern, Elke, J. Wegner, K. Ender und E. Kalm (1995): Untersuchungen von Muskelstrukturmerkmalen bei Hampshire-Reinzuchttieren und verscheidenen Kreuzungskombinationen. Arch. Tierzucht (Dummerstorf) 38: 43-56.

280


Feldmann, H.U., G. Göretzlehner, A. Heufelder, F. Husmann, F. Jockenhövel, R. Körfer, H. Koertke, H. Kuhl, B. Leiber, G. Ludwig, J.F. Schindler, A.T. Teichmann (2000): gynehormonweb - Intrazelluläre Rezeptoren: Waisen-Rezeptoren: P, PP und PPAR. (Online Editor: J.F. Schindler) http://www.gynehormonweb.de/WebSite/A-Intrazell_Rezeptoren/C-Waisen-Rezeptoren/Ca-PPAR.html - in Zusammenarbeit mit gyne (Zeitschrift für den Frauenarzt — den Hausarzt der Frauen) und aner (Zeitschrift für Endokrinologie in der Männerheilkunde).

Fender, Maria, S. Kühnle und D. Fewson (1979): Selektionsversuch beim Schwein zur Verbesserung der Schlachtkörper-zusammensetzung. Z. Tierzüchtg. Züchtgsbiol. 96: 86-95.

Ferrell C.L. and S.G. Cornelius (1984): Estimation of body composition of pigs. J. Anim. Sci. 58: 903-912.

Fewson, D. (1987): Muskelproportionen und Typfragen in der Schweinezucht. Züchtungskunde 59: 416-429.

Fewson, D., W. Branscheid und E. Sack (1990): Untersuchungen über das relative Wachstum der Teilstücke und Gewebe von männlichen und weiblichen Mastschweinen verschiedener Herkünfte. Züchtungskunde 62: 304-316.

Fiedler, Ilse, K. Ender, M. Wicke und G. von Lengerken (1993): Zusammenhänge zwischen Mikrostruktur des Muskelgewebes bei Schweinen der Landrasse und ihrer Streßempfindlichkeit (Halothanreaktion). Arch. Tierz., (Dummerstorf) 36: 525-538.

Fiedler, Ilse, Gerda Kuhn, Margitta Hartung, U. Küchenmeister, Karin Nürnberg, Charlotte Rehfeldt, Korinna Huber und Danuta Klosowska (2001a): Auswirkungen des Malignen Hyperthermie-Syndroms (MHS) auf Fleischqualität, Muskelfasereigenschaften und Stoffwechselkriterien des M. longissimus von Pietrain-Schweinen. Arch. Tierzucht (Dummerstorf) 44: 203-217.

Fiedler, I., M. Hartung, G. Dietl, H. Schewe (2001b): Muskelstrukturanalyse liefert Aussagen zu Fleischansatz und Fleischqualität von Rassen. Schweinezucht und Schweinemast 49/2: 35-36.

Fiorotto, M.L., W.J. Cochran, R.C. Funk, H.P. Sheng, W.J. Klish (1987): Total body electrical conductivity measurements: effects of body composition and geometry. Am. J. Physiol. 252(4 Pt 2): R794-800.

Fisler, J.S and C.H. Warden (1997): Mapping of Mouse Obesity Genes: A Generic Approach to a Complex Trait. J. Nutr. 127: 1909S-1916S.

Flachowsky, G. (1998): Einflußmöglichkeiten der Tierernährung auf Inhaltsstoffe und Qualität von Lebensmitteln tierischer Herkunft. Verbraucherdienst 43-3: 388-392.

Flynn, M.A., G.B. Nolph, and G. Krause (1995): Comparison of body composition measured by total body potassium and infrared interactance. Journal of the American College of Nutrition 14: 652-655.

281

http://www.gynehormonweb.de/WebSite/A-Intrazell_Rezeptoren/C-Waisen-Rezeptoren/Ca-PPAR.html

http://www.gynehormonweb.de/WebSite/A-Intrazell_Rezeptoren/C-Waisen-Rezeptoren/Ca-PPAR.html


Fogelholm, M. and W. van Marken Lichtenbelt (1997): Comparison of body composition methods: a literature analysis. Eur. J. Clin. Nutr. 51: 495-503.

Fogelholm, M., T.K. Kukkonen-Harjula, H.T. Sievänen, P. Oja and I.M. Vuori (1996): Body composition assessment in lean and normal-weight young women. Brit. J. Nutr. 75: 793-802.

Folch, J.M., M. Lees, and G.H. Sloan-Stanley (1957): A simple method for the isolation and purification of total lipids from animal tissues. J. Biol. Chem. 226: 497-509.

Forbes, G.B. (1962): Methods for determining composition of the human body. Pediatrics 29: 477-494.

Forbes, G.B. (1999): Body Composition: Overview. J. Nutr. 129: 270S-272S.

Forbes, G.B., and J.B. Hursch (1963): Age and sex trends in LBM calculated from K40 measurements: With a note on the theoretical basis for the procedure. Ann. N.Y. Acad. Sci. 110: 255-263.

Forbes G.B. and G.J. Bruining (1976): Urinary creatinine excretion and lean body mass. Am. J. Clin. Nutr. 29: 1359-1366.

Forrest, J.C. (1994): Klassifizierung von Schlachtkörpern und Teilstücken mit dem TOBEC-Gerät. Landbauforschung Völkenrode, Sonderheft 145: 49-58.

Förster, M. (1991a): Genomanalyse bei landwirtschaftlichen Nutztieren. Züchtungskunde 63: 174-182.

Förster, M. (1991b): Zur Bedeutung der Genomanalyse und Gendiagnostik in der Tierzüchtung. In: Fortschritte in der Tierzüchtung, Ulmer, Stuttgart, 295-313.

Förster, M. (1992): Gendiagnostische Erbfehleranalyse zur Verbesserung der Tiergesundheit. Züchtungskunde 64: 405-410.

Förster, M., B. Brenig, G. Brem, W. Wittmann, B. Littmann, W. Peschke (1992): Der MHS-Gentest für die sichere Streßresistenzzüchtung beim Schwein. Schweinezucht und Schweinemast 40: 4-6.

Fortin, A. and J.I. Elliot (1985): Relationships between backfat thickness and chemical composition of the body and components of swine. J. Anim. Sci. 61: 158-164.

Fortin, A., J.D. Wood, and O.P. Whelehan (1987a): Breed and sex effects on the development and proportions of muscle, fat and bone in pigs. J. Agric. Sci. (Camb.) 108: 39-45.

Fortin, A., J.D. Wood, and O.P. Whelehan (1987b): Breed and sex effects on the development, distribution of muscle, fat and bone, and the partition of fat in pigs. J. Agric. Sci. (Camb.) 108: 141-153.

Foster, M.A. and P.A. Fowler (1988): Non - invasive methods for assessment of body composition. Proc. Nutr. Soc. 47: 375 - 385.

282


Fowler, V.R. (1986): Biological advances towards genetic improvement in pigs. 3 rd World Congress on Genetics applied to Livestock Production, Lincoln, Nebraska, USA, Vol. XI: 345-354.

Fowler, V.R., M. Bichard, A. Pease (1976): Objectives in pig breeding. Anim. Prod. 23: 365 - 387.

Fowler, P.A., M.F. Fuller, Ch.A. Glasbey, G.G. Cameron, M.A. Foster (1992): Validation of the in vivo measurement of adipose tissue by magnetic resonance imaging of lean and obese pigs. Am. J. Clin. Nutr. 56: 7-13.

Franke, A., H. P. Kühl, und P. Hanrath (1998): Dreidimensionale Rekonstruktion echokardiographischer Schnittbilder. Methodik, klinischer Stellenwert und Zukunftsperspektiven. Dtsch. med. Wschr. 123: 1245-1249.

Franzini-Armstrong, C. and A.O. Jorgensen (1994): Structure and development of E-C coupling units in skeletal muscle. Annu. Rev. Physiol. 56: 509-534.

Fredeen, H.T., A.H. Martin, and A.P. Sather (1979): Evaluation of an electronic technique for measuring lean content of the live pig. J. Anim. Sci. 48: 536-540.

Friedman, J.M. (1991): Molecular mapping of the mouse ob mutation. Genomics 11: 1054-1062.

Fries, R. (2000): DNA-Variation – Polymorphismus – Genetische Variation. Hülsenberger Gespräche: 35-43.

Friesen, K.G., J.L. Nelssen, J.A. Unruh, R.D. Goodband, M.D. Tokach (1994): Effects of the interrelationship between genotype, sex, and dietary lysine on growth performance and carcass composition in finishing pigs fed to either 104 or 127 kilograms. J. Anim. Sci. 72: 946-954.

Fujii, J., K. Otsu, F. Zorzato, S. de Leon, V. K. Khanna, J. Weiler, P.J. O'Brien, D.H. MacLennan (1991): Identification of a mutation in the porcine ryanodine receptor that is associated with malignant hyperthermia. Science 253: 448-451.

Fuller, M.F., R.A. Houseman, A. Cadenhead (1971): The measurement of exchangeable potassium in living pigs and its relation to body composition. Br. J. Nutr. 26: 203-214.

Fuller, M.F., P.A. Fowler, G. McNeill, and M.A. Foster (1994): Imaging Techniques for the Assessment of Body Composition. J. Nutr. 124: 1546S-1550S.

Fuller, N.J., M.B. Sawyer, M.A. Laskey, P. Paxtons, and M. Elia (1996): Prediction of body composition in elderly men over 75 years of age. Annales of Human Biology 23: 127-147.

Fusch, Ch., J. Slotboom, U. Fuehrer, R. Schumacher, A. Keisker, W. Zimmermann, A. Moessinger, Ch. Boesch, and J. Blum (1999): Neonatal Body Composition: Dual-Energy X-Ray Absorptiometry, Magnetic Resonance Imaging, and Three-Dimensional Chemical Shift Imaging versus Chemical Analysis in Piglets. Pediatric Research 46: 465-473.

283


Furuichi, T., K. Kohda, A. Miyawaki, and K. Mikoshiba (1994): Intracellular channels. Current Opinion in Neurobiology 4: 294-303.

Gaisser, Sybille und Bärbel Hüsing (2000): "Reproduktions- und Gentechnik bei Tieren" Dokumentation der Lehrerfortbildung, 22./23. November 1999 in Tübingen, 101 Seiten. http://www.leu.bw.schule.de/allg/gentechnik/dokuberarbeitet.pdf

Galla, H.-J. (1988): Spektroskopische Methoden in der Biochemie, Thieme Verlag, Stuttgart, New York.

Gareau, P.J., E.G. Janzen, R.A. Towner, and W.A. Stewart (1993): In vivo 31P NMR Spectroscopy studies of halothane induced Porcine Stress Syndrome. No effect of C-Phenyl N-Tert-Butyl Nitrone (PBN). Free Rad. Res. Comms. 19: 43-50.

Gassner, G. and J.A.B. Lohman (1987): Combined proton NMR imaging and spectral analysis of locust embryonic development. Proc. Natl. Acad. Sci. USA 84: 5297-5300.

Gassner, G., M.J. Line, M.M. Millard, J.R. Plimmer, W.K. Vogelbein, P. van Veld (1990): Feasibility Study: Magnetic Resonance Imaging of Hepatic Neoplasm in Mummichog Fundulus heteroclitus from a Creosote-Contaminated Environment. Cheasapeake Research Consortium Publication No. 137: 469-475. Geers, R.; Decanniere, C.; Ville, H.; van Hecke, P.; Bosschaerts, L; Goedseels, V.; Deley, J.; Janssens, S. (1991): In Vivo 31P-NMR-Spectroscopy on Muscle Tissue of Piglets: Dynamics of Intracellular Phosphocreatine and pH. Proc. 12th Symposium: Energy Metabolism of Farm Animals, Kartause Ittingen, Switzerland, 1-7 September, 246-248.

Geers, R., C. Decanniere, H. Villé, P. van Hecke, V. Goedseels, F. Vanstapel, L. Bosschaerts, J. De Ley, W. Zhang, St. Janssens (1992a): In vivo muscle 31P nuclear magnetic resonance spectroscopy during treatment of halothane-sensitive and halothane-nonsensitive pigs. Am. J. Vet. Res. 53: 613-616.

Geers, R., C. Decanniere, H. Villé, P. van Hecke, V. Goedseels, L. Bosschaerts, J. De Ley, St. Janssens, W. Nierynck (1992b): Identification of halothane gene carriers by use of in vivo 31P nuclear magnetic resonance spectroscopy in pigs. Am. J. Vet. Res. 53: 1711-1714. Geers, R.C. Decanniere, H.Villé, P.van Hecke, and L. Bosschaerts (1995): Variability within intramuscular fat content of pigs as measured by gravimetry, FTIR and NMR spectroscopy. Meat Sci. 40: 373-378. Geers, R., C. Decanniere, A. Rosier, H. Villé, P. van Hecke, F. Vandesande, J. Jourquin (1996a): Variability of energy metabolism and nuclear T3-receptors within the skeletal muscle tissue of pigs with respect to the halothane gene. J. Anim. Sci. 74: 717-722.

284

http://www.leu.bw.schule.de/allg/gentechnik/dokuberarbeitet.pdf


Geers, R., H. Villé, G. Spincemaille, J. Vits and W. Duchateau (1996b): In vivo measurement of body composition of pigs with DEXA. 47th Meeting EAAP, Lillehammer, 25 - 29 August, 278.

Geldermann, H. (1996): Analyse von Genwirkungen auf Leistungsmerkmale. Dtsch. tierärztl. Wschr. 103: 378-383.

Gerbens, F., J.W.M. Merks, J.H. Veerkamp, and M.F.W. te Pas (1997): Effects of heart fatty acid-binding protein (h-FABP) on intramuscular fat and production traits in pigs. J. Anim. Sci. 75 (Suppl. 1): 150.

Gerbens, F., A. Jansen, A.J.M. van Erp, F.L. Harders, T.H.E. Meuwissen, G. Rettenberger, J.H. Veerkamp, M.F.W. te Pas (1998): The adipocyte fatty acid-binding protein locus: characterization and association with intramuscular fat content in pigs. Mammalian Genome 9: 1022-1026.

Gerbens, F., D.J. de Koning, F.L. Harders, T.H.E. Meuwissen, L.L.G. Janss, M.A.M. Groenen, J.H. Veerkamp, J.A.M. van Arendonk, and M.F.W. te Pas (2000): The effect of adipocyte and heart fatty acid-binding protein genes on intramuscular fat and backfat content in Meishan crossbred pigs. J. Anim. Sci. 78: 552–559.

Gerbens, F., F.J. Verburg, H.T.B. van Moerkerk, B. Engel, W. Buist, J.H. Veerkamp, and M.F.W. te Pas (2001): Associations of heart and adipocyte fatty acid-binding protein gene expression with intramuscular fat content in pigs. J. Anim. Sci. 79: 347–354.

Geri, G., A. Zappa, G. Campadoni, O. Franci and B.M. Poli (1990a): Relationships between adipose tissue characteristics of newborn pigs and subsequent performance: I. Characteristics at 8 days of age and growth rate until slaughter. J. Anim. Sci. 68: 1922-1928.

Geri, G., B.M. Poli, A. Zappa, G. Campadoni and O. Franci (1990b): Relationships between adipose tissue characteristics of newborn pigs and subsequent performance: III. Histological and chemical characteristics of backfat. J. Anim. Sci. 68: 1936-1943.

Gerrard, D.E., C.S. Okamura, and A.L. Grant (1999): Expression and Location of IGF Binding Proteins-2, -4, and –5 in Developing Fetal Tissues. J. Anim. Sci. 77: 1431-1441.

Girard, J., P. Ferré and F. Foufelle (1997): Mechanisms by which carbohydrates regulate expression of genes for glycolytic and lipogenic enzymes. Annu. Rev. Nutr. 17: 325-352.

Gjerde, B. (1987): Predicting carcass composition of rainbow trout by computerized tomography. Z. Tierzüchtung und Züchtungbiol. 104: 121-136.

Glodek, P. (1991): Einflüsse der Biotechnik auf dieTierzüchtung und –produktion. Züchtungskunde 63: 201-210.

Glodek, P. (1996): Die Wahl der Vaterlinie bestimmt die Qualität der Endprodukte in der Schweinezucht. Züchtungskunde 68: 483-492.

285


Goodwin, R.N., L.L. Christian, C.F. Louis, P.J. Berger, K.J. Prusa, D.C. Beitz (1994): Effect of the HAL gene on pork carcass composition and eating quality traits. J. Anim. Sci. 72 (Suppl. 1): 249.

Goran, M.I., M.J. Toth, E.T. Poehlman (1998): Assessment of research-based body composition techniques in healthy elderly men and women using the 4-compartment model as a criterion method. Intl. J. Obesity 22: 135-142.

Gotfredsen, A., J. Borg, C. Christiansen, R. B. Mazess (1984): Total body bone mineral in vivo by dual photon absorptiometry. I. Measurement procedures. Clin. Physiol. 4: 343-355.

Gotfredsen, A., J. Jensen, J. Borg, and C. Christiansen (1986): Measurement of Lean Body Mass and Total Body Fat Using Dual Photon Absorptiometry. Metabolism 35: 88-93.

Gödeke, Katja, P. Glodek, J.N. Meyer und H. Brandt (1998): Der Einfluß des MHS-Streßgens auf die Fleischleistung und Fleischbeschaffenheit der Nachkommen von Pietrain- und (Pietrain x Hampshire)-Kreuzungsebern. Arch. Tierzucht (Dummerstorf) 41: 433-446.

Graham, R.A., Anne H. Taylor, and T.R. Brown (1994): A method for calculating the distribution of pH in tissues and a new source of pH error from the 31P-NMR spectrum. Am. J. Physiol. 266: R638-R645.

Gray D.S., G.A. Bray, N. Gemayel, K. Kaplan (1989): Effect of obesity on bioelectrical impedance. Am. J. Clin. Nutr. 50: 255-260.

Gregor,G. und T. Hardge (1995): Zum Einfluß von Ryanodin-Rezeptor-Genvarianten auf Spermaqualitätsmerkmale bei KB-Ebern. Arch. Tierzucht (Dummerstorf) 38: 527-538.

Gresham, J.D., S.R. McPeake, J.K. Bernard, and H.H. Henderson (1992): Commercial adaptation of ultrasonography to predict pork carcass composition from live animal and carcass measurements. J. Anim. Sci. 70: 631-639.

Gresham J.D., S.R. McPeake, J.K. Bernard, M.J. Riemann, R.W. Wyatt, H.H. Henderson (1994): Prediction of live and carcass characteristics of market hogs by use of a single longitudinal ultrasonic scan. J. Anim. Sci. 72: 1409-1416.

Griep, W (1991): Schätzung der grobgeweblichen Schlachtkörperzusammensetzung von Schweinen unterschiedlichen Alters mit der Magnet-Resonanz-Tomographie. Diss., Göttingen. 118 S.

Griep, W., E. Hüster, U. Baulain, M. Henning, E. Kallweit (1990): MR (Magnetic - Resonance) - Tomography as a tool for the evaluation of porcine carcasses in relation to growth. 41st Annual Meeting of the EAAP, Toulouse - France, July 8 – 12.

Grier, S.J., A.S. Turner, and M.R. Alvis (1996): The use of Dual-Energy X-ray Absorptiometry in Animals. Investigative Radiology 31: 50-62.

286


Groeneveld, E. (1985): Schätzung der Schlachtkörperzusammensetzung lebender Tiere mit neueren Verfahren. Der Tierzüchter 37: 305-306.

Groeneveld, E., E. Kallweit, M. Henning and A. Pfau (1983): Evaluation of Body Composition of Live Animals by X-Ray and NMR Computed Tomography. CEC Meeting: In Vivo Measurement of Body Composition in Meat Animals. Bristol, UK, November 30 - December 1, 84-89.

Groeneveld, E., J. Wolf, M. Wolfová, V. Jelínková und D. Večerová (1998): Schätzung genetischer Parameter für tschechische Schweinerassen mit einem Mehrmerkmals-Tiermodell. Züchtungskunde 70: 96-107.

Gu, Y., A.P. Schinckel, T.G. Martin (1992): Growth, development, and carcass composition in five genotypes of swine. J. Anim. Sci. 70: 1719-1729.

Gunn, T.M., K.A. Miller, L. He, R.W. Hyman, R.W. Davis, A. Azarani, S.F. Schlossmann, J.S. Duke-Cohan, and G.S. Barsh (1999): The mouse mahogany locus encodes a transmembrane form of human attractin. Nature 398: 152-156.

Guo, Sh.S., W. Cameron Chumlea, and D.B. Cockram (1996): Use of statistical methods to estimate body composition. Am. J. Clin. Nutr. 64 (suppl): 428S-435S.

Guo, Sh.S., W. Cameron Chumlea, and R.M. Siervogel (1999): Aging, body composition, and lifestyle: the Fels Longitudinal Study. Am. J. Clin. Nutr. 70: 405-411.

Gwartney, B.L., N.L. Meseck, and C.R. Calkins (1995): The Effects of Orientation and Storage Time on the Prediction of Beef Rib Composition Using Electromagnetic Scanning. J. Anim. Sci. 73: 387-392.

Hahn, Gisela, A. Dobrowolski, R. Dünkel und W. Branscheid (1997): Handelswertbestimmung von Puten: Eignung der Videobildauswertung zur Erfassung der Schlachtkörperzusammensetzung. Jahresbericht Bundesanstalt für Fleisch-forschung (BAFF), Kulmbach: 13-14. http://www.dainet.de:8080/JBBAFF97FORM/DDD/JAHRESBERICHTBAFF1997JB97FGES.PDF.pdf

Hahn, M. (2000): Strahlenschutz – Umweltdaten, Aktuelle Messdaten: Dezember 2000. http://www.brandenburg.de/land/mlur/s/gamma03.htm

Hall, A.D. (1905): The Book of the Rothamsted Experiments. E.P. Dutton and Company, New York http://cdl.library.cornell.edu/CDL/neh_H.html

Hamilton, D.N., M. Ellis, K.D. Miller, F.K. McKeith, and D.F. Parrett (2000): The effect of the Halothane and Rendement Napole genes on carcass and meat quality characteristics of pigs. J. Anim. Sci. 78: 2862–2867.

Hammel, M., E. Müller und D. Fewson (1996): Zuchtexperiment mit DL-Schweinen zur Untersuchung von genetischen Antagonismen zwischen Fleischanteil, Fleischbeschaffenheit und Streßresistenz. Züchtungskunde 68: 384-397.

287

http://www.brandenburg.de/land/mlur/s/gamma03.htm

http://cdl.library.cornell.edu/CDL/neh_H.html


Hanset, R., C. Dasnois, S. Scalais, C. Michaux and L. Grobet (1995): Génotypes au locus de sensibilité á l’halothane et caractéres de croissance et de carcasse dans une F2 Piétrain x Large White. Genet. Sel. Evol. 27: 63–76.

Hardge, T., K. Köpke, G. Leuthold, K. Wimmers, and Th. Paulke (1997): Differences in allele frequencies of candidate genes for growth, carcass value and meat quality between extreme phenotypes of commercial pig breeds. 48th Annual Meeting of the EAAP, August 25-28, Vienna (Paper copy, pp. 6).

Hardge, T, K. Köpke, K. Wimmers and G. Leuthold (1998): Association between Polymorphisms of the Leptin-Gene (LEP) and Performance Traits in a porcine ressource family and in commercial outbred populations. Proc. XXVI International Conference on Animal Genetics, 9-14 August, Auckland, NZ, p. 106.

Hardge, T. (1999): Untersuchungen zu den genetischen Ursachen von quantitativen Leistungsmerkmalen mittels Kandidatengenanalyse beim Schwein. Habilitationsschrift, Humboldt-Universität zu Berlin.

Harper, E.J. (1998): Changing Perspectives on Aging and Energy Requirements: Aging, Body Weight and Body Composition in Humans, Dogs and Cats. J. Nutr. 128: 2627S-2631S.

Hartung, E. (1995): Die Bedeutung des Pflanzenalkaloids Ryanodin für die Diagnostik der Malignen Hyperthermie. Habilitationsschrift, Inst. für Anästhesiologie der Universität Würzburg.

Hassen, A., D.E. Wilson, V.R. Amin, and G.H. Rouse (1999): Repeatability of Ultrasound-Predicted Percentage of Intramuscular Fat in Feedlot Cattle. J. Anim. Sci. 77: 1335-1340.

Hausser, K.H. und H.R. Kalbitzer (1989): NMR für Mediziner und Biologen: Strukturbestimmung, Bildgebung, In-vivo-Spektroskopie. Springer-Verlag; Berlin, Heidelberg, New York, London, Paris, Tokyo.

Hazel, L.N. and E.A. Kline (1952): Mechanical measurement of fatness and carcass value on live hogs. J. Anim. Sci. 11: 313-318.

Hegele, R.A. , J.H. Brunt and P.W. Connelly (1995): Genetic variation on chromosome 1 associated with variation in body fat distribution in men. Circulation 92: 1089-1093.

Henen, B.T. (1991): Measuring the lipid content of live animals using cyclopropane gas. Am. J. Physiol. 261: R752-R759.

Henning, M. (1992): Magnetic resonance imaging for the assessment of body composition in pigs. Pig News and Information 13: 163N-166N.

Henning, M., E. Hüster, U. Baulain, E. Kallweit (1991): Evaluation of porcine body composition during growth by means of Magnetic Resonance Tomography (MRT). 42nd Annual Meeting of the EAAP, Berlin, September 8 - 12.

Henning, M., U. Baulain, E. Kallweit, J.C. Forrest (1993): Determination of lean and fat in carcass cuts with TOBEC (Total Body Electrical

288


Conductivity). 44th Annual Meeting of the EAAP, Aarhus, Denmark, 16-19 August, 453 (P5.24) + paper copy, p. 5.

Henning, M., U. Baulain, W. Wittmann (1996): Investigation of pork bellies by means of Magnetic Resonance Imaging. 47th Annual Meeting of the EAAP, Lillehammer, Norway, 25-29 August, Book of Abstracts No. 2: 279.

Henning, M., U. Baulain, G. Kohn, and R. Lahucky (2000): In vivo and post mortem changes of muscle phosphorous metabolites in pigs of different Malignant Hyperthermia Genotype. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 135-138.

Hermesch, S., B.G. Luxford, H.-U. Graser (2000a): Genetic parameters for lean meat yield, meat quality, reproduction and feed efficiency traits for Australian pigs. 1. Description of traits and heritability estimates. Livest. Prod. Sci. 65: 239-248.

Hermesch, S., B.G. Luxford, H.-U. Graser (2000b): Genetic parameters for lean meat yield, meat quality, reproduction and feed efficiency traits for Australian pigs. 2. Genetic relationships between production, carcase and meat quality traits. Livest. Prod. Sci. 65: 249-259.

Herpin, P., J. Le Dividich and N. Amaral (1993): Effect of selection for lean tissue growth on body composition and physiological state of the pig at birth. J. Anim. Sci. 71: 2645-2653.

Hertrampf, J.W. (1998): Das marktgerechte Schwein vor 200 Jahren – Ein Exkurs in die Vergangenheit. Fleischwirtschaft 78: 862-864.

Heymsfield, S.B., C. Arteaga, C. McManus, J. Smith, S. Moffitt (1983): Measurement of muscle mass in humans: validity of the 24-hour urinary creatinine method. Am. J. Clin. Nutr. 37: 478-494.

Heymsfield, S.B., J. Wang, J. Kehayias, S.Heshka, S. Lichtman, and R.N. Pierson Jr. (1989): Chemical determination of human body density in vivo: relevance to hydrodensitometry. Am. J. Clin. Nutr. 50: 1282-1289.

Heymsfield, S. B., J. Wang, S. Hesjka, J. J. Kehayias, R. N. Pierson (1989): Dual-photon absorptiometry: Comparison of bone mineral and soft tissue mass measurements in vivo with established methods. Am. J. Clin. Nutr. 49: 1283-1289.

Heymsfield, S.B., Z. Wang, R.N. Baumgartner, R.Ross (1997a): Human Body Composition: Advances in Models and Methods. Annu. Rev. Nutr. 17: 527-558.

Heymsfield, S.B., R.Ross, Z. Wang, D. Frager (1997b): Imaging Techniques of Body Composition: Advantages of Measurement and New Uses. In: Emerging Technologies for Nutrition Research: Potential for Assessing Military Performance Capability (Eds.: S.J. Carlson-Newberry and Rebecca B. Costello), National Academy Press, Washington, DC, pp 127-150.

Hiegbi, A.D., T.D. Bidner, J.O. Matthews, L.L. Southern, T.G. Page, M.A. Persica, M.B. Sanders, C.J. Monlezun (1998):

289


Prediction of swine body composition by total body electrical conductivity (TOBEC). J. Anim. Sci. 76 (Suppl. 1): 150.

Hirakawa, K., K. Yoshizaki, T. Morimoto and H. Watari (1992): The transition from aerobic to anerobic metabolism during exercise in human skeletal muscle studied by 31P-NMR and electromyography. 11th Annual Scientific Meeting of the Society of Magnetic Resonance in Medicine, Berlin, August 8-14, Book of Abstracts V2: 2724.

Hoeflich, A., M. Wu, S. Mohan, J. Föll, R. Wanke, T. Froehlich, G.J. Arnold, H. Lahm, H.J. Kolb, and E. Wolf (1999): Overexpression of Insulin-Like Growth Factor-Binding Protein-2 in Transgenic Mice Reduces Postnatal Body Weight Gain. Endocrinology 140: 5488-5496.

Hofer, A. (1990): Schätzung von Zuchtwerten feldgeprüfter Schweine mit einem Mehrmerkmals-Tiermodell. Dissertation, ETH Zürich.

Hofer, A. (1998): Variance component estimation in animal breeding: a review. J. Anim. Breed. Genet. 115: 247-265.

Hoffman, E.P. (1995): Voltage-Gated Ion Channelopathies: Inherited Disorders Caused by Abnormal Sodium, Chloride, and Calcium Regulation in Skeletal Muscle. Annu. Rev. Med. 46: 431-441.

Hogreve, F. (1938a): Ausbau eines neuen Forschungsweges zur Bestimmung der Fettwüchsigkeit und Fettleistung in verschiedenen Mastabschnitten beim lebenden Schwein verschiedener Rassenzugehörigkeit. Z. Züchtg.: B Tierzüchtg. u. Züchtungsbiol. 40: 377-395.

Hogreve, F. (1938b): Untersuchungen über die Fettbildung wachsender Mastschweine mittels der Röntgendurchleuchtung. Züchtungskunde 13: 178-191.

Holló, G., I. Repa, J. Tözsér, I Holló, E. Szücs (1998): Estimation of carcass lean meat yield and percentage based on adipocity morphometry and using CT from rib samples. J. Anim. Sci. 76 (Suppl. 1): 143.

Hong, K. Ch. (1985): Der Antagonismus zwischen Fleischleistung und Futteraufnahme in der deutschen Schweinezucht und seine züchterischen Konsequenzen. Diss. Göttingen.

Horn, P. (1991): New methods of in vivo body composition evaluations in the selection of species bred for meat production with special reference to x-ray computerized tomography (RCT). Review article, (Hungarian) Magyar Állatorvosok Lapja 46: 133-137.

Horn, P., Gy. Kövér, I. Repa, E. Berényi, G. Kovách (1996): The use of spiral CAT for estimating in vivo body composition of pigs. 47th Annual Meeting of the EAAP, Lillehammer, Norway, 25-29 August, Paper copy, pp 4.

Horn, P., Gy. Kövér, I. Repa, E. Berényi, G. Kovách (1997): The use of spiral CAT for volumetric estimation of body composition of pigs. Arch. Tierzucht (Dummerstorf) 40: 445-450.

290


Hornak, J.P. (1996-2000): “The Basics of MRI” Online Textbook, http://www.cis.rit.edu/htbooks/mri/inside.htm (Stand 22.10.2001).

Hornak, J.P. (1997-2000): "The Basics of NMR" Online Textbook, http://www.cis.rit.edu/htbooks/nmr/inside.htm (Stand 22.10.2001).

