Serum biochemical reference ranges for lambs from birth to 1 year of age in the tropics / Intervalos de referência de bioquímicos séricos para cordeiros do nascimento a um ano nos trópicos

The study aimed to determine the biochemical reference ranges for lambs from birth to 1 year of age in the tropics. Data were obtained from experiments performed in several institutions and commercial farms using Santa Inês, Dorper, Lacaune, Morada Nova, Bergamacia and Suffolk lambs reared under different conditions (grazing, feedlot, semi-feedlot) from 2006 to 2017. Serum energy-, protein-, mineral-, and enzyme-related metabolites were evaluated. The metabolic energy profile included data from glucose, cholesterol, triglycerides, fructosamine, high-density lipoprotein cholesterol, low-density lipoprotein cholesterol, and very-low-density lipoprotein cholesterol; the metabolic protein profile included total protein, uric acid, urea, albumin, and creatinine; the metabolic mineral profile included data on calcium, phosphorus, and magnesium; and the metabolic enzymatic profile included the enzymes aspartate aminotransferase, gamma glutamyl transferase, alkaline phosphatase, and creatine kinase. The reference ranges were estimated using confidence intervals with a 95% confidence level, and percentiles were estimated or bootstrapped nonparametrically when the data were not normally distributed. The serum biochemical reference ranges determined for lambs are strongly divergent from those established by one of the most cited books on the topic, especially considering the high serum urea and cholesterol concentrations and low levels of blood glucose observed. Therefore, the serum biochemical reference ranges for lambs from birth to 1 year of age in the tropics differ from international data, which consider adult sheep in temperate climate zones.

Objetivou-se determinar as faixas de referência dos parâmetros bioquímicos para cordeiros desde o nascimento até a idade de um ano nos trópicos. Os dados foram obtidos a partir de experimentos realizados em diversas instituições e fazendas comerciais, utilizando cordeiros Santa Inês, Dorper, Lacaune, Morada Nova, Bergamacia e Suffolk criados em diferentes condições (pastejo, confinamento, semi-confinamento) de 2006 a 2017. Foram avaliados os metabólitos séricos relacionados à energia, proteína, minerais e vitaminas. O perfil metabólico incluiu dados de glicose, colesterol, triglicerídeos, frutosamina, lipoproteína de alta densidade, lipoproteína de baixa densidade e lipoproteína de densidade muito baixa; o perfil metabólico proteico incluiu proteína total, ácido úrico, ureia, albumina e creatinina; o perfil mineral os dados sobre cálcio, fósforo e magnésio; e o perfil enzimático as enzimas aspartato aminotransferase, gama glutamil transferase, fosfatase alcalina e creatina quinase. As faixas de referência foram estimadas usando intervalos de confiança com nível de confiança de 95%, e os percentis foram estimados por métodos não paramétricos de reamostragem quando não apresentavam distribuição normal. Os intervalos bioquímicos séricos de referência para cordeiros determinados são fortemente divergentes dos estabelecidos por um dos livros mais citados sobre o tema, principalmente considerando as altas concentrações séricas de ureia e colesterol e baixos níveis de glicose observados no sangue. Portanto, as faixas bioquímicas séricas de referência para cordeiros do nascimento a um ano nos trópicos diferem dos dados internacionais, que contemplam ovelhas adultas em países temperados.

