Printer Friendly

Heterogeneidade e avaliacao genetica em bovinos, estudo utilizando dados simulados.

Heterogeneity and genetic evaluation in bovines, a study using simulated data.

Introdução

Nos últimos anos, o melhoramento genético e as técnicas de produção têm apresentado grande desenvolvimento. Variações no processo de seleção e no sistema de manejo podem levar a diferentes médias e variâncias para produção entre rebanhos. Os rebanhos bovinos apresentam grande variabilidade de produção entre regiões e até dentro da mesma região. As condições ambientais de cada localidade são citadas como as principais causas desta variabilidade.

Vários trabalhos têm relatado a presença de heterogeneidade de variâncias entre rebanhos bovinos e associação positiva entre média e variância de produção (Torres et al., 2000; Weigel et al., 2001; Balieiro et al., 2002). Assim, a hipótese de homogeneidade de variâncias, assumida nos modelos utilizados para avaliação genética, nem sempre é atendida. Segundo Gianola et al. (1992), assumir a hipótese de homogeneidade na estrutura de dispersão dos dados, quando ela não é atendida, leva a grandes prejuízos na resposta à seleção. Alguns autores relataram que quando a heterogeneidade de variância não é devidamente considerada, pode ocorrer predição viesada do valor genético dos animais e redução do progresso genético (Rodriguez-Almeida et al., 1995a e b; Meuwissen et al., 1996).

Duas linhas básicas de abordagem sobre avaliação genética na presença de heterogeneidade de variâncias têm sido seguidas. Uma propõe o uso de transformações dos dados ou de fatores de ajustamento que visam eliminar a heterogeneidade. Outra linha propõe o uso de modelos que consideram a heterogeneidade, tais como modelos de características múltiplas, buscando ponderar adequadamente as observações de acordo com as diferentes variâncias em cada classe de heterogeneidade, e considerando a estrutura de covariâncias entre estas classes. De acordo com Martins (2002), estas estratégias são eficientes apenas para situações muito específicas, dificilmente observadas na prática.

As estratégias de avaliação genética, na presença de heterogeneidade, têm sido testadas para dados reais de rebanhos bovinos. Torres et al. (2000) concluíram que as transformações de dados não eliminaram a heterogeneidade entre classes de desvio-padrão fenotípico para produção de leite na raça Holandesa no Brasil. Estes autores também relataram correlações de ordem próximas da unidade entre valores genéticos, obtidos nas análises de características múltiplas, considerando as classes de baixo, médio e alto desviopadrão fenotípico para produção, e os obtidos na análise de característica única, indicando que os reprodutores seriam classificados da mesma maneira nos dois tipos de análises. Weigel et al. (2001) realizaram avaliação genética entre países em bovino de leite, utilizando o modelo de características múltiplas, no qual a medida das lactações efetuadas em cada país foi considerada como uma característica distinta, e encontraram correlação genética alta, mesmo entre países que possuíam diferentes sistemas de produção.

A quantificação da eficiência das metodologias de avaliação genética não é fácil. Atualmente, a simulação de dados destaca-se como ferramenta muito útil para testar a eficiência de metodologias de avaliação genética, principalmente quando o valor genético verdadeiro dos animais simulados é conhecido sem erro. Nestes casos, é possível verificar qual metodologia permite obter predições de valores genéticos mais próximos dos valores verdadeiros.

Assim, os objetivos, neste trabalho, foram: identificar quais parâmetros heterogêneos que afetam a ordem de classificação de touros, vacas e progênies; avaliar a importância da conexidade genética dos dados em avaliações genéticas na presença de heterogeneidade entre rebanhos e avaliar a eficiência da análise de características múltiplas para eliminar os efeitos da heterogeneidade entre rebanhos sobre a avaliação genética.

Material e métodos

Os dados utilizados neste trabalho foram simulados utilizando-se o programa Genesys de simulação genética (Euclydes, 1996). Este programa permite a simulação do genoma de animais para diferentes características, além de simular o comportamento dos genes durante o processo reprodutivo ao longo de várias gerações. No Genesys, para cada característica simulada, são definidos o número de locos e alelos envolvidos, o efeito aditivo de cada alelo, o número de efeitos fixos e as suas magnitudes, bem como os valores de herdabilidade e dos parâmetros genéticos e fenotípicos, além do tamanho da população, proporção macho:fêmea, número de descendentes/fêmea e número de gerações. O valor genético para um animal simulado é obtido pela soma dos efeitos aditivos dos alelos presentes no genoma deste animal, portanto, os valores genéticos verdadeiros são conhecidos sem erros.