Horst, P. (1964a): Entwicklung eines Verfahrens zur Durchführung von Ultraschallmessungen beim lebenden Schwein. Z. Tierz. Züchtungsbiol. 80: 341-364.

Horst, P. (1964b): Kritische Bewertung der Methoden zur Bestimmung des Schlachtkörperwertes beim lebenden Schwein. Z. Tierz. Züchtungsbiol. 80: 365-401.

Horst, P. (1971): Erste Untersuchungsergebnisse über den Einsatz des ”Vidoson”-Schnittbildgerätes beim Schwein. Züchtungskunde 43: 208-218.

Höreth, B.R. (2000): Autofom: Sicherheitskonzept und Überwachung. http://www.isn-ev.de/doku/do8.htm; Copyright 2000 by ISN e.V. bzw. Originalmanuskript aus: Autofom: Neutrale Kontrolle gibt Sicherheit. Landwirtschaftsblatt Weser-Ems, Nr. 5 vom 4. Feb. 2000 sowie Bayerisches Wochenblatt Heft 5 vom 5. Feb. 2000: Bis ins Teilstück vermessen. Nach Stand 01.08.2000 ergänzt und verändert, pdf-Datei, 14 Seiten. http://www.dainet.de/baff/ZulassungAFOM_1_.pdf

Hörnicke, H. (1962): Methoden zur Bestimmung der Körperzusammensetzung lebender Tiere unter besonderer Berücksichtigung des Schweines. V- Die Körperzusammensetzung normal ernährter Schweine im Verlauf des Wachstums. Z. Tierernährung u. Futtermittelkunde 17: 28-60.

Houdebine, L.-M. (1996): Animal Biotechnolgy. STI Review 19: 75-92.

Houghton, P.L. and L.M. Turlington (1992): Application of ultrasound for feeding and finishing animals: a review. J. Anim. Sci. 70: 930-941.

Hoult, D.I., S.J.W. Busby, D.G. Gadian, G.K. Radda, R.E. Richards, and P.J. Seeley (1974): Observation of tissue metabolites using 31P nuclear magnetic resonance. Nature 252: 285-287.

Hounsfield, G.N. (1973): Computerized transverse axial scanning (tomography). Br. J. Radiol. 46: 1016-1021.

Houseman, R.A., I. McDonald, K. Pennie (1973): The measurement of total body water in living pigs by deuterium oxide dilution and its relation to body composition. Br. J. Nutr. 30: 149-156.

Hsu, H., M. Yu Yong, J. W. Babich, J.F. Burke, E. Livni, R.G. Tompkins, V.R. Young, N.M. Alpert, and A.J. Fischman (1996): Measurement of muscle protein synthesis by positron emission tomography with L-[methyl-11C] methionine. Proc. Natl. Acad. Sci. USA 93: 1841-1846.

291

http://www.cis.rit.edu/htbooks/mri/

http://www.cis.rit.edu/htbooks/nmr/inside.htm

http://www.dainet.de/baff/ZulassungAFOM_1_.pdf


Huaroto, J.R., W. Peschke, D. Sprengel, H.M. Blendl, J.H. Weniger und G. Averdunk (1986): Genetische Parameter für Merkmale der Eigenleistungsprüfung von Jungebern in Station. Bayer. Landw. Jahrbuch 63/6: 711-720.

Huxley, Julian S. (1932): Problems of Relative Growth. Lincoln MacVeagh, The Dial press, New York. Albert R. Mann Library. 2000. Core Historical Literature of Agriculture (CHLA). Ithaca, NY: Cornell University. http://chla.library.cornell.edu (Version October 2000). http://chla.library.cornell.edu/cgi-bin/chla/chla-idx?notisid=ADX7659

Hwang, C.-S., Th. M. Loftus, S. Mandrup, M.D. Lane (1997): Adipocyte differentiation and leptin expression. Annu. Rev. Cell. Dev. Biol. 13: 231-259.

Hyun, Y., M. Ellis, G. Riskowski, and R.W. Johnson (1998): Growth Performance of Pigs Subjected to Multiple Concurrent Environmental Stressors. J. Anim. Sci. 76: 721-727.

Irgang, R. (2001): Retrospective and perspective of breeding for carcass and pork quality. Second International Virtual Conference on Pork Quality. November 05 to December 06. http://www.conferencia.uncnet.br/pork/seg/pal/anais01p2_irgang_en.pdf

Ishii, T., R.G. Cassens, K.K. Scheller, S.C. Arp and D.M. Schaefer (1992): Image analysis to determine intramuscular fat in muscle. Food Structure 11: 55-60.

James, T.L. (1999): "Fundamentals of NMR," In: Nuclear Magnetic Resonance (NMR), D. Gorenstein, ed., Online Biophysics Textbook, Biophysical Society. http://biosci.umn.edu/biophys/OLTB/NMR.html

Jamison, W. (2000): Who eats meat: factors effecting pork consumption in Europe and the United States. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 101-107.

Janss, L.L.G., J.A.M. van Arendonk and E.W. Brascamp (1994): Identification of a single gene affecting intramuscular fat in Meishan crossbreds using Gibbs sampling. 5th World Congress on Genetics applied to Livestock Production. Guelph, Canada, Vol. 18: 361-364.

Janss, L.L.G., J.A.M. van Arendonk and E.W. Brascamp (1997): Bayesian statistical analyses for presence of single genes affecting meat quality traits in a crossed pig population. Genetics 145: 395-408.

Janzen, E.G. and P.J. Gareau (1993): In vivo proton magnetic resonance imaging (MRI) of liver in young pigs exposed to halothane. Comparison between normal and stress susceptible pigs. Genet. (Life Sci. Adv.) 12: 93-98.

Janzen, E.G., St. Leeson, G.D. Partlow, U.M. Oehler, R.A. Towner (1989): Cross-Sectional Anatomy of the Chicken: An Atlas for Magnetic Resonance Imaging. University of Guelph, MRI Facility.

Janzen, E.G., P.J. Gareau, W.A. Stewart, R.A. Towner (1994): The use of in vivo magnetic resonance imaging and spectroscopy to study porcine

292

http://chla.library.cornell.edu/cgi-bin/chla/chla-idx?notisid=ADX7659

http://www.conferencia.uncnet.br/pork/seg/pal/anais01p2_irgang_en.pdf

http://biosci.umn.edu/biophys/OLTB/NMR.html


stress syndrome in young, halothane-susceptible pigs: Preliminary results. Can. J. Anim. Sci. 74: 37-43.

Jebb, S.A. (1997): From chemical analysis of the body to metabolic insights provided by the new methodology. British Journal of Nutrition 78 (Suppl. 2): S101-S112.

Jebb, S.A., G.R. Goldberg, G. Jennings, M. Elia (1995): Dual-energy X-ray absorptiometry measurements of body composition: effects of depth and tissue thickness, including comparisons with direct analysis. Clinical Science 88: 319-324.

Jentzsch, K.-D. (1983): Regulation des Wachstums und der Zellvermehrung. Wissensstand und Probleme. Wissenschaftliche Taschenbücher, Band 283, Akademie Verlag, Berlin.

Jéquier, E. and L. Tappy (1999): Regulation of Body Weight in Humans. Physiological Reviews 79: 451-480.

Jiang, Z. and J.P. Gibson (1999): Genetic polymorphisms in the leptin gene and their association with fatness in four pig breed. Mamm Genome. 10: 191-193.

Jiang, R., X. Chang, B. Stoll, K.J. Ellis, R.J. Shypailo, E. Weaver, J. Campbell, and D.G. Burrin (2000): Dietary Plasma Protein Is Used More Efficiently than Extruded Soy Protein for Lean Tissue Growth in Early-Weaned Pigs. J. Nutr. 130: 2016-2019.

Johansson, M., H. Ellegren and L. Andersson (1995): Comparative mapping reveals extensive linkage conservation -- but with gene order rearrangements -- between the pig and the human genomes. Genomics 25: 682-690.

Johnson L.P., M.F. Miller, K.D. Haydon, J.O. Reagan (1990): The prediction of percentage of fat in pork carcasses. J. Anim. Sci. 68: 4185-4192.

Jopson, N. (1995): Aries, the digital sheep: A Computed Tomography (CT) Atlas of the sheep. AgResearch, Invermay Agricultural Centre, Mosgiel, New Zealand (Software).

Jopson, N.B., K. Kolstad, E. Sehested, and O. Vangen (1995): Computed Tomography as an accurate and cost effective alternative to carcass dissection. Proc. Aust. Assoc. Anim. Breed. Genet. 11: 635-638.

Kalbitz, S. and E. Mueller (1988): Selection for the activity of NADPH-generating enzymes in backfat of pigs. VI. Insulin receptors and glucose metabolism in isolated fat cells. J. Anim. Breed. Genet. 105: 306-316.

Kallweit, E. (1991): Methodische Entwicklung der Wachstumsanalyse bis zur Magnet-Resonanz-Tomographie. Landbauforschung Völkenrode, 41. Jahrgang Heft 4: 208-216.

Kallweit, E. (1992): Tierhaltung und Produktqualität. Züchtungskunde 64: 283-291.

Kallweit, E. (1993): Methodical Development of Growth Analysis up to Magnetic Resonance Imaging. Animal Research and Development 37: 79-93.

293


Kallweit, E. (1994): Bedeutung "nicht-invasiver Methoden" zur Messung der Körperzusammensetzung in der Tierproduktion. Landbauforschung Völkenrode, Sonderheft 145: 1-4.

Kallweit, E. (1997): Sicherung einer marktgerechten Fleischerzeugung. Arch. Tierzucht (Dummerstorf) 40 (Sonderheft): 142-147.

Kallweit, E., U. Baulain, K.H. Hoppenbrock (1993): Intramuscular fat in some German pig breeds and crosses. 44th Annual Meeting of the EAAP, Århus, Denmark, September 16 -19, P1.5, 302 (paper copy, pp. 5).

Kallweit, E., H.H. Wesemeier, D. Smidt, U. Baulain (1994): Einsatz der Magnet-Resonanz-Messung in der Tierzuchtforschung. Arch. Tierzucht (Dummerstorf) 37: 105-120.

Kallweit, E., U. Baulain, M. Henning und G :Kohn (1997): In-vivo-Untersuchungen zur Streßanfälligkeit beim Schwein mit Hilfe der Magnet-Resonanz-Spektroskopie. Dtsch. tierärztl. Wschr. 104: 380-383.

Kalm, E. (1998): Qualitätskriterien Fleisch – welche Aspekte nutzt die Zucht- und Produktionsstufe. Lohmann Information 4/98: 9-14.

Kanis, E. (1988): Food intake capacity in relation to breeding and feeding of growing pigs. Thesis, Wageningen Agricultural University.

Karg, H. (1989): Hormone in der Tierproduktion. Teil 1: Einsatzmöglichkeiten und Wirkungsweise von Wachstumshormonen und Lipidmodulatoren. Der Tierzüchter 41: 14-17.

Karlsson, A., Ann-Charlotte Enfält, Birgitta Essén-Gustavsson, Kerstin Lundström, Lotta Rhydmer, and Susan Stern (1993): Muscle Histochemical and Biochemical Properties in Relation to Meat Quality During Slection for Increased Lean Tissue Growth Rate in Pigs. J. Anim. Sci. 71: 930-938.

Karlsson, A.H., R.E. Klont and X. Fernandez (1999): Skeletal muscle fibres as factors for pork quality. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernandez and Monique Dupuis) Wageningen Pers, 2000, EAAP publication No. 100: 47-67.

Kastelic, M. (1997): Bestimmung der Wachstumsallometrie von Muskel- und Fettgewebe aus In-vivo-Messungen beim Schwein. Landbauforschung Völkenrode. Sonderheft 172: 88 S.

Kastelic, M., U. Baulain, E. Kallweit (1996): Allometric growth of muscle and fat areas in German Landrace pigs. 47th Annual Meeting of EAAP, Lillehammer, Norway, Book of Abstracts No. 2: 279.

Kaufmann, A. (1990): Einfluss der Aufzuchtintensität auf die Prüfmast und Vergleich von Prüfverfahren beim Schwein. Dissertation, ETH Zürich.

Kehayias, J.J. and Silvia Valtueña (1999): Neutron activation analysis determination of body composition. Current Opinion in Clinical Nutrition and Metabolic Care 2: 453-463.

294


Kehayias, J.J., S.B. Heymsfield, A.F. LoMonte, J. Wang, and R.N. Pierson Jr. (1991): In vivo determination of body fat by measuring total body carbon. Am. J. Clinic. Nutr. 53: 1339-1344.

Kehayias, J.J., Silvia Valtueña, Anathea B. Waitekus, Ch. A. Sheahan, and M. O’Neill (2000): In Vivo Elemental Partition Analysis Using Fast Neutrons – A Tool for Testing the Efficacy of New Clinical Interventions. Ann. N. Y. Acad. Sci. 904: 140-147.

Keightley, P.D., T. Hardge, L. May, G. Bulfield (1996): A Genetic Map of Quantitative Trait Loci for Body Weight in the Mouse. Genetics 142: 227-235

Keim, N.L., P.L. Mayclin, S.J. Taylor, D.L. Brown (1988): Total-body electrical conductivity method for estimating body composition: validation by direct carcass analysis of pigs. Am. J. Clin. Nutr. 47: 180-185.

Kemp, G.J., C.H. Thompson, D.J. Taylor, G.K. Radda (1997): Proton efflux in human skeletal muscle during recovery from exercise. Eur. J. Appl. Physiol. 76: 462-471.

Kern, P.A. (1997): Potential Role of TNFa and Lipoprotein Lipase as Candidate Genes for Obesity. J. Nutr. 127: 1917S-1922S.

Keys, A. and J. Brozek (1953): Body fat in adult man. Physiol. Rev. 33: 245-325.

Khurana, B. (2000): Characterization of DLIM1, a novel cytoskeleton-associated LIM domain containing protein of Dictyostelium discoideum. Diss., Math.-Nat. Fakultät, Universität zu Köln.

Kienzle, Ellen, J. Zentek, and H. Meyer (1998): Body Composition of Puppies and Young Dogs. J. Nutr. 128: 2680S-2683S.

Kim D.H., F.A. SrÈter, S.T. Onishi, J.F. Ryan, J. Roberts, P.D. Allen, L.G. Meazaros, B. Antoniu, and N. Ikemoto (1984): Kinetic studies of Ca2+ release from sarcoplasmic reticulum of normal and malignant hyperthermia susceptible pig muscles. Biochim. Biophys. Acta. 775: 320-327.

Kistorp, C.N. and O.L. Svendsen (1997): Body composition analysis by dual energy X-ray absorptiometry in female diabetics differ between manufacturers. European Journal of Clinical Nutrition 51: 449-454.

Kijas, J., R. Wales, A. Tornsten, P. Chardon, M. Moller, L. Andersson (1998): Melanocortin Receptor 1 (MC1R) mutations and coat colour in pigs. Genetics 150:117-118.

Kleyn, P.W., W. Fan, S.G. Kovats, J.J Lee, J.C. Pulido, Y. Wu, L.R. Berkemeier, D.J. Misumi, L. Holmgren, O. Charlat, E.A. Woolf, O. Taybe, T. Brody, P. Shu, F. Hawkins, B. Kennedy, L. Baldini, C. Ebeling, G.D. Alperin, J. Deeds, N.D. Lakey, J. Culpepper, H. Chen, M.A. Glücksmann-Kuis, G. A. Carlson, G.M. Duyk, and K.J. Moore (1996): Identification and characterization of the mouse obesity gene tubby: a member of a novel gene family. Cell 85:281-290.

295


Kliesch, J., U. Neuhaus, E. Silber, and H. Kostzewske (1957): Versuche zur Messung der Speckdicke am lebenden Tier mit Hilfe des Ultraschalls. Zeitschrift für Tierzüchtung und Züchtungsbiologie 70: 29-32.

Klish, W.J., G.B. Forbes, A. Gordon, and W.J. Cochran (1984): New Method for the Estimation of Lean Body Mass in Infants (EMME Instrument): Validation in Monhuman Models. J. Pediatr. Gastroenterol. Nutr. 3: 199-204.

Klont, R.E. and E. Lambooy (1995): Effects of Preslaughter Muscle Exercise on Muscle Metabolism and Meat Quality Studied in Anesthetized Pigs of Different Halothane Genotype. J. Anim. Sci. 73: 108-117.

Klont, R.E., E, Lambooy, and J.G. Logtestijn (1994): Effect of Dantrolene Treatment on Muscle Metabolism and Meat Quality of Anesthetized Pigs of Different Halothane Genotypes. J. Anim. Sci. 72: 2008-2016.

Knapp, P., A. Willam and J. Sölkner (1996): Genetic parameters for lean meat content and meat quality traits in different types of pig breeds. 47th Annual Meeting of EAAP, Lillehammer, Norway, p. 254.

Knight, G.S., A.H. Beddoe, S.J. Streat, and G.L. Hill (1986): Body composition of two human cadavers by neutron activation and chemical analysis. Am. J. Physiol. 250 (Endocrinol. Metab. 13): E179-E185.

Knoflach M., M Kuprian, und G. Walk (2000): RT-Akademie. http://www.tilak.at/azwhome/rtakademie/ct.html.

Knorr, C., M. Schwille, G. Moser, E. Müller, H. Bartenschlager and H. Geldermann (1994): Calcium-release-channel genotypes in several pig populations - associations with halothane and CK reactions. J. Anim. Breed. Genet. 111: 243-252.

Knorr, C., G. Moser, M. Müller, H. Geldermann (1997): Association of GH gene variants with performance traits in F2 generations of European wild boar, Piétrain and Meishan pigs. Animal Genetics 28: 124-128.

Knott, S.A., L. Marklund, C.S. Haley, K. Andersson, W. Davies, H. Ellegreen, M. Fredholm, I. Hansson, B. Hoyheim, K. Lundström, M. Moller, and L. Andersson (1998): Multiple marker mapping of quantitative trait loci in a cross between outbred wild boar and Large White pigs. Genetics 149: 1069-1080.

Knudson B.K., M.G. Hogberg, R.A. Merkel, R.E. Allen, W.T. Magee (1985): Developmental comparisons of boars and barrows: II. Body composition and bone development. J. Anim. Sci. 61: 797-801.

Knyazev, S., K. Zhuchaev, V. Hart, T. Hardge, S. Papshev (1998): About the discordance of halothane reactivity and ryr1 mutation among Siberian swine populations. Proc. 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, Vol. 23: 644-647.

Kohn, G. (1997): In-vivo-Untersuchungen zur Muskelphysiologie von Schweinen mit Hilfe der Magnet-Resonanz-Spektroskopie. Landbauforschung Völkenrode, Sonderheft 171: 133 S.

Kohn, G., U. Baulain, M. Henning, R. Lahucky, D. Leibfritz, E. Kallweit (1998): In vivo und post mortem Untersuchungen des Muskelstoffwechsels von Schweinen mit

296

http://www.tilak.at/azwhome/rtakademie/ct.html


unterschiedlichem MHS-Genotyp mit Hilfe der 31P-NMR-Spektroskopie. Arch. Tierz., (Dummerstorf) 41: 299-310.

Kohrt, Wendy M. (1997): Dual-Energy X-Ray Absorptiometry: Research Issues and Equipment. In: Emerging Technologies for Nutrition Research: Potential for Assessing Military Performance Capability (Eds.: S.J. Carlson-Newberry and Rebecca B. Costello), National Academy Press, Washington, DC, pp 151-167.

Kolb, E. (1987): Neue biochemische Erkenntnisse zur Entstehung der Streßanfälligkeit und zu den Veränderungen bei Schweinen mit blasser, weicher und wäßriger Fleischqualität (PSE-Fleisch). Tierzucht (Berlin) 41: 557-559.

Kolb, R. (1991): Analyse digitalisierter Ultraschallbilder an lebenden Schweinen zur Abschätzung des Fleischanteils im Bauch und des intramuskulären Fettgehaltes im Rückenmuskel. Diss., Univ. Hohenheim.

Kolstad, K. (1996): Genetic differences in fat mobilisation of growing pigs fed at maintenance, and the use of blood components as indicators of changes in body composition. 47th Annual Meeting of the EAAP, Lillehammer, Norway, 25-29 August, Book of Abstracts No. 2: 276.

Kolstad, K. (2000): Fat deposition and distribution in three genetic lines of pigs from 10 to 105 kilograms liveweight. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis), Wageningen Pers, EAAP publication No. 100: 199-202.

Kolstad, N. and O. Vangen (1996): Breed differences in maintenance requirements of growing pigs when accounting for changes in body composition. Livest. Prod. Sci. 47: 23-32.

Kolstad, N., N.B. Jopson and O. Vangen (1996): Breed and sex differences in fat distribution and mobilization in growing pigs fed at maintenance. Livest. Prod. Sci. 47: 33-41.

Koretsky, A.P. and D.S. Williams (1992): Application of localized in vivo NMR to whole organ physiology in the animal. Annu. Rev. Physiol. 54: 799-826.

Kortz, J., W. Kapelanski, S. Grajewskaja, J. Kuryl, M. Bocian, and A. Rybarczyk (2000): Meat quantity to meat quality relationships when the RYR1 gene effect is eliminated. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 143-146.

Kopin, A.S., W. Foulds Mathes, E.M. McBride, M. Nguyen, W. Al-Haider, F. Schmitz, S. Bonner-Weir, R. Kanarek, and M. Beinborn (1999): The cholecystokinin-A receptor mediates inhibition of food intake yet is not essential for the maintenance of body weight. J. Clin. Invest. 103: 383-391.

Kouba, M., M. Bonneau, J. Noblet (1999): Relative development of subcutaneous, intermuscular, and kidney fat in growing pigs with different body compositions. J. Anim. Sci. 77: 622-629.

297


Kozak-Reiss, G., F. Desmoulin, P. Canioni, P. Cozzone, J.P. Gascard, G. Monin, J.M. Pusel, J.P. Renou, A. Talmant (1987): Contraction and metabolism traits in skeletal muscle biopsies from halothane-positive pigs as studied by mechanical measurements and 31P NMR. In: "Evaluation and Control of meat quality in pigs" (Ed. P. V. Tarrant, G. Eikelenboom and G. Monin), Martinus Nijhoff Publishers, The Hague: 27-38.

Kozak-Ribbens, G., D. Bendahan, L. Rodet, S. Confort-Gouny, A. Miri, A. Talmant, G. Monin, and P.J. Cozzone (1997): Metabolic events with spontaneous malignant hyperthermia crisis in an anaesthetized pig. Can. J. Anaesth. 44: 757-764.

Kraybill, H.F., E.R. Goode, R.S.B. Robertson, and H.S. Sloane (1953): In vivo measurement of body fat and body water in swine. J. Appl. Physiol. 6: 27-32.

Kräußlich, H. (1998): Geschichte der Tierbeurteilung. In: Exterieurbeurteilung landwirtschaftlicher Nutztiere (Hrsg.: G. Brem), Verlag Eugen Ulmer.

Krempler, Andrea (2000): Analyse der RyREF2-Bindungsstelle im Promotor des porcinen RyR1 Gens und Charakterisierung des porcinen FHL1-Gens. Dissertation, Georg-August-Universität zu Göttingen, Göttingen. http://webdoc.gwdg.de/diss/2000/krempler/

Krempler, A., S. Kollers, R. Fries and B. Brenig (2000): Isolation and characterization of a new FHL1 variant (FHL1C) from porcine skeletal muscle. Cytogenet Cell Genet 90: 106–114.

Kresken, J.-G., U. Baulain und R.G. Köstlin (1993): Kernspintomographie, Magnet-Resonanz-Tomographie (MRT), Nuclear Magnetic Resonance Imaging (NMR): Technische und methodische Voraussetzungen zur Anwendung der Kernspintomographie am Hüftgelenk des Hundes. Tierärztl. Prax. 21: 559-565.

Krieter, J. (1986): Entwicklung von Selektionsmethoden für das Wachstum und Futteraufnahmevermögen beim Schwein. - Diss. Kiel. - Schriftenreihe des Instituts für Tierzucht und Tierhaltung der Christian-Albrechts-Universität zu Kiel, Heft 31.

Krieter, J. und E. Kalm (1986): Futteraufnahme aus der Sicht der Tierzucht. Betriebswirtschaftliche Mitteilungen der Landwirtschaftskammer Schleswig-Holstein Nr. 370: 3-12.

Krieter, J. und E. Tholen (2001): Berücksichtigung der Fleischqualität bei der Selektion innerhalb Linien beim Schwein – eine Studie. Arch. Tierz. (Dummerstorf) 44: 531-546.

Krieter, J., T. Hölscher, P. Hartjen, E. Kalm und E. Ernst (1990): Vergleich von Ultraschallverfahren zur Abschätzung der Schlachtkörper-zusammensetzung am Schwein. Züchtungskunde 62: 29-37.

Krska, P., R. Lahucky, U. Küchenmeister, Karin Nürnberg and Gerda Kuhn (2000): Post-mortem muscle metabolism of phosporous compounds assessed by 31P NMR spectroscopy in relation to vitamin E administration of pigs genotyped on malignant hyperthermia and stress susceptibility. Arch. Tierz. (Dummerstorf) 43 (Sonderheft): 229.

298

http://webdoc.gwdg.de/diss/2000/krempler/


Kromeyer-Hauschild, Katrin und U. Jaeger (1998): Zunahme der Häufigkeit von Übergewicht und Adipositas bei Jenaer Kindern. Monatsschr. Kinderheilkd. 146: 1192–1196.

Kronacher, C. und F. Hogreve (1936): Beiträge zur Kenntnis der Grundlagen der Beckenformen bei verschiedenen Schweinerassen, gewonnen an Hand röntgenologischer Studien. Z. Zücht.: B Tierzüchtg. u. Züchtungsbiol. 35: 161-167.

Krude, H. and A. Grüters (2000): Implications of Proopiomelanocortin (POMC) Mutations in Humans: The POMC Deficiency Syndrome. Trends in Endocrinology and Metabolism 11: 15-22.

Kruger, P. and I.J. Gruverman (1962): Neutron activation analysis of homogenized chicken. Appl. Radiat. Isot. 13: 106-110.

Kuchida, K., K. Konishi, M. Suzuki and S. Miyoshi (1998): Prediction of the Crude Fat Contents in Rib-Eye Muscle of Beef Using the Fat Area Ratio Calculated by Computer Image Analysis. Anim. Sci. Technol. (Jpn) 69: 585-588.

Kuchida, K., S. Tsurata, L.D. van Vleck, M. Suzuki and S. Miyoshi (1999): Prediction Method of Beef Marbling Standard Number Using Parameters Obtained from Image Analysis for Beef Ribeye. Animal Science Journal 70: 107-112.

Kuchida, K., S. Kono, K. Konishi, L.D. van Vleck, M. Suzuki, and S. Miyoshi (2000): Prediction of crude fat content of longissimus muscle of beef using the ratio of fat area calculated from computer image analysis: Comparison of regression equations for prediction using different input devices at different stations. J. Anim. Sci. 78: 799-803.

Kuhn, G., M. Hartung, H. Falkenberg, G. Nürnberg, M. Langhammer, M. Schwerin, K. Ender (1997): Wachstum, Körperzusammensetzung und Fleischbeschaffenheit von im Fettansatz genetisch differenten Schweinen. Arch. Tierzucht (Dummerstorf) 40: 345-355.

Kuhn, G., M. Hartung, K. Nürnberg, I. Fiedler, H. Falkenberg, G. Nürnberg, K. Ender (1998): Körperzusammensetzung und Muskelstruktur von genetisch differenten Schweinen in Abhängigkeit vom MHS-Status. Arch. Tierzucht (Dummerstorf) 41: 589-596.

Kuhn, M., L. Beesten, C. Jatsch (1997): Zum Einfluß der Fütterungsintensität und des Mastendgewichts auf die Mast- und Schlachtleistung von Schweinen sowie das Fettsäuremuster der Gesamt- und Phospholipide des M. long. dorsi – 1. Mitteilung: Parameter der Mast- und Schlachtleistung, der Fleischbeschaffenheit sowie der Trockensubstanz – und Aschegehalte der Depotfette. Züchtungskunde 69: 294-306.

Kuhlig, Hanna, W. Grezesiak and Iwona Szatkowska (2001): Effect of leptin gene polymorphism on growth and carcass traits in pigs (short communication). Arch. Tierz. (Dummerstorf) 44: 291-296.

Küchenmeister, U. und K. Ender (1994): Klassifizierung mit Ultraschall vor dem Enthäuten. Landbauforschung Völkenrode, Sonderheft 145: 15-24.

Küchenmeister U., Gerda Kuhn, J. Wegner, G. Nürnberg, and K. Ender (1999): Post mortem changes in Ca2+ transporting proteins of sarcoplasmic reticulum in dependence on malignant hyperthermia status in pigs. Mol. Cell Biochem. 195: 37-46.

299


Kwon, H.Y., S.J. Bultman, C. Loffler, W.J. Chen, P.J. Furdon, J.G. Powell, A.L. Usala, W. Wilkison, I. Hansmann, and R.P. Woychik (1994): Molecular structure and chromosomal mapping of the human homolog of the agouti gene. Proc. Natl. Acad. Sci. USA 91: 9760-9764.

Lahucky, R., V. Madajová, O. Mharapara, J. Marák, D. Kaniansky, J. Poltarsky, and L. Kovac (2000a): A Comparison of Some Metabolites in Skeletal Muscle of Different Halothane Sensitivity with Meat Quality Traits of Pigs Using a Capillary Isotachophoresis Technique. Meat Sci. 39: 403-414.

Lahucky, R., P. Krska, U. Küchenmeister, Karin Nürnberg, T. Liptaj, G. Nürnberg, I. Bahelka, P. Demo, Gerda Kuhn, and K. Ender (2000b): Effect of Vitamin E on changes in Phosphorous Compounds assessed by 31P NMR Spectroscopy and ATPase from postmortem Muscle samples and Meat quality of Pigs. Arch. Tierzucht (Dummerstorf) 43: 487-497.

Lampo, Ph, A. Calus, W. Nauwynck and Y. Bouqet (1985): De fokwaarde- beoordeling van varkens op grond van selectiemesterijresultaten. II. De genetische en phenotypische parameters voor fokkerij - versnijdingsresultaten. Landbouwtijdschrift 38: 403-411.

Langlet, J.F., E. Ernst, H.D. Glaner (1968): Die Möglichkeit einer Selektion bei Schweinen mit Hilfe von Echolotmessungen unter den Verhältnissen der Praxis. Zeitschrift f. Tierzüchtung und Züchtungsbiologie 85: 27-35.

Langholz, H.-J. (1966): Das züchterische Hilfsmittel der stationären Nachkommenprüfung beim Schwein. III. Heritabilitäten und genetische Korrelationen beim norwegischen Landschwein. Acta Agricultrae Scandinavica 16: 97-114.

Lapillonne, A. P.M. Braillon, P.D. Delmas, B.L. Salle (1997): Dual-Energy X-Ray Absorptiometry in Early Life. Horm. Res. 48 (suppl. 1): 43-49.

Larcombe-McDouall, J.B., N. Harrison, S. Wray (1998): The in vivo relationship between blood flow, contractions, pH and metabolites in the rat uterus. Plügers Archiv - Eur. J. Physiol. 435: 810-817.

Laskey, M.A. (1996): Dual-Energy X-Ray Absorptiometry and Body Composition. Nutrition 12: 45-51.

Lauterbur, P.C. (1973): Image formation by induced local interactions: Examples employing nuclear magnetic resonance. Nature 242: 190-191.

Laube, Sigurd (2000): Die Eignung spezieller Schweinekreuzungen zur Qualitätsverbesserung von Markenschweinefleisch unter besonderer Berücksichtigung von MHS-Status, Hampshirefaktor und intramuskulärem Fettgehalt. Dissertation, TiHo Hannover, 78 S.

Lawes, J.B. and J.H. Gilbert (1858): Pamphlets by Lawes and Gilbert: Experimental inquiry into the composition of some of the animals fed and slaughtered as human food. Abstract from Proceedings of the Royal Society, June 17, 1858, London, Taylor and Francis, 16 p.