Serum biochemical reference ranges for lambs from birth to 1 year of age in the tropics / Intervalos de referência de bioquímicos séricos para cordeiros do nascimento a um ano nos trópicos

The study aimed to determine the biochemical reference ranges for lambs from birth to 1 year of age in the tropics. Data were obtained from experiments performed in several institutions and commercial farms using Santa Inês, Dorper, Lacaune, Morada Nova, Bergamacia and Suffolk lambs reared under different conditions (grazing, feedlot, semi-feedlot) from 2006 to 2017. Serum energy-, protein-, mineral-, and enzyme-related metabolites were evaluated. The metabolic energy profile included data from glucose, cholesterol, triglycerides, fructosamine, high-density lipoprotein cholesterol, low-density lipoprotein cholesterol, and very-low-density lipoprotein cholesterol; the metabolic protein profile included total protein, uric acid, urea, albumin, and creatinine; the metabolic mineral profile included data on calcium, phosphorus, and magnesium; and the metabolic enzymatic profile included the enzymes aspartate aminotransferase, gamma glutamyl transferase, alkaline phosphatase, and creatine kinase. The reference ranges were estimated using confidence intervals with a 95% confidence level, and percentiles were estimated or bootstrapped nonparametrically when the data were not normally distributed. The serum biochemical reference ranges determined for lambs are strongly divergent from those established by one of the most cited books on the topic, especially considering the high serum urea and cholesterol concentrations and low levels of blood glucose observed. Therefore, the serum biochemical reference ranges for lambs from birth to 1 year of age in the tropics differ from international data, which consider adult sheep in temperate climate zones.(AU)

Objetivou-se determinar as faixas de referência dos parâmetros bioquímicos para cordeiros desde o nascimento até a idade de um ano nos trópicos. Os dados foram obtidos a partir de experimentos realizados em diversas instituições e fazendas comerciais, utilizando cordeiros Santa Inês, Dorper, Lacaune, Morada Nova, Bergamacia e Suffolk criados em diferentes condições (pastejo, confinamento, semi-confinamento) de 2006 a 2017. Foram avaliados os metabólitos séricos relacionados à energia, proteína, minerais e vitaminas. O perfil metabólico incluiu dados de glicose, colesterol, triglicerídeos, frutosamina, lipoproteína de alta densidade, lipoproteína de baixa densidade e lipoproteína de densidade muito baixa; o perfil metabólico proteico incluiu proteína total, ácido úrico, ureia, albumina e creatinina; o perfil mineral os dados sobre cálcio, fósforo e magnésio; e o perfil enzimático as enzimas aspartato aminotransferase, gama glutamil transferase, fosfatase alcalina e creatina quinase. As faixas de referência foram estimadas usando intervalos de confiança com nível de confiança de 95%, e os percentis foram estimados por métodos não paramétricos de reamostragem quando não apresentavam distribuição normal. Os intervalos bioquímicos séricos de referência para cordeiros determinados são fortemente divergentes dos estabelecidos por um dos livros mais citados sobre o tema, principalmente considerando as altas concentrações séricas de ureia e colesterol e baixos níveis de glicose observados no sangue. Portanto, as faixas bioquímicas séricas de referência para cordeiros do nascimento a um ano nos trópicos diferem dos dados internacionais, que contemplam ovelhas adultas em países temperados.(AU)

Comparison of whole genome prediction accuracy across generations using parametric and semi parametric methods / Comparação da acurácia de predições genômicas através de gerações usando métodos / paramétricos e semi paramétricos

Accuracy of genomic prediction was compared using three parametric and semi parametric methods, including BayesA, Bayesian LASSO and Reproducing kernel Hilbert spaces regression under various levels of heritability (0.15, 0.3 and 0.45), different number of markers (500, 750 and 1000) and generation intervals of validating set. A historical population of 1000 individuals with equal sex ratio was simulated for 100 generations at constant size. It followed by 100 extra generations of gradually reducing size down to 500 individuals in generation 200. Individuals of generation 200 were mated randomly for 10 more generations applying litter size of 5 to expand the historical generation. Finally, 50 males and 500 females chosen from generation 210 were randomly mated to generate 10 more generations of recent population. Individuals born in generation 211 considered as the training set while the validation set was composed of individuals either from generations 213, 215 or 217. The genome comprised one chromosome of 100 cM length carrying 50 QTLs. There was no significant difference between accuracy of investigated methods (p > 0.05) but among three methods, the highest mean accuracy (0.659) was observed for BayesA. By increasing the heritability, the average genomic accuracy increased from 0.53 to 0.75 (p 0.05). The number of SNPs affected the accuracy and accuracies increased