Neste trabalho, foi simulado um genoma de 2.000 centimorgans de comprimento, para uma característica determinada por 200 locos com dois alelos por loco, tendo os alelos apenas efeitos aditivos. As frequências iniciais dos alelos foram simuladas com base na distribuição uniforme com média 0,50. Os locos foram distribuídos em 15 pares de cromossomos autossômicos de tamanhos aleatórios. Além do efeito de sexo, foi simulado o efeito de ambiente relativo a 15 rebanhos. Os efeitos aleatórios foram simulados conforme a distribuição normal. A soma do valor genético verdadeiro, do efeito de sexo, rebanho e aleatório gerou o valor fenotípico de cada animal simulado que foi utilizado para predizer os valores genéticos.

Foram simulados os genomas de 4.500 fêmeas e 4.500 machos que formaram a população base. A partir da população base, foram amostrados, aleatoriamente, 75 machos e 3.750 fêmeas, cada macho foi acasalado com 50 fêmeas, dando origem à população inicial com 37.500 progênies, distribuídas em 15 rebanhos. Os machos tinham progênies em todos os rebanhos ou em apenas um rebanho de acordo com o padrão de conexidade genética desejado.

A população inicial de cada rebanho era de 2.500 progênies, este número foi reduzido para 500 progênies por rebanho para gerar níveis de heterogeneidade para variância genética. Em cada rebanho, ordenaram-se as 2.500 progênies com base no valor genético verdadeiro e retiraram-se 500 progênies em intervalos de 5, 3 e 2 progênies, gerando rebanhos com alta, média e baixa variância genética, respectivamente.

Foram criados quatro tipos de heterogeneidade que podem ocorrer em rebanhos bovinos. As quatro estruturas de dados criadas diferiam quanto aos parâmetros fenotípicos e/ou genéticos que eram heterogêneos entre rebanhos. Na primeira estrutura de dados (Tabela 1), os rebanhos apresentavam heterogeneidade para todos os parâmetros considerados. Foram simulados três níveis de variabilidade em termos de variância fenotípica, ou seja, rebanhos de alta, média e baixa variância fenotípica, cada nível com cinco rebanhos. Rebanhos com alta variância fenotípica também possuíam alta variância genética, alta média fenotípica e alta média genética.

Na segunda estrutura de dados (Tabela 2), os rebanhos apresentavam heterogeneidade para variância fenotípica, variância genética e média fenotípica. No entanto, as médias genéticas eram similares entre os níveis de variabilidade fenotípica, ou seja, todos os rebanhos tinham animais com potencial genético semelhante.

Na terceira estrutura de dados (Tabela 3), os rebanhos apresentavam heterogeneidade apenas para variância fenotípica e média fenotípica. Nesta estrutura, o aumento de variância fenotípica entre rebanhos foi acompanhado por aumento na média fenotípica, porém, a média genética e a variância genética foram similares entre os diferentes níveis de variabilidade. Representando situações reais para rebanhos bovinos, em que apenas fatores ambientais são responsáveis pela heterogeneidade entre rebanhos.

Na quarta estrutura de dados (Tabela 4), os rebanhos não apresentavam heterogeneidade para nenhum parâmetro. As variâncias fenotípicas e genéticas, bem como as médias fenotípicas e genéticas foram similares entre os rebanhos. Mas mesmo assim, os 15 rebanhos simulados foram reunidos em três grupos de cinco rebanhos/grupo. Este agrupamento permitiu avaliar a acurácia das avaliações genéticas, utilizando análise de característica múltipla, na presença e na ausência de heterogeneidade entre rebanhos.

Além das estruturas de heterogeneidade citadas anteriormente, foram simulados dois padrões de conexidade genética entre rebanhos. Dados sem conexidade genética, em que touros com progênies em determinado rebanho não tinham progênies nos outros rebanhos. E dados com 100% de conexidade genética, em que todos os touros tinham progênies distribuídas nos 15 rebanhos simulados.

A combinação de quatro estruturas de heterogeneidade e dois padrões de conexidade genética gerou oito arquivos de dados disponíveis para avaliação genética.