300


Lawes, J.B. and J.H. Gilbert (1861): Rothamsted Agricultural Experiments: Lawes and Gilbert: On the composition of oxen, sheep and pigs and of their increase whilst fattening. Reprinted from Journal of the Royal Agricultural Society of England, Vol. 21, Part 2, London, W. Clowes and sons, 58 p.

Lawes, J.B. and J.H. Gilbert (1877): Rothamsted Agricultural Experiments: Lawes and Gilbert: On the formation of fat in the animal body. Reprinted from Journal of Anatomy and Physiology, Vol.11, Part 4., Cambridge, CUP, 11 p.

Lawes, J.B. and J.H. Gilbert (1883): Rothamsted Agricultural Experiments: Lawes and Gilbert: Supplement to former paper entitled "Experimental inquiry into the composition of some of the animals fed and slaughtered as human food" - composition of the ash of the entire animals and of certain separated parts. Reprinted from Proceedings of the Royal Society No. 226, 3 p.

Lefaucheur, L., P. Buche, P. Ecolan, and M. Lemoing (1992): Classification of Pig Myofibres and Assessment of Post-Mortem Glycogen Depletion According to Fibre Type by Compterized Image Analysis. Meat Sci. 32: 267-278.

Leibfritz, D. (1996): An Introduction to the Potential of 1H-, 31P- and 13C-NMR-Spectroscopy. Anticancer Research 16: 1317-1324.

Le Roy, P., C. Moreno, J.M. Elsen, J.C. Caritez, Y. Billon, H. Lagant, A. Talmant, P. Vernin, Y. Amigues, P. Sellier, and G. Monin (2000): Interactive effects of the HAL and RN major genes on carcass quality traits in pigs: preliminary results. In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 139-142.

Leymaster, K.A. (1986): Tomography to estimate changes in body tissues. J. Anim. Sci. 63(Suppl. 2): 89-95.

Li, Jianhua (2000): Multifrequente Impedanztomographie zur Darstellung der elektrischen Impedanzverteilung im menschlichen Thorax. Dissertation, Universität Stuttgart.

Li, X. and B.W. Kennedy (1994): Comparison of genetic parameter estimates for growth rate and backfat from single and multiple trait models with and without genetic groups. 5th World Congress on Genetics applied to Livestock Production. Guelph, Canada, Vol. 18: 418-421.

Lierse, Ch. (1998): Spurenanalyse für Technik und Umwelt. FRM-II-Symposium: Neutronen für Industrie und Medizin, München, 9. Juli 1998. http://www.frm2.tu-muenchen.de/d/presse/resi98/resi98-01.html

Limper, J., G. Reiner, W. Hecht und V. Dzapo (1991): Mitochondrialer (mt) Energiestoffwechsel im Diaphragma von HAL+ und HAL--Schweinen und die vermutete Beteiligung der mt-DNA an der Halothansensitivität. J. Anim. Breed. Genet. 108: 389-398.

Lindgren, Uta (2001): Experimente mit den X-Strahlen. Bayerns innovative Köpfe: Wilhelm Conrad Röntgen. Unser Bayern 50: 39-41.

301


Lindner, R. (1991): Untersuchungen über die Beziehungen zwischen Glykolyse und Fleischbeschaffenheit beim Schwein - zugleich Beschreibung der Basis eines Selektionsexperimentes. Dissertation Universität Hohenheim. 179 S.

Lirette, A., R.A. Towner, Z. Liu, U.M. Oehler, E.G. Janzen, R.J. Etches, J.R. Chambers, R.W. Fairfull, S. Chu, A. Rath, J. Millam, B. Cutler, D.C. Crober (1993a): Magnetic resonance imaging (1H) and spectroscopy (1H, 31P) of growing chicken embryos. Can. J. Anim. Sci. 73: 953-965.

Lirette, A., R.A. Towner, Z. Liu, E.G. Janzen, J.R. Chambers, R.W. Fairfull, L.P. Milligan, D.C. Crober (1993b): In Vivo Nuclear Magnetic Resonance Spectroscopy of Chicken Embryos from Two Broiler Strains of Varying Fat Content. Poultry Science 72: 1411-1420.

Lister, D. (1976): Effects of nutrition and genetics on the composition of the body. Proc. Nutr. Soc. 35: 351-356.

Lister, D. (1987): The physiology and biochemistry of the porcine stress syndrome. In: Evaluation and Control of Meat Quality in Pigs. (Eds.: P.V. Tarrant, G. Eikelenboom, and G. Monin), Martinus Nijhoff Publishers, Boston, MS, USA: 3-16.

Liu, H.C., M.F. Rothschild and C.K. Tuggle (1995): Analysis of pig chromosome 7 genetic markers for growth and carcass performance traits. J. Anim. Sci. 73 (Suppl. 1): 41.

Liu, Y. and J.R. Stouffer (1995): Pork carcass evaluation with an automated and computerized ultrasonic system. J. Anim. Sci. 73: 29-38

Liu, Z., A. Lirette, R.A. Towner, R.W. Fairfull, J.R. Cahambers, E.G. Janzen, L.P. Milligan, D.C. Crober (1992): Nuclear magnetic resonance spectroscopy (Phosphorous-31) of chicken embryos of two broiler strains with different carcass fat content. Proc. XIX World’s Poultry Congress, Amsterdam, Netherlands, 20-24 September, Volume 3: 471- 475.

Liu, Z., A. Lirette, R.W. Fairfull, B.W. McBride (1994): Embryonic Adenosine Triphosphate: Phosphodiesteres Ratios Obtained with In Vivo Nuclear Magnetic Resonance Spectroscopy (Phosphorous-31): A New Technique for Selecting Leaner Broiler Chickens. Poultry Science 73: 1633-1641.

Lloyd, R.D. and Ch.W. Mays (1987): A Model for Human Body Composition by Total Body Counting. Hum. Biol. 59:7-30.

Lobley, G.E. (1998): Nutritional and hormonal control of muscle and peripheral tissue metabolism in farm species. Livest. Prod. Sci. 56: 91-114.

Lohmann, T.G. (1984): Research Progress in validation of laboratory methods of assessing body composition. Med. Sci. Sports Exerc. 16: 596-603.

302


Lohmann, T.G., M.H. Slaughter, R.A. Boileau, J. Bunt and L. Lussier (1984): Bone mineral measurements and their relation to body density in children, youth and adults. Hum. Biol. 56: 667-679.

López Fernández, J.L., A. Arguello Henríquez, J. Capote Alvarez, N. Darmanin Garrido (1992): Contribution to the study of Black Canary Pigs. Arch. Zootec. 41 (extra): 531- 536.

Louis, C.F., J.R. Mickelson and W.E. Rempel (1994): The effect of skeletal muscle ryanodine receptor (ryr1) genotype on swine performance and carcass traits. J. Anim. Sci. 72 (Suppl. 1): 248.

Louveau, I., S. Schnoebelen and M. Bonneau (1995): Regulation of growth and body composition by growth hormone and related homones in pigs. Proc. 2nd Dummerstorf Muscle-Workshop Muscle Growth and Meat Quality. FBN Schriftenreihe 6: 207-214.

Lowell, B.B. and J.S. Flier (1997): Brown Adipose Tissue, ß3-Adrenergic Receptors, and Obesity. Annu. Rev. Med. 48: 307-316.

Luce, W.G.: Measuring Carcass Traits in Live Hogs. Cooperative Extension Service • Division of Agriculture • Oklahoma State University, No. 3662 (AC-321 0491 RO Revised).

Luiting, P. (1993): The biological nature of genetic variation in net feed efficiency. 44th Annual Meeting of the EAAP, Aarhus (Denmark), 16-19 August, Paper, 9 p.

Luiting, P., H. Enting, O. Vangen (1992): Breed differences in maintenance requirements in pigs measured by computer tomography. 43rd Annual Meeting of the EAAP, Madrid, Spain, 13.-17. September, Volume 1, 164.

Luiting, P., K. Kolstad, H. Enting, O. Vangen (1995): Pig breed comparison for body composition at maintenance: analysis of computerized tomography data by mixture distributions. Livest. Prod. Sci. 43: 225-234.

Lukaski, H.C. (1987): Methods for the assessment of human body composition: Traditional and new. Am. J. Clin. Nutr. 46: 537-556.

Lukaski, H.C. (1996): Biological indexes considered in the derivation of the bioelectrical impedance analysis. Am. J. Clin. Nutr. 64 (suppl.): 397S-404S.

Lukaski, H.C., Ph.E. Johnson, W.W. Bolonchuk, and I.G. Lykken (1985): Assessment of fat-free mass using bioelectrical impedance measurements of the human body. Am. J. Clin. Nutr. 41: 810-817.

Lukaski, H.C., M.J. Marchello, C.B. Hall, D.M. Schafer, and W.A. Siders (1999): Soft Tissue Composition of Pigs Measured With Dual X-Ray Absorptiometry: Comparison With Chemical Analyses and Effects of Carcass Thicknesses. Nutrition 15: 697-703.

Luke, Amy H., Ch.N. Rotimi, R.S. Cooper, A.E.Long, T.E. Forrester, R. Wilks, F.I. Bennett, O. Ogunbiyi, J.A. Compton, and R.R. Bowsher (1998):

303


Leptin and body composition of Nigerians, Jamaicans, and US blacks. Am. J. Clin. Nutr. 67: 391-396.

Lutz, N.W. und E. Schultz (1987): Beschreibung des MR-Relaxationsverhaltens von Gewebe mit Hilfe einer geeigneten Modellvorstellung. Digit. Bilddiagn. 7: 56-60.

Lüning, M., J. Planitzer, K.-H. Sandring, B. Schnackenburg, C. Dewey (1988): Magnetresonanz-Tomographie - ein neues bildgebendes Verfahren. Medizin aktuell 14: 266-269.

Ma, J. and J. Zhao (1994): Highly cooperative and hysteretic response of the skeletal muscle ryanodine receptor to changes in proton concentrations. Biophysical Journal 67: 626-633.

Maak, S., M. Wicke, D.C. Beitz, G. von Lengerken (1995): Suitability of a shot biopsy test for prediction of meat quality in live pigs at different ages. J. Anim . Sci. 73 (Suppl. 1): 170.

Maassen-Francke, B., J. Krieter, E. Kalm (1992): Untersuchungen zur Mastleistung und Fleischbeschaffenheit fast vergessener Schweinerassen. Schweinezucht und Schweinemast 40: 44-48.

Mackay, Trudy F.C. (2001): The genetic architecture of quantitative traits. Annu. Rev. Genet. 35: 303-339.

Mackie, A., W.J. Hannan, and P. Tothill (1989): An introduction to body composition models used in nutritional studies. Clin. Phys. Physiol. Meas. 10: 297-310.

MacLennan, D.H. and M.S. Phillips (1992): Malignant Hyperthermia. Science (Washington, DC) 256: 789-794.

Madsen, O.R., J.-E.B. Jensen, O.H. Sørensen (1997): Validation of a dual energy X-ray absorptiometer: measurement of bone mass and soft tissue composition. Eur. J. Appl. Physiol. 75: 554-558.

Mahan, D.C. and R.G. Shields, Jr. (1998): Macro- and Micromineral Composition of Pigs from Birth to 145 Kilograms of Body Weight. J. Anim. Sci. 76: 506-512.

Mailänder, Ch. (1988): Ergebnisse eines Zuchtexperimentes zur Ermittlung der Effektivität der Selektion nach biochemischen Parametern oder Ultraschallmassen zur Verbesserung der Schlachtkörperqualität beim Schwein. Dissertation, Univ. Hohenheim.

Malik, R.C. (1984): Genetic and physiological aspects of growth, body composition and feed efficiency in mice: A Review. J. Anim. Sci. 58: 577-590.

Manteuffel, G and B. Puppe (2000): Animal well-being in husbandry and coping with stress: Introductory remarks. Arch. Tierz. (Dummerstorf) 43 (Sonderheft): 140-143.

Marchello M.J. and W.D. Slanger (1992): Use of bioelectrical impedance to predict leanness of Boston butts. J. Anim. Sci. 70: 3443-3450.

304


Marchello, M.J., W.D. Slanger, and J.K. Carlson (1999): Bioelectrical impedance: fat content of beef and pork from different size grinds. J. Anim. Sci. 77: 2464-2468.

Martens, H. (1997): Physiologie und Pathophysiologie des Ryanodin-Rezeptors beim Schwein - Bedeutung für die Streßempfindlichkeit, Belastungsmyopathien, maligne Hyperthermie und die Qualität des Fleisches. Tierärztl. Prax. 25: 41-51.

Martens, H. (1998): Physiologie der Muskulatur und das MHS-Gen des Schweines: Zur Diskussion um eine Eliminierung des mutierten Ryanodin-Rezeptors aus der deutschen Schweinezucht. Arch. Tierzucht (Dummerstorf) 41: 179-192.

Mason, P.A., T.J. Walters, J.W. Fanton, D.N. Erwin, J.H. Gao, J.W. Roby, J.L. Kane, K.A. Lott, L.E. Lott, R.V. Blystone (1995): Database created from magnetic resonance images of a Sprague-Dawley rat, rhesus monkey, and pigmy goat. FASEB J. 9: 434-440.

Matthie, J., B. Zarowitz, A. de Lorenzo, A. Andreoli, K. Katzarski, G. Pan, and P. Withers (1998): Analytic assessment of the various bioimpedance methods used to estimate body water. J. Appl. Physiol. 84: 1801–1816.

Mayrleitner, M., A.P. Timerman, G. Wiederrecht und S. Fleischer (1994): The calcium release channel of sarcoplasmic reticulum is modulated by FK-506 binding protein: effect of FKBP-12 on single channel activity of the skeletal muscle ryanodine receptor. Cell Calcium 15: 99-108.

Mayrhofer, E., W. Henninger, K. Hittmair und S. Kneissl (1995): Röntgenstrahlen, Ultraschall, Magnetresonanz - Möglichkeiten ihres Einsatzes in der Veterinärmedizin. Wien. Tierärztl. Mschr. 82: 276-288.

Mazess, R. B., H. S. Barden, J. P. Bisek, J. Hanson (1990): Dual energy X-ray absorptiometry for total-body and regional bone-mineral and soft-tissue composition. Am. J. Clin. Nutr. 51: 1106.

McBride, B.W., S. Leeson, R.A. Towner, E.G. Janzen (1991): Application of magnetic resonance imaging and 31P spectroscopy to the study of body composition and energy metabolism in poultry. Proc. 12th Symposium Energy Metabolism of Farm Animals, Kartause Ittingen, Switzerland, 1-7 September, 234-237.

McLaren, D.G. and Buchanan, D.S. (1991): Impact of metabolism modifiers on animal breeding considerations. J. Anim. Sci. 69 (Suppl. 2): 100-115.

McMeekan, C.P. (1940): Growth and development in the pig, with special reference to carcass quality characters. Part I. J. Agric. Sci. 30: 266-343.

McPherron, A.C., A.M. Lawler, and S.-J. Lee (1997): Regulation of skeletal muscle mass in mice by a new TGF-ß superfamily member. Nature 387: 83-90.

Meissner, G. (1994): Ryanodine receptor/Ca2+ release channels and their regulation by endogenous effects. Annu. Rev. Physiol. 56: 485-508.

305


Menzel, M. (1997): Ströme in Gebieten mit variabler Zusammenhangszahl. Diss., FB Physik, Universität Kaiserslautern, 110 Seiten.

Merks, J.W.M., E.H.T. Hanenberg and A.J.M. van Erp (1997): Effects of selection for leanness in pigs on genetic parameters and ultrasonic backfat thickness. 48th Annual Meeting of EAAP, Vienna, Austria. 25-28 August 1997, paper copy, 8 pages, author address; J.W.M. Merks, Institute for Pig Genetics B.V., P.O. Box 43, 6640 AA Beuningen, The Netherlands.

Mersmann, H.J. (1982): Ultrasonic determination of backfat depth and loin area in swine. J. Anim. Sci. 54: 268-275.

Mersmann, H.J., L.J. Brown, E.Y. Chai, and T.J. Fogg (1984): Use of electronic meat measuring equipment to estimate body composition in swine. J. Anim. Sci. 58: 85-93.

Meseck, N.L., B.L. Gwartney, C.R. Calkins, and P.S. Müller (1997): Influence of Sample Orientation on Prediction of Fresh Ham Lean Content by Electromagnetic Scanning. J. Anim. Sci. 75: 3169-3173.

Messer, L.A., E.J. Cargill, and D. Pomp (2001): Rapid communication: Mapping of the pro-opiomelanocortin (POMC) gene to porcine chromosome by linkage analysis using a PCR-RFLP. J. Anim. Sci. 79: 2241–2242.

Mettau, J.W., H.J. Degenhardt, H.K.A. Visser, and W.P.S. Holland (1977): Measurement of Total Body Fat in Newborns and Infants by Absorption and Desorption of Nonradioactive Xenon. Pediatric Res. 11: 1097-1101.

Metz, S.H.M (1985): Genetic effects on fat deposition and fat quality in the growing pig. Pig News and Information 6: 291-294.

Meynial-Denis, D., M. Mignon, L. Foucat, G. Bielecki, A. Ouali, C. Tassy, J.-P. Renou, J. Grizard, M. Arnal (1998): PH is regulated differently by glucose in skeletal muscle from fed and starved rats:A study using 31P-NMR spectroscopy. J. Nutr. 128: 28-34.

Mickelson, J.R. and C.F. Louis (1993): Calcium (Ca2+) Regulation in Porcine Skeletal Muscle - Review. In: ”Pork Quality: Genetic and Metabolic Factors” (Ed. E. Puolanne, D.I. Demeyer, M. Ruusunen; S. Ellis), CAB International, Wallingford, p. 160-184.

Mickelson, J.R. and C.F. Louis (1996): Malignant hyperthermia: Excitation-Contraction Coupling, Ca 2+ Release Channel, and Cell Ca 2+ Regulation Defects. Physiol. Rev. 76: 537-592.

Mikoshiba, K. (1997): The InsP3 receptor and intracellular Ca2+ signaling. Current Opinion in Neurobiology 7: 339-345.

Milan, D. J.P. Bidanel, P.Le Roy, C. Chevalet, N. Woloszyn, J.C. Caritez, J. Gruand, H.Lagant, M. Bonneau, L. Lefaucheur, C. Renard, M. Vaiman, P. Mormède, C. Désautés, Y. Amigues, F. Bourgeois, J. Gellin, L.Ollivier (1998): Current status of QTL detection in Large White x Meishan Crosses in France.

306


Proceeding of the 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, January 11-16, Volume 26: 414-417.

Miller, D.C. (1996): Accuracy and Application of Real-Time Ultrasound for Evaluation of Carcass Merit in Live Animals. In: Animal Science Facts. Publication Number: ANS 96-010B. http://mark.asci.ncsu.edu/Publications/factsheets/010b.htm.

Miltenberger, R.J., R.L. Mynatt, J. Erby Wilkinson, and R.P. Woychik (1997): The Role of the agouti Gene in the Yellow Obese Syndrome. J. Nutr. 127:1902S-1907S.

Mitchell, A.D. and J.M. Conway (1993): Body composition analysis of pigs by dual energy x-ray absorptiometry (DEXA). J. Anim. Sci. 71 (Suppl. 1): 146.

Mitchell, A.D. and J.M. Conway (1994): Measurement of Energy Deposition and Body Composition of Pigs by Dual-Energy X-Ray Absorptiometry (DEXA). Proc. 13th Symposium on Energy Metabolism of Farm Animals, September 18-24, Mojácar, Spain, 31-34.

Mitchell, A.D. and A.M. Scholz (1995): Analysis of total body and carcass composition of pigs of different ryanodine receptor genotypes by dual energy x-ray absorptiometry (DEXA). J. Animal Sci. 73, (Suppl. 1), 162.

Mitchell, A.D. and A.M. Scholz (1997): Dual-energy X-ray absorptiometry (DXA) analysis of growth and composition of pigs of different ryanodine receptor genotypes. Arch. Tierzucht (Dummerstorf) 40: 47-56.

Mitchell, A.D. and A.M. Scholz (1998): Energy Deposition and Body Composition Measurement of Pigs of Different Ryanodine Receptor Genotypes by Dual Energy X-Ray Absorptiometry. In: Energy Metabolism of Farm Animals (McCracken, Unsworth and Wylie, Eds.). Proc. of the 14th Symposium on Energy Metabolism, September 14 - 20, 1997, Newcastle, Northern Ireland, CAB International, pp. 249-252.

Mitchell, A.D. and A.M. Scholz (2001): Techniques for Measuring Body Composition of Swine (Chapter 41). In: Swine Nutrition, 2nd Edition (Ed.: A.J. Lewis and L. Lee Southern), CRC Press, Boca Raton, London, New York, Washington, D.C.: 917-960.

Mitchell, A.D., K.H. Norris, H.H. Klueter, N.C. Steele, and M.B. Solomon (1986): Estimation of live body and carcass composition of pigs by near-infrared reflectance. J. Anim. Sci. 63 (Suppl. 1): 234.

Mitchell, A.D., P.C. Wang, R.W. Rosebrough, T.H. Elsasser, W.F. Schmidt (1991a): Assessment of Body Composition of Poultry by Nuclear Magnetic Resonance Imaging and Spectroscopy. Poultry Sci. 70: 2494-2500.

Mitchell, A.D., P.C. Wang, C.M. Evock (1991b): Body composition analysis of control and pGH treated pigs by NMR imaging. J. Anim. Sci. 69 (Suppl. 1): 308.

Mitchell, A.D., P.C. Wang, T.H. Elsasser, W.F. Schmitt (1991c): Application of NMR Spectroscopy and Imaging for body composition analysis as

307

http://mark.asci.ncsu.edu/Publications/factsheets/010b.htm


related to sequential measurement of energy deposition. Proc. 12th Symposium Kartause Ittingen, Switzerland, 1-7 September, 222-225.

Mitchell, A.D., P.C. Wang, T.H. Elsasser (1991d): Determination of Fat and Water Content in vitro and in vivo by Proton Nuclear Magnetic Resonance. J. Sci. Food Agric. 56: 265-276.

Mitchell, A.D., P.C. Wang, H.F. Song, W.F. Schmidt (1993): Body Composition Analysis of the Pig by Magnetic Resonance Imaging. In: Human Body Composition, Eds.: K.J. Ellis, J.D. Eastman, Plenum Press, New York, 105-108.

Mitchell, A., K. Mitchell, J. Conway and A. Scholz (1995): Measurement of compositional changes of growing pigs by dual energy x-ray absorptiometry. International Symposium Swine in Biomedical Research, University of Maryland at College Park, MD, USA, October 22-25, p. 75.

Mitchell, A.D., J.M. Conway, and W.J.E. Potts (1996a): Body composition analysis of pigs by dual-energy x-ray absorptiometry. J. Anim. Sci. 74: 2663-2671.

Mitchell, A.D., J.M. Conway, A.M. Scholz (1996b): Incremental Changes in Total and Regional Body Composition of Growing Pigs Measured by Dual-energy X-ray Absorptiometry. Growth, Development & Aging 60: 113-123.

Mitchell, A.D., R.W. Rosebrough, and J.M. Conway (1997a): Body composition analysis of chickens by dual-energy x-ray absorptiometry. Poult. Sci. 76: 1746-1752.

Mitchell, A.D., M.B. Solomon, and T.S. Rumsey (1997b): Compositional analysis of beef 9,10,11-rib sections by dual-energy x-ray absorptiometry. Meat Sci. 47: 115-124.

Mitchell, A.D., A.M. Scholz and J.M. Conway. (1998a): Body composition analysis of pigs from 5 to 97 kg by dual energy x-ray absorptiometry. Appl. Radiat. Isot. 49: 521-523.

Mitchell, A.D., P.C. Wang, H.F. Song, J.M. Conway and A.M. Scholz (1998b): Application of magnetic resonance imaging and dual-energy x-ray absorptiometry for the measurement of body composition of pigs. Proc. VIII World Conference on Animal Production, Seoul, Korea, June 22-26.

Mitchell, A.D., A.M. Scholz, V.G. Pursel, C.M. Evock-Clover (1998c): Composition Analysis of Pork Carcasses by Dual-Energy X-Ray Absorptiometry. J. Anim. Sci. 76: 2104-2114.

Mitchell, A.D., V.G. Pursel, G. Bee (1998d): Evaluation of body composition of transgenic pigs using dual-energy x-ray absorptiometry (DXA). J. Anim. Sci. 76 (Suppl. 1): 115.

Mitchell, A.D., A.M. Scholz, J.M. Conway (1998e): Body Composition Analysis of Small Pigs by Dual-Energy X-Ray Absorptiometry. J. Anim. Sci. 76: 2392-2398.

Mitchell, A.D., A.M. Scholz, and Harry J. Mersmann (2001a): Growth and Body Composition (Chapter 6). In: Biology of the Domestic Pig, 2nd edition (Eds.: W. Pond and H. Mersmann) Cornell University Press, Ithaca, NY, USA, pg. 225-308.

308


Mitchell, A.D, A.M. Scholz, P.C. Wang and H. Song (2001b): Body composition analysis of the pig by magnetic resonance imaging. J. Anim. Sci. 79: 1800-1813.

Mitra, S., J.E. Wolff, R. Garrett, C.W. Peters (1995a): Whole body measurement of C, N and O using 14 MeV neutrons and the associated particle time-of-flight technique. Asia Pacific J. Clin. Nutr. 4: 187-189.

Mitra, S., J.E. Wolff, R. Garrett, C.W. Peters (1995b): Application of the associated particle technique for the whole-body measurement of protein, fat and water by 14 MeV neutron activation analysis--a feasibility study. Phys. Med. Biol. 40: 1045-1055.

Mitra, S., J.E. Wolff, R. Garrett (1998): Calibration of a prototype in vivo total body composition analyser using 14 MeV neutron activation and the associated particle technique. Appl. Radiat. Isot. 49(5-6): 537-539.

Mitsiopoulos, N., R.N. Baumgartner, S.B. Heymsfield, W. Lyons, D. Gallagher, R. Ross (1998): Cadaver validation of skeletal muscle measurement by magnetic resonance imaging and computerized tomography. J. Appl. Physiol. 85: 115-122.

Moeller, S.J. and L.L. Christian (1998): Evaluation of the Accuracy of Real-Time Ultrasonic Measurments of Backfat and Loin Muscle Area in Swine Using Multiple Statistical Analysis Procedures. J. Anim. Sci. 76: 2503-2514.

Moeller, S.J., L.L. Christian, and R.N. Goodwin (1998): Development of Adjustment Factors for Backfat and Loin Muscle Area from Serial Real-Time Ultrasonic Measurements on Purebred Lines of Swine. J. Anim. Sci. 76: 2008–2016.

Moesgaard, B, I.E. Larsen, B. Quistorff, I. Therkelsen, V. GrØsfield Christeensen, and P.F. Jørgensen (1993): Effect of Dietary Magnesium on Post Mortem Phosphocreatine Utilization in Skeletal Muscle of Swine: A Non-Invasive Study Using 31P-NMR Spectroscopy. Acta Vet. Scand. 34: 397-404.

Moesgaard, B., B. Quistorff, V. Grøsfield Christeensen, T. Jørgensen and P.F. Jørgensen (1995): Differences of Post-Mortem ATP Turnover in Skeletal Muscle of Normal and Heterozygote Malignant-Hyperthermia Pigs: Comparison of 31P-NMR and Analytical Biochemical Measurements. Meat Science 39: 43-57.

Molenat, M. (1987): Chinesische Schweine für die europäische Zucht? Teil 1: Die chinesischen Schweinerassen, die in Frankreich wirtschaftlich genutzt werden. Der Tierzüchter 39: 331-334.

Molenat, M. und J.C. Caritez (1987): Chinesische Schweine für die europäische Zucht? Teil 2: Forschungsansätze. Der Tierzüchter 39: 389-391.

Moller, D.E. (2000): Potential Role of TNF-α in the Pathogenesis of Insulin Resistance and Type 2 Diabetes. Trends in Endocrinology and Metabolism 11: 212-217.

309


Montagnani, M., M. Montomoli, M. Mulinari, G. Guzzo, N. Scopetani, C. Gennari (1998): Relevance of hydration state of the fat free mass in estimating fat mass by body impedance analysis. Appl. Radiat. Isot. 49: 499-500.

Montain, S.J., S.A. Smith, R.P. Mattot, G.P. Zientara, F.A. Jolesz, and M.N. Sawka (1998): Hypohydration effects on skeletal muscle performance and metabolism: a 31P-MRS study. J. Appl. Physiol. 84: 1889-1894.

Montaldo, H.H. and C.A. Meza-Herrera (1998): Use of moleculars markers and major genes in the genetic improvement of livestock. EJB - Electronic Journal of Biotechnology 1: 7 pages (http://www.ejb.org).

Moon, R.B. and J.H. Richards (1973): Determination of intracellular pH by 31P magnetic resonance. J. Biol. Chem. 248: 7276-7278.

Morikawa, S., T. Inubushi, K. Kito, C. Kido (1993): pH Mapping in Living Tissues: An Application of in Vivo 31P NMR Chemical Shift Imaging. Magnetic Resonance in Medicine 29: 249-251.

Moser, G., E. Mueller, P. Beekmann, G. Yue, H. Geldermann (1998): Mapping of QTL‘s in F2 Generations of Wild Boar, Pietrain and Meishan pigs. Proceeding of the 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, January 11-16, Volume 26: 478-481.

Moughan, P.J., M.W.A. Verstegen and M.I. Visser-Reyneveld (Eds.) (1995): Modelling growth in the pig. EAAP Publication No. 78, Wageningen Pers, Wageningen, NL, pp. 238.

Moulton, C.R. (1929): Meat through the microscope; applications of chemistry and the biological sciences to some problems of the meat packing industry. The University of Chicago press, Chicago, Ill., USA. http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AFP9939

Mullis, K.B. and F. Faloona (1987): Specific Synthesis of DNA in vitro via a Polymerase-Catalyzed Chain Reaction. Methods Enzymol. 155: 335-350.

Müller, E. (1994): Untersuchungen über die Beziehungen von Fleischanteil, Fleischbeschaffenheit und Streßresistenz bei verschiedenen Schweineherkünften 2. Mitteilung: Vergleich von Enzymaktivitäten und Metabolitkonzentrationen des Glykogenabbaus im M. longissimus dorsi. Züchtungskunde 66: 349-358.

Müller, E., Ch. Mailänder, E. Rogdakis und D. Fewson (1996): Selektionsexperiment beim Schwein zur Verbesserung der Schlachtkörper-zusammensetzung durch Zuchtwahl nach biochemischen Parametern oder Ultraschallmaßen. 2. Mitteilung: Vergleich der Zuchtlinien in der letzten Generation. Züchtungskunde 68: 32-47.

Müller, E.E., V. Locatelli, and Daniela Cocchi (1999): Neuroendocrine Control of Growth Hormone Secretion. Physiological Reviews 79: 511-607.

310

http://cdl.library.cornell.edu/cgi-bin/chla/chla-cgi?notisid=AFP9939


Müller, M.J., O. Selberg, W. Burchert (1997): Use of positron emission tomography (PET) in the assessment of skeletal muscle glucose metabolism. Z. Ernährungswiss. 36: 359-363.

Müller, S., E. Gernand, M. Mußlick (1996): Untersuchungen zu Möglichkeiten der Einbeziehung des intramuskulären Fettgehalts (IMF) bei der Qualitätsbeurteilung von Schweinefleisch. Abschlußbericht der Thüringer Landesanstalt für Landwirtschaft, Themenblatt-Nr.: 22.02.253/1996, 101 Seiten.

Müller, U. (1994): Ergebnisse von Ultraschallmessungen am lebenden Tier und deren Beziehungen zu Merkmalen der Schlachtleistung bei Voll- und Teilzerlegung. Landbauforschung Völkenrode. Sonderheft 145: 99-105.

Müller-Gärtner, H.-W. (1998): Imaging techniques in the analysis of brain function and behaviour. TIBTECH 16: 122-130.

Naggert, J., T. Harris and M. North (1997): The genetics of obesity. Current Opinion in Genetics & Development 7: 398-404.