A acurácia da predição genômica foi comparada através de três métodos paramétricos e semiparamétricos, que incluíram BayesA, LASSO Bayesiano e regressão RKHS (Reproducing Kernel Hilbert Spaces) sob vários níveis de hereditariedade (0,15; 0,3 e 0,45), números diferentes de marcadores (500, 750 e 1000) e intervalos de geração de conjuntos de validação. Uma população histórica de 1000 indivíduos com igual proporção sexual foi simulada por 1000 gerações, em tamanho constante. Ela foi seguida por 100 gerações adicionais com redução gradual de tamanho para 500 indivíduos na 200ª geração. Indivíduos da geração 200 foram cruzados aleatoriamente por mais 10 gerações aplicando-se tamanho de ninhada de 5, para expansão da geração histórica. Por fim, uma seleção de 50 machos e 500 fêmeas da geração 210 foram cruzados aleatoriamente, resultando em mais 10 gerações de população recente. Indivíduos nascidos na geração 211 foram considerados como o conjunto de treinamento, enquanto o conjunto de validação foi composto por indivíduos da geração 213, 215 ou 217. O genoma foi composto por um cromossomo de 100cM de comprimento portando 50 QTLs. Não houve diferença significativa entre a acurácia dos métodos investigados (p > 0,05); porém, dentre os três métodos, a maior média de acurácia (0,659) foi observada em BayesA. Com o aumento da hereditariedade, a média da acurácia de seleção genômica

Comparison of whole genome prediction accuracy across generations using parametric and semi parametric methods / Comparação da acurácia de predições genômicas através de gerações usando métodos / paramétricos e semi paramétricos

Accuracy of genomic prediction was compared using three parametric and semi parametric methods, including BayesA, Bayesian LASSO and Reproducing kernel Hilbert spaces regression under various levels of heritability (0.15, 0.3 and 0.45), different number of markers (500, 750 and 1000) and generation intervals of validating set. A historical population of 1000 individuals with equal sex ratio was simulated for 100 generations at constant size. It followed by 100 extra generations of gradually reducing size down to 500 individuals in generation 200. Individuals of generation 200 were mated randomly for 10 more generations applying litter size of 5 to expand the historical generation. Finally, 50 males and 500 females chosen from generation 210 were randomly mated to generate 10 more generations of recent population. Individuals born in generation 211 considered as the training set while the validation set was composed of individuals either from generations 213, 215 or 217. The genome comprised one chromosome of 100 cM length carrying 50 QTLs. There was no significant difference between accuracy of investigated methods (p > 0.05) but among three methods, the highest mean accuracy (0.659) was observed for BayesA. By increasing the heritability, the average genomic accuracy increased from 0.53 to 0.75 (p 0.05). The number of SNPs affected the accuracy and accuracies increased(AU)

A acurácia da predição genômica foi comparada através de três métodos paramétricos e semiparamétricos, que incluíram BayesA, LASSO Bayesiano e regressão RKHS (Reproducing Kernel Hilbert Spaces) sob vários níveis de hereditariedade (0,15; 0,3 e 0,45), números diferentes de marcadores (500, 750 e 1000) e intervalos de geração de conjuntos de validação. Uma população histórica de 1000 indivíduos com igual proporção sexual foi simulada por 1000 gerações, em tamanho constante. Ela foi seguida por 100 gerações adicionais com redução gradual de tamanho para 500 indivíduos na 200ª geração. Indivíduos da geração 200 foram cruzados aleatoriamente por mais 10 gerações aplicando-se tamanho de ninhada de 5, para expansão da geração histórica. Por fim, uma seleção de 50 machos e 500 fêmeas da geração 210 foram cruzados aleatoriamente, resultando em mais 10 gerações de população recente. Indivíduos nascidos na geração 211 foram considerados como o conjunto de treinamento, enquanto o conjunto de validação foi composto por indivíduos da geração 213, 215 ou 217. O genoma foi composto por um cromossomo de 100cM de comprimento portando 50 QTLs. Não houve diferença significativa entre a acurácia dos métodos investigados (p > 0,05); porém, dentre os três métodos, a maior média de acurácia (0,659) foi observada em BayesA. Com o aumento da hereditariedade, a média da acurácia de seleção genômica (AU)