Para predição dos valores genéticos, a partir dos arquivos de dados disponíveis, dois tipos de análises foram efetuadas. Na primeira análise, ignorou-se a presença de heterogeneidade genética ou fenotípica entre os rebanhos e efetuou-se análise de característica única, utilizando-se o modelo animal com efeitos fixos de sexo e rebanho. Na segunda análise, o nível de variabilidade fenotípica dos rebanhos foi considerado em análise de características múltiplas. A partir dos dados simulados, gerou-se um novo arquivo com três características: produção no nível de alta, média e baixa variabilidade. Assim, a mesma característica foi avaliada em análise de características múltiplas como se fosse uma característica distinta em cada nível de variabilidade fenotípica. Nesta análise, para cada animal, foram preditos três valores genéticos correspondentes aos três níveis de variabilidade.

A partir dos valores genéticos preditos, calculouse a correlação de ordem (correlação de Spearman) para a classificação dos animais com base nos valores genéticos preditos e valores genéticos verdadeiros, separadamente para touros, vacas e progênies. A correlação de ordem entre valores genéticos preditos e verdadeiros foi utilizada para quantificar o efeito do tipo de heterogeneidade sobre a classificação genética dos animais, para avaliar a eficiência das análises testadas e para verificar o efeito da conexidade genética sobre a avaliação genética na presença de heterogeneidade.

As estimativas dos componentes de variância, bem como a predição dos valores genéticos dos animais simulados, foram obtidas através do MTDFREML (Multiple Trait Derivative-Free Restricted Maximum Likelihood). Utilizou-se o pacote estatístico SAS -- Statistical Analysis System (Littel et al., 1993) para verificar a heterogeneidade entre rebanhos, para preparar os arquivos de dados para as análises e para calcular as correlações de ordem entre os valores genéticos preditos e verdadeiros.

Resultados e discussão

As estimativas de correlações de ordem entre valores genéticos verdadeiros e preditos para a estrutura de dados RHTP (Rebanhos com Heterogeneidade em Todos os Parâmetros) e 0% de conexidade genética foram muito baixas tanto nas análises de característica única quanto nas análises de características múltiplas. Estas estimativas variaram de 2,03 a 2,54%, de -0,14 a 1,23% e de 10,16 a 15,31%, respectivamente, para as classificações de touros, vacas e progênies (Tabela 5).

Segundo Crews e Franke (1998), valores de correlações de ordem inferiores a 70% refletem alterações importantes na classificação dos animais, e estas alterações comprometerão a seleção e o progresso genético. Neste trabalho, os valores baixos para as correlações de ordem indicam que a ordem de classificação dos animais com base nos valores genéticos preditos e verdadeiros é muito diferente. Consequentemente, muitos animais de baixo potencial genético podem estar classificados, incorretamente, entre aqueles geneticamente superiores, prejudicando a eficiência da seleção.

A existência de conexidade genética entre rebanhos resultou em aumento nas correlações de ordem entre valores genéticos verdadeiros e preditos. Quando os touros tinham progênies em todos os rebanhos (CG-100), as correlações de ordem para touros foram superiores a 90%. Porém, na avaliação genética de vacas e progênies, o efeito da conexidade genética não foi muito expressivo. Mesmo para dados com 100% de conexidade genética, as correlações de ordem ainda permaneceram baixas, variando de 3,22 a 17,14% para vacas e de 42,07 a 43,64% para progênies (Tabela 5).

Weigel et al. (2001), em avaliação genética de bovinos de leite, encontraram grandes alterações na ordem de classificação de touros em diferentes países. Segundo os autores, este resultado pode refletir as diferenças nos sistemas de produção de cada país, ou simplesmente, uma carência de informação devido à pequena ligação genética entre os países pelo uso de poucos touros em comum. Através dos dados simulados neste trabalho ficou claro que a heterogeneidade entre rebanhos não prejudicou a avaliação genética de touros, quando havia conexidade genética entre rebanhos.

Com exceção da avaliação genética de touros para dados com 100% de conexidade genética entre rebanhos, os demais valores de correlação de ordem foram inferiores a 50%, indicando muitas alterações na classificação dos animais e baixa acurácia na predição dos valores genéticos, quando a heterogeneidade para variância fenotípica também é acompanhada pela heterogeneidade para variância genética e médias fenotípicas e genéticas (Tabela 5).

