Seleção genômica para características longitudinais de bovinos da raça Holandesa

Carregando...
Imagem de Miniatura

Data

2016-03-03

Autores

Scalez, Daiane Cristina Becker [UNESP]

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Estadual Paulista (Unesp)

Resumo

Longitudinal traits are of great importance for animal production, however, when it comes to genomic selection several methods are being evaluated for specific traits, such as milk yield in specific ages or total yield. Thus, applying these methods to complete trajectories of the phenotype of interest over time can be an important tool for helping to decide the best time to select the animals. In this study, milk yield, fat and protein percentage, and somatic cell score data of dairy cattle were used, in a two-stage procedure: i) where the nonlinear Wood (1967), Cobby & Le Du (1978) and Wilmink (1987) were adjusted; ii) the model that provided the best fit was the Wilmink model (1987), whose parameter estimates were used as phenotypes later. In addition to the non-linear models, it was also used a random regression model, considering quadratic Legendre polynomials to model the additive genetic and permanent environment effects. In the second stage different methods for estimation of genomic breeding values (GEBV) were applied: RR-BLUP and LASSO, which considered as phenotypes the estimated parameters previously obtained and the random regression coefficients. The correspondence between phenotypes and GEBV was verified by through cross validation using the k-fold method. For all traits, the genomic prediction accuracies of Wilmink’s model parameters were low when RR-BLUP was used. Furthermore, the accuracies for parameter c showed values close to zero for most traits. The prediction accuracies for random regression coefficients were moderate to high, above 0.67, and demonstrated that the use of random regression coefficients can be a good alternative for genomic prediction using longitudinal data.
Características longitudinais são de grande importância para a produção animal, no entanto, quando se trata de seleção genômica vários métodos estão sendo avaliados para características pontuais, como produção de leite em idades específicas ou produção total. Dessa forma, a aplicação destes métodos a trajetórias completas do fenótipo de interesse ao longo do tempo pode ser uma ferramenta importante para a tomada de decisão do melhor momento para seleção dos animais. No presente estudo foram utilizados dados de produção de leite, porcentagem de gordura, porcentagem de proteína e escore de células somáticas de bovinos leiteiros da raça Holandesa em uma metodologia de dois estágios: i) os modelos não lineares de Wood (1967), Cobby & Le Du (1978) e Wilmink (1987) foram ajustados aos dados de cada característica; ii) as estimativas de parâmetros obtidas para as curvas individuais no modelo que proporcionou melhor ajuste aos dados (Wilmink) foram utilizadas como fenótipos nas análises genômicas. Além dos modelos não lineares, também foi utilizado um modelo de regressão aleatória (RRM), considerando polinômios de Legendre quadráticos para a modelagem dos efeitos genético aditivo e de ambiente permanente. No segundo estágio foram testados diferentes métodos para estimação dos valores genéticos genômicos (GEBV): RR-BLUP e LASSO, que consideraram como fenótipos as estimativas dos parâmetros obtidas anteriormente e os coeficientes de regressão estimados via RRM. A correspondência de fenótipos e GEBV foi verificada por meio de validação cruzada, utilizando o método k-fold. Para todas as características estudadas e todos os parâmetros estimados pelo modelo de Wilmink (1987), as acurácias da predição genômica foram baixas quando o RR-BLUP foi utilizado. Além disso, o parâmetro c apresentou acurácias próximas de zero para quase todas as características. As acurácias de predição obtidas para os coeficientes de regressão aleatória foram de magnitude moderada a alta (>0,67) demonstrando que o uso de coeficientes de regressão aleatória pode ser uma boa alternativa para predição genômica considerando dados longitudinais.

Descrição

Palavras-chave

Bayesian LASSO, Random regression models, Nonlinear models, RRBLUP, LASSO Bayesiano, RR-BLUP, Modelos de regressão aleatória, Modelos não lineares

Como citar