APPLYING MACHINE LEARNING METHODS FOR GENOMIC ANALYSIS OF REPRODUCTIVE TRAITS IN NELLORE CATTLE

A seleção de animais geneticamente superiores com base na informação genômica tem sido uma tendência crescente e promissora em programas de melhoramento. No entanto, os principais métodos de predição genômica envolvem modelos paramétricos, que em sua maioria, assumem somente variância aditiva para o efeito dos marcadores, ignorando-se possíveis relações não-lineares. A consideração de tais efeitos pode ser importante para melhorar a habilidade de predição em características com arquitetura genética complexa. Recentemente, tem crescido o interesse em métodos de predição semi e não paramétricos. Dentro desse contexto, os métodos de aprendizagem de máquina tais como Redes Neurais Artificiais (ANN), Random Forest (RF) e Support Vector Machines (SVM) são alternativas interessantes. Os objetivos do presente estudo foram: i) Comparar o desempenho preditivo do modelo Genomic Best Linear Unbiased Predictor (GBLUP) e de métodos de aprendizagem de máquina em populações simuladas de bovinos de corte, apresentando diferentes níveis para efeitos de dominância; ii) Investigar a habilidade de predição de diferentes métodos de aprendizagem de máquina para predição genômica de características reprodutivas em bovinos da raça Nelore; iii) Desenvolver um estudo de associação genômica ampla (GWAS) utilizando a metodologia Random Forest, a fim de buscar genes candidatos para idade ao primeiro parto em novilhas da raça Nelore. No primeiro estudo, o genoma simulado compreendeu um painel de SNPs (Single Nucleotide Polymorphisms) com densidade de 50k e 300 QTLs (Quantitative Trait Loci), espalhados aleatoriamente ao longo de 29 cromossomos. Foram simuladas ao todo seis características, considerando-se diferentes valores de herdabilidade no sentido restrito e amplo. No cenário puramente aditivo e com baixa herdabilidade (h2 = 0,10), a habilidade de predição utilizando o método GBLUP foi levemente superior em relação aos outros métodos (aproximadamente de 0,8% a 5,0%), ao passo que as ANN obtiveram melhor acurácia nos cenários com moderada herdabilidade (h2 = 0,30). As acurácias para os efeitos de dominância variaram entre 0,180 e 0,350 no modelo GBLUP considerando a matriz de relacionamento de dominância (GBLUP-D), entre 0,062 e 0,185 para o RF e foram nulas utilizando-se os métodos ANN e SVM. Entre os métodos de aprendizagem de máquina, apenas o RF foi capaz de capturar implicitamente os efeitos de dominância, resultando em maiores acurácias de predição para os valores genéticos totais e fenotípicos quando a variância devido ao efeito de dominância aumentou. No segundo estudo, dados referentes a bovinos da raça Nelore nascidos entre 1984 e 2015 foram utilizados. As características estudadas foram Idade ao Primeiro Parto (AFC), Circunferência Escrotal (SC), Prenhez Precoce (EP) e Habilidade de Permanência (STAY). Após o controle de qualidade, o número de animais com genótipos e de marcadores SNP disponíveis foram respectivamente, 2.342 e 321.419 (AFC), 4.671 e 309.486 (SC), 3.356 e 319.108 (EP) e 2.681 e 319.619 (STAY). A habilidade preditiva de diferentes métodos de aprendizagem de máquina tais como Support Vector Regression (SVR), Bayesian Regularized Artificial Neural Network (BRANN) e RF foi avaliada. Os resultados foram comparados aos obtidos pelos modelos paramétricos GBLUP e BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator). Para o modelo SVR, investigou-se a influência de diferentes valores para o parâmetro de largura de banda do kernel na habilidade de predição do modelo. Para o modelo BRANN, diferentes