Os demais tipos de heterogeneidade entre rebanhos que foram simuladas não afetaram a acurácia das avaliações genéticas. As correlações de ordem para as estruturas de heterogeneidade RMGS (Rebanhos com Médias Genéticas Similares), RHF (Rebanhos com Heterogeneidade Fenotípica) e RSH (Rebanhos Sem Heterogeneidade) foram superiores a 70%, independentemente da conexidade genética e do tipo de análise utilizada na avaliação genética (Tabelas 6, 7 e 8).

Na análise de característica única, as correlações de ordem entre valores genéticos preditos e verdadeiros obtidas para as estruturas de dados RHF e RSH, foram muito similares entre si. Estas correlações foram superiores a 95% para touros e superiores a 80% para vacas e progênies (Tabelas 7 e 8), sendo apenas ligeiramente superiores às correlações obtidas para a estrutura de dados RMGS (Tabela 6).

Como citado anteriormente, para as estruturas de heterogeneidade RMGS e RHF, as correlações de ordem foram superiores a 70% e próximas às obtidas para dados sem heterogeneidade (RSH). Estes resultados indicaram que para predições de valores genéticos, a partir de dados com heterogeneidade para parâmetros fenotípicos e para variância genética, porém com médias genéticas similares entre rebanhos, a ordem de classificação dos animais manteve-se próxima à obtida a partir de dados sem heterogeneidade. Porém, quando ocorreu heterogeneidade para todos parâmetros, inclusive para a média genética (RHTP), a ordem de classificação dos animais, principalmente para vacas e progênies, foi afetada. Portanto, a heterogeneidade para média genética é o tipo de heterogeneidade que teve grande efeito negativo sobre a avaliação genética.

Martins (2002) destacou, como causa da heterogeneidade entre rebanhos as diferenças na composição genética dos animais. Rodriguez-Almeida et al. (1995a e b), Nuñez-Domingues et al. (1995), Crews e Franke (1998) e Oliveira et al. (2001) também encontraram que a heterogeneidade entre grupos genéticos foi fator importante na avaliação de gado de corte. Os resultados citados por estes autores, bem como os encontrados neste trabalho, com dados simulados, são fortes evidências de que o problema da heterogeneidade sobre a avaliação genética é devido basicamente à presença de médias genéticas diferentes entre rebanhos.

Para dados com heterogeneidade, em todos os parâmetros, o grau de conexidade genética entre rebanhos afetou a predição dos valores genéticos de touros. O efeito negativo da heterogeneidade para média genética sobre a avaliação genética de touros foi pequeno quando os rebanhos apresentavam alta conexidade genética. Porém, a alta conexidade genética não foi suficiente para eliminar os efeitos negativos da heterogeneidade para média genética sobre a avaliação genética das progênies e, principalmente, das vacas. Os valores das correlações de ordem entre valores genéticos verdadeiros e preditos de progênies e de vacas foram muito baixos. Mesmo para dados com 100% de conexidade genética entre os níveis de variabilidade, estas correlações foram inferiores a 50%. Usando dados reais, Boldman e Freeman (1990), Meuwissen e Van Der Werf (1993), Torres et al. (2000) e Balieiro et al. (2002) também encontraram que o efeito da heterogeneidade entre rebanhos foi maior sobre a avaliação genética de vacas.

Oliveira et al. (2001) concluíram que na presença de heterogeneidade de variâncias entre grupos genéticos, a análise de características múltiplas foi mais adequada em relação à análise de característica única que ignorava a presença de heterogeneidade. Estes resultados diferem dos encontrados neste trabalho, onde as estimativas das correlações de ordem entre valores genéticos verdadeiros e preditos em análise de características múltiplas foram, em geral, similares aos resultados obtidos nas análises de característica única (Tabelas 5, 6 e 7). Assim, verificou-se que na presença de heterogeneidade para média genética, o uso de análise de característica múltipla não aumentou a correlação de ordem entre valores genéticos verdadeiros e preditos (Tabela 5).

Conclusão

A heterogeneidade entre rebanhos para média genética prejudica a ordem de classificação dos valores genéticos de touros e, principalmente, de vacas e progênies, mas a heterogeneidade para outros parâmetros tem pequeno efeito sobre a avaliação genética dos animais.

Na presença de heterogeneidade para média genética, a conexidade genética entre rebanhos melhora a acurácia da predição dos valores genéticos de touros, mas não tem o mesmo efeito sobre a avaliação genética de vacas e de progênies.

A predição dos valores genéticos, usando análise de características múltiplas, não é eficiente para eliminar os efeitos negativos da heterogeneidade para média genética sobre a avaliação genética de touros, vacas e progênies.

Received on October 25, 2006. Accepted on June 13, 2007.

Referências

BALIEIRO, J.C.C. et al. Efeito da heterogeneidade de variância na avaliação genética de bovinos da raça Nelore: análises de características múltiplas para peso à desmama. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 39., 2002, Recife. Anais ... Recife: Sociedade Brasileira de Zootecnia, 2002.

BOLDMAN, K.G.; FREEMAN, A.E. Adjustment for heterogeneity of variances by herd production level in dairy cow and sire evaluation. J. Dairy Sci., Champaign, v. 73, n. 2, p. 503-512, 1990.

CREWS, D.H.; FRANKE, D.E. Heterogeneity of variances for carcass traits by percentage Brahman inheritance. J. Anim. Sci., Champaign, v. 76, p. 1803-1809, 1998.

EUCLYDES, R.F. Sistema de simulação genética Genesys: genetic system simulation. Viçosa: UFV, 1996.

GIANOLA, D. et al. Estimation of heterogeneous variances using empirical Bayes methods: theoretical considerations. J. Dairy Sci., Champaign, v. 75, n. 10, p. 2805-2823, 1992.

LITTEL, R.C. et al. SAS: statistical analysis system. 3. ed. Cary: SAS Institute, 1993.

MARTINS, E.N. Avaliação genética e heterogeneidade de variância. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 39., 2002, Recife. Anais ... Recife: Sociedade Brasileira de Zootecnia, 2002.

MEUWISSEN T.H.E. et al. Joint estimation of breeding values and heterogeneous variances of large data sets. J. Dairy Sci., Champaign, v. 79, n. 2, p. 310-316, 1996.

MEUWISSEN T.H.E.; VAN DER WERF, J.H.J. Impact of heterogeneous within herd variances on dairy cattle breeding schemes: a simulation study. Livest. Prod. Sci., Amsterdam, v. 33, p. 31-41, 1993.

NUÑES-DOMINGUEZ, R. et al. Prediction of genetic values of sire for growth traits of crossbred cattle using a multivariate animal models with heterogeneous variances. J. Anim. Sci., Champaign, v. 73, p. 2940-2950, 1995.

OLIVEIRA, C.A.L. et al. Heterogeneidade de variância nos grupos genéticos formadores as raça Canchim. Rev. Bras. Zootec., Viçosa, v. 30, n. 4, p. 1212-1219, 2001.

RODRIGUEZ-ALMEIDA, F.A. et al. Effect of accounting for different phenotypic variances by sire breed and sex on selection of sires based on expected progeny differences for 200- and 365-day weights. J. Dairy Sci., Champaign, v. 73, n. 9, p. 2589-2599, 1995a.

RODRIGUEZ-ALMEIDA, F.A. et al. Heterogeneity of variance by sire breed, sex, and dam breed in 200- and 365-day weights of beef cattle from a top cross experiment. J. Anim. Sci., Champaign, v. 73, n. 9, p. 2579-2588, 1995b.

TORRES, R.A. et al. Heterogeneidade de variância e avaliação genética de bovinos da raça Holandesa no Brasil. Rev. Bras. Zootec., Viçosa, v. 29, n. 4, p. 1050-1059, 2000.

WEIGEL, K.A. et al. International genetic evaluation of dairy sires using a multiple-trait model with individual animal performance records. J. Dairy Sci., Champaign, v. 84, n. 12, p. 2789-2795, 2001.

Antonio Policarpo Souza Carneiro (1) *, Robledo de Almeida Torres (2), Paulo Sávio Lopes (2), Ricardo Frederico Euclydes (2), Paulo Luiz Souza Carneiro (3) e Fabyano Fonseca e Silva (1)

(1) Departamento de Informática, Universidade Federal de Viçosa, 36571-000, Viçosa, Minas Gerais, Brasil. (2) Departamento de Zootecnia, Universidade Federal de Viçosa, Viçosa, Minas Gerais, Brasil. (3) Departamento de Ciências Biológicas, Universidade Estadual do Sudoeste da Bahia, Jequié, Bahia, Brasil. * Autor para correspondência. E-mail: policarpo@dpi.ufv.br
Tabela 1. Medias para parámetros fenotípicos e genéticos nos tres
niveis de variabilidade fenotípica para rebanhos com heterogeneidade
em todos os parámetros.

Table 1. Averages for phenotypic and genetic parameters in three levels
of phenotypic variability for herds with heterogeneity in all
parameters.

                             Variabilidade fenotípica
                             Phenotypic variability
Parámetros
Parameter                    Alta        Media        Baisa
                             High       Medium          Low

[[sigma].sup.2.sub.p]        637          342          204
[[sigma].sup.2.sub.g]        197           81           43
[[micro].sub.p]              285          219          150
[[micro].sub.g]              210          182          154

[[sigma].sup.2.sub.p]: Variância fenotípica; [[sigma].sup.2.sub.g]:
Variância genética; [[micro].sub.p]: Média fenotípica; [[micro].sub.g]:
Média genética.

[[sigma].sup.2.sub.p]: Phenotypic variance; [[sigma].sup.2.sub.g]:
Genetic variance; [[micro].sub.p]: Phenotipic mean; [[micro].sub.g]:
Genetic mean.

Tabela 2. Medias para parámetros fenotípicos e genéticos nos tres
niveis de variabilidade fenotípica para rebanhos com media genéticas
similares.

Table 2. Averages for phenotypic and genetic parameters in three
levels of phenotypic variability for Herds with similar genetic means.

                         Variabilidade fenotípica
                         Phenotypic variability
Parámetros
Parameters               Alta     Média         Baixa
                         High     Medium        Low

[[sigma].sup.2.sub.p]    934      587           369
[[sigma].sup.2.sub.g]    483      307           207
[[micro].sub.p]          267      233           199
[[micro].sub.g]          188      187           189

[[sigma].sup.2.sub.p]: Variância fenotípica; [[sigma].sup.2.sub.g]:
Variância genética; [[micro].sub.p]: Média fenotípica; [[micro].sub.g]:
Média genética.

[[sigma].sup.2.sub.p]: Phenotypic variance; [[sigma].sup.2.sub.g]:
Genetic variance; [[micro].sub.p]: Phenotipic mean; [[micro].sub.g]:
Genetic mean.

Tabela 3. Médias para parâmetros fenotípicos e genéticos nos
três níveis de variabilidade fenotípica para rebanhos com
heterogeneidade fenotípica.

Table 3. Averages for phenotypic and genetic parameters in three
levels of phenotypic variability for Herds with phenotypic
heterogeneity.

                         Variabilidade fenotípica
                         Phenotypic variability
Parámetros
Parameters               Alta     Média         Baixa
                         High     Medium        Low

[[sigma].sup.2.sub.p]    862      730           664
[[sigma].sup.2.sub.g]    468      489           488
[[micro].sub.p]          263      237           190
[[micro].sub.g]          185      191           189

[[sigma].sup.2.sub.p]: Variância fenotípica; [[sigma].sup.2.sub.g]:
Variância genética; [[micro].sub.p]: Média fenotípica; [[micro].sub.g]:
Média genética.

[[sigma].sup.2.sub.p]: Phenotypic variance; [[sigma].sup.2.sub.g]:
Genetic variance; [[micro].sub.p]: Phenotipic mean; [[micro].sub.g]:
Genetic mean.

Tabela 4. Médias para parâmetros fenotípicos e genéticos em três
grupos de rebanhos para estrutura de dados sem heterogeneidade
entre rebanhos.

Table 4. Averages for phenotypic and genetic parameters in three
herd groups for structures of data without heterogeneity among
herds.

                         Grupos de rebanhos
                         Herd groups
Parámetros
Parameters               Grupo 1    Grupo 2       Grupo 3
                         Group 1    Group 2       Group 3

[[sigma].sup.2.sub.p]    725        714           727
[[sigma].sup.2.sub.g]    457        442           469
[[micro].sub.p]          228        223           223
[[micro].sub.g]          190        187           187

[[sigma].sup.2.sub.p]: Variância fenotípica; [[sigma].sup.2.sub.g]:
Variância genética; [[micro].sub.p]: Média fenotípica; [[micro].sub.g]:
Média genética.

[[sigma].sup.2.sub.p]: Phenotypic variance; [[sigma].sup.2.sub.g]:
Genetic variance; [[micro].sub.p]: Phenotipic mean; [[micro].sub.g]:
Genetic mean.

Tabela 5. Correlação de ordem (%) entre valores genéticos
verdadeiros e preditos em diferentes análises para touros, vacas e
progênies, em rebanhos com 0 e 100% de conexidade genética
(CG) para a estrutura RHTP (1).

Table 5. Rank correlation (%) between true and predicted breeding
values in differents analyses for bulls, cows and progenies, in herds
with 0 and 100% genetic connexity (GC), for the structure HHAP (1).

                   Avaliaçáo genética
                   Genetic evaluation

             (2) VG-UNI        (3) VG-ALTA
             (2) BV-ST         (3) BV-HIGH

                        CG-0
                        GC-0
Touros        2,54               2,32
Bulls

Vacas         1,23              -0,12
Cows

Progênies    10,16             15,31
Progenies

                   CG-100
                   GC-100
Touros       93,87             95,81
Bulls

Vacas        17,14              3,22
Cows

Progênies    42,40             43,64
Progenies

                 Avaliaçáo genética
                 Genetic evaluation

             (3) VG-MÉDIA      (3) VG-BAIXA
             (3) BV-MEDIUM     (3) BV-LOW

                     CG-0
                     GC-0
Touros        2,13              2,03
Bulls

Vacas        -0,14             -0,14
Cows

Progênies    15,17             15,13
Progenies

                  CG-100
                  GC-100
Touros       95,78             90,99
Bulls

Vacas         3,26              3,43
Cows

Progênies    43,63             42,07
Progenies

(1) RHTP: Rebanhos com heterogeneidade em todos os parâmetros;
(2) VG-UNI: Valores genéticos preditos em análise de característica
única e (3) VG-Alta, VG-Média e VG-Baixa: Valores genéticos preditos
em análise de características múltiplas para os níveis de alta,
média e baixa variabilidade fenotípica.

(1) HHAP: Herds with heterogeneity in all parameters; (2) BV-ST:
Predicted breeding values in single trait analyses and (3) BV-High,
BV-Medium and BV-Low: Predicted breeding values in multiple-trait
analyses, to high, medium and low levels of phenotypic variability.

Tabela 6. Correlação de ordem (%) entre valores genéticos
verdadeiros e preditos em diferentes análises para touros, vacas e
progênies, em rebanhos com 0 e 100% de conexidade genética
(CG) para a estrutura RMGS (1).

Table 6. Rank correlation (%) between true and predicted breeding
values in differents analyses for bulls, cows and progenies, in herds
with 0 and 100% of genetic connexity (GC), for the structure HSGM (1).

                Avaliação genética
                Genetic evaluation

             (2) VG-UNI        (3) VG-ALTA
             (2) BV-ST         (3) BV-HIGH

                     CG-0
                     GC-0
Touros       89,63             86,45
Bulls

Vacas        79,68             76,54
Cows

Progênies    72,93             69,42
Progenies

                  CG-100
                  GC-100
Touros       93,46             91,02
Bulls

Vacas        79,63             79,66
Cows

Progênies    73,37             71,57
Progenies

                 Avaliação genética
                 Genetic evaluation

             (3) VG-MÉDIA      (3) VG-BAIXA
             (3) BV-MEDIUM     (3) BV-LOW

                    CG-0
                    GC-0
Touros       87,44             90,05
Bulls

Vacas        77,77             79,34
Cows

Progênies    68,80             71,22
Progenies

                 CG-100
                 GC-100
Touros       93,49             93,38
Bulls

Vacas        79,76             79,77
Cows

Progênies    72,11             72,22
Progenies

(1) RMGS: Rebanhos com médias genéticas similares; (2) VG-UNI: Valores
genéticos preditos em análise de característica única e (3) VG-Alta,
VG-Média e VG-Baixa: Valores genéticos preditos em análise de
características múltiplas para os níveis de alta, média e
baixa variabilidade fenotípica

(1) HSGM: (2) herds with similar genetic means; (2) BV-ST: Predicted
breeding values in single trait analyses and (3) BV-High, BV-Medium and
BV-Low: Predicted breeding values in multiple-trait analyses, to high,
medium and low levels of phenotypic variability.

Tabela 7. Correlação de ordem (%) entre valores genéticos
verdadeiros e preditos em diferentes análises para touros, vacas e
progênies, em rebanhos com 0 e 100% de conexidade genética
(CG) para a estrutura RHF (1).

Table. Rank correlation (%) between true and predicted breeding values
in differents analyses for bulls, cows and progenies, in herds with 0
and 100% of genetic connexity (GC), for the structure HPH (1).

             Avaliação genética
             Genetic evaluation

             (2) VG-UNI        (3) VG-ALTA
             (2) BV-ST         (3) BV-HIGH

             CG-0
             GC-0
Touros       97,05             91,03
Bulls

Vacas        82,50             76,70
Cows

Progênies    82,93             77,45
Progenies

             CG-100
             GC-100
Touros       97,77             96,08
Bulls

Vacas        82,62             80,87
Cows

Progênies    83,71             81,45
Progenies

             Avaliação genética
             Genetic evaluation

             (3) VG-MÉDIA      (3) VG-BAIXA
             (3) BV-MEDIUM     (3) BV-LOW

             CG-0
             GC-0
Touros       87,31             87,38
Bulls

Vacas        74,06             75,29
Cows

Progênies    74,86             76,28
Progenies

             CG-100
             GC-100
Touros       97,06             94,50
Bulls

Vacas        82,33             82,02
Cows

Progênies    83,04             80,75
Progenies

(1) RHF: Rebanhos com heterogeneidade fenotípica; (2) VG-UNI: Valores
genéticos preditos em análise de característica única e (3) VG-Alta,
VG-Média e VG-Baixa: Valores genéticos preditos em análise de
características múltiplas para os níveis de alta, média e baixa
variabilidade.

(1) HPH: Herds with phenotypic heterogeneity; (2) BV-ST: Predicted
breeding values in single trait analyses and (3) BV-High, BV-Medium
and BV-Low: Predicted breeding values in multiple-trait analyses,
to high, medium and low levels of phenotypic variability.

Tabela 8. Correlação de ordem (%) entre valores genéticos
verdadeiros e preditos em diferentes análises para touros, vacas e
progênies, em rebanhos com 0 e 100% de conexidade genética
(CG) para a estrutura RSH (1).

Table 8. Rank correlation (%) between true and predicted breeding
values in differents analyses for bulls, cows and progenies, in herds
with 0 and 100% of genetic connexity (GC), for the structure HWH (1).

             Avaliação genética
             Genetic evaluation

             (2) VG-UNI        (3) VG-Grupo 1
             (2) BV-ST         (3) BV-Group 1

                      CG-0
                      GC-0
Touros       95,77             95,62
Bulls

Vacas        81,65             81,67
Cows

Progênies    82,24             82,20
Progenies

                    CG-100
                    GC-100
Touros       97,76             97,84
Bulls

Vacas        82,01             82,01
Cows

Progênies    83,11             83,07
Progenies

             Avaliação genética
             Genetic evaluation

             (3) VG-Grupo 2    (3) VG-Grupo 3
             (3) BV-Group 2    (3) BV-Group 3

                   CG-0
                   GC-0
Touros       95,64             95,54
Bulls

Vacas        81,66             81,66
Cows

Progênies    82,21             82,19
Progenies

                   CG-100
                   GC-100
Touros       97,72             97,73
Bulls

Vacas        82,00             82,00
Cows

Progênies    83,05             83,06
Progenies

(1) RSH: Rebanhos sem heterogeneidade; (2) VG-UNI: Valores genéticos
preditos em análise de característica única e (3) VG-Grupo 1, VG-Grupo
2 e VG-Grupo 3: Valores genéticos preditos em análise de
características múltiplas para grupos de rebanhos.

(1) HWH: Herds without heterogeneity; (2) BV-ST: Predicted breeding
values in single trait analyses and (3) BV-Group 1, BV-Group 2 and
BV-Group 3: Predicted breeding values in multiple-trait analyses
for herd groups.
COPYRIGHT 2008 Universidade Estadual de Maringa
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2008 Gale, Cengage Learning. All rights reserved.

 
Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:texto en portugués
Author:Souza Carneiro, Antonio Policarpo; De Almeida Torres, Robledo; Sávio Lopes, Paulo; Frederico Euclyde
Publication:Acta Scientiarum Animal Sciences (UEM)
Date:Jan 1, 2008
Words:5448
Previous Article:Suplementacao dietetica com Selenio e Vitamina E nos parametros seminais de caprinos induzidos a insulacao scrotal.
Next Article:Producao animal e estrutura de uma pastagem natural submetida a diferentes sistemas de manejo.
Topics:

Terms of use | Privacy policy | Copyright © 2018 Farlex, Inc. | Feedback | For webmasters