Nagle, D.L, S.H. McGrail, J. Vitale, E.A. Woolf, B.J. Dussault Jr., L. Dirocco, L. Holmgren, J. Montagno, P. Bork, D. Huszar, V. Fairchild-Huntress, P. Ge, J. Keilty, C. Ebeling, L. Baldini, J. Gilchrist, P. Burn, G.A. Carlson, and K.J. Moore (1999): The mahogany protein is a receptor involved in suppression of obesity. Nature 398: 148-152.

Natto, S.A., D.G. Lewis, and S.J.S. Ryde (1998): Benchmarking the MCNP Code for Monte Carlo Modelling of an In Vivo Neutron Actiavtion Analysis System. Appl. Radiat. Isot. 49: 545-547.

Nelson, Th.E. and Marina Lin (1995): Abnormal function of porcine malignant hyperthermia calcium release channel in the absence and presence of halothane. Cell Physiol. Biochem. 5: 10-22.

Nelson, Th.E., Marina Lin, and P. Volpe (1991): Evidence for intraluminal Ca++ regulatory site defect in sarcoplasmic reticulum from malignant hyperthermia pig muscle. The Journal of Pharmacology and Experimental Therapeutics 256: 645-649.

Neuenschwander, S., G. Rettenberger, E. Meijerink, H. Jörg and G. Stranzinger (1996): Partial characterization of porcine obesity gene (OBS) and its localization to chromosome 18 by somatic cell hybrids. Animal Genetics 27: 275-278.

Newbold, R.P. and R.K. Tume (1981): Comparison of the effects of added orthophosphate on calcium uptake and release by bovine and rabbit muscle sarcoplasmic reticulum. J. Food Sci. 46: 1327-1332.

Newton, C.R. und A. Graham (1994): PCR. 2. Aufl., Spektrum Akademischer Verlag, Heidelberg, Berlin, Oxford.

Nitter, G. und R. Kolb (1994): Abschätzung des Fleischanteils im Bauch mit Hilfe von digitalisierten Ultraschallbildern an lebenden Schweinen. Landbauforschung Völkenrode, Sonderheft 145: 106-109.

311


Nold, R.A., J.R. Romans, W.J. Costello, G.W. Libal (1999): Characterization of muscles from boars, barrows, and gilts slaughtered at 100 or 110 kilograms: differences in fat, moisture, color, water-holding capacity, and collagen. J. Anim. Sci. 77: 1746-1754.

Norman, R.A., C. Bogardus, E. Ravussin (1995): Linkage between obesity and a marker near the tumor necrosis factor-alpha locus in Pima Indians. J. Clin. Invest. 96: 158-162.

North, M.A. (1999): Advances in the molecular genetics of obesity. Current Opinion in Genetics and Development 9: 283-288.

North, M.A., J.K. Naggert, Y. Yan, K. Noben-Trauth, P.M. Nishina (1997): Molecular characterization of TUB, TULP1, and TULP2, members of the novel tubby gene family and their possible relation to ocular diseases. Proc. Natl. Acad. Sci. USA 94: 3128-3133.

NRC (1988). Nutrient requirements of swine (9th Ed.). National Academy Press, Washington, D.C.

Nürnberg, K., G. Kuhn, I.Fiedler, K. Ender (1988): Wachstum, Zusammensetzung und qualitative Eigenschaften des Fettgewebes beim Schwein. In: Genetische Probleme der Tierzucht 19 (Editoren G. Herrendörfer und J. Wolf), Akademie der Landwirtschaftswissenschaften der DDR, Dummerstorf-Rostock, 97 Seiten.

Nürnberg, K., J. Wegner, K. Ender (1998): Factors influencing fat composition in muscle and adipose tissue of farm animals. Livest. Prod. Sci. 56: 145-156.

Oelberg, D.A., A.B. Evans, M.I. Hrovat, P.P Pappagianopoulus, S. Patz, D.M. Systrom (1998): Skeletal muscle chemoreflex and pHi in exercise ventilatory control. J. Appl. Physiol. 84: 676-682.

Ollivier, L.; Sellier, P.; Monin, P. (1975): Determinisme genetique du syndrome d'hyperthermie maligne chez le porc de Pietrain. Ann. Genet. Sel. Anim. 7: 159-166.

Ollmann, M.M., M. Lynn Lamoreux, B.D. Wilson, and G.S. Barsh (1998): Interaction of Agouti protein with the melanocortin 1 receptor in vitro and in vivo. Genes and Development 12: 316-330.

Olson, Ann Louise and J.E. Pessin (1996): Structure, function, and regulation of the mammalian facilitative glucose transporter gene family. Annu. Rev. Nutr. 16: 235-256.

Ong, H.T., J. Tieman, M. Albert, F. Jolesz, T. Sandor (1997): Semi-automated extraction of brain contours from MRI. Neuroradiology 39: 797-803.

Orcutt, M.W., J.C. Forrest, M.D. Judge, A.P. Schinckel, C.H. Kuei (1990): Practical means for estimating pork carcass composition. J. Anim. Sci. 68: 3987-3997.

Orlova, E.V., I.I. Serysheva, M. van Heel, S.L. Hamilton, W Chiu (1996): Two structural configurations of the skeletal muscle calcium release channel. Nat. Struct. Biol. 3: 547-552.

312


Oster, A., D. Fewson, P. Komender, W. Branscheid, und E. Sack (1987): Schätzung des Muskelgewebeanteiles beim Schwein aufgrund der Forchheimer Teilstückzerlegung sowie üblicher Schlachtkörpermaße. Züchtungskunde 59: 281-295.

Otsu, K.; Khanna V. K.; Archibald, A.L.; MacLennan D. H. (1991): Cosegregation of Porcine Malignant Hyperthermia and a Probable Causual Mutation in the Skeletal Muscle Ryanodine Receptor Gene in Backcross Families. Genomics 11: 744-750.

Otten, W., Ellen Kanitz and Margret Tuchscherer (2000): Prenatal stress in pigs: effects on growth, physiological stress reactions and immune function. Arch. Tierz. (Dummerstorf) 43 (Sonderheft): 159-164.

Park, Y.I., J.Y. Han, T.S. Park, Y.S. Shin, S.C. Lee, I.J. Lee, H.K. Lee, H.K. Kim, H.S. Oh, C.J. Son (1998): Effect of porcine stress syndrome genotype on performance traits in swine. Proc. 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, Vol. 23: 668-671.

Pászthy, G., A. Lengyel, P. Horn (1991): Comparing breeds and fattening methods by computer tomography on live sheep. 42nd Annual Meeting of the EAAP, Berlin, Germany, 9 -12 September, 254.

Patience, J.F., and P.A. Thacker (1989): Swine Nutrition Guide. Prairie Swine Centre. 260 pp.

Patterson, D.L. (1990): Obtaining objective measurements of animal conformation by video image analysis. Proc. 4th World Congress on Genetics applied to Livestock Production. Edinburgh, 23-27 July, Volume XV: 295-298.

Paul, Sabine (1998): Molekulargenetische Untersuchungen in der alpha 1-Untereinheit des Dihydropyridinrezeptors bei der Malignen Hyperthermie des Menschen. Dissertation, Ludwig-Maximilians-Universität München, München.

Paulke, Th. und A. Scholz (1999): Die Charakteristik von Merkmalen der Futteraufnahme unter ad libitum Bedingungen bei verschiedenen Schweinerassen und Rassenkombinationen. Züchtungskunde 71: 229-243.

Peschke, W, W. Wittmann, und E. Littmann (1997): Auswirkungen unterschiedlicher Meßskalen des Ultraschallgerätes piglog 105 auf die Beziehungen der Meßergebnisse zu Schlachtkörpermaßen. Gruber Info Ausgabe 1/1997.

Peppler, W.W. and R.B. Mazess (1981): Total body bone mineral and lean body mass by dual-photon absorptiometry. I. Theory and measurement procedure. Calcif. Tissue Int. 33: 353-359.

Pérez-Enciso, M., A. Clop, J.L. Noguera, C. Óvilo, A. Coll, J.M. Folch, D. Babot, J. Estany, M.A. Olivers, I. Díaz, and A. Sánchez (2000): A QTL on pig chromosome 4 affects fatty acid metabolism: Evidence from an Iberian by Landrace intercross. J. Anim. Sci. 78: 2525-2531.

313


Pfeiffer, H. (1984): Schweinezucht. 3. überarbeitete Auflage, VEB Deutscher Landwirtschaftsverlag, Berlin.

Pfeiffer, H., G. von Lengerken, G. Gebhardt (1984): Wachstum und Schlachtkörperqualität bei landwirtschaftlichen Nutztieren - Schweine. VEB Deutscher Landwirtschaftsverlag Berlin.

Pfeiffer, H. und Chr. Schröder (1994): Die Ermittlung des Muskel-Speck-Verhältnisses mit Hilfe der Ultraschall-Meßtechnik zur Erfassung des Fleischanteils am lebenden Schwein.Landbauforschung Völkenrode, Sonderheft 145: 90-98.

Picaud, J.-Ch., J. Rigo, K. Nyamugabo, J. Milet, J. Senterre (1996): Evaluation of dual-energy X-ray absorptiometry for body-composition assessment and term human neonates. Am. J. Clin. Nutr. 63: 157-163.

Pierson, R.N., J. Wang, and J.C. Thornton (1997): Measurement of Body Composition: Applications in Hormone Research. Horm. Res. 48 (suppl. 1):56-62.

Pierson, R.N., J. Wang, and J.C. Thornton (2000): Body Composition Comes of Age: A Modest Proposal for the Next Generation. In: In Vivo Body Composition Studies, Editors: S. Yasumuru, J. Wang, and R.N. Pierson Jr., Ann. N. Y. Acad. Sci. 904: 1-11.

Pietrobelli, A., C. Formica, Z. Wang, and St. B. Heymsfield (1996): Dual-energy X-ray absorptiometry body composition model: review of physical concepts. Am. J. Physiol. 271: E941-E951.

Pietrobelli, A., D. Gallagher, R. Baumgartner, R. Ross, and St.B. Heymsfield (1998a): Lean R Value for DXA Two-component Soft-tissue Model: Influence of Age and Tissue or Organ Type. Appl. Radiat. Isot. 49: 743-744.

Pietrobelli, A., Z. Wang, C. Formica, and St.B. Heymsfield (1998b): Dual-energy X-ray absorptiometry: fat estimation errors due to variation in soft tissue hydration. Am. J. Phys. 274: E808-E816.

Pietsch, H. (1998): Kernspintomographische Untersuchungen der Bauchhöhle der Katze. Diss., Freie Univ. Berlin, Journal-Nr. 2217.

Pintauro, St.J., T.R. Nagy, Ch.M. Duthie, M.I. Goran (1996): Cross-calibration of fat and lean measurements by dual-energy X-ray absorptiometry to pig carcass analysis in the pediatric body weight range. Am. J. Clin. Nutr. 63: 293-298.

Plourde, G. (1997): The Role of Radiologic Methods in Assessing Body Composition and Related Metabolic Parameters. Nutrition Review 55: 289-296.

Polito, A., J. Parizkova, E. Toti, and A. Ferro-Luzzo (1994): The measurement of body composition by infrared interactance: an evaluation. Nutrition research (N.Y.) 14: 1165-1177.

Pomp, D. (1999): Animal models of obesity. Molecular Medicine Today 5: 459-460.

314


Porsch-Özçürümez, M.K. (1997): Vergleichende Untersuchung der Lipidstoffwechselparameter zwischen 35-64 jährigen deutschen und in Deutschland lebenden türkischen Teilnehmern einer Gesundheitsvorsorgeuntersuchung (Check-up 35). Dissertation, Justus-Liebig-Universität Gießen.

Preston T, P.J. Reeds, B.W. East, and P.H. Holmes (1985): A comparison of body protein determination in rats by in vivo neutron activation and carcass analysis. Clin. Sci. (Colch) 68: 349-355.

Price, Th.B. and J.C. Gore (1998): Effect of muscle glycogen content on exercise-induced changes in muscle T2 times. J. Appl. Physiol. 84: 1178-1184.

Price, Th.B., G. Perseghin, A. Duleba, W. Chen, J. Chase, D.L. Rothman, R.G. Shulman, and G.I. Shulman (1996): NMR studies of muscle glycogen synthesis in insulin-resistant offspring of parents with non-insulin-dependent diabetes mellitus immediately after glycogen-depleting exercise. Proc. Natl. Acad. Sci. (USA) 93: 5329-5334.

Prior, B.M., K.J.Cureton, Ch.M. Modlesky, E.M. Evans, M.A. Sloniger, M. Saunders, R.D. Lewis (1997): In vivo validation of whole body composition estimates from dual-energy X-ray absorptiometry. J. Appl. Physiol. 83: 623-630.

Prusa, K.J., Jane A. Love, and L.L. Christian (1989): Fat Content and Sensory Analysis of Selected Pork Muscles Taken from Carcasses with Various Backfat Levels. Journal of Food Quality 12: 135-143.

Puff, H. (1975): Genetische Parameter wichtiger Mast- und Schlachtleistungskriterien bei der Zuchtpopulation der Deutschen Landrasse in Niederbayern. Bayer. Landw. Jahrbuch 52/8: 956-975.

Purcell, E.M., H.C. Torrey, R.V. Pound (1946): Resonance absorption by nuclear magnetic moments in a solid. Phys. Rev. 69: 37-38.

Pursel, V.G., C.A. Pinkert, K.F. Miller, D.J. Bolt, R.G. Campell, R.D. Palmiter, R.L. Brinster and R.E. Hammer (1989): Genetic engineering of livestock. Science 244: 1281-1288.

Pursel, V.G., R.E. Hammer, D.J. Bolt, R.D. Palmiter and R.L. Brinster (1990): Integration, expression and germ-line transmission of growth-related genes in pigs. J. Reprod. Fert. Suppl. 41: 77-87.

Quiniou, N. and J. Noblet (1995): Prediction of Tissular Body Composition from Protein and Lipid Deposition in Growing Pigs. J. Anim. Sci. 73: 1567-1575.

Rathfelder, A. (1991): Beziehungen zwischen Muskelmorphologie, Fleischanteil, Fleischbeschaffenheit, und Stressresistenz bei verschiedenen Schweineherkünften. Dissertation, Hohenheim, 128 S.

Radda, G.K. (1992): Control, bioenergetics, and adaptation in health and disease: noninvasive biochemistry from nuclear magnetic resonance. FASEB J. 6: 3032-3038.

315


Radda, G.K., R.D. Oberhaensli, and Doris J. Taylor (1987): The Biochemsitry of Human Diseases as Studied by 31P NMR in Man and Animal Models. Ann. N. Y. Acad. Sci. 508: 300-308.

Raden, J. (1917): On the determination of functions from their integrals along certain mainfolds. Math. Phys. Klasse. 69: 262-277.

Radeff, T. (1930): Über den Calcium-, Phosphor- und Stickstoffansatz junger Tiere in der Säugezeit (nach Versuchen an Hund, Kaninchen, Schwein und Ziege) Arch. Tierernähr. Tierz. 3: 659-662.

Ramsay, T.G., X.Yan, and C. Morrison (1998): The Obesity Gene in Swine: Sequence and Expression of Porcine Leptin. J. Anim. Sci. 76: 484-490.

Rathfelder, A. (1991): Beziehungen zwischen Muskelmorphologie, Fleischanteil, Fleischbeschaffenheit und Sressresistenz bei verschiedenen Schweineherkünften. Diss., Univ. Hohenheim, 128 S.

Rehfeldt, Charlotte, N.C. Stickland, Ilse Fiedler and J. Wegner (1999): Environmental and Genetic Factors as Sources of Variation in Skeletal Muscle Fibre Number. Basic Appl. Myol. 9: 237-255.

Reichart, Ursula, R. Kappler, H. Scherthan, E. Wolf, M. Müller, G. Brem, and B. Aigner (2000a): Partial Leptin Receptor Gene Deletion in Transgenic Mice Prevents Expression of the Membrane-Bound Isoforms for Ob-Rc. Biochemical and Biophysical Research Communications 269: 496-501.

Reichart, Ursula, Ingrid Renner-Müller, A. Höflich, O. J. Müller, W.M. Franz, E. Wolf, M. Müller, G. Brem, and B. Aigner (2000b): Contrasting Obesity Phenotypes Uncovered by Partial Leptin Receptor Gene Deletion in Transgenic Mice. Biochemical and Biophysical Research Communications 269: 502-507.

Reiner, G., G. Moser, H. Geldermann, V. Dzapo (1999): Associations between c-myc protooncogene and carcass quality traits in the pig – evidence for epistasis with the ryr1-gene. J. Anim. Breed. Genet. 116: 253-261.

Reiser, Gabriele (1984): Erprobung verschiedener Methoden zur Schätzung von Varianzkomponenten aus Daten der Stationsprüfung beim Schwein. Diss., Univ. Hohenheim.

Reisner, K. (1996): Geschichte der bildgebenden Verfahren im Kopf-Hals-Bereich. Der Radiologe 36: 175-180.

Rempel, W.E., M.Y. Lu, S.E. Kandelgy, C.F.H. Kennedy, L.R. Irvin, J.R. Mickelson, and C.F. Loius (1993): Relative Accuracy of the Halothane Challenge test and a Molecular Genetic Test in Detecting the Gene for Porcine Stress Syndrome. J. Anim. Sci. 71: 1395-1399.

Rempel, W.E., M.Y. Lu, J.R. Mickelson, and C.F. Loius (1995): The effect of skeletal muscle ryanodine receptor genotype on pig performance and carcass quality traits. Animal Science 60: 249-257.

316


Rico, H., M. Revilla, L.F. Villa, D. Ruiz-Contreras, E.R. Hernandez, and M. A. de Buergo (1994): The Four-Compartment Models in Body Composition: Data From a Study With Dual-Energy X-Ray Absorptiometry and Near-Infrared Interactance on 815 Normal Subjects. Metabolism 43: 417-422.

Rieu, M. and J.P. van Ferneij (2001): Situation and perspectives of swine production in the European Union. Second International Virtual Conference on Pork Quality November, 05 to December, 06. http://www.conferencia.uncnet.br/pork/seg/pal/anais01p2_rieu_en.pdf

Rigo J., K. Nyamugabo, J.C. Picaud, P. Gerard, C. Pieltain, and M. De Curtis (1998): Reference values of body composition obtained by dual energy X-ray absorptiometry in preterm and term neonates. J. Pediatr. Gastroenterol. Nutr. 27: 184-190.

Rikimaru, T., T. Oozeki, M. Ichikawa, H. Ebisawa, and Y. Fujita (1989): Comparisons of urinary creatinine, skeletal muscle mass, and indices of muscle protein catabolism in rats fed ad libitum, with restricted food intake, and deprived of food. J. Nutr. Sci. Vitaminol. (Tokyo) 35: 199-209.

Ríos, E. and M.D. Stern (1997): Calcium in Close Quarters: Microdomain Feedback in Excitation-Contraction Coupling and Other Cell Biological Phenomena. Annu. Rev. Biophys. Biomol. Struct. 26: 47-82.

Rittler, A. (1969): Echolotmessungen als Hilfsmittel für die Zuchtwertschätzung beim Schwein. 3. Mitt.: Abschätzung des Fleisch- und Fettanteils aufgrund von Echolotmessungen am lebenden Schwein. Z. Tierzüchtg. Züchtgsbiol. 85: 78-89.

Rittler, A., P. Schoen, E. Schelper, D. Fewson (1964): Zur Frage der Genauigkeit von Echolot-Messungen am lebenden Schwein in verschiedenen Gewichtsabschnitten. Züchtungskunde 36: 159-168

Roberts, J.T., T. Burt, L. Gouylai, B. Chance, F. SrÈter, and J. Ryan (1983): Immediate uncoupling of high energy oxidative phosphorylation in muscle of malignant hyperthermic swine determined non-invasively by whole body 31P nuclear magnetic resonance. Anesthesiology 59: A230.

Roberts, S.A., A.L. Schaefer, A.C. Murray, L. Thibault (1998): Fall and winter hormone concentrations related to stress in pigs identified as normal and carrier for stress susceptibility. Chronobiol. Int. 15: 275-281.

Robinson, Susan W., Daniela M. Dinulescu, and R.D. Cone (2000): Genetic Models of Obesity and Energy Balance in the Mouse. Annu. Rev. Genet. 34: 687-745.

Roden, M and G.I. Shulman (1999): Applications of NMR Spectroscopy to study muscle glycogen metabolism in man. Annu. Rev. Med. 50: 277–290.

Roemmich, J.N., P.A. Clark, A. Weltman, and A.D. Rogol (1997): Alterations in growth and body composition during puberty. I. Comparing multicompartment body composition models. J. Appl. Physiol. 83: 927-935.

Rogdakis, E., E. Müller, Ch. Mailänder, und D. Fewson (1996): Selektionsexperiment beim Schwein zur Verbesserung der Schlachtkörper-zusammensetzung durch Zuchtwahl nach biochemischen Parametern oder

317

http://www.conferencia.uncnet.br/pork/seg/pal/anais01p2_rieu_en.pdf


Ultraschallmaßen. 1. Mitteilung: Versuchsanlage, direkte und indirekte Selektionseffekte. Züchtungskunde 68: 20-31.

Rogol, A.D. (1997): Body composition analysis during growth in children and adolescents. Current Opinion in Endocrinology and Diabetes 4: 77-79.

Rohrer, G.A. (2000): Identification of quantitative trait loci affecting birth characters and accumulation of backfat and weight in a Meishan-White Composite resource population. J. Anim. Sci. 78: 2547-2553.

Rohrer, G.A., and J.W. Keele (1998): Identification of Quantitative Trait Loci Affecting Carcass Composition in Swine: I. Fat Deposition Traits. J. Anim. Sci. 76: 2247-2254.

Rooyackers, O.E. and K.S. Nair (1997): Hormonal Regulation of Human Muscle Protein Metabolism. Annu. Rev. Nutr. 17: 457-485.

Romvári, R., M. Perényi, P. Horn (1994): In vivo measurement of total body fat content of broiler chickens by X-ray computerised tomography. Znan. Prak. Poljopr. Tehnol. 24: 215-220.

Romvári, R., G. Milisits, Zs. Szendrõ, P. Sørensen (1996): Non invasive method to study the body composition of rabbits by X-ray computerised tomography. World Rabbit Science 4: 219-224.

Romvári, R., Zs. Szendrõ, J.F. Jensen, P. Sørensen, G. Milisits, P. Bogner, P. Horn, J. Csapó (1998): Noninvasive measurement of body composition of two rabbit populations between 6 and 16 weeks of age by computer tomography. J. Anim. Breed. Genet. 115: 383-395.

Rose, B.S., W.P. Flatt, R.J. Martin, R.D. Lewis (1998): Whole body composition of rats determined by dual energy x-ray absorptiometry is correlated with chemical analysis. J. Nutr. 128: 246-250.

Ross, R., B. Goodpaster, D. Kelley, F. Boada (2000): Magnetic resonance imaging in human body composition research. From quantitative to qualitative tissue measurement. Ann. N. Y. Acad. Sci. 904: 12-17.

Roussel, R., P.G: Carlier, J.-J. Robert, G. Velho, and G. Bloch (1998): 13C/31P NMR studies of glucose transport in human skeletal muscle. Proc. Natl. Acad. Sci. (USA) 95: 1313-1318.

Rothfuss, Ursula (1981): Lipogene und lipolytische Parameter im Fettgewebe von Large White- und Pietrain-Schweinen in Abhängigkeit vom Mastgewicht. Dissertation, Universität Hohenheim.

Rothschild, M. (2001): Dissecting the genetic control of carcass merit and meat quality in the pig. J. Anim. Sci. 79 (Suppl. 1): 99.

Roubenoff, R., and J.J. Kehayias (1991): The meaning and measurement of lean body mass. Nutrition Reviews 49: 163-175.

Roubenoff, R., J.J Kehayias, B. Dawson-Hughes, and St.B. Heymsfield (1993): Use of dual-energy x-ray absorptiometry in body-composition studies: not yet a “gold standard”. Am. J. Clin. Nutr. 58: 589-591.

318


Rozeboom D.W., J.E. Pettigrew, R.L. Moser, S.G. Cornelius, S.M. el Kandelgy (1994): In vivo estimation of body composition of mature gilts using live weight, backfat thickness, and deuterium oxide. J. Anim. Sci. 72: 355-366.

Rozeboom, K.J., M.G. Thomas, L. Hillman, F. Chanetsa, R.J. Lipsey, D.H. Keisler (1998): Use of dual-energy x-ray absorptiometry in estimating the carcass composition of wether lambs. J. Anim. Sci. 76 (Suppl. 1): 149.

Ruusunen, M. and E. Poulanne (1997): Comparison of histochemical properties of different pig breeds. Meat Sci. 45: 119-125.

Ruten, W., E. Tholen, M. Rodehutscord, und W. Trappmann (1999): Beurteilung des Proteinaufwandes als mögliches Selektionskriterium in der Schweinezucht. Züchtungskunde 41: 277-292.

Ryde, S.J.S., J.L. Birks, W.D. Morgan, C.J. Evans, and J. Dutton (1993): A five-compartment model of body composition of healthy subjects assessed using in vivo neutron activation analysis. European Journal of Clinical Nutrition. 47:863-874.

Sajonski, H. und A. Smollich (1981): Zelle und Gewebe. S. Hirzel Verlag, Leipzig, pp. 278.

Salomon, F.V., G. Michel, B. Salomon, F. Gruschwitz (1981): Zur Fasertypisierung an Skelettmuskeln. Mh. Vet.-med. (Jena) 36: 349-359.

Salomon, F.V., G. Michel, F. Gruschwitz (1983): Zur Entwicklung von Fasertypenkomposition und Faserdurchmesser im M. longissimus des Hausschweines (Sus scrofa domesticus). Anat. Anz. (Jena) 154: 69-79.

Salomon, F.V., D. Bittorf, B. Wulf, F. Liebert, G. Gebhardt, G. von Lengerken und H. Pfeiffer (1988): Zum Einfluß unterschiedlicher Ernährungsintensität auf die Skelettmuskulatur des Schweines. Wiss. Z. Karl-Marx-Univ. Leipzig, Math.-Naturwiss. R. 37: 44-49.

Sardinha, L.B., T.G. Lohman, P.J. Teixeira, D.P. Guedes, and S.B. Going (1998): Comparison of air displacement plethysmography with dual-energy x-ray absorptiometry and 3 field methods for estimating body composition in middle-aged men. Am. J. Clin. Nutr. 68: 786-793.

SAS (1990): SAS / STATTM Guide for Personal Computers, Version 6, Fourth Edition, by SAS Institute Inc., Cary, NC, USA.

Sasaki, S., A.C. Clutter and D. Pomp (1996): Assignment of the porcine obese (leptin) gene to Chromosome 18 by linkage analysis of a PCR-based product. Mammalian Genome 7: 471-472.

Sather, A.P., A.K.W. Tong, and D.S. Harbison (1986): A Study of Ultrasonic Probing Techniques for Swine. I: The Effect of Operator, Machine and Site. Can. J. Anim. Sci. 66: 591-598.

Sather, A.P., A.K.W. Tong, and D.S. Harbison (1987): A Study of Ultrasonic Probing Techniques for Swine. II: Prediction of Carcass Yield from the Live Pig. Can. J. Anim. Sci. 67: 381-389.

Saxton, A.M. and E.J. Eisen (1984): Genetic Analysis of Brown Adipose Tissue, Obesity and Growth in Mice. Genetics 106: 705-718.

319


Schaller S., T. Flohr, P. Steffen (1996a): An Efficient Fourier Method for 3D Radon Inversion in Exact Cone-Beam CT Reconstruction. IEEE Medical Imaging Conference, Anaheim (CA), Nov. 7-9. http://www.nt.e-technik.uni-erlangen.de/~schaller/DFI_poster_html/title.html.

Schaller S., T. Flohr, P. Steffen (1996b): A new Approximate Algorithm for Image Reconstruction in Cone-Beam Spiral CT at small Cone-Angles. IEEE Medical Imaging Conference, Anaheim (CA), Nov. 7-9. http://www.nt.e-technik.uni-erlangen.de/~schaller/CFBP_poster_html/title.html.

Scheper, J und W. Scholz (1985): DLG-Schnittführung für die Zerlegung der Schlachtkörper von Rind, Kalb, Schwein und Schaf. Arbeitsunterlagen DLG, 31 Seiten.

Schild, H.H. (1990): MRI made easy. Schering AG, Berlin/ Bergkamen.

Schinckel, A.P., P.V. Preckel and M.E. Einstein (1996): Prediction of Daily Protein Accreation Rates of Pigs from Estimates of Fat-Free Lean Gain Between 20 and 120 Kilograms Live Weight. J. Anim. Sci. 74: 498-503.

Schinckel, A.P. and C.F.M. de Lange (1996): Characterization of Growth Parameters Needed as Inputs for Pig Growth Models. J. Anim. Sci. 74: 2021-2036.

Schlindwein, B. (1990): Untersuchungen über den Einfluss unterschiedlicher Selektionsmaßnahmen auf Lipolyse, Lipogenese und Fettzellparameter beim Schwein. Dissertation Hohenheim.

Schmidt, E. (1988): Analyse des Wachstums und seine Beziehungen zum Schlachtkörperwert beim Schwein. Diss. Kiel, Schriftenreihe des Institutes für Tierzucht und Tierhaltung der Christian-Albrechts-Universität zu Kiel, Heft 48: 118 S.

Schmidt, J., M. Freiin v. Schleinitz, E. Lagenau und C. Zimmermann (1931): Über die Zusammensetzung des Schweinekörpers. Archiv für Tierernährung und Tierzucht 5: 237-375.

Schmitten, F. (1993): Schweinefleischqualität in der Zuchtpraxis. Züchtungskunde 65: 455-467. Schmitten, F., A. Klingelhöller, K.H. Schepers, A. Festerling, H. Juengst (1986): Einfluss des Mastendgewichtes auf die Fleischbeschaffenheit beim Schwein. Züchtungskunde 58: 282-290.

Schmoetzer, G. (1998): Molekulare Onkologie - Grundbegriffe – Online-Textbook. http://home.t-online.de/home/schmoetzer-gruenstadt/onko_k3.htm

Schneider, M.R., H. Lahm, M. Wu, A. Hoeflich, and E. Wolf (2000): Transgenic mouse models for studying the functions of insulin-like growth factor-binding proteins. FASEB J. 14: 629-640. Schoelgens, C. (1998): NativeTM Tissue Harmonic Imaging. Der Radiologe 38: 420-423. Scholz, A. (1990): Züchterische Bewertung neuer Selektionskriterien beim Schwein: Magerfleisch-

320

http://home.t-online.de/home/schmoetzer-gruenstadt/onko_k3.htm


wachstumsrate, Magerfleischfutteraufwand und Restwachstumsrate. Diss., Humboldt-Universität zu Berlin.

Scholz, A. (1994): Quantitative Analyse von Magnet-Resonanz-Tomographie-Bildern zur Bestimmung der Körperzusammensetzung am lebenden Schwein. Landbauforschung Völkenrode; Sonderheft 145: 38-48.

Scholz, A. (1997): Videobildanalyse zur Bestimmung des Marmorierungsgrades im Kotelett mit Hilfe verschiedener SAS-Prozeduren. 1. Konferenz der SAS-Benutzer in Forschung und Entwicklung (KSFE), Humboldt-Universität zu Berlin, 20./21. Februar, 295-308. http://www.hu-berlin.de/rz/ksfe/inhalt.html

Scholz, A. (2001): Anwendungspotential der Dualenergie-Röntgenabsorptiometrie bei den Tierarten Schwein, Rind und Schildkröte. Vortragsunterlagen zum Kolloquium: “Entwicklungsstand nicht invasiver Messtechniken zur Erfassung der Körperzusammensetzung”, Institut für Tierzucht und Tierverhalten der FAL, Mariensee, 29.05.2001.

Scholz, A. und G. Triebler (1992): Zur Selektionswirkung der “biologischen” Indizes Magerfleischwachstumsrate und Magerfleischfutterverwertung bei zwei Schweinerassen. Züchtungskunde 64: 346-355.

Scholz, A. und T. Hardge (1994): Zum Einfluß von MHS-Genotyp und Genkonstruktion auf komplexe quantitative Merkmale der Mast- und Schlachtleistung sowie Fleischqualität beim Schwein. Arch. Tierzucht (Dummerstorf) 37: 245-256.