números de neurônios na camada oculta (de 1 a 4 neurônios) foram examinados para se identificar a melhor arquitetura de rede. Além disso, duas estruturas de informação genômica foram testadas como informação de entrada no modelo BRANN, a matriz de relacionamento genômica (G) e a matriz de componentes principais (PC). A habilidade de predição dos modelos foi avaliada por meio de um esquema de validação cruzada em 5 folds. As acurácias obtidas foram de baixas a moderadas de acordo com a característica e modelos considerados, variando entre 0,555 e 0,625 (AFC), 0,268 e 0,359 (SC), 0,573 e 0,666 (EP) e entre 0,517 e 0,618 (STAY). O modelo SVR obteve desempenho ligeiramente superior em relação aos métodos paramétricos (GBLUP e BLASSO) para todas as características avaliadas, aumentando a acurácia de predição da AFC em aproximadamente 5,1% e 3,7%, quando comparados aos modelos GBLUP e BLASSO, respectivamente, e em 7,2% para SC, 3,4% para EP e 5% para STAY quando comparado aos resultados obtidos por ambos GBLUP e BLASSO. Por outro lado, os modelos RF, BRANN_G e BRANN_PC não apresentaram habilidade de predição competitiva com os métodos tradicionais, apresentando menor acurácia de predição e maiores erros de predição para todas as características. Os resultados indicam que o SVR é um método adequado para a predição de valores genéticos genômicos para características reprodutivas em bovinos da raça Nelore, apresentando melhor habilidade de predição e eficiência no tempo de computação em relação as metodologias paramétricas estudadas. Além disso, o valor mais adequado para o parâmetro de largura de banda do kernel no método SVR dependeu da característica avaliada, desse modo, a correta predefinição desse parâmetro na fase de treinamento do modelo é aconselhável. Por último, um estudo de associação genômica ampla foi realizado utilizando a abordagem RF, a fim de se identificar genes candidatos para a idade ao primeiro parto em bovinos da raça Nelore. Os valores examinados para o parâmetro M_try (ou seja, o número de SNPs testados em cada nó das árvores) foram 1, p, 0.01p e 0.1p, em que p representa o número total de SNPs. Os parâmetros que produziram o menor erro quadrático nos dados out-of-bag (MSE_OOB) foram mantidos para análises posteriores. Foram realizadas 5 análises independentes com diferentes sementes de inicialização do algoritmo e os escores de importância dos SNPs foram computados como a média das 5 análises. Foram identificados 118 SNPs associados com AFC, localizados em oito cromossomos autossômicos (BTA 3, 5, 10, 11, 18, 21, 25 e 27). No total, 23 regiões não sobrepostas cobriram 172 genes candidatos para AFC. Regiões genômicas previamente associadas com características de fertilidade e crescimento em bovinos Nelore foram reportadas neste estudo, o que reforça a efetividade do RF como um método para a varredura inicial de regiões candidatas associadas com características complexas. O estudo de associação baseado no método RF e a análise funcional apontaram genes candidatos com funções chave na regulação da fertilidade, incluindo a pré-implantação de embriões e seu desenvolvimento, viabilidade embrionária, maturação de células germinais masculinas e reconhecimento de feromônios.

The selection of genetically superior animals based on genomic information has been an increasing and promising trend in breeding programs. However, the main methods used for genome-enabled prediction involve parametric models that mostly assume only additive variance for markers effects, ignoring possible nonlinear relationships. Accounting for such effects may be important to improve the predictