|
Programa de Pós Graduação em Genética
e Melhoramento Seminário de Tese TÍTULO: Avaliação Genética de
Suínos Utilizando Abordagens Freqüentistas e Bayesianas PRELECIONISTA:
Leandro Barbosa ORIENTADOR:
Paulo Sávio Lopes CONSELHEIROS:
Adair José Regazzi e Robledo
de Almeida Torres O conhecimento das propriedades genéticas das populações é de extrema importância no melhoramento animal. Assim, é necessário obter o valor genético do animal com o objetivo de classificar os melhores indivíduos que serão os pais da próxima geração, e quantificar a contribuição destes para o ganho genético. A aplicação da estatística aliada a programas computacionais torna-se de fundamental importância no isolamento do componente genético dos demais componentes referentes às diferentes causas que participam do valor fenotípico de cada indivíduo. As acurácias das estimativas desses componentes genéticos dependem de um conjunto de fatores, destacando-se o número de informações, o modelo estatístico e o método de estimação dos componentes de (co)variância, utilizados. Modelos mais precisos devem ser propostos para obtenção de componentes genéticos mais confiáveis. Existem vários métodos para estimação destes componentes; todavia, o método da Máxima Verossimilhança Restrita – REML (“Restricted Maximum Likelihood”), desenvolvido por Patterson & Thompson (1971), é o mais usado atualmente. O REML baseia-se no princípio de maximização do logaritmo da função densidade de probabilidade das observações, que considera a perda de graus de liberdade na estimação dos efeitos fixos. Outro método que vem sendo utilizado para obtenção dos componentes de (co)variância e para avaliação genética, baseia-se na teoria Bayesiana, iniciada no século XVIII. A inferência Bayesiana utiliza métodos probabilísticos para descrever a incerteza sobre o verdadeiro valor de algum parâmetro (Blasco, 2001), considerando-se a existência de conhecimento, ou desconhecimento, inicial a respeito deste. A utilização dos métodos Bayesianos permite obter, além das estimativas, o intervalo de confiança para a distribuição a posteriori dos componentes de (co)variância e pode ser mais vantajosa que a REML quando o arquivo de dados é muito grande e os modelos são bastante complexos (Van Tassell & Van Vleck, 1996). Objetivou-se, neste estudo, estimar parâmetros genéticos via REML e inferência bayesiana (Amostrador de Gibbs) em características de importância econômica em uma população de suínos da raça Large White. Este estudo foi organizado em três capítulos. No primeiro
capítulo foi observado que o modelo que incluía os efeitos aleatórios comum
de leitegada e efeito materno, além do efeito genético aditivo foi o que
melhor se ajustou aos dados numa população de 39.381 animais, e as
estimativas de herdabilidade, via REML, neste
modelo foram em torno de 0,28 e 0,45,
respectivamente para a característica idade para atingir No segundo capítulo foi utilizado o método do Amostrador de Gibbs (Gibbs Sampling) para estimar os parâmetros genéticos das características IDA e ET. As estimativas foram próximas às encontradas pelo método REML. As médias das herdabilidades das distribuições a posterior foram em torno de 0,33 e 0,44, respectivamente para IDA e ET. Adicionalmente, a densidade a posteriori permite construir intervalos de confiança e/ou de alta densidade. No terceiro
capítulo foi avaliado o tamanho de leitegada utilizando um modelo unicaracterístico para a primeira ordem de parto e um
modelo de repetibilidade para as demais ordens de
parto, utilizando o método REML numa população de 3.211 animais. Foram observadas
herdabilidades de 0,15 e 0,20,
para os modelos unicaracterístico e de repetibilidade, respectivamente. As
estimativas de tendências genéticas obtidas no modelo unicaracterístico
e de repetibilidade apresentaram comportamento
similares. Essas estimativas foram em torno de 0,02 leitões nascidos por ano;
sugerindo a seleção para essa característica não foi efetiva. Literatura Recomendada BLASCO, A. The Bayesian
controversy in animal breeding. J. Anim. Sci., v.79, n.8, p.2023-2046, 2001. GIANOLA, D.; FERNANDO, R.L.
Bayesian methods in animal breeding theories. J. Anim. Sci., v.63, p.217-244, 1986. MEYER, K. Between algorithms: A “Short Cut”
restricted maximum likelihood procedure to estimate variance components. J.
Dairy Sci., v.69, n.7, p.1904-1916, 1986. VAN TASSELL, C.P.; VAN VLECK, L.D.
Multiple-trait Gibbs sampler for animal models: flexible programs for
Bayesian and likelihood-based (co)variance component inference. J. Anim. Sci.
v.74, p.2586-2597, 1996. |