Scholz, A.M. and A.D. Mitchell (1996): Accuracy of in vivo body composition measurements comparing magnetic resonance imaging and dual energy x-ray absorptiometry. J. Animal Sci. 74 (Suppl. 1): 152

Scholz, A., U. Baulain, E. Kallweit (1993): Quantitative Analyse von Schnittbildern lebender Schweine aus der Magnet-Resonanz-Tomographie. Züchtungskunde 65: 206-215.

Scholz, A.M., A.D. Mitchell, P.C. Wang, H. Song and Z. Yan (1995a): Muscle and fat deposition of pigs with different ryanodine receptor genotypes from 10 to 90 kg body weight studied by means of Magnetic Resonance Imaging. J. Anim. Sci. 37 (Suppl. 1): 137.

Scholz, A. M., A. D. Mitchell, P. C. Wang, H. Song and Z. Yan (1995b): Muscle metabolism and body composition of pigs with different ryanodine receptor genotypes studied by means of 31P nuclear magnetic resonance spectroscopy and 1H magnetic resonance imaging. Arch. Tierzucht (Dummerstorf) 5: 539-552.

Scholz, A., Th. Paulke, H. Eger (1995c): Bestimmung des Marmorierungsgrades beim Schwein - Einsatz der computergestützten Videobildanalyse. Fleischwirtschaft 75: 320-322.

Scholz, A.M., A.D. Mitchell, H. Song and P.C. Wang (1998): In vivo glycogen and phosphate metabolism in relation to body composition in young pigs of different genotypes studied by nuclear magnetic resonance techniques. Proceedings of the 6th World Congress on Genetics Applied to Livestock Production. January 11 - 16, Armidale, NSW, Australia; V. 25: 125-128.

321

http://www.hu-berlin.de/rz/ksfe/inhalt.html


Scholz, A., S. Nüske, P. Soffner und M. Förster (2001): Dualenergie-Röntgenabsorptiometrie-Untersuchungen zur Körperzusammensetzung und Knochenmineralisierung bei neugeborenen Kälbern unterschiedlicher genetischer Herkunft. Kurzfassungen Vortragstagung der DGfZ und GFT am 12./13.09.2001 in Weihenstephan, A22.

Schoppmeyer, A., I. Fiedler, M. Hartung, G. Dietl, K. Ender (2001): Untersuchungen zur Mikrostruktur des M. longissimus bei fünf Schweinerassen unter Berücksichtigung histopathologischer Fasern. Kurzfassungen Vortragstagung der DGfZ und GFT am 12./13.09.2001 in Weihenstephan, D24.

Schöberlein, L. (1976): Die Schußbiopsie – eine neue Methode zur Entnahme von Muskelproben. Mh. Vet.-Med., Jena 31: 457-460.

Schönmuth, G. (1987): Leistungszucht und Tiergesundheit. Arch. Tierzucht (Dummerstorf) 30: 7-14.

Schönmuth, G. (1988): Kombination von Fleischansatz und Belastbarkeit. In: Biologische Grundlagen der Fleischerzeugung und –bewertung, Tagungsbericht der Akademie der Landwirtschaftswissenschaften der DDR, Berlin, 268: 17-26.

Schubert, H. (1998): Radiologische Diagnoseverfahren. http://www.klinikum.rwth-aachen.de/cbt/radiologie/skript/index.html

Schulte Spechtel, M.-T., H.-H. Wesemeier, U. Baulain, M. Henning, F. Ellendorf (1997): A Magnetic Resonance Tomographic Atlas of the Turkey (Meleagris gallopavo). Landbauforschung Völkenrode, Sonderheft 179: 79 S.

Schulze, V., R. Röhe, H. Looft und E. Kalm (1998): Möglichkeiten der züchterischen Verbesserung des Exterieurs beim Schwein unter besonderer Berücksichtigung des Fundaments. Züchtungskunde 70: 43-60.

Schwaiger, M. (1997): Radioaktivität - medizinische Anwendungen. In: Forschung mit Neutronen - Nutzen für die Medizin in Diagnose und Therapie. Dokumentation der Technischen Universität München zur Neuen Forschungs-Neutronenquelle Garching - FRM-II. http://www.frm2.tu-muenchen.de/d/medizin/medizin.htm

Schwerin, M. (1994): Molekulare Genomanalyse in der Tierzucht. Arch. Tierzucht (Dummerstorf) 37 (Sonderheft): 107-112.

Schwörer, D., A. Rebsamen (1990a): Zucht auf genussreiches Schweinefleisch. Der Kleinviehzüchter 38: 1469-1478.

Schwörer, D., A. Rebsamen (1990b): Zucht auf gute Fleischbeschaffenheit durch Berücksichtigung des Gehaltes an intramuskulärem Fett. Schweinezucht und Schweinemast 38: 173 - 176.

Schwörer, D., P. Morel, A. Rebsamen (1987): Selektion auf intramuskuläres Fett beim Schwein. Tierzüchter 39: 392 - 394.

322

http://www.klinikum.rwth-aachen.de/cbt/radiologie/skript/index.html

http://www.frm2.tu-muenchen.de/d/medizin/medizin.htm


Schwörer, D., P. Morel, A. Rebsamen (1990): Bedeutung der chemischen Zusammensetzung der Fettgewebe für die Schweinezucht. Der Kleinviehzüchter 38: 297 - 309.

See, M.T. (1994): Heterogeneity of variance amongst swine herds for backfat. Proc. 5th World Congress on Genetics Applied to Livestoc Production. Vol. 17: 409-412.

See, M.T. and C.M. Stanislaw (1994): Estimating carcass lean in the live animal. In: Animal Science Facts, ANS 94-803S. http://mark.asci.ncsu.edu/breeding/803s.htm oder http://mark.asci.ncsu.edu/Publications/factsheets/803s.htm

Sehested, E. (1983): Computerized Tomography of Sheep. CEC Meeting: In Vivo Measurement of Body Composition in Meat Animals, Bristol, UK, November 30 - December 1.

Sehested, E. (1986): In-Vivo prediction of lamb carcass composition by computerized tomography. PhD Thesis, Ås-NLH, Norway, pp 81.

Sehested, E. and O. Vangen (1988): Computer Tomography, A Non-Destructive Method of Carcass Evaluation. VI World Conference on Animal Production, Helsinki, Finland, 27th June -1st July, 5 pp.

Seidemann, S.C., J.D. Crouse and H.J. Mersmann (1989): Carcass, muscle and meat characteristics of lean and obese pigs. J. Anim. Sci. 67: 2950-2955.

Selberg, O. und W. Burchert (1997): Die Positronen-Emissions-Tomographie in der Untersuchung des Muskelstoffwechsels. Akt. Ernähr.-Med. 22: 260-265.

Sheng, H.-P. (1988): Methodologies for Measuring Body Composition in Humans. In: “Designing Foods: Animal Product Options in the Marketplace”, National Academy Press, Washington, DC, 242-250. http://books.nap.edu/books/0309037956/html/R1.html

Sheng, H.P., R.A. Huggins, C. Garza, H.J. Evans, A.D. LeBlanc, B.L. Nichols, P.C. Johnson (1981): Total body sodium, calcium, and chloride measured chemically and by neutron activation in guinea pigs. Am. J. Physiol. 241: R419-422.

Sheng, H.-P., A.L. Adolph, E. O’Brien Smith, and C. Garza (1988): Body Volume and Fat-Free Mass Determinations by Acoustic Plethysmography. Pediatr. Res. 24: 85-89.

Shields, R.G. Jr., D.C. Mahan, P.L. Graham (1983): Changes in swine body composition from birth to 145 kg. J. Anim. Sci. 57: 43-54.

Shomer, N.H., C.F. Louis, and M. Fill (1993): Reconstitution of abnormalities in the malignant hyperthermia-susceptible pig ryanodine receptor. Am. J. Physiol. 264: C125-C135.

Shulman, G.I. (1997): Nuclear Magnetic Resonance Studies of Liver and Muscle Glycogen Metabolism in Humans. In: Emerging Technologies for Nutrition Research: Potential for Assessing

323

http://mark.asci.ncsu.edu/breeding/803s.htm

http://mark.asci.ncsu.edu/Publications/factsheets/803s.htm



Military Performance Capability (Eds.: S.J. Carlson-Newberry and Rebecca B. Costello), National Academy Press, Washington, DC, 259-272.

Shulman, R.J. (1993): The piglet can be used to study the effects of parenteral and enteral nutrition on body composition. J. Nutr. 123: 395-398.

Siconolfi, St.F., R.J. Gretebeck, and W.W. Wong (1995): Assessing total body protein, mineral, and bone mineral content from total body water and body density. J. Appl. Physiol. 79: 1837-1843.

Siebrits, F.K., E.H. Kemm, M.N. Ras and P.M. Barnes (1986): Protein deposition in pigs as influenced by sex, type and livemass. 1. The pattern and composition of protein deposition. S. Afr. J. Anim. Sci. 16: 23-27.

Siegrist-Kaiser, C.A., V. Pauli, C.E. Juge-Aubry, O. Boss, A. Pernin, W.W. Chin, I. Cusin, F. Rohner-Jeanrenaud, A.G. Burger, J. Zapf, and C.A. Meier (1997): Direct effects of leptin on brown and white adipose tissue. J. Clin. Invest. 100: 2858-2864.

Siemens A.L., R.J. Lipsey, W.M. Martin, M.G. Siemens, and H.B. Hedrick (1991): Composition of pork carcasses by potassium-40 liquid scintillation detection: estimation and validation. J. Anim. Sci. 69: 47-53.

Siervogel, R.M., W. Wisemandle, L.Michele Maynard, Sh.S. Guo, A.F. Roche, W.C. Chumlea, B. Towne (1998): Serial Changes in Body Composition Throughout Adulthood and Their Relationships to Changes in Lipid and Lipoprotein Levels - The Fels Longitudinal Study. Arterioscler. Thromb. Vasc. Biol. 18: 1759-1764.

Simm, G. (1994): Developments in improvement of meat sheep. Proc. 5th World Congress on Genetics Applied to Livestock Production, Guelph, Canada, Vol. 18: 3-10.

Simmen, F.A., L. Badinga, M.L. Green, I. Kwak, S. Song, and R.C.M. Simmen (1998): The Porcine Insulin-Like Growth Factor System: At the Interface of Nutrition, Growth and Reproduction. J. Nutr. 128: 315S-320S.

Siri, W.E. (1956): The gross composition of the body. In: Advances in Biological and Medical Physics. (C.A. Tobias and J.H. Lawrence eds.) 4: 239-280, Academic Press New York, NY, USA.

Siwek, Rosemarie A., L. Burkinshaw, C.B. Oxby, and P.A.J. Robinson (1984): Multi-element analysis of the obes subject by in vivo neutron activation analysis. Phys. Med. Biol. 29: 687-701.

Skjervold, H., K. GrØnseth, O. Vangen and A. Evensen (1981): In vivo estimation of body composition by computerized tomography. Z. Tierzüchtg. Züchtgsbiol. 98: 77-79.

Smidt, D. (1992): Schwerpunkte und Entwicklungstendenzen in der Nutztierforschung. Arch. Tierzucht (Dummerstorf) 35: 143-159.

Smidt, D., U. Baulain, M. Henning, E. Kallweit (1990): Anwendungsperspektiven der MR-Tomographie in der Tierzuchtforschung. Tag.-Ber., Akad. Landwirtsch.-Wiss. DDR, 287: 191-195.

324


Smidt, D., U. Baulain, M. Henning, E. Kallweit (1991): Magnetische Resonanztomographie ( MRT) in der morphologisch orientierten Nutztierforschung. Wien. Tierärztl. Mschr. 78: 97-104.

Smith B.S., W.R. Jones, J.D. Hough, D.L. Huffman, W.B. Mikel, D.R. Mulvaney (1992): Prediction of carcass characteristics by real-time ultrasound in barrows and gilts slaughtered at three weights. J. Anim. Sci. 70: 2304-2308.

Smith, C. and P.R. Bampton (1977): Inheritance of reaction to halothane anaesthesia in pigs. Genet. Res. 29: 287-292.

Smith, C. and D.B. Smith (1993): The need for close linkage in marker-assisted selection for economic merit in livestock. Animal Breeding Abstracts 61: 197-204.

Smith, S.A., S.J. Montain, R.P. Matott, G.P. Zientara, F.A. Jolesz, R.A. Fielding (1998): Creatine supplementation and age influence muscle metabolism during exercise. J. Appl. Physiol. 85: 1349-1356.

Snijder, M.B., B.E. Kuyf, and P. Deurenberg (1999): Effect of body build on the validity of predicted body fat from body mass index and bioelectrical impedance. Ann. Nutr. Metab. 43: 277-285.

Solomon, M.B. and M.C. Dunn (1988): Simultaneous Histochemical Determination of Three Fiber Types in Single Sections of Ovine, Bovine, and Porcine Skeletal Muscle. J. Anim. Sci. 66: 255-264.

Solomon, M.B., R.G. Campbell, and N.C. Steele (1990): Effect of sex and exogenous porcine somatotropin on longissimus muscle fiber characteristics of growing pigs. J. Anim. Sci. 68: 1176-1181.

Soffner, P., A. Scholz, S. Nüske, M. Förster (2000): Erste Ergebnisse von Wachstumstudien am Schwein mit Hilfe der Dualenergie-Röntgenabsorptiometrie am Lehr- und Versuchsgut Oberschleißheim. DGfZ/GfT-Vortragstagung in Kiel, 20./21. September, A02.

Soffner, P., A. Scholz, E. Littmann, W. Peschke und M. Förster (2001): Untersuchungen zur Genauigkeit der Dualenergie-Röntgenabsorptiometrie für die Schlachtkörperanalyse beim Schwein anhand der EU-Referenzzerlegung. DGfZ/GfT-Gemeinschaftstagung, 12./13. September, Weihenstephan, D25.

Sonesson, A.K., K.H. de Greef, T.H.E. Meuwissen (1998): Genetic parameters and trends of meat quality, carcass composition and performance traits in two selected lines of Large White pigs. Livest. Prod. Sci. 57: 23-32.

Sonstegard, T.S., Rohrer, G.A., and Smith, T.P.L. (1998): Myostatin maps to porcine chromosome 15 by linkage and physical analyses. Animal Genetics 29:19-22.

Sorrentino, V., Virginia Barone, and Daniela Rossi (2000): Intracellular Ca2+ release channels in evolution. Current Opinion in Genetics & Development 10: 662-667.

Sosnicki, A. (1987): Histopathological observation of stress myopathy in M. longissimus in the pig and

325


relationships with meat quality, fattening and slaughter traits. J. Anim. Sci. 65: 584-596.

Sönnichsen, Monika, A. Dobrowolski und R. Höreth (2001): Videobildauswertung an Schweineschlachtkörpern und Schlachtkörperanschnitten. Kurzfassungen der Fachvorträge, 36. Kulmbacher Woche, 8./9. Mai 2001. http://www.bfa-fleisch.de/36wochekurz.htm#Videobildauswertung

Spady, D.W., L.J. Filipow, T.R. Overton, W.A. Szymanski (1986): Measurement of total body potassium in premature infants by means of a whole-body counter. J. Pediatr. Gastroenterol. Nutr. 5: 750-755.

Speakman, J.R., D. Booles and R. Butterwick (2001): Validation of dual energy X-ray absorptiometry (DXA) by comparison with chemical analysis of dogs and cats. Intl. J. Obesity 25: 439-447.

Speer, V.C. (1988): Altering Carcass Measurements and Composition of the Pig. In: Designing Foods: Animal Product Options in the Marketplace. National Academy Press, Washington, DC: 273-277. http://books.nap.edu/books/0309037956/html/R1.html Spurlock, M.E., G.R. Frank, St.G: Cornelius, S. Ji, G.M. Willis, and Ch.A. Bidwell (1998): Obese Gene Expression in Porcine Adipose Tissue is reduced by Food Deprivation but not by Maintenace or Submaintenance Intake. J. Nutr. 128: 677-682.

Stalder, K.J., J. Maya, L.L. Christian, S.J. Moeller, and K.J. Prusa (1998): Effects of Preslaughter Management on the Quality of Carcasses from Porcine Stress Syndrome Heterozygous Market Hogs. J. Anim. Sci. 76: 2435-2433.

Standal, N. (1992): Live sheep evaluation using computerized tomography and other sophisticated methods. 43rd Annual Meeting of the EAAP, Madrid, 13-17 September, (paper copy) 9 p.

Stanford, K., S.D.M. Jones, M.A. Price (1998a): Methods of predicting lamb carcass composition: A review. Small Ruminant Research 29: 241-254.

Stanford, K., R.J. Richmond, S.D.M. Jones, W.M: Robertson, M.A. Price, and A.J. Gordon (1998b): Video image analysis for on-line classification of lamb carcasses. Animal Science 67: 311-316.

Steele, N.C. and L.T. Frobish (1976): Selected lipogenic enzyme activities of swine adipose tissue as influenced by genetic phenotype, age, feeding frequency and dietary energy source. Growth 40: 369-378.

Stern, S., L. Rhydmer, N. Lundeheim, P-E. Nyström, K. Johansson, and K. Andersson (1994): Performance, Puberty and Carcass Traits of Pigs Selected for High Lean Tissue Growth Rate on High or Low Protein Diets. Proc. 5th World Congr. Genet. Appl. Live. Prod., Guelph, Vol. 19: 49–52.

326

http://www.bfa-fleisch.de/36wochekurz.htm



Stiewe, H. (1986): Futteraufnahme und Futterverwertung – Die richtigen Tiere zur Mast einstellen. Schweinezucht und Schweinemast 10: 308-310 und 11: 348-351.

Stouffer, J.R., M.V. Wallentine, G.H. Wellington, and A. Diekmann (1961): Development and application of ultrasonic methods for measuring fat thickness and rib-eye area in cattle and hogs. J. Anim. Sci. 20: 759-767.

Stouffer, J.R. (1991): Using Ultrasound to Objectively Evaluate Composition and Quality of Livestock. 21st Century Concepts Important to Meat-Animal Evaluation, University of Wisconsin, Madison, WI: 49-54.

Streitz, E. (1995): Schätzung der Körperzusammensetzung wachsender Lämmer mit Hilfe der Magnet-Resonanz-Tomographie (MRT). Diss. Georg-August-Universität Göttingen, Landbauforschung Völkenrode, Sonderheft 156: 109 S.

Streitz, E., U. Baulain und E. Kallweit (1995): Untersuchungen zur Körperzusammensetzung wachsender Lämmer mit Hilfe der Magnet-Resonanz-Tomographie (MRT). Züchtungskunde 67: 392-403.

Strosberg, A.D. and T. Issad (1999): The involvement of leptin in humans revealed by mutations in leptin and leptin receptors. TiPS 20: 227-230.

Stroud, M.A., P. Ritz, W.A. Coward, M.B. Sawyer, D. Constantin-Teodosiu, P.L. Greenhaff, I.A. Macdonald (1997): Energy expenditure using isotope-labelled water (2H2 18O), exercise performance, skeletal muscle enzyme activities and plasma biochemical parameters in humans during 95 days of endurance exercise with inadequate energy intake. Eur. J. Appl. Physiol. 76: 243-252.

Sudi, K.M., R. Möller, E. Tafeit, K. Vrecko, R. Horejsi, G. Reibneger, P. Hofmann (1998): Die Beschreibung der subkutanen Fett-Topographie (SFTop) mittels Lipometer als Bindeglied zu traditionellen Bestimmungsmethoden der Körperzusammensetzung. Eine kritsiche Übersicht zu einem neuen Verfahren. Deutsche Zeitschrift für Sportmedizin 49: 46-52.

Sunoo, S., K. Asano, F. Mitsumori (1996): 31P nuclear magnetic resonance study on changes in phosphocreatine and intracellular pH in rat skeletal muscle during exercise at various inspired oxygen contents. Eur. J. Appl. Physiol. 74: 305-310.

Susenbeth, A. and K. Keitel (1988): Partition of Whole Body Protein in Different Body Fractions and Some Constants in Body Composition in Pigs. Livest. Prod. Sci. 20: 37-52.

Suster, D., B.J. Leury, J.D. Wark, D.J. Kerton, E. Ostrowska, and F. Dunshea (2000): Dual energy X-ray absorptiometry accurately predicts whole body and carcass composition in pigs. J. Anim. Sci. 78 (Suppl. 1) /J. Dairy Sci. 83 (Suppl. 1): 145.

Sutcliffe, J.F. (1996): A review of in vivo experimental methods to determine the composition of the human body. Phys. Med. Biol. 41:791-833.

327


Sutcliffe, J.F., A.H. Smith, M.C.J. Barker, and M.A. Smith (1993): A theoretical analysis using ratios of the major elements measured by neutron activation analysis to derive total body water, protein, and fat. Med. Phys. 20: 1129-1134.

Sutcliffe, J.F., S.W. Smye, and M.A. Smith (1995): A further assessment of an electromagnetic method to measure body composition. Phys. Med. Biol. 40: 659-670.

Suzuki, H., J.D. Rounds, and D.W. Wilmore (1996): Does multifrequency bioelectrical impedance relate to body composition? J. Surg. Res. 65: 63-69.

Svendson, O.L., J. Haarbo, Ch. Hassager, C. Christiansen (1993): Accuracy of measurements of body composition by dual-energy x-ray absorptiometry in vivo. Am. J. Clin. Nutr. 57: 605-608.

Swantek, P.M., J.D. Crenshaw, M.J. Marchello, H.C. Lukaski (1992): Bioelectrical impedance: A nondestructive method to determine fat-free mass of live market swine and pork carcasses. J. Anim. Sci. 70: 169-177.

Swantek, P.M., M.J. Marchello, J.E. Tilton, J.D. Crenshaw (1999): Prediction of fat-free mass of pigs from 50 to 130 kilograms live weight. J. Anim. Sci. 77: 893-897.

Swatland, H.J. (1993): Growth Physiology and Post-mortem Metabolism in Porcine Muscle. In: Pork Quality: Genetic and Metabolic Factors (Eds.: E. Poulanne, D.J. Demeyer, M. Ruusunen and S. Ellis), CAB International, Wallingford, UK: 115-139.

Swatland, H.J. (1994): Structure and Development of Meat Animals and Poultry (2nd edition). Technomic Publishing, Lancaster, PA, USA.

Swensen K., M. Ellis, M.S. Brewer, J. Novakofski, F.K. McKeith (1998): Pork carcass composition: I. Interrelationships of compositional end points. J. Anim. Sci. 76: 2399-2404.

Szabo, G., G. Dallmann, G. Müller, L. Patthy, M. Soller, L. Varga (1998): A deletion in the myostatin gene causes the compact (Cmpt) hypermuscular mutation in mice. Mammalian Genome 9: 671-672.

Szabo, Cs., M.W. Verstegen, L. Babinszky, A.J.M. Jansman, O. Vangen, E. Kanis, P. Horn, R. Romvari, I: Takacs (1998): The possibility to estimate protein and fat content of pigs by computer tomography. J. Anim. Sci. 76 (Suppl. 1): 167.

Szabo, Cs., L. Babinszky, M.W.A. Verstegen, O. Vangen, A.J.M. Jansman, and E. Kanis (1999): The application of digital imaging techniques in the in vivo estimation of the body composition of pigs: a review. Livest. Prod. Sci. 60: 1-11.

Szendrõ, Zs., Horn, P., Kövér, Gy., Berényi, E., Radnai, I., Bíróné Németh, E. (1992): In vivo measurment of the carcass traits of meat type rabbits by X-ray computerised tomography. J. Appl. Rabbit. Res. 15: 799-809.

328


Talbot, C., T. Preston, B.W. East (1986): Body composition of Atlantic salmon (Salmo salar L.) studied by neutron activation analysis. Comp. Biochem. Physiol. A 85: 445-450.

Tang, H., J. Vasselli, E. Wu, and D. Gallagher (2000): In vivo determination of body composition of rats using magnetic resonance imaging. Ann. N. Y. Acad. Sci. 904: 32-41.

Taylor, D.J., P. Styles, P.M. Mathews, D.L. Arnold, D.G. Gadian, P. Bore, G.K. Radda (1986): Energetics of human muscle: exercise-induced ATP depletion. Magn. Reson. Med. 3: 44-54.

Te Pas, M.F.W., A. Soumillion, F. L. Harders, F. J. Verburg, T. J. van den Bosch, P. Galesloot, and T.H.E. Meuwissen (1999): Influences of Myogenin Genotypes on Birth Weight, Growth Rate, Carcass Weight, Backfat Thickness, and Lean Weight of Pigs. J. Anim. Sci. 77: 2352–2356.

Terada, K., T. Miura, N. Kikuchi (1997): Digital image-based modeling applied to the homogenization analysis of composite materials. Computational Mechanics 20: 331-346.

Tess, M.W., G.E. Dickerson, J.A. Nienaber and C.L. Ferrell (1986): Growth, development and body composition in three genetic stocks of swine. J. Anim. Sci. 62: 968-979.

Thaller, G., L. Dempfle, Anna Schlecht, Sabine Wiedemann, H. Eichinger and R. Fries (2000): Effects of the MHS locus on growth, carcass and meat quality traits in F2 crosses between Mangalitza and Piétrain breeds. Arch. Tierz. (Dummerstorf) 43: 263-275.

Thielebein, J. (1994): Kernspintomographie an einem juvenilen Kragenbären nach Schädelimpressionsfraktur. Verh.ber. Erkrg. Zootiere 36: 175-180.

Thiet, W. und U. Baulain (1992): Technik und Anwendungsmöglichkeiten der Kernspintomographie beim Hund. Kleintierpraxis 37: 695-700.

Tholen, E., W. Peschke, U. Baulain und K. Schellander (1998a): Objektive Erfassung des Fleischanteils im Schweinebauch. 1. Mitteilung: Entwicklung von Schätzgleichungen aus Schlachtkörpermaßen. Züchtungskunde 70: 196-204.

Tholen, E., W. Peschke, U. Baulain und K. Schellander (1998b): Fleischanteil im Bauch objektiv erfassen. Schweinezucht und Schweinemast 46/4: 12-14.

Thomas, E. Louise, N. Saeed, J.V. Hajnal, A. Brynes, A.P. Goldstone, G. Frost, and J.D. Bell (1998): Magnetic resonance imaging of total body fat. J. Appl. Phys. 85: 1778-1785.

Thompson, J.M. and B.P. Kinghorn (1992): CATMAN - A program to measure CAT-Scans for prediction of body composition in live animals. Proc. of the 10th Conf. of Austr. Ass. of Animal Breeding and Genetics, Rockhampton, Australia, 5 pp.

329


Thompson, J.M., B.P. Kinghorn and R.G. Banks (1996): Application of non-invasive techniques for carcass evaluation in breeding. 47th Annual Meeting of the EAAP, Lillehammer, Norway, August 25-29, 8 pp.

Thompson, A., A. Damyanovich, Annie Madapallimattam, D. Mikalus, Johane Allard, and Khursheed N. Jeejeebhoy (1998): 31P-nuclear magnetic resonance studies of bioenergetic changes in skeletal muscle in malnourished human adults. Am. J. Clin. Nutr. 67: 39–43.

Tibau, J., J. Soler, X. Puigvert, M. Gispert, X. Cufi, A. Sanchez (1996): INVIVO: A software application for carcass evaluation in live pigs. 47th Annual Meeting of the EAAP, August, Lillehammer, Norway, (paper copy, 6 pages).

Tölli, J., B.-Å. Bengtson, I. Bosaeus, G. Johansson, and M. Alpstein (1998): A Comparison of Different Methods to Measure Body Composition in Patients. Appl. Radiat. Isot. 49: 469-472.

Topel, D.G. and R. Kauffman (1988): Live Animal and Carcass Measurement. In: Designing Foods: Animal Product Options in the Marketplace. National Academy Press, Washington, DC, pp. 258-272. http://books.nap.edu/books/0309037956/html/R1.html Tothill, P., A. Avenell, J. Love, and D.M. Reid (1994): Comparisons between Hologic, Lunar and Norland dual-energy X-ray absorptiometers and other techniques used for whole-body soft tissue measurements. European Journal of Clinical Nutrition 48: 781-794.

Tothill, P., W.J. Hannan, S. Cowen, C.P. Freeman (1997): Anomalies in the Measurement of Changes in Total-Body Bone Mineral by Dual-Energy X-Ray Absorptiometry During Weight Change. Journal of Bone and Mineral Research 12: 1908-1921.

Tornsten, A., A. Wraith, D. Larhammer, and B.P. Chowdhary (1998): FISH mapping of the porcine NPY5 gene to chromosome 8p11. Mammalian Genome 9: 262-263.

Toussant, J.-F., K.K. Kwong, F. M’Kparu, R.M. Weisskopf, P.J. LaRaia, and H.L. Kantor (1996): Interrelationship of oxidative metabolism and local perfusion demonstrated by NMR in human skeletal muscle. J. Appl. Physiol. 81: 2221-2228.

Towner, R.A., A. Lirette, R.J. Etches, S. Chu, A. Rath, J. Millam, B. Cutler (1991): Phosphorous-31 Localized Spectroscopy of growing chicken embryos (Days 2-19). Proc. 12th Symposium Energy Metabolism of Farm Animals, Kartause Ittingen, Switzerland, 1-7 September: 234-237.

Trattnig, S., G. Kontaxis, M. Breitenseher, Ch. Czerny, Th. Rand, K. Turetschek, M. Barth, und H. Imhof (1997): MRT auf Niederfeldtomographen (0,2 Tesla): Ein quantitativer Vergleich mit einem Gerät mittlerer Feldstärke (1,0 Tesla). Der Radiologe 37: 773-777.

Treitl, U. (1996): Applicability of the dilution method using D2O to determine body composition of growing kids. Proc. 47th Annual Meeting of the EAAP, Lillehammer, Norway, August 25-29, 277.

330



Treitl, U. (1998): Untersuchungen zur Bestimmung der Körperzusammensetzung wachsender Ziegenlämmer in vivo mit Hilfe der D20-Verdünnungsmethode. Diss. Humboldt-Universität zu Berlin.

Trippo, U. (2000): Körperbau, Körperzusammensetzung und Ernährungsgewohnheiten bei Erwachsenen in Abhängigkeit von Alter und Geschlecht. Diss., Universität Potsdam.

Tschümperlin, K. (1996): Schätzung der Körperzusammensetzung am lebenden Rind. Thesis, Nr. 11447, ETH Zürich, Schweiz.

Tuchscherer, Margret und G. Manteuffel (2000): Die Wirkung von psychischem Streß auf das Immunsystem. Ein weiterer Grund für tiergerechte Haltung (Übersichtsreferat). Arch. Tierzucht (Dummerstorf) 43: 547-560.

Uhrin, P. and Liptaj, T. (1990): 31P-NMR study of metabolism of the pig muscles post mortem. Proc. 41st Annual Meeting of European Association of Animal Production, Toulouse, July, 9-12: 312.

Ulin, K. and R.G. Zamenhof (1986): Measurement of total-body oxygen, nitrogen, and carbon in vivo by photon activation analysis. Med. Phys. 13: 887-897.

Valle-Zarate, Anne (1981): Schätzung von Populationsparametern für die Futteraufnahme bei Schweinen der Deutschen Landrasse. Diss. Univ. Hohenheim.

Van Betteray, K. (1994): Einsatz des Ultraschall-B-Scan-Verfahrens in der Schlachtindustrie. Landbauforschung Völkenrode, Sonderheft 145: 74-78.

Van den Bergh, A., S. Houtman, A. Heerschap, Nancy J. Reherer, H.J. van den Boogert, B. Oeseburg, and Maria T.E. Hopman (1996): Muscle glycogen recovery after exercise during glucose and fructose intake monitored by 13C-NMR. J. Appl. Physiol. 81: 1495-1500.

Van den Thillart, G., F. Körner, A. van Waarde, C. Erkelens, and J. Lugtenburg (1989): A Flow-Through Probe for in Vivo 31P NMR Spectroscopy of Unanesthetized Aquatic Vertebrates at 9,4 Tesla. J. Magn. Resonance 84: 573-579.

Van Erp, A.J.M, F. Gerbens, J.H. Veerkamp, M.F.W. te Pas, J.W.M. Merks and T.H.E. Meuwissen (1997): Effects of fatty acid-binding protein (H-FABP) on intramuscular fat and other production traits in pigs. 48th Annual Meeting of the European Association for Animal Production, Book of Abstracts No. 3: 4.

Van Logtestijn, J.G. und W. Sybesma (1967): Muskel- und Fleischdegenerationen bei Schweinen. Dtsch. Tierärztl. Wschr. 74: 377-385.

Van Steenbergen, E. J. (1990): Relevance of exterior appraisal in pig breeding. Doctoral thesis, Wageningen, Netherlands.

Van Waarde, A., G. van den Thillart, C. Erkelens, A. Addink, and J. Lugtenburg (1990):

331


Functional Coupling of Glycolysis and Phosphocreatine Utilization in Anoxic Fish Muscle – AN IN VIVO 31P NMR STUDY. J. Biol. Chem. 265: 914-923.

Vangen, O. (1988a): X-Ray CT for Body Composition. In: E. Kallweit - M. Henning - E. Groeneveld ”Application of NMR Techniques on the Body Composition of Live Animals”. - EC-Seminar, Mariensee, 14-15 June, Elsevier Applied Science, London, New York: 91-99.

Vangen, O. (1988b): Experience from several years of using computerized tomography (CT) in animal breeding research. Proc. VI World Conference on Animal Production, Helsinki, Finland, 27th June - 1st July, P4.37.

Vangen, O. (1992): Assessing body composition of pigs by computer assisted tomography. Pig News and Information 13: 159N-162N.

Vangen, O. and H. Enting (1990): Intramuscular fat in different Duroc-crosses estimated by computerized tomography (CT). Proc. Seminar on Meat Quality in Slaughter Animals, NJF-Seminar 183: 243-252.

Vangen, O. and J.M. Thompson (1992): The use of CAT-scanning to measure maintenance efficiency in genetic lines of sheep. 43rd Annual Meeting of the EAAP, Madrid, 14-17 September, 10 pp.

Vangen, O. and N.B. Jopson (1996): Research application of non-invasive techniques for body composition. 47th Annual Meeting of the EAAP, Lillehammer, Norway, August 25-29, 8 pp.

Varga, L., G. Szabó, A. Darvasi, G. Müller, M. Sass, and M. Soller (1997): Inheritance and Mapping of Compact (Cmpt), a New Mutation Causing Hypermuscularity in Mice. Genetics 147: 755-764.

Vartsky, D., K.J. Ellis, S.H. Cohn (1979): In vivo measurement of body nitrogen by analysis of prompt gammas from neutron capture. J. Nucl. Med. 20: 1158-1165.

Vartsky, D., M.B. Goldberg, D. Bar, A. Goldschmidt, G. Feldman, E. Sayag, D. Katz, I.M. Stronach, J.W. Stark, W.V. Prestwich, F.E. McNeill, D.R. Chettle (2000): Gamma ray nuclear resonance absorption: an alternative method for in vivo body composition studies. Ann. N. Y. Acad. Sci. 904: 236-246.

Verburg, M.P., F.T.J.J. Oerlemans, C.A. van Bennekom, M.J.M. Gielen, C.H.M.M. de Bruyn and J.F. Crul (1984): In vivo induced malignant hyperthermia in pigs. I. Physiological and biochemical changes and the influenec of Dantrolene Sodium. Acta Anaesthesiol. Scand. 28: 1-8.

Villé, H., C. Decanniere, R. Geers, P. van Hecke, V. Goedseels, G. Maes, L. Bosschaerts, J. Deley, S. Janssens (1991): In vivo 1H-NMR-spectroscopy on muscle tissue of piglets: determination of intramuscular fat content. Proc. 12th Symposium Energy Metabolism of Farm Animals, Kartause Ittingen, Switzerland, 1-7 September: 218-221.

Villé, H., G. Rombouts, P. van Hecke, S. Perremans, G. Maes, G. Spincemaille, R. Geers (1997): An Evaluation of Ultrasound and Nuclear Magnetic Resonance Spectroscopy to

332


Measure In Vivo Intramuscular Fat Content of Longissimus Muscle of Pigs. J. Anim. Sci. 75: 2942-2949.

Vincent, A.L., L. Wang and M.F. Rothschild (1997): Linkage mapping of the leptin receptor gene to pig chromosome 6. J. Anim. Sci. 75 (Suppl. 1): 145.

Virgili, F., G. Maiani, Z.H. Zahoor, D. Ciarapica, A. Raguzzini, A. Ferro-Luzzi (1994): Relationship between fat-free mass and urinary excretion of creatinine and 3-methylhistidine in adult humans. J. Appl. Physiol. 76: 1946-1950.

VNMR (1992-1994): Software Versionen 4.1 - 4.3, Varian NMR Systems, 3120 Hansen Way, Palo Alto, CA 94304.

Vogel Hertzel, Ann and D.A. Bernlohr (2000): The Mammalian Fatty Acid-binding Protein Multigen Family: Molecular and Genetic Insights into Function. Trends in Endocrinology and Metabolism 11: 175-180.

Von Borell, E. (2000): Stress and coping in farm animals. Arch. Tierz. (Dummerstorf) 43 (Sonderheft): 144-152.

Von Felde, A., R. Röhe, E. Kalm (1996): Genetische Analyse von Merkmalen der Mastleistung und des Schlachtkörperwertes stationsgeprüfter Jungeber in Einzel- und Gruppenhaltung mittels Gibbs-Sampling. Züchtungskunde 68: 305-318.

Von Lengerken, G., S. Maak, M. Wicke, I. Fiedler, K. Ender (1994): Suitability of structural and functional traits of skeletal muscle for the genetic improvement of meat quality in pigs. Arch. Tierzucht (Dummerstorf) 37: 133-143.

Von Lengerken, G., M. Wicke und S. Maak (1997): Streßempfindlichkeit und Fleischqualität - Stand und Perspektiven in Praxis und Forschung. Arch. Tierzucht (Dummerstorf) 40 (Sonderheft): 163-171.

Wäfler, P., P. Morel und C. Herwig (1984): Die Bedeutung des Futterverzehrs in der Schweinezucht. - 1. Zusammenhänge zwischen Appetit und den Mast- und Schlachtleistungen bei Schweinen unter ad libitum Fütterung. Schweizer Landwirtschaftliche Monatshefte 62: 337-343.

Wagenknecht, T. and M. Radermacher (1997): Ryanodine receptors: structure and macromolecular interactions. Current Opinion in Structural Biology 7: 258-265.

Wagner, J.R., A.P. Schinckel, W. Chen, J. C. Forrest, and B.L. Coe (1999): Analysis of Body Composition Changes of Swine During Growth and Development. J. Anim. Sci. 77: 1442–1466.

Walling, G.A., A.L. Archibald, P.M. Visscher, C.S. Haley (1998): Mapping of quantitative trait loci on chromosome 4 in a Large White x Meishan pig F2 population. Proc. 6th World Congress on Genetics Applied to Livestock Production, Armidale, Australia, Vol. 23: 519-522.

Walstra, P. (1980): Growth and carcass composition from birth to maturity in relation to feeding level and sex in Dutch Landrace pigs. Mededelingen Landbouwhogeschool, Wageningen, NL. 80 (4): 1-206.

333


Walstra, P. and G.S.M. Merkus (1995): Procedure for the assessment of the lean meat percentage as a consequence of the new EU reference dissection method in pig carcass classification. Paper based on discussions in the EU Management Committee on Pig Meat and on discussions with dissection experts during a meeting on May 18-19, 1994 at Zeist, NL, DLO-Research Institute for Animal Science and Health (ID-DLO), Zeist, NL, p. 24.

Wang, J. and P. Deurenberg (1996): The validity of predicted body composition in Chinese adults from anthropometry and bioelectrical impedance in comparison with densitometry. Brit. J. Nutr. 76: 175-182.

Wang, L., T.P. Yu, H.W. Chung, C.K. Tuggle and M.F. Rothschild (1997): Pinpointing QTLs on Chromosome 7 for Performance Traits in the Pig. J. Anim. Sci. 75 (Suppl. 1): 145.

Wang, Z., R.N. Pierson Jr., S.B. Heymsfield (1992): The five level model: a new approach to organizing body composition research. Am. J. Clin. Nutr. 56:19-28.

Wang, Z., P. Deurenberg, SS. Guo, A. Pietrobelli, J. Wang, R.N. Pierson Jr., S.B. Heymsfield (1998a): Six-compartment body composition model: Inter-method comparisons of total body fat measurement. Intl. J. Obesity 22: 329-337.

Wang, Z., P. Deurenberg, W. Wang, R.N. Pierson Jr., and S.B. Heymsfield (1998b): Fraction of Carbon-Free Body Mass as Oxygen is a Constant Body Composition Ratio in Men. J. Nutr. 128: 1008-1010.

Wang, Z., P. Deurenberg, D.E. Matthews, and S.B. Heymsfield (1998c): Urinary 3-methylhistidine excretion: association with total body skeletal muscle mass by computerized axial tomography. J. Parenter. Enteral. Nutr. 22: 82-86.

Wang, Z., P.Deurenberg, W. Wang, A. Pietrobelli, R.N. Baumgartner, and St. B. Heymsfield (1999): Hydration of fat-free body mass: new physiological approach. Am. J. Physiol. 276: E995-E1003.

Wang, Z., P. Deurenberg, and S.B. Heymsfield (2000): Cellular-Level Body Composition Model. A New Approach to Studying Fat-free Mass Hydration. Annals of the New York Academy of Sciences (In Vivo Body Composition Studies, Editors: S. Yasumuru, J. Wang, and R.N. Pierson Jr.) 904: 306-311.

Wappler, O. (1997): Vergleichende Untersuchungen zur Aussage des Harnstoffverteilungsraumes, der Lebendmasse und der Rückenfettdicke zum Körperfettgehalt der Milchkuh. Dissertation, Freie Universität Berlin.

Warden, C.H., J.S. Fisler, S.M. Shoemaker, P.Z. Wen, K.L. Svenson, M.J. Pace and A.J. Lusis (1995): Identification of four chromosomal loci determining obesity in a multifactorial mouse model. J. Clin. Invest. 95: 1545-1552.

Warriss, P.D., S.N. Brown, J.G. Franklin, and S.C. Ketsin (1990): The Thickness and Quality of Backfat in Various Pig Breeds and Their Relationship to Intramuscular Fat and the Setting of Joints from the Carcasses. Meat Sci. 38: 21-29.

334


Weaver, S.A., W.T. Dixon, and A.L. Schaefer (2000): The effects of mutated skeletal ryanodine receptors on hypothalamic-pituitary-adrenal axis function in boars. J. Anim. Sci. 78: 1319-1330.

Webb, A.J. (1989): Genetics of food intake in the pig. - in: The Voluntary Food Intake of Pigs. Occasional Public. No. 13 - British Society of Animal Production (Eds.: Forbes, J.M.; Varley, M.A.; Lawrence, T.L.J.).

Webb, A.J. and M.K. Curran (1986): Selection regime by production system interaction in pig improvement: a review of possible causes and solutions. Livest. Prod. Sci. 14: 41 – 54.

Webb, A.J., B. Grundy, P. Kitchin (1994): Within-litter effect of the HAL-1843 heterozygote on lean growth in pigs. Proc. 5th World Congress on Genetics Applied to Livestock Production, Guelph, Canada, Vol. 17: 421-424.

Weigle, D.S. and J.L. Kuijper (1996): Obesity genes and the regulation of body fat content. BioEssays 18: 867-874.

Weiß, D. (2001a): BSE-Krise erfasst ganz Europa. Marktkommentar - ZMP-Zentralbericht (01.03.2001). http://www.zmp.de/presse/zb/zbko9.pdf (Stand: 7.7.2001)

Weiß, D. (2001b): MKS bedroht den europäischen Schweinemarkt. Marktkommentar - ZMP-Zentralbericht (30.03.2001). http://www.zmp.de/presse/zb/zbko13.pdf (Stand: 7.7.2001)

Wells, P.N.T. (1991): The description of animal form and function. Livest. Prod. Sci. 27: 19-33.

Wells, J.C.K., I: Douros, N.J. Fuller, M. Elia, and L. Dekker (2000): Assessment of Body Volume Using Three-Dimensional Photonic Scanning. Annals of the New York Academy of Sciences (In Vivo Body Composition Studies, Editors: S. Yasumuru, J. Wang, and R.N. Pierson Jr.) 904: 247-254.

Wenk, C. (2000): Meat consumption and meat quality – How important is it? In: Quality of meat and fat in pigs as affected by genetics and nutrition (Eds.: C. Wenk, J.A. Fernández, and M. Dupuis). EAAP publication No. 100: 7-12.

Wentzel, G. (1994): Erläuterungen zur MR-Spektroskopie. Landbauforschung Völkenrode. Sonderheft 145: 79-83.

West, D.B., J. Goudey-Lefevre, B. York and G.E. Truett (1994): Dietary obesity linked to genetic loci on chromosome 9 and 15 in a polygenic mouse model. J. Clin. Invest. 94: 1410-1416.

West, D.B., J. Waguespack, B. York, J. Goudey-Lefevre and R.A. Price (1994): Genetics of dietary obesity in AKR/J x SWR/J mice: segregation of the trait and identification of a linked locus on chromosome 4. Mamm. Genome 5: 546-552.

White, B.R., Y.H. Lan, F.K. McKeith, J. Novakofski, M.B. Wheeler, and D.G. McLaren (1995):

335

http://www.zmp.de/presse/zb/zbko13.pdf

http://www.zmp.de/presse/zb/zbko13.pdf


Growth and Body Composition of Meishan and Yorkshire Barrows and Gilts. J. Anim. Sci. 73: 738-749.

Whittemore, C.T. (1985): The application of the principles of nutrition to the feeding of breeding sows and the production of meat from growing pigs. S. Afr. J. Anim. Sci. 15: 97-101.

Whittemore, C.T. (1987): Elements of PIG SCIENCE. Longman handbooks in agriculture.

Whittemore, C.T., J.B. Tullis, and G.C. Emmans (1988): Protein growth in pigs. Anim. Prod. 46: 437-445.

Whittemore, C.T., J.C. Kerr & N.D. Cameron (1995): An Approach to Prediction of Feed Intake in Growing Pigs Using Simple Body Measurements. Agricultural Systems 47: 235-244.

Wicke, M., G. von Lengerken, I. Fiedler, M. Altmann, und K. Ender (1991): Einfluß der Selektion nach Merkmalen der Muskelstruktur des M. longissimus dorsi auf Belastungsempfindlichkeit und Fleischbeschaffenheit beim Schwein. Fleischwirtschaft 71: 437-442.

Wicke, M., G. von Lengerken, S. Maak und I. Fiedler (1993): Vorhersage von PSE-Fleisch mittels biochemsicher und morphologischer Merkamle der Skelettmuskulatur am lebenden Schwein. Arch. Tierzucht (Dummerstorf) 36: 631-638.

Wiederhold, S. (1996): In vivo Messungen ausgewählter Merkmale der Körperzusammensetzung bei Wassergeflügel mit Hilfe der Magnet-Resonanz-Tomographie (MRT). Diss. Halle (Saale), Mariensee, 121 S.

Wilmore, K.M., P.J. McBride, and J.H. Wilmore (1994): Comparison of bioelectric impedance and near-infrared interactance for body composition assessment in a population of self-perceived overweight adults. Intl. J. Obesity 18: 375-381.

Wilson, B.D., M.M. Ollmann, and G.S. Barsh (1999): The role of agouti-related protein in regulating body weight. Molecular Medicine Today 5: 250-256.

Windhorst, H.-W. (1998): Host country number one in EU. But, supply shortfalls demand immediate attention. Pig Progress 14: 9-14.

Windisch, W., G.G. Gotterbarm, F.X. Roth, D. Schams und M. Kirchgessner (2000): Einfluss der genetischen Herkunft von Mastschweinen (Deutsche Landrasse, Pietrain) auf Kenndaten des Proteinstoffwechsels. Züchtungskunde 72: 379-388.

Wishmeyer D.L., G.D. Snowder, D.H. Clark, and N.E. Cockett (1994): Prediction of live lamb chemical composition utilizing electromagnetic scanning (ToBEC). J. Anim. Sci. 74: 1864-1872.

Wittenberg, Beatrice A. and J.B. Wittenberg (1989): Transport of Oxygen in muscle. Annu. Rev. Physiol. 51: 857-878.

Wittmann, W., K.-U. Götz, W. Peschke, J.-P. Lindner und M. Hauser (1998): Einfluß des MHS-Genotyps auf die Mast- und Schlachtleistung von Pietrainschweinen

336


und PI x DL-Mastendprodukten in der Stationsprüfung. Arch. Tierzucht (Dummerstorf) 42: 139-147.

Wolf, E., H. Lahm, M. Wu, R. Wanke, A. Hoeflich (2000): Effects of IGFBP-2 overexpression in vitro and in vivo. Pediatr. Nephrol. 14: 572-578.

Wolf-Schwerin, Chr. und E. Kallweit (1991): Belastungsreaktionen und Leistungsmerkmale von definierten Halothangenotypen der Deutschen Landrasse. Züchtungskunde 63: 51-64.

Wolz, W. (1999): Molekulargenetische Analyse der Central Core Disease. Dissertation, Bayerische Julius-Maximilians-Universität Würzburg. http://erl.bibliothek.uni-wuerzburg.de/DISS/Biologie/1999/X116679/html/index.htm

Wood, J.D. and N.D. Cameron (1994): Genetics of Meat Quality in Pigs. Proc. 5th World Congress on Genetics Applied to Livestock Production, Guelph, Canada, Vol. 19: 458-464.

Wolter, Maren (1997): Schnittbildanatomie des Rumpfbereiches des Schweines anhand der Magnetresonanztomographie. Diss., Justus-Liebig-Univ. Gießen.

Wray-Cahen, C.D., D.E. Kerr, Ch.M. Evock-Clover, and N.C. Steele (1998): Redefining Body Composition: Nutrients, Hormones, and Genes in Meat Production. Annu. Rev. Nutr. 18: 63-92.

Xie, C., E. Albrecht, J. Wegner, G.A. Brockmann, C. Kazala, R.J. Weselake, K. Ender (1999): Leptin, ein Molekül für die Schmackhaftigkeit? - Ein Überblick. Arch. Tierzucht (Dummerstorf) 42: 191-199.

Xiong, Youling L. (1994): Myofibrillar Protein from Different Muscle Fiber Types: Implications of Biochemical and Functional Properties in Meat Processing. Critical Reviews in Food Science and Nutrition 34: 293-320.

Yasumura, S., K. Jones, P. Spanne, G. Schidlovsky, L. Wielopolski, X. Ren, D. Glaros, and Y. Xatzikonstantinou (1993): In vivo animal models of body composition in aging. J. Nutr. 123 (2 Suppl.): 459-464.

Yasumura S., I.E. Stamatelatos, C.N. Boozer, R. Moore, and R. Ma (1998): In vivo body composition studies in rats: assessment of total body protein. Appl. Radiat. Isot. 49: 731-732.

York, B., K. Lei and D.B. West (1996): Sensitivity to dietary obesity linked to a locus on chromosome 15 in a CAST/Ei x C57BL/6J F2 intercross. Mamm. Genome 7: 677-681.

Yoshiyama, M., M. Ishikawa, I. Miura, K. Takeuchi and T. Takeda (1994): Time course of the recovery of adenosine triphosphate content with adenosine in post-ischemic hearts - A 31P Magnetic Resonance Spectroscopy Study -. Japanese Circulation Journal 58: 662-670.

Yu, T.P., C.K. Tuggle, C.B. Schmitz, M.F. Rothschild (1995): Association of PIT1 Polymorphisms with Growth and Carcass Traits in Pigs. J. Anim. Sci. 73: 1282-1288.

337

http://erl.bibliothek.uni-wuerzburg.de/DISS/Biologie/1999/X116679/html/index.htm


Youatt, W. and W.C.L. Martin (1865): The Hog; A treatise on the breeds, management, feeding and medical treatment of swine; with directions for salting pork and curing and baking of hams. (edited by A. Stevens) Orange Judd, New York. http://cdl.library.cornell.edu/dienst/nehbrowse.fly/MOA-JOURNALS2:youa-0001/15/1:TIFF2GIF:100?,,

Zemel, B.S., E.M. Riley, V.A. Stallings (1997): EVALUATION OF METHODOLOGY FOR NUTRITIONAL ASSESSMENT IN CHILDREN: Anthropometry, Body Composition, and Energy Expenditure. Annu. Rev. Nutr. 17: 211-235.

Žgur, S. (1991): Histologische und biochemische Veränderungen im Muskelgewebe wachsender Schweine. Diss. Göttingen, 83 S.

Zhang, Y., R. Proenca, M. Maffei, M. Barone, L. Leopold, J.M. Friedman (1994): Positional cloning of the mouse obese gene and its human homologue. Nature 372: 425-432.

Zupke, C. and B. Foy (1995): Nuclear magnetic resonance analysis of cell metabolism. Current Opinion in Biotechnology 6: 192-197.

338

Anhang I

339

Anhang I

Zusätzliche 1H-MRT-Ergebnisse

Nach Rassezusammensetzung (30, 60, 90 kg Lebendmasse)

30 kg Gruppe

Tab. A1: Volumen des Schinkenmagergewebes einschließlich Knochen (SMV) und des

subkutanen Fettes einschließlich Haut (SFETTV) sowie des gesamten Schinkens (SGV)

und das Fett-zu-Muskel-Verhältnis (SFMV) in einer 15 cm MRT-Region für Schweine

mit unterschiedlicher Rassezusammensetzung bei ca. 30 kg Lebendmasse (LSM ±

SEE#)


Du 21 3920,98 ± 47,01 a 756,79 ± 19,17 a 0,195 ± 0,006 ac 4677,77 ± 47,37 a

Ha 8 3853,29 ± 80,52 a 674,62 ± 32,83 b 0,176 ± 0,010 a 4527,91 ± 81,14 ac

LR 8 3702,70 ± 96,19 a 668,86 ± 39,22 a 0,182 ± 0,012 a 4371,55 ± 96,93 bc

PCh x LR 7 3453,28 ±102,17 b 756,83 ± 41,66 ab 0,217 ± 0,013 bc 4210,11 ±102,96 b

S 3 3656,90 ±128,86 ab 940,17 ± 52,54 c 0,259 ± 0,016 b 4597,06 ±129,86 ac

#) Kleinste Quadrate Mittelwerte mit unterschiedlichen Buchstaben sind signifikant verschieden

(p ≤ 0,05).

Tab. A2: Volumen der Mm. longissimi dorsi (MLDV) und des subkutanen Fettes

einschließlich Haut (FETTV) sowie das Fett-zu-Muskel-Verhältnis (FMV) in einer

10 cm MRT-Region für Schweine mit unterschiedlicher Rassezusammensetzung bei ca.

30 kg Lebendmasse (LSM ± SEE#)


Du 21 286,76 ± 9,65 a 92,78 ± 4,67 a 0,338 ± 0,018 a

Ha 8 351,62 ± 16,53 b 90,64 ± 8,00 a 0,265 ± 0,031 ab

LR 8 326,68 ± 19,77 ab 79,96 ± 9,57 a 0,233 ± 0,037 b

PCh x LR 7 282,17 ± 21,09 a 89,43 ± 10,21 a 0,310 ± 0,039 ab

S 3 289,88 ± 31,43 ab 142,09 ± 15,21 b 0,512 ± 0,059 c


(p ≤ 0,05).

Anhang I

340

60 kg Gruppe





SEE#)


Du 14 7223,41 ± 99,02 a 1380,24 ± 42,24 ac 0,191 ± 0,007 a 8603,64 ± 101,38

Ha 3 7082,15 ± 227,12 ab 1287,10 ± 96,88 ac 0,182 ± 0,016 a 8369,24 ± 232,56

LR 8 7052,72 ± 182,05 ab 1300,73 ± 77,66 a 0,186 ± 0,013 a 8353,45 ± 186,41

PCh x LR 5 6730,83 ± 174,79 b 1496,73 ± 74,56 c 0,224 ± 0,012 b 8227,56 ± 178,96

S 1 6323,42 ± 363,74 b 2000,74 ± 155,16 b 0,318 ± 0,026 c 8324,15 ± 372,44


(p ≤ 0,05).




60 kg Lebendmasse (LSM ± SEE)


Du 14 584,93 ± 23,30 a 247,37 ± 15,70 a 0,441 ± 0,034 a+

Ha 3 670,33 ± 53,28 ab 236,49 ± 35,90 a 0,366 ± 0,077 a

LR 8 698,35 ± 42,98 b 210,40 ± 28,96 a 0,283 ± 0,062 a-

PCh x LR 5 582,71 ± 40,90 a 249,94 ± 27,56 a 0,435 ± 0,059 a+

S 1 485,69 ± 85,31 ab 481,79 ± 57,48 b 1,012 ± 0,124 b


(p ≤ 0,05). Differenzen zwischen den Werten mit + bzw. – überschreiten das Signifikanzniveau nur

minimal mit p<0,055.

Anhang I

341

90 kg Gruppe





SEE#)


Du 9 9042,68 ± 120,33 a 1674,52 ± 107,48 0,187 ± 0,013 10717,19 ± 151,55

Ha 2 8906,33 ± 265,98 ab 1776,77 ± 237,57 0,200 ± 0,027 10683,11 ± 334,99

.LR 2 9230,13 ± 297,48 a 1896,04 ± 265,70 0,205 ± 0,031 11126,16 ± 374,65

PCh x LR 4 8424,02 ± 179,89 b 2031,16 ± 160,67 0,240 ± 0,019 10455,20 ± 226,56


(p ≤ 0,05).






Du 9 764,76 ± 21,83 374,54 ± 35,76 0,519 ± 0,048

Ha 2 842,76 ± 48,26 349,06 ± 79,05 0,397 ± 0,107

.LR 2 912,22 ± 53,97 226,57 ± 88,41 0,210 ± 0,119

PCh x LR 4 799,40 ± 32,64 380,89 ± 53,46 0,466 ± 0,072


(p ≤ 0,05).

Anhang I

342

Nach Geschlecht

30 kg Gruppe



und das Fett-zu-Muskel-Verhältnis (SFMV) in einer 15 cm MRT-Region für männliche

Kastraten (M) und weibliche Schweine (W) bei ca. 30 kg Lebendmasse (LSM ± SEE#)


M 17 3629,75 ± 68,25 a 753,97 ± 27,25 0,208 ± 0,009 4383,72 ± 68,78 a

W 30 3805,11 ± 49,07 b 764,94 ± 20,01 0,204 ± 0,006 4570,05 ± 49,45 b


(p ≤ 0,05).



10 cm MRT-Region für männliche Kastraten (M) und weibliche Schweine (W) bei ca.



M 17 307,25 ± 14,32 98,94 ± 6,93 0,328 ± 0,027

W 30 307,60 ± 10,64 99,93 ± 5,15 0,235 ± 0,020


(p ≤ 0,05).

Anhang I

343

60 kg Gruppe


subkutanen Fettes einschließlich Haut (SFETTV) sowie des Schinkengesamtvolumens

(SGV) und das Fett-zu-Muskel-Verhältnis (SFMV) in einer 15 cm MRT-Region für

männliche Kastraten (M) und weibliche Schweine (W) bei ca. 60 kg Lebendmasse

(LSM ± SEE#)


M 9 6795,33 ±140,46 1522,15 ± 59,92 0,227 ± 0,010 8317,48 ±143,82

W 22 6969,68 ±126,21 1464,06 ± 53.83 0,213 ± 0,009 8433,74 ±129,22


(p ≤ 0,05).


einschließlich Haut (FETTV) sowie das Fett-zu-Muskel-Verhältnis (FMV) in einer 10

cm MRT-Region für männliche Kastraten (M) und weibliche Schweine (W) bei ca. 60

kg Lebendmasse (LSM ± SEE#)


M 9 574,60 ± 32,94 294,99 ± 22,19 0,551 ± 0,047

W 22 634,21 ± 29,59 275,41 ± 19,93 0,464 ± 0,043


(p ≤ 0,05).

Anhang I

344

90 kg Gruppe

Tab. A11: Volumen des Schinkenmagergewebes einschließlich Knochen (SMV) und

des subkutanen Fettes einschließlich Haut (SFETTV) sowie des

Schinkengesamtvolumens (SGV) und das Fett-zu-Muskel-Verhältnis (SFMV) in einer




M 7 8663,04 ± 168,48 a 1910,58 ± 150,48 0,220 ± 0,018 10573,62 ± 212,19

W 10 9138,55 ± 128,81 b 1778,67 ± 115.05 0,196 ± 0,013 10917,21 ± 162,22


(p ≤ 0,05).






M 7 756,48 ± 30,57 a 347,90 ± 50,07 0,454 ± 0,068

W 10 903,09 ± 23,37 b 317,64 ± 38,28 0,342 ± 0,052


(p ≤ 0,05).

Anhang II

345

Anhang II

Zusätzliche Ergebnisse aus der 13C-MR-Spektroskopie

Tab. A13: Prozentuale Konzentrationsveränderung von Glykogen und Kreatin sowie

Dauer der Halothanzufuhr in Schweinen mit unterschiedlichen RyR1-Genotypen nach

Modell I (LSM ± SEE#)

NN Nn nn

Glykogen (in vivo) % -21,26 ± 6,36 a -35,75 ± 5,49 b -40,31 ± 4,60 b

Kreatin (in vivo) % -20,19 ± 19,02 -17,01 ± 16,43 10,02 ± 13,77

Halothanzufuhr (in vivo) min 33,87 ± 8,08 a 19,47 ± 6,98 ab 8,13 ± 5,85 b

Unterschiedliche Superkripts kennzeichnen Signifikanz bei p ≤ 0,05.

Tab. A14: Glykogenniveau im Ruhezustand, prozentuale Konzentrationsveränderung

von Glykogen und Kreatin sowie Dauer der Halothanzufuhr (in vivo und post mortem)

in Kreuzungslinien mit unterschiedlichem Hampshire-Genanteil nach Modell II (LSM ±

SEE#)

Ha 0% Ha 25 % Ha 50 %(4 Nn/ 7 nn) (3NN/ 4 Nn/ 2 nn) (4 NN/ 2 Nn/ 1nn)

Ruhe-Glykogen µmol/g 66,70 ± 4,36 65,44 ± 4,25 68,90 ± 4,85

n 11 9 7

Glykogen (in vivo) % -36,00 ± 5,53 ab -38,66 ± 4,93 b -8,77 ± 9,43 a

Kreatin (in vivo) % +6,77 ± 15,34 -5,83 ± 12,21 -7,38 ± 17,02

Temperatur (in vivo) °C +0,18 ± 0,70 +0,76 ± 0,62 +1,99 ± 1,19

Halothan in vivo (min) 12,00 ± 5,73 27,59 ± 5,05 22,00 ± 6,77

n 7 9 5

Glykogen (post mortem) % -56,01 ± 8,01 -24,61 ± 12,61

Kreatin (post mortem) % +52,82 ± 30,27 -36,83 ± 30,27

Temperatur (post mortem) °C +2,55 ± 1,01 +3,72 ± 1,59

Halothan (post mortem) min 12,38 ± 7,58 a 48,5 ± 10,71 b

n 4 - 2# Unterschiedliche Superskripts kennzeichnen Signifikanz bei p ≤ 0,05.+ berechnet aus Ruhe-Glykogengehalt und Glykogenabbau %

Anhang III

346

P C R Protocol for the MHS gene test (by Wiebke Scholz, 1994)

(PCR = polymerase chain reaction)

E x t r a c t i o n of DNA for PCR from whole blood

This procedure dissolves the cytoplasmic membrane and pellets the nuclei. Therefore, cytoplasmic DNA and RNA are lost.It should yield about 10 µg of DNA.

-Preserve the whole blood with EDTA.-Mix 0.25 ml blood with 0.25 ml lysis buffer in a 1.5 ml micro centrifuge tube.-Centrifuge 13,000ΧG for 20 sec.-Remove supernatant with pipette and resuspend pellet using vortex mixer in 1.0 ml lysis buffer (see above). Centrifuge 13,000XG for 20 sec.-Repeat previous step at least twice or until colorless.-Centrifuge 13,000ΧG for 20 sec., remove supernatant, and resuspend in 0.25 ml of "PCR buffer with nonionic detergents and Proteinase K"(see above).-Incubate at 50-60ºC in water bath for 1 hr (digest protein, DNA into solution).-Incubate at 95ºC for 10 min to inactivate the protease (kills Proteinase K).-Store frozen.

PCR - r e a c t i o n

-Example for 40 µl PCR-solution for 1 test :-Prepare a master mix of in order :

22 µl dH2O+ 4 µl 10x buffer (PCR 103) -- GeneAmp® PERKIN ELMER+ 4 µl 2 mM dNTP+ 1 µl 15 mM MgCl2+ 1 µl primer I (1:7) (BioServe -- Oligo Name: 17824)+ 1 µl primer II (1:7) (BioServe -- Oligo Name: 17825)

+ 1 µl Taq (AmpliTaq™ -- PERKIN ELMER) DNA polymerase (under ice)

-Work fast, mix all reagents with pipette.

-Add 6 µl DNA-suspension to master mix.-Mix carefully all reagents of PCR-solution.-Cover with 2 drops of mineral oil.-Place in PCR - machine (currency ca. 4½ hr).

-Program cycles (35x)

Anhang III

347

→Denature of the DNA strands to be matrix for primer and DNA polymerase at 94ºC (1 min)→Annealing of the primers on the complementary strands at 55ºC (1 min 15 sec)→Extension of primers by Taq DNA polymerase (DNA synthese) at 72ºC (1 min 15 sec)→1x 72°C (4 min)→1x 4°C indefinitely

T e s t i n g of PCR - reaction with electrophoresis

-Fill ethidium bromide containing 2% agarose gel in carrier of electrophoresis after placing of comb. Cooling is necessary until solidified!-Fill gel sub with 1x TAE (TBE) as buffer.-Pipet carefully through the oil to get 12 µl PCR product! Don't mix oil with PCR- product!-Mix 2 µl 10x loading buffer + 12 µl PCR-product. Fill in wells of gel.-Fill 10 µl molecular weight marker in an additional well for orientation.-Currency of electrophoresis is ca.60 min. by 90V.-Result: Expect a single 134 bp band visible under UV-light.

T y p i n g of DNA

Restriction enzyme Cfo1 (GIBCO BRL) cuts DNA-fragments in PCR suspension that canbe visualized on a 3% agarose ethidium bromide gel with UV-light.

-Example for "typing-solution" for 1 test:-20 µl PCR-product-Master mix under ice:

-2 µl Cfo1-buffer (for reaction of Cfo1 necessary)-2 µl Cfo1

-Incubate after mixing of all reagents in 37°C water bath immediately!-Digest over night( at least 2 hr).-Fill 3% agarose ethidium bromide gel in carrier of electrophoresis. Cooling is necessary until solidified.-Fill gel sub with 1x TAE (TBE) as buffer.-Mix 2 µl 10x loading buffer + 20 µl PCR-suspension. Fill in wells of gel.-Fill 10 µl molecular weight marker (Boehringer Mannheim Biochemica) in an

additional well for orientation.-Currency of electrophoresis is ca. 60 min. by 90V.-Result :

Because of the cutting of the DNA-fragments by Cfo1 you can find severalbands depending on the MHS-genotype (PSS) :

Anhang III

348

-homozygote positive (nn):1 band: 134 bp(base pairs)

-homozygote negative (NN):2 bands: 84 bp, 50 bp

-heterozygote (Nn):3 bands: 134 bp, 84 bp, 50 bp

R e a g e n t s

For prevention of coagulation of fresh whole blood

EDTA = ethylenediaminetetraacetic acid

For extraction of DNA for PCR from whole blood

lysis buffer 5.5 g 1M sucrose+ 5 ml 100mM Tris-HCl

(trizma hydrochloride)+ 250 µl 1M MgCl2+ 0.5 ml Triton X-100___________________________add sterile H20 up to 50 ml

"PCR 101-buffer with nonionic detergent and Proteinase K"-PCR 101-buffer with nonionic detergent :

0.125 ml 1M MgCl2(20.3 g into 100 ml dH2O = 1M)

+ 2.5 ml 1M KCl(7.45 g into 100 ml dH2O = 1M)

+ 0.5 ml 1M Tris-HCl(15.76 g into 100 ml dH2O = 1M)

+ 0.25 ml of 20 mg/ml gelatine(0.1 g in 5 ml dH2O)

+ 0.225 ml Nonidet P40 (0.45%)+ 0.225 ml Tween 20 (0.45%)_______________________add sterile H2O up to 50 ml

-Autoclave and store frozen.-Add 0.6 µl of 10mg/ml Proteinase K per 100 µl solution after thawing.

Anhang III

349

For PCR-reaction

10x buffer (PCR 103) - without MgCl2-Provides pH and ionic strength for PCR amplification reaction.-100 mM Tris-HCl (pH 8.3); 500 mM KCl

dNTP (deoxynucleoside triphosphates) :-These enzymes split the DNA in oligonucleotide.-dNTP consists of :

-dATP (2 deoxyadenosine 5 triphosphate)-dCTP (2 deoxycytidine 5 triphosphate)-dGTP (2 deoxyguanosine 5 triphosphate)-dTTP (2 deoxythymidine 5 triphosphate)

-Solution for PCR : 250 µl 2 mM dNTP's : 50 µl 10mM dATP+50 µl 10mM dCTP+50 µl 10mM dGTP+50 µl 10mM dTTP+50 µl dH2O

MgCl2 (magnesium chloride)-Required to achieve optimal PCR amplification is dependent on the specific set of primers and template used / Supposition for function of Taq DNA polymearse (coenzyme)

Solution for PCR : 15 mM MgCl2 (1:3) →1 µl 45 nM MgCl2 + 2 µl dH2O (Storing in freezer!)

Primer-For start of polymerase reaction-Primers anneal on both sides of single DNA strand.-Concentration of the primers for PCR :20 pmol after dilution.

1:7 (1 µl primer + 6 µl dH2O)primer I (sequence number:17824) :

5'> GTG CTG GAT GTC CTG TGT TCC CT <3'primer II (sequence number:17825) :

5'> CTG GTG ACA TAG TTG ATG AGG TTT G <3'

Taq DNA polymerase-Concentration for PCR : 5 U/µl (1 unit characterizes synthesized DNA quantity under normal conditions.)

Mineral oil-On top of the PCR reaction to prevent evaporation.

Anhang III

350

For testing of PCR-reaction with electrophoresis

2% agarose ETBr 1.6 g agarose

(MetaphorTM agarose orMolecular Biology certified agarose Ultra Pur DNA Grade Agarose)

+1.6 ml 50x TAE 121 g tris base(TRIZMA Base+28.55 ml glacial acidic acid+50 ml 0.5 M EDTA(pH 8.0)

(or 13.75 g EDTA)__________________________add sterile H2O up to 500 ml

+80 ml dH2O+4 µl ETBr (ethidium bromide)

→ U s e g l o v e s !!!

-Heat prepared agarose gel carefully until viscous and in solution.-Pour gel in prepared gel carrier.-Remove comb (wells for probes) after gel is solidified.

1x TAE(TBE) as buffer : 10ml of 50xTAE+490ml dH2O

10x gel loading buffer 0.2g Ficoll 400 (20%)+0.2ml 0.5M Na2EDTA (pH8)+0.1ml SDS (Sodium dodecyl sulfate) (10%)+0.25ml Xylene Brilliant (1%)

(or 0.01g in 1ml dH2O)+0.45ml dH2O

DNA molecular weight marker VIII-Solution in 10mmol/l Tris-HCl, 1mmol/l EDTA(pH8)-Fragment mixture prepared by cleavage of pUCBM21 DNA with restriction endonuclease Hpa II and Dra I plus Hind III.-The mixture contains DNA-fragments with the following base pair (bp) lengths (1bp = 660 daltons) : 1114,900,692,501,489,404,320,242,190,147,124,110,67,37,34(2x),26,19.-The DNA fragment mixture shows the typical pattern with 13 bands in agarose gel electrophoresis.-Use 10µl of following mixture per well :

40µl marker+20µl 10x loading buffer+140µl dH2O

Anhang III

351

For typing of DNA

Cfo1-Cfo1 is isolated from Clostridium formicoaceticum.-1 unit is the amount of enzyme required to cleave 1µg of λ DNA in 1 hr at 37°C in appropriate buffer.

Storage buffer (Cfo1-buffer)50mM Tris-HCl (pH 7.4)100mM NaCl6mM 2-mercaptoethanol0.1mM PMSF500µg/ml BSA50%(v/v) glycerol

3% agarose ETBr gel 2.4g agarose+1.6ml 50x TAE+80ml dH2O+4µl ETBr

-Look under 2% agarose ETBr gel !

1x TAE as buffer → See above !10x gel loading buffer → See above !marker → See above !

Anhang IV

352

Anhang IV

Konferenzbeiträge 1. Konferenz der SAS-Benutzer in Forschung und Entwicklung(KSFE), Humboldt-Universität zu Berlin, 20./21. Februar 1997, Herausgeber:

Rechenzentrum der Humboldt-Universität zu Berlin (S. 295 – 308)

Videobildanalyse zur Bestimmung des Marmorierungsgrades im Kotelettmit Hilfe verschiedener SAS-Prozeduren

Armin Scholz

http://www.hu-berlin.de/rz/ksfe/inhalt.html [ftp://ftp.rz.hu-berlin.de/pub/docs/ksfe/FR_A1130.EXE]

Einleitung

Ein wichtiges Kriterium für den Genusswert des Schweinefleisches, den Geschmack und

die Beschaffenheit stellt das intramuskuläre Fett bzw. die Marmorierung im Kotelettmuskel

(M. longissimus dorsi) dar. In der praktischen Schweinezucht wurde aufgrund der

Preisgestaltung für Schlachtschweine der Hauptselektionserfolg im Magerfleischanteil

erzielt. Infolgedessen weist der intramuskuläre Fettgehalt (IMF) im Kotelettmuskel der in

Deutschland hauptsächlich zur Fleischerzeugung eingesetzten Schweinerassen bzw.

Kreuzungen bei einer Variation von durchschnittlich 0,6 - 1,8 % ein sehr niedriges Niveau

auf. Die einzige Ausnahme bildet die Rasse Duroc mit einem IMF von ca. 2,5%. Das

Optimum für den intramuskulären Fettgehalt wird jedoch bei 1,5 - 2,5 % angegeben.

Ein weiteres Problem liegt in der ungenauen Bestimmung des intramuskulären

Fettgehaltes bzw. des Marmorierungsgrades. Gegenwärtig wird in den deutschen Schweine-

Leistungsprüfanstalten nur eine subjektive Bonitierung der Marmorierung (Noten 1 - 6) am

Kotelettanschnitt zwischen 13. und 14. Brustwirbel vorgenommen.

Eine Umkehr bei der Entwicklung des intramuskulären Fettgehaltes ist erst durch

Einführung einer objektiven Leistungsprüfung und die Einbeziehung dieses Merkmals in

die Selektion zu erwarten. Zur Bestimmung des intramuskulären Fettgehaltes am

Schlachtkörper bzw. am lebenden Tier werden verschiedene chemische und physikalische

Methoden genutzt, wie z. B. die Soxhlet-Extraktion, Ultraschall-Technik,

Reflexionsmessungen, Computer-Tomographie, 1H-NMR- bzw. Infrarot-Spektroskopie.

Anhang IV

353

Da in einigen Prüfstationen die Videobildanalyse bereits zur Ermittlung der Fett- und

Fleischfläche am Kotelettanschnitt eingesetzt wird, war es naheliegend, diese Technik

ebenfalls für die Ermittlung des Marmorierungsgrades zu nutzen.

Material und Methode

Für die Untersuchung wurden 130 Koteletts (13./14. Brustwirbel) von Schweinen

verschiedener Genotypen aus der Leistungsprüfanstalt Ruhlsdorf genutzt. Die Koteletts

wurden mit einer 3 Chip R G B - Color - Kamera (Hitachi - HV-C10) beidseitig cranial

bzw. caudal aufgenommen und über drei Analog - Digital - Wandler (ITI - Color Frame

Grabber) auf einer wiederbeschreibbaren Magneto-Optischen-Diskette (600 MB)

gespeichert. Ein Bild umfasst 768*512 Bildpunkte bei einer Datentiefe von 24 bit, die auf

die drei Farbkanäle ROT, GRÜN und BLAU (R G B) aufgeteilt sind. Für jeden Bildpunkt,

der eine Fläche von ca. 0,05 mm2 einnimmt, liegen folglich drei Grauwertinformationen

jeweils im Bereich von 0 - 255 vor.

Videobild eines Koteletts mit 3-Chip-RGB-Kamera

(768*512 Pixel)

Anhang IV

354

Mit Hilfe des Bildverarbeitungsprogrammes BioScan-OPTIMAS wurden die

interessierenden Kotelettregionen, sogenannte Regions Of Interest (ROI's), halbautomatisch

eingegrenzt, maskiert und als neue TIF-Datei gespeichert.

Maskieren (Ausschneiden) der Region of Interest (ROI)

Die Kantendetektion beruht dabei auf den Grauwertunterschieden zwischen Fleisch- und

Fettgewebe. Niedrige (dunkle) Grauwerte charakterisieren Fleischgewebe und hohe

Grauwerte kennzeichnen Fettgewebe.

Anhang IV

355

Ergebnis der Maskierung

Die Weiterverarbeitung der TIF-Bilddatei erfolgte mit SAS 6.11. Anhand einer Beispiel-

TIF-Datei (f26lmsk.tif) wird der Ablauf nachfolgend näher beschrieben.

/* 1. Schritt: Bildinformationen filtern - Bildaufbau in Tags, Stripes und Scoreskodiert */

%let file=d:\mp120193\f26lmsk.tif;

libname f26lmsk "d:\asda";filename tif "&file";title "&file";data tags (keep=tag text type typ length score comment) stripes (keep=stripa stripe stripl) scores (keep=subfile xpixels ypixels bits compress photo nrows minval maxval xres yres planar resunit nstrips); length text comment modus $32; length default=4; retain ifd ntags (2 0); infile tif recfm=n; /* ermöglicht das Importieren von beliebigen internen Binär - Daten */ /* header */ input fa $char2. vers pib2.; if fa='II' then firma='Intel '; if fa='MM' then firma='Motorola';

a: iifd+1; iifd+1; input @(ifd+12*ntags+3) ifd pib4.; if ifd=0 then stop; /* ifd */ input @(ifd+1) ntags pib2.; do itag=1 to ntags; /* tag */ comment=''; input @(ifd+12*itag-9) tag pib2. type pib2. length pib4. score pib4.; select (tag); when (254) text='NewSubfile';

Anhang IV

356

when (255) do; text='SubfileType'; select (score); when (1) modus='FullResolution'; when (2) modus='ReducedResolution'; when (3) modus='SinglePageImage'; otherwise modus='unknown'; end; comment=modus; subfile=score; end; when (256) do; /* Breite */ text='ImageWidth'; comment='Xpixels'; xpixels=score; end; when (257) do; /* Höhe */ text='ImageLength'; comment='Ypixels'; ypixels=score; end; when (258) do; text='BitsPerSample'; bits=score; end; when (259) do; text='Compression'; select (score); when (1) modus='Uncompressed'; when (2) modus='Huffman RLE'; when (3) modus='FAX CCITT Group3'; when (4) modus='FAX CCITT Group4'; when (5) modus='LZW'; when (6) modus='JPEG'; otherwise modus='unknown'; end; comment=modus; compress=score; end; when (262) do; text='PhotometricInterpretation'; select (score); when (0) modus='MinSampleValue=White'; when (1) modus='MaxSampleValue=White'; when (2) modus='RGB'; when (3) modus='PaletteColor'; when (4) modus='TransparencyMask'; when (6) modus='YCbCrColorSpace'; when (8) modus='1976CIEL*a*b ColorSystem'; otherwise modus='unknown'; end; comment=modus; photo=score; end; when (263) text='Tresholding'; when (264) text='CellWidth';

Anhang IV

357

when (265) text='CellLength'; when (266) text='FillOrderTag'; when (269) text='DocumentName'; when (270) text='ImageDescription'; when (271) text='ScannerMake'; when (272) text='ScannerModel'; when (273) do; text='StripOffsets'; nstrips=length; kstrips=score; end; when (274) text='Orientation'; when (277) text='SamplesPerPixel'; when (278) do; text='RowsPerStrip'; nrows=score; end; when (279) do; text='StripByteCounts'; lstrips=score; end; when (280) do; text='MinSampleValue'; minval=score; end; when (281) do; text='MaxSampleValue'; maxval=score; end; when (282) do; text='XResolution'; input @(score+1) z pib4. n pib4.; xres=z/n; comment=left(put(xres,best12.3)); end; when (283) do; text='YResolution'; input @(score+1) z pib4. n pib4.; yres=z/n; comment=left(put(yres,best12.3)); end; when (284) do; text='PlanarConfiguration'; planar=score; select (score); when (1) modus='NoPlaneSplitting'; when (2) modus='PlaneSplitting'; otherwise modus='unknown'; end; comment=modus; end; when (285) text='PageName'; when (286) text='XPosition'; when (287) text='YPosition'; when (288) text='FreeOffsets'; when (289) text='FreeByteCounts';

Anhang IV

358

when (290) text='GrayResponseUnit'; when (291) text='GrayResponseCurve'; when (292) text='T4Options'; when (293) text='T6Options'; when (296) do; text='ResolutionUnit'; resunit=score; select (score); when (1) unit='Aspect '; when (2) unit='Inch '; when (3) unit='Cm '; otherwise unit='unknown'; end; comment=unit; end; when (297) text='PageNumber'; when (300) text='ColorResponseUnit'; when (301) text='TransferFunction'; when (305) text='Software'; /* Ersteller Software */ when (306) text='DateTime'; /* Erstellung am um */ when (315) text='Artist'; /* Macher Name */ when (316) text='HostComputer'; /* Macher Computer */ when (317) text='Predictor'; /* nur bei LWZ-Compression=5 */ when (318) text='WhitePoint'; when (319) text='PrimaryCromaticities'; when (320) text='ColorMap'; when (321) text='HalftoneHints'; when (322) text='TileWidth'; when (323) text='TileLength'; when (324) text='TileOffsets'; when (325) text='TileByteCount'; when (332) text='InkSet'; when (333) text='InkNames'; when (334) text='NumberOfInks'; when (336) text='DotRange'; when (337) text='TargetPrinter'; when (338) text='ExtrasSamples'; when (339) text='SampleFormat'; when (340) text='SMinSampleValue'; when (340) text='SMinSampleValue'; when (341) text='SMaxSampleValue'; when (342) text='TransferRange'; when (512) text='JPEGProc'; when (513) text='JPEGInterchangeFormat'; when (514) text='JPEGInterchangeFormatLength'; when (515) text='JPEGRestartInterval'; when (517) text='JPEGLossLessPredictors'; when (518) text='JPEGPointTransforms'; when (519) text='JPEGQTables'; when (520) text='JPEGDCTables'; when (521) text='JPEGACTables'; when (529) text='YCbCrCoefficient'; when (530) text='YCbCrSubSampling'; when (531) text='YCbCrPositioning'; when (532) text='ReferenceBlackWhite'; otherwise text='UnknownTag';

Anhang IV

359

end; select (type); when ( 1) typ='Byte '; /* 8 Bit-Byte */ when ( 2) typ='ASCII '; /* 8 Bit-ASCII-Code */ when ( 3) typ='SHORT '; /* 16 Bit unsigned Integer */ when ( 4) typ='LONG '; /* 32 Bit unsigned Integer */ when ( 5) typ='RATIONAL '; /* 2 LONGs: Fraction/Denominator */ when ( 6) typ='SByte '; /* 8 Bit signed Integer */ when ( 7) typ='UNDEFINED'; /* 8 Bit Anything */ when ( 8) typ='SSHORT '; /* 16 Bit signed Integer */ when ( 9) typ='SLONG '; /* 32 Bit signed Integer */ when (10) typ='RATIONAL '; /* 2 SLONGs: Fraction/Denominator */ when (11) typ='FLOAT '; /* 4 Byte IEEE floating point */ when (12) typ='DOUBLED '; /* 8 Byte IEEE floating point */ otherwise typ='Unknown '; end; output tags; end; do istrip=1 to nstrips; input @(4*istrip+kstrips-3) stripa pib4. @(4*istrip+lstrips-3) stripl pib4.; stripa=stripa+1; stripe=stripa+stripl-1; output stripes; end; output scores; goto a;run;

WORK.SCORES -- Auszug C X Y O N R P P M S E I I P P T N S X X B R H R R X Y U E E I E O I O R R N L L T S T P W E E I S S S S O S S S S T

465 320 446606 1 2 30 11 299 288 2

Anhang IV

360

WORK.TAGS

OBS TEXT COMMENT TAG TYPE LENGTH SCORESCORE TYP

1 NewSubfile 254 4 1 0 LONG 2 ImageWidth Xpixels 256256 4 1 465465 LONG 3 ImageLength Ypixels 257257 4 1 320320 LONG 4 BitsPerSample 258258 3 3 446606 SHORT 5 Compression Uncompressed 259259 3 1 11 SHORT 6 PhotometricInterpretation R G B R G B 262262 3 1 22 SHORT 7 ScannerModel 272 2 10 446612 ASCII 8 StripOffsets 273 4 30 446622 LONG 9 SamplesPerPixel 277277 3 1 33 SHORT10 RowsPerStrip 278278 4 1 1111 LONG11 StripByteCounts 279 4 30 446742 LONG12 XResolution 299299 282282 5 1 446862 RATIONAL13 YResolution 288288 283283 5 1 446870 RATIONAL

14 ResolutionUnit Inch 296 3 1 2 SHORT15 Software 305 2 25 446878 ASCII16 DateTime 306 2 26 446903 ASCII

WORK.TAGS

OBS STRIPA STRIPL STRIPE

1 9 15345 15353 2 15354 15345 30698 3 30699 15345 46043 4 46044 15345 61388 5 61389 15345 76733 6 76734 15345 92078 7 92079 15345 107423 8 107424 15345 122768 9 122769 15345 138113 10 138114 15345 153458 11 153459 15345 168803 12 168804 15345 184148 13 184149 15345 199493 14 199494 15345 214838 15 214839 15345 230183

OBS STRIPA STRIPL STRIPE

16 230184 15345 245528 17 245529 15345 260873 18 260874 15345 276218 19 276219 15345 291563 20 291564 15345 306908 21 306909 15345 322253 22 322254 15345 337598 23 337599 15345 352943 24 352944 15345 368288 25 368289 15345 383633 26 383634 15345 398978 27 398979 15345 414323 28 414324 15345 429668 29 429669 15345 445013 30 445014 1395 446408

WORK.STRIPES

/* DATA STEP zur Erzeugung der SAS-Datei (.RGB) */

data f26lmsk.rgb (keep=x y r g b); /* PhotometricInterpretation=RGB */ length default=3; infile tif recfm=n; set scores; y=ypixels+1; do i=1 to nstrips;

Anhang IV

361

set stripes; k=stripa-3; do j=1 to nrows; do y=y-1 while(y>0); do x=1 to xpixels; k+3; input @k R pib1. G pib1. B pib1.; if R+G+B then output; end; end; end; end;run;

OBS Y X R G B

87783 76 379 128 107 117

87784 76 380 121 103 108

87785 76 381 125 112 114

87786 76 382 140 133 137

87787 75 64 148 139 154

87788 75 65 145 139 149

F26LMSK.RGB -- Auszug

/* Erzeugung einer SEED-Datei für die anschließende Clusteranalyse */

libname scholz "d:\mp120193";

DATA SCHOLZ.SEED; INPUT R G B CLUSTER; CARDS; 165 150 155 1 155 135 140 2 145 125 135 3 135 115 120 4 125 110 115 5 115 100 105 6 105 95 100 7 ;RUN;

/* Procedur Clusteranalyse */

PROC FASTCLUS DATA = f26lmsk.RGB (WHERE=(R+G+B)) SEED =SCHOLZ.SEED MAXC =7 MAXITER =99 DRIFT REPLACE =PART CONVERGE=0.001 OUT =f26lmsk.CLUST; VAR R G B;RUN;

Anhang IV

362

OBS Y X R G B CLUSTER DISTANCE

102523 3 303 130 107 115 6 4.8076 102524 3 304 132 110 117 5 6.4517 102525 3 305 130 110 117 5 7.4931 102526 3 306 132 114 118 4 3.8475 102527 3 307 139 122 126 4 3.2864 102528 3 308 142 124 133 4 4.7908 102529 3 310 137 120 128 4 4.6087 102530 3 311 134 116 123 5 2.7512 102531 3 312 133 113 115 5 6.1770 102532 3 313 129 110 111 6 4.8802 102533 3 314 143 126 130 4 4.4330 102534 3 315 148 132 135 3 2.5921

F26LMSK.CLUST -- Auszug

/* Procedur Diskriminanzanalyse */

PROC DISCRIM DATA =f26lmsk.CLUST METHOD=NORMAL POOL =YES OUT =f26lmsk.DISKRI; CLASS CLUSTER; VAR R G B;RUN ;

OBS OBS Y X R G B CLUSTER DISTANCE _1 ... _7 _INTO_ Y X R G B CLUSTER DISTANCE _1 ... _7 _INTO_

102307 11 308 155 151 153 22 14.1864 0.54274 0.0000000 11

102308 11 309 147 136 146 2 7.3491 0.00000 0.0000000 2

102309 11 310 137 118 130 4 5.9974 0.00000 0.0000000 4

102310 11 311 131 111 119 5 5.3652 0.00000 0.0000000 5

102311 11 312 129 107 114 6 3.5556 0.00000 0.0000076 6

F26LMSK.DISKRI -- AUSZUG

Anhang IV

363

/* ERZEUGUNG des Clusterbildes */

libname scholz "d:\mp120193";title "create the ANNOTATE - scholz02s.sas";

data anno; attrib x y length=4; length default=4; array farbe (0:15) $8 _temporary_ ('gray' 'white' 'blue' 'green' 'cyan' 'yellow' 'magenta' 'orange' 'red' 'brown' 'lime' 'gold' 'tan' 'purple' 'pink' 'steel'); retain function 'symbol'; retain text 'dot'; retain xsys ysys '2'; retain size .023; set f26lmsk.DISKRI (where=(_into_)); color=farbe(mod(_into_,16)); keep function color text xsys ysys size x y;run;

OBS X Y FUNCTION TEXT XSYS YSYS SIZE COLOR 87501 97 76 symbol dot 2 2 0.023000 white 87502 98 76 symbol dot 2 2 0.023000 blue 87503 99 76 symbol dot 2 2 0.023000 red 87504 100 76 symbol dot 2 2 0.023000 green 87505 101 76 symbol dot 2 2 0.023000 green 87506 102 76 symbol dot 2 2 0.023000 blue

WORK.ANNO -- Auszug

goptions reset=all dev=win;goptions colors=('gray' 'white' 'blue' 'green' 'cyan' 'yellow' 'magenta' 'orange' 'red' 'brown' 'lime' 'gold' 'tan' 'purple' 'pink' 'steel') cback=black;proc ganno anno=_last_ datasys;run;

Anhang IV

364

7-Cluster-Bildweiß charakterisiert intramuskuläres Fett

Ergebnisse aus der Cluster- bzw. Diskriminanzanalyse

Cluster Means

Cluster R G B

1 163.980 155.374 163.413 2 153.553 138.978 145.278 3 146.959 129.780 136.092 4 140.810 122.177 128.498 5 134.524 114.412 120.608 6 127.470 105.206 111.080 7 118.608 92.853 97.597

Cluster Standard Deviations

Cluster R G B

1 6.00447 8.18150 8.94079 2 3.53037 3.86297 4.31256 3 3.05880 3.00326 3.33203 4 2.95175 2.84208 3.23728 5 3.05158 3.03086 3.45572 6 3.33078 3.56051 4.08508 7 4.45324 5.25349 5.79337

Anhang IV

365

102534 Observations 102533 DF Total 3 Variables 102527 DF Within Classes 7 Classes 6 DF Between Classes

Class Level Information Output CLUSTER Frequency Proportion

1 2685 0.026186 2.62 % IMF 2 13450 0.131176 3 23744 0.231572 4 24667 0.240574 5 19679 0.191927 6 12702 0.123881 7 5607 0.054684

Das Cluster mit den höchsten Mittelwerten für die Farbkanäle R, G und B entspricht dem

sichtbaren intramuskulären Fett. Der prozentuale Anteil der Pixel in diesem Cluster gibt

folglich den Marmorierungsgrad an.

Die beiden Werte (zwei Kotelettseiten) für den Marmorierungsgrad aus der

Videobildanalyse wurden anschließend als potentielle Regressoren in einer Multiplen

Stepwise-Regressionsanalyse zur Schätzung des intramuskulären Fettgehaltes verwendet.

Als Referenzwerte dienten die mit Hilfe der Nah-Infrarot-Transmissionsspektroskopie

ermittelten Fettgehalte im Rückenmuskel. Diese Untersuchungen wurden mit einem

INFRATEC-Gerät am Landesuntersuchungsinstitut für Lebensmittel, Arzneimittel und

Tierseuchen (LAT) Berlin durchgeführt.

Ergebnisse des Crossvalidation-Testes („fitting sample“ n=65 und „validation sample“n=65)

Intramuskulärer Fettgehalt % ausNIT

fitting sample

R2

SEE0,7060,283

validation sampleSEP 0,295

R2 = Bestimmtheitsmaß; SEE = Standard Error of Estimation ( MS residual ), SEP = standard error of prediction

( ) - validation sample, DF = Freiheitsgrade - Anzahl der Variablen, die in der Regressionsgleichungverblieben

Anhang IV

366

SchlußfolgerungenDie Videobildauswertung mit Hilfe der Cluster- bzw. Diskriminanzanalyse eröffnet dieMöglichkeit, den Marmorierungsgrad im Kotelettmuskel beim Schwein oder anderenTierarten relativ einfach, schnell und objektiv zu bestimmen. Voraussetzungen für eineerfolgreiche Verwendung dieser Technik sind die Einhaltung standardisierter Bedingungenbei der Bildaufnahme unter weitgehender Vermeidung von Oberflächenreflexionen. Essollte eine möglichst hochauflösende Digitalkamera verwendet werden.

Literatur:

Referenzhandbuch DateiformateGünter BornAdison Wesley, 4. Aufl. 1996, 557 - 592

Johnson, B. and W. Johnson (1992): Importing X-WindowSystem Raster Images into SAS-Graph / Software Output.SUGI 17, Hawai, 543 – 548

Herzlicher Dank gebührt Herrn W. Lesener (Rechenzentrum, HU Berlin).

Anhang V

367

Anhang V

Quantitative Markergenorte für den Körperfettgehalt

Tab. A15: Auswahl potentieller „Quantitativer Markergenorte“ (QTL) für denKörperfettgehalt bei Schwein, Maus und Mensch (eigene modifizierte Tabelle ausMitchell et al., 2001)

Quantitative TraitLoci (Major- oderKandidatengene,Microsatelliten)

Chromosomenlokalisation(Referenz)

beeinflusste Merkmale,Rezeptoren,Metaboliten

Schwein Maus Menschmehrere Marker 1

(34, 47, 48,50)

Körperfettgehalt,Rückenspeckdicke,Wachstum

Melanocortin-4-Rezeptor (MC4R)

1q22-q27(34, 75, 76)

- 18q22(70, 76)

Körperfettgehalt,Rückenspeckdicke

„Insulin-like growthfactor 1“-Rezeptor(IGF1R)

1q17-q22(34, 77)

7(70)

15q25-q26(70)

Körperfettgehalt,Rückenspeckdicke,Wachstum

Proopiomelanocortin(POMC)

3q25(34, 81)

12(70)

2p23.3(70, 81)

Serumleptinniveau –Fettmasse,Energieregulation,Pigmentierung

Glucokinaseregulatory protein(GKRP)

2p23.3-p23.2(8, 70)

Glukose-Homöostase,Insulin-Sensitivität

S0175, verschiedeneMarker, z.B.abdominal fatdeposition (AFD);total growth (TGR);

4(6, 7, 34, 47,48)

subkutane Fettdickeund Abdominalfett-anteil,Körperfettverteilung

Adipocyte-specificfatty acid-bindingprotein (A-FABP,FABP4, H-ALBP)

4(34, 79)

8q12(70)


Ryanodin-Rezeptor-1(RyR1 -- Majorgen)

6q11-q12(34, 35, 47)

7a2-b3(34, 37)

19q13.1(34,36)

MalignesHyperthermieSyndrom,Magerfleischigkeit

Glukosephosphat-isomerase (GPI)

6q12(34, 69)

7(70)

19q13.1(70)

GPI katalysiert diewechselseitige Um-wandlung vonGlukose-6-Phosphatin Fruktose-6-Phosphat

Anhang V

368

HormonsensitiveLipase (LIPE, LHS)

6cen-q12(34)

7(70)

19q13.1-q13.2(70)

- ist beteiligt an derMobilisation derfreien Fettsäuren ausdem Fettgewebe durchSteuerung derLipolyserate dergespeichertenTriglyzeride;reguliert die Energie-Homöostase

LeptinrezeptorLEPR (db) oder OB-R

6q33-35(2, 11, 34)

4(23, 24,66)

1p31(25, 26)

Fettwüchsigkeit

Heart fatty-acidbinding protein (H-FABP, FABP3)

6(34, 43, 44)

4(46)

1p32-p33 (45)

intrazellulärerFettsäurestoffwechsel,intramuskuläres Fett,Rückenspeck

verschiedene Marker 1q(57)


Colipase (CLPS) 7(68)

17(39, 68)

6pter-p21 (68)

im Zusammenwirkenmit Enterostatin an derAppetitregulation undspeziell an der Unter-drückung derAufnahme vonNahrungsfett beteiligt;assoziiert mit GenendesHaupthistokompatibili-tätskomplexes

QTL innerhalb derRegionS0064 - TNF alpha -S0102 - S0066„Haupthistokompa-tibilitätskomplex“-Loci

7(34, 47, 48,49, 55)

17(52)

6p21.3 (51)

Körperfettgehalt

Cholecystokinin-A-Rezeptor (CCKAR)

8(62)

5(62)

4 (62)

Steuert die Nahrungs-aufnahme über dasSättigungsgefühl;unterdrückt denAppetit

Carboxypeptidase E(fat oder CPE)

8(61)

8(18, 30)

4q32(40, 61)16q22-24(32, 33)

an der Bereitstellungvon Pro-Hormonenund Neurotransmitternbeteiligt

Anhang V

369

NEUROPEPTID YREZEPTOR 5 (NPY5R)

8p11(34, 67)

8(70)

4q31-q32 (70)

Das Neuropeptid Ystimuliert den Appetit;schränkt den Energie-verbrauch ein undsteigert dieLipogenese. DieRezeptoren NPY5Rund NPY1R befindensich in derselbenChromosomenregion.

Mitochondrialuncoupling protein(UCP2)

9p21-p24(34, 78)

7 (31) 11 (31) Körpergewicht,Energiebalance

Tubby (TUB) 9 ? 7(19, 28,30, 41,66)

11p15.4(29)17p15(28)16q#) (21)2p#) (22)

Körpergröße,Fettansatz,#) beim MenschenBezug zum Bardet-Biedl- und AlstroemSyndrom)

Myogenin (MYOG,MYF4)

9q21-q26(34, 73)

1(70)

1q31-q41(70)

MuskelspezifischerTranskriptionsfaktorreguliertMuskelfaserzahl,Muskelmasse.

Growth Hormone 1(GH1)

12p14(34)

11(70)

17q22-q24(70)

Wachstum

Pituitary-specifictranscription factors(PIT-1/GHF-1)

13(34, 48, 54,56)

16(54)

3p (53)

Körpergröße,Aktivierung desWachstumshormons

Myostatin (GDF 8) 15q23-q24(34, 65)

1(63, 64)

2q32 (63)

Muskelhyperplasie

Growth HormoneReceptor (GHR)

16q12-q13(34)

15(70)

5p13-p12(70)

Regulation desWachstumshormonsund der Synthese vonIGF1

Mahogany (Attractin,ATRN)

17(71)

2(70, 71)

20p13(70, 71)

Serum-Glykoprotein:unterdrückt einenahrungsinduzierteVerfettung

Agouti 17q21(74)

2(9, 20,42)

20p11.23-q11.2(20,27,70)

Körpergewicht,Fettwüchsigkeit,‘agouti’-Locus-Protein beeinflusstMelanozyten-stimulierendesHormon

Anhang V

370

Leptin, Obese(lep oder ob oder obs)(S0062)

18q13-q21(3, 4, 34,59)

6(1, 15,66)

7q31-q32(3, 5, 15,16, 17)

Leptinniveau,Körperfettdepots,Körpergewicht,Futteraufnahme,Sättigungsgefühl,beim Menschen in derNähe des Genortes fürLipoamid-dehydrogenase

Growth hormonereleasing hormonereceptor (GHRHR)

18q24(34)

6(70)

7p15-p14(70)

Wachstum

NEUROPEPTID Y 18q24(34)

6(70)

7p15.1(70)

Das Neuropeptid Ystimuliert den Appetit;schränkt den Energie-verbrauch ein undsteigert dieLipogenese.

Glucokinase(GK)

X(80)

Glukose-Homöostase

Mob1 7(10, 38,41)

multigeneFettwüchsigkeit,Cholesterolgehalt imPlasma,Schlachtkörperfett-gehalt

Mob2 6(38)

multigeneFettwüchsigkeit,Cholesterolgehalt imPlasma

Dob1 4(13)

1p31-(58)see LEPR

gekoppelt mitabdominalemFettdepotgewicht,ernährungsbedingteFettwüchsigkeit, distalzu db

Dob2 9(12)

Mesenterium-Fettdepotgewicht -ernährungsbedingteFettwüchsigkeit

Dob3, Dob4, Mob4 15(12, 14)

Mesenterium-Fettdepotgewicht -ernährungsbedingteFettwüchsigkeit

Mob3, Mob4 6,7,12,15(12, 14,39)

Körperfett, spezifischeFettdepots,multigeneFettwüchsigkeit

Anhang V

371

BW4 11(60)

17 (60)

assoziiert mitGenorten für Myosinheavy chain (Myhs)undGlukosetransporter 4(GLUT4) sowie dem„Early B Cell“ Faktor(Ebf) bzw. derinsulinabhängigenDiabetesanfälligkeit(Idd4) mit einemEffekt auf dieKörperfett-anreicherung

Literatur zu Tab. A15:

1) Friedman, J.M. (1991): Molecular mapping of the mouse ob mutation. Genomics 11:1054-1062.

2) Ernst, C.W., P. Kapke, M.Yerle and M.F. Rothschild (1997): The leptin receptorgene (LEPR) maps to porcine Chromosome 6. Mammalian Genome 8: 226.

3) Neuenschwander, S., G. Rettenberger, E. Meijerink, H. Jörg and G. Stranzinger(1996): Partial characterization of porcine obesity gene (OBS) and its localizationto chromosome 18 by somatic cell hybrids. Animal Genetics 27: 275-278.

4) Sasaki, S., A.C. Clutter and D. Pomp (1996): Assignment of the porcine obese(leptin) gene to Chromosome 18 by linkage analysis of a PCR-based product.Mammalian Genome 7: 471-472.

5) Weigle, D.S. and J.L. Kuijper (1996): Obesity genes and the regulation of body fatcontent. BioEssays 18: 867-874.

6) Andersson, L., C.S. Haley, H. Ellegren, S.A. Knott, M. Johansson, K. Andersson, L.Andersson-Eklund, I. Edfors-Lilja, M. Fredholm, I. Hansson, J. Håkansson and K.Lundstr öm. (1994): Genetic mapping of quantitative trait loci for growth andfatness in pigs. Science 263: 1771-1774.

7) Andersson, L., L: Marklund, P.-E. Nystr öm and S. Stern (1996): Identification of amajor QTL for fatness on pig chromosome 4. 47th Annual Meeting of EAAP,Lillehammer, Norway, p. 37.

8) Comuzzie, A.G., J.E. Hixson, L. Almasy, B.D. Mitchell, M.C. Mahaney, T.D. Dyer,M.P. Stern, J.W. MacCluer and J. Blangero (1997): A major quantitative traitlocus determining serum leptin levels and fat mass is located on human chromosome 2. Nat. Genet. 15: 273-276.

9) Drudik, D.K., D. Pomp, Z-B. Zeng and E.J. Eisen (1995): Identification of majorgenes controlling body weight and fat percentage on mouse chromosome 2. J.Anim. Sci. 73 (Suppl. 1): 110.

10) Taylor, B.A. and S.J. Phillips (1996): Detection of obesity QTLs on mousechromosome 1 and 7 by selective DNA pooling. Genomics 34: 389-398.

Anhang V

372

11) Vincent, A.L., L. Wang and M.F. Rothschild (1997): Linkage mapping of the leptinreceptor gene to pig chromosome 6. J. Anim. Sci. 75 (Suppl. 1) 145.

12) West, D.B., J. Goudey-Lefevre, B. York and G.E. Truett (1994): Dietary obesitylinked to genetic loci on chromosome 9 and 15 in a polygenic mouse model. J.Clin. Invest. 94: 1410-1416.

13) West, D.B., J. Waguespack, B. York, J. Goudey-Lefevre and R.A. Price (1994): Genetics of dietary obesity in AKR/J x SWR/J mice: segregation of the trait and identification of a linked locus on chromosome 4. Mamm. Genome 5: 546-552.

14) York, B., K. Lei and D.B. West (1996): Sensitivity to dietary obesity linked to alocus on chromosome 15 in a CAST/Ei x C57BL/6J F2 intercross. Mamm.Genome 7: 677-681.

15) Zhang, Y., Proenca, R., Maffei, M., Barone, M., Leopold, L. and Friedman, J.M. (1994): Positional cloning of the mouse obese gene and its human homologue. Nature 372: 425-432.

16) Geffroy, S., P. De Vos, B. Staels, B. Duban, J. Auwerx and B. Martinville (1995):Localization of the Human OB gene (OBS) to chromosome 7q32 by fluorescencein situ hybridization. Genomics 28: 603-604.

17) Scherer, S.W., G. Otulakowski, B.H. Robinson and L.-C. Tsui (1991): Localization of the human dihydrolipoamide dehydrogenase gene (DLD) to 7q31->q32.Cytogenetics and Cell Genetics 56: 176-177.

18) Naggert, J.K., L.D. Fricker, O. Varlamov, P.M. Nishina, Y. Rouille, D.F. Steiner,R.J. Carroll, B.J. Paigen, E.H. Leiter (1995): Hyperproinsulinaemia in obesefat/fat mice associated with a carboxypeptidase E mutation which reduces enzymeactivity. Nature Genetics 10: 135-142.

19) Noben-Trauth, K., J.K. Naggert, M.A. North, P.M. Nishina (1996): A candidate gene for the mouse mutation tubby. Nature 380: 534-538.

20) Kwon, H.Y., S.J. Bultman, C. Loffler, W.J. Chen, P.J. Furdon, J.G. Powell, A.L.Usala, W. Wilkison, I. Hansmann, R.P. Woychik (1994): Molecular structure andchromosomal mapping of the human homolog of the agouti gene. Proc. Natl.Acad. Sci. USA 91: 9760-9764.

21) Kwitek-Black, A.E., R. Carmi, G.M. Duyk, K.H. Buetow, K. Elbedour, R. Parvari,C.N. Yandava, E.M. Stone, V.C. Sheffield (1993): Linkage of Bardet-Biedlsyndrome to chromosome 16q and evidence for non-allelic genetic heterogeneity.Nature genetics 5: 392-396.

22) Collin, G.B., J.D. Marshall, L.R. Cardon, P.M. Nishina (1997): Homozygositymapping of Alstroem syndrome to chromsome 2p. Hum. Mol. Genet. 6: 213-220.

23) Tartaglia, L.A., M. Dembski, X. Weng, N. Deng, J. Culpepper, R. Devos, G.J. Richards,L.A. Campfield, F.T. Clark, J. Deeds (1995): Identification and expression cloning of a leptin receptor, OB-R. Cell 83: 1263-1271.

24) Chen, H., O. Charlat, L.A. Tartaglia, E.A: Woolf, X. Weng, S.J. Ellis, N.D. Lakey,J. Culpepper, K.J. Moore, R.E. Breitbart,.G.M. Duyk, R.I. Tepper, J.P.Morgenstern (1996): Evidence that the diabetes gene encodes the leptin receptor:identification of a mutation in the leptin receptor gene in db/db mice. Cell 84:491-495.

Anhang V

373

25) Winick, J.D., M. Stoffel, J.M. Friedman (1996): Identification of microsatellitemarkers linked to the human leptin receptor gene on chromosome 1. Genomics36: 221-222.

26) Chung, W.K., L. Power-Kehoe, M. Chua, R.L. Leibel (1996): Mapping of the OBreceptor to 1p in a region of nonconserved gene order from mouse and rat tohuman. Genome Res. 6: 431-438.

27) Wilson, B.D., M.M. Ollmann, L. Kang, M. Stoffel, G.I. Bell, G.S. Barsh (1995):Structure and function of ASP, the human homolog of the mouse agouti gene.Hum. Mol. Genet. 4: 223-230.

28) Chung, W.K., J. Goldber-Berman, L. Power-Kehoe, R.L. Leibel (1996): Molecularmapping of the tubby (tub) mutation on mouse chromosome 7. Genomics 32: 210-217.

29) North, M.A., J.K. Naggert, Y. Yan, K. Noben-Trauth, P.M. Nishina (1997):Molecular characterization of TUB, TULP1, and TULP2, members of the novel tubby gene family and their possible relation to ocular diseases. Proc. Natl.Acad. Sci. USA 94: 3128-3133.

30) Coleman, D.L. and E.M. Eicher (1990): Fat (fat) and tubby (tub): two autosomalrecessive mutations causing obesity syndromes in the mouse. J. Hered. 81: 424-427.

31) Fleury, Ch., M. Neverova, S. Collins, S. Raimbault, O. Champigny, C. Levi-Meyrueis, F. Bouillaud, M.F. Seldin, R.S. Surwit, D. Ricquier, C.H. Warden(1997): Uncoupling protein-2: a novel gene linked to obesity andhyperinsulinemia. Nature Genetics 15: 269-272.

32) Friedman, J.M., R.L. Leibel, N. Bahary (1991): Molecular mapping of obesitygenes. Mammalian Genome 1: 130-144.

33) Bouchard, C and L. Pérusse (1993): Genetics of obesity. Annu. Rev. Nutr. 13: 337-354.

34) Pig (Animal) Genome Database - synteny conservation.http://ws4.niai.affrc.go.jp/und http://www.genome.iastate.edu/pig (Stand 31.07.2001)http://www.genome.iastate.edu/maps/reprogenes.html (Stand 31.07.2001)http://www.toulouse.inra.fr/lgc/pig/compare/table.htm (Stand 31.07.2001)http://www.toulouse.inra.fr/lgc/pig/cyto/gene/chromo/SSCG6.htm (z.B. fürChromosom 6, Stand 31.07.2001)

35) Bolt, R., P. Vogeli, R. Fries (1993): A Polymorphic Microsatellite at the RYR1Locus in Swine. Anim. Genet. 24: 72.

36) MacLennan, D.H., C. Duff, F. Zorzato, J. Fujii, M. Phillips, R.G. Korneluk, W.Frodis (1990): Ryanodine receptor gene is a candidate for predisposition tomalignant hyperthermia. Nature 343: 559-561.

37) Mattei, M.G., G. Giannini, F. Moscatelli, V. Sorrentino (1994): Chromosomallocalization of murine ryanodine receptor genes RYR1, RYR2, and RYR3 by insitu hybridization. Genomics 22: 202-204.

38) Warden, C.H., J.S. Fisler, M.J. Pace, K.L. Svenson, A.J. Luis (1993): Coincidenceof genetic loci for plasma cholesterol levels and obesity in a multifactorial mousemodel. J. Clin. Invest. 92: 773-779.

Anhang V

374

39) Warden, C.H., J.S. Fisler, S.M. Shoemaker, P.Z. Wen, K.L. Svenson, M.J. Pace,A.J. Lusis (1995): Identification of four chromosomal loci determining obesity ina multifactorial mouse model. J. Clin. Invest. 95: 1545-1552.

40) Hall, C., E. Manser, N.K. Spurr, L. Lim (1993): Assignment of the humancarboxypeptidase E (CPE) gene to chromosome 4. Genomics 15: 461-463.

41) Kleyn P.W., W. Fan, S.G. Kovats, J.J Lee, J.C. Pulido, Y. Wu, L.R. Berkemeier,D.J. Misumi, L. Holmgren, O. Charlat, E.A. Woolf, O. Taybe, T. Brody, P. Shu,F. Hawkins, B. Kennedy, L. Baldini, C. Ebeling, G.D. Alperin, J. Deeds, N.D.Lakey, J. Culpepper, H. Chen, M.A. Glucksmann-Kuis (1996): Identification andcharacterization of the mouse obesity gene tubby: a member of a novel genefamily. Cell 85: 281-290.

42) Vage D.I., D.S. Lu, H. Klungland, S. Lien, S. Adalsteinsson, R.D. Cone (1997): Anon-epistatic interaction of agouti and extension in the fox, Vulpes vulpes. NatureGenetics 15: 311-315.

43) Gerbens, F., G. Rettenberger, J.A. Lenstra, J.H. Veerkamp, M.F. te Pas (1997):Characterization, chromosomal localization, and genetic variation of the porcineheart fatty acid-binding protein gene. Mamm Genome 8: 328-32.

44) Gerbens, F., A:J.M. van Erp, T.H.E. Meuwissen, J.H. Veerkamp, M.F.W. te Pas(1998): Heart fatty-acid binding protein gene variants are associated withintramuscular fat content and back fat thickness in pigs. Proceeding of the 6thWorld Congress on Genetics Applied to Livestock Production, Armidale,Australia, January 11-16, Volume 26: 187-190.

45) Prinsen, C.F., D.O. Weghuis, A.G. Kessel, J.H. Veerkamp (1997): Identification ofa human heart FABP pseudogene located on chromosome 13. Gene 193: 245-251.

46) Treuner, M., C.A. Kozak, D. Gallahan, R. Grosse, T. Müller (1994): Cloning and characterization of the mouse gene encoding mammary-derived growth inhibitor/heart-fatty acid-binding protein. Gene 147: 237-242.

47) Moser, G., E. Mueller, P. Beekmann, G. Yue, H. Geldermann (1998): Mapping ofQTLS in F2 Generations of Wild Boar, Pietrain and Meishan pigs. Proceeding ofthe 6th World Congress on Genetics Applied to Livestock Production, Armidale,Australia, January 11-16, Volume 26: 478-481.

48) Rothschild, M.F. (1998): Identification of Quantitative Trait Loci and InterestingCandidate Genes in the Pig: Progress and Prospects. Proceeding of the 6th WorldCongress on Genetics Applied to Livestock Production, Armidale, Australia,January 11-16, Volume 26: 403-409.

49) Milan, D. J.P. Bidanel, P.Le Roy, C. Chevalet, N. Woloszyn, J.C. Caritez, J.Gruand, H.Lagant, M. Bonneau, L. Lefaucheur, C. Renard, M. Vaiman, P.Mormède, C. Désautés, Y. Amigues, F. Bourgeois, J. Gellin, L.Ollivier (1998):Current status of QTL detection in Large White x Meishan Crosses in France.Proceeding of the 6th World Congress on Genetics Applied to LivestockProduction, Armidale, Australia, January 11-16, Volume 26: 414-417.

50) Koning, de D.J., L.L.G. Janss, J.A.M. Arendonk, P.A.M. van Oers, M.A.M.Groenen (1998): Mapping major genes affecting meat quality in Meishancrossbreds using standard linkage software. Proceeding of the 6th World Congresson Genetics Applied to Livestock Production, Armidale, Australia, January 11-16,Volume 26: 410-413.

Anhang V

375

51) Norman, R.A., C. Bogardus, E. Ravussin (1995): Linkage between obesity and amarker near the tumor necrosis factor-alpha locus in Pima Indians. J. Clin. Invest.96: 158-162.

52) Lawton, P., J. Nelson, R. Tizard, J.L. Browning (1995): Characterization of themouse lymphotoxin-beta gene. J. Immunol. 154: 239-246.

53) Raskin, S., J.D. Cogan, M.L. Summar, A. Moreno, M.R. Krishnamani, J.A. Phillips3rd (1996): Genetic mapping of the human pituitary-specific transcriptional factorgene and its analysis in familial panhypopituitary dwarfism. Hum. Genet. 98: 703-705.

54) Reeves, R.H., E.E. Rue, M.P. Citron, D.E. Cabin (1997): High-resolutionrecombinational map of mouse chromosome 16. Genomics 43: 202-208.

55) Wang, L., T.P. Yu, H.W. Chung, C.K. Tuggle and M.F. Rothschild (1997):Pinpointing QTLs on Chromosome 7 for Performance Traits in the Pig. J. Anim.Sci. 75 (Suppl. 1) 145.

56) Yu, T.P., C.K. Tuggle, C.B. Schmitz, M.F. Rothschild (1995): Association of PIT1Polymorphisms with Growth and Carcass Traits in Pigs. J. Anim. Sci. 73: 1282-1288.

57) Hegele, R.A., J.H. Brunt, P.W. Connelly (1995): Genetic variation on chromosome1 associated with variation in body fat distribution in men. Circulation 92: 1089-1093.

58) Chagnon, Y.C., L. Pérusse, M. Lamothe, M. Chagnon, A. Nadeau, F.T. Dionne,J. Gagnon, W.K. Chung, R.L. Leibel, C. Bouchard (1997): Suggestive linkagesbetween markers on human 1p32-p22 and body fat and insulin levels in theQuebec Family Study. Obes. Res. 5: 115-121.

59) Dai, R., N. Li, Ch. Wu (1998): Molecular cloning of ”ob” cDNA and polymorphicanalysing on ”ob” locus in swine. Proc. 6th World Congress on Genetics Appliedto Livestock Production, Armidale, Australia, Vol. 23: 612-615.

60) Brockmann, G.A., Ch.S. Haley, U. Renne, S.A. Knott, and M. Schwerin (1998):Quantitative Trait Loci Affecting Body Weight and Fatness From a Mouse LineSelected for Extreme High Growth. Genetics 150: 369-381.

61) Cargill, E.J., L.C. Baskin, and D.Pomp (1998): Rapid Communication: Localizationof the Porcine Carboxypeptidase-E Gene by Linkage Analysis Further Extendsthe region of Synteny Between Human Chromosome 4 and Porcine Chromosome8. J. Anim. Sci. 76: 2211-2212.

62) Clutter, A.C., S. Sasaki, and D. Pomp (1998): Rapid Communication: TheCholecystokinin Type-A Receptor (CCKAR) Gene Maps to Porcine Chromosome8. J. Anim. Sci. 76: 1983-1984.

63) McPherron, A.C., and S.-J. Lee (1997): Double muscling in cattle due to mutationsin the myostatin gene. Proc. Natl. Acad. Sci. USA 94: 12457-12461.

64) Szabo, G., G. Dallmann, G. Müller, L. Patthy, M. Soller, L. Varga (1998): Adeletion in the myostatin gene causes the compact (Cmpt) hypermuscularmutation in mice. Mammalian Genome 9: 671-672.

65) Sonstegard, T.S., G.A. Rohrer and T.P.L Smith (1998): Myostatin maps to porcinechromosome 15 by linkage and physical analyses. Animal Genetics 29: 19-22.

Anhang V

376

66) Keightley, P.D., T. Hardge, L. May, G. Bulfield (1996): A Genetic Map ofQuantitative Trait Loci for Body Weight in the Mouse. Genetics 142: 227-235.

67) Tornsten, A., A. Wraith, D. Larhammer, and B.P. Chowdhary (1998): FISHmapping of the porcine NPY5 gene to chromosome 8p11. Mammalian Genome 9:262-263.

68) Baskin, L.C. and D. Pomp (1998): Rapid Communication: Mapping of the PorcineColipase Gene to Chromosome 7 Using Linkage Analysis. J. Anim. Sci. 76:1241–1242.

69) Jiang, Z.H. and J.P. Gibson (1998): Rapid Communication: A PCR AmplifiedProduct Length Polymorphism (APLP) Marker at the Porcine GlucosephosphateIsomerase Locus Shows Between-Population Frequency Variation. J. Anim. Sci.76: 1718–1719.

70) Human Genome Database:http://www.ncbi.nlm.nih.gov/htbin-post/Omim/getmap (Stand 31.07.2001)

71) Edeal, B., J. M. Rumph, R. Mass, K. Killinger, N. Jerez, S. Elnagar, T. McDaneld,R. Aljumaah, U. Pithpongsiriporn, K. Nephawe, G. Martinez, C. D. Gladney, M.F. Allan, and D. Pomp (2000):Rapid communication: Linkage mapping of theMahogany (attractin) locus in cattle and pigs. J. Anim. Sci. 78: 2479–2480.

72) Te Pas, M.F.W., A. Soumillion, F. L. Harders, F. J. Verburg, T. J. van den Bosch, P.Galesloot, and T.H.E. Meuwissen (1999): Influences of Myogenin Genotypes onBirth Weight, Growth Rate, Carcass Weight, Backfat Thickness, and Lean Weightof Pigs. J. Anim. Sci. 77: 2352–2356.

73) Ernst, C.W., E.A. Mendez, A. Robic, M. Rothschild (1998). Rapid communication:myogenin (MYOG) physically maps to porcine chromosome 9q2.1-q2.6. J. Anim.Sci. 76: 328.

74) Kim, K.S., E.A. Mendez, S. Marklund A.C. Clutter, D. Pomp, and M.F. Rothschild(2000): Rapid communication: Linkage mapping of the porcine Agouti gene. J.Anim. Sci. 78: 1395–1396.

75) Kim, K.S., N. Larsen, T. Short, G. Plastow, M.F. Rothschild (2000): A missensevariant of the porcine melanocortin-4 receptor (MC4R) gene is associated withfatness, growth, and feed intake traits. Mammalian Genome 11: 131-135.

76) Kim, K.S., N. Larsen, and M.F. Rothschild (2000): Rapid communication: Linkageand physical mapping of the porcine melanocortin-4 receptor (MC4R) gene. J.Anim. Sci. 78: 791–792.

77) Lahbib-Mansais, Y., M. Yerle, J. Gellin (1995): Localization of IGF1R and EDN1genes to pig chromosomes 1 and 7 by in situ hybridisation. Cytogenet. Cell Genet.71: 225-227.

78) Werner, P., S. Neuenschwander, G. Stranzinger (1999): Characterization of theporcine uncoupling proteins 2 and 3 (UCP2 - UCP3) and their localization tochromosome 9p by somatic cell hybrids. Anim. Genet. 30: 221-224.

79) Gerbens, F., A. Jansen, A.J.M. van Erp, F.L. Harders, T.H.E. Meuwissen, G.Rettenberger, J.H. Veerkamp, M.F.W. te Pas (1998): The adipocyte fatty acid-binding protein locus: characterization and association with intramuscular fatcontent in pigs. Mammalian Genome 9: 1022-1026.

Anhang V

377

80) Niswender, K.D, Catherine Postic, T.L. Jetton, B.D. Bennett, D.W. Piston, S. Efrati,and M.A. Magnuson (1997): Cell-specific Expression and Regulation of aGlucokinase Gene Locus Transgene. J. Biol. Chem. 272: 22564–22569.

81) Messer, L.A., E.J. Cargill, and D. Pomp (2001): Rapid communication: Mapping ofthe pro-opiomelanocortin (POMC) gene to porcine chromosome by linkageanalysis using a PCR-RFLP. J. Anim. Sci. 79: 2241–2242.

Danksagung

379

Danksagung

Mein ganz besonderer Dank gilt Dr. Alva D. Mitchell vom Growth Biology Laboratory(GBL) des Beltsville Agricultural Research Center (BARC) des United StatesDepartment of Agriculture (USDA) in Beltsville, Maryland, USA. Die hervorragendewissenschaftliche und freundschaftliche Zusammenarbeit mit Dr. Mitchell legte denwesentlichen Grundstein für diese Arbeit. Daneben gilt mein Dank Dr. Norman Steele,der in seiner damaligen Funktion als „Research Leader“ des GBL alle nötigenForschungsmittel schnell und komplikationslos zur Verfügung stellte und damit meineArbeit entscheidend voran trieb.

Ohne die finanzielle Unterstützung der Alexander von Humboldt-Stiftung (AvH),Bonn, die mein Projekt mit einem Feodor-Lynen-Stipendium (05/1994-10/1995)förderte, wäre die gesamte Arbeit jedoch nicht zustande gekommen. In diesemZusammenhang danke ich Prof. Dr. Raymond Bernor (College of Medicine,Department of Anatomy, Howard University, Washington, DC), der meinen Aufenthaltin den USA als Gastgeber im Namen der AvH überhaupt erst ermöglichte.

Ein weiteres Stipendium zur Fortführung meiner Arbeiten am USDA in Beltsvilleund an der Howard University wurde mir durch die Organisation für ÖkonomischeZusammenarbeit und Entwicklung (OECD), Paris, Frankreich, im Rahmen desProgramms „Biological Resource Management for Sustainable Agricultural Systems:Quality of Animal Products and Safety of Food“ gewährt (06-07/1996).

Am „College of Medicine, Department of Radiology“ der Howard University,Washington, DC, erfuhr ich im Verlauf der Magnetresonanz-Studien eine sehrzuvorkommende Unterstützung durch Prof. Paul C. Wang, „Research Leader“ des„Biomedical NMR Research Facility“ sowie durch seine Mitarbeiter Huafu Song undZhenjin Yan.

Mein herzlicher Dank gilt ebenso Joan K. Lunney (Ph.D), „Research Leader“ amImmunology and Disease Resistance Laboratory (BARC, USDA) sowie ihrenMitarbeitern Dr. David Grimm und Rhoanda Shanks, die die Arbeiten zur DNA-Analyse durch meine Frau, Wiebke Scholz, in ihrem Labor sehr hilfsbereitunterstützten.

Weiterhin danke ich Dr. M.B. Solomon, „Research Leader“ des „Meat ScienceLaboratory“ des USDA in Beltsville und seiner Mitarbeiterin Janet Eastridge für diesehr entgegenkommende Hilfe bei der Konservierung und Präparation derMuskelbiopsie-Proben.

Nicht zuletzt danke ich Nancy Falconer, Mitarbeiterin von Dr. Mitchell, für ihrentatkräftigen „Einsatz“ bei der chemischen Analyse der Gewebeproben.

Einen sehr großen Beitrag bei der unermüdlichen Literaturbeschaffung leisteteFrau Dr. Ulrike Funke vom Institut für Nutztierwissenschaften der Humboldt-Universität zu Berlin. Herzlichen Dank.

Prof. Dr. E. Kallweit, Dr. U. Baulain und Frau Dr. Martina Henning vom Institutfür Tierzucht und Tierverhalten der Bundesforschungsanstalt für Landwirtschaft inMariensee danke ich speziell dafür, mir den Weg in das Forschungsgebiet „In-vivo-Analyse komplexer biologischer Systeme“ im Rahmen eines ebenfalls durch die AvHgeförderten Forschungsaufenthaltes von 05-10/1991 eröffnet zu haben.

Außerdem danke ich den Herren Prof. Dr. G. Schönmuth und Prof. Dr. G.Triebler, ehemaliges Institut für Tierzucht und Haustiergenetik der Humboldt-Universität zu Berlin, Prof. Dr. W. Schlote, Institut für Nutztierwissenschaften derHumboldt-Universität zu Berlin und Prof. Dr. M. Förster, Institut für Tierzucht undAllgemeine Landwirtschaftslehre der Ludwig-Maximilians-Universität München für diestetige Förderung meiner wissenschaftlichen Arbeiten.

in-vivo-methoden zur analyse von muskelstoffwechsel und körperzusammensetzung beim schwein unter...

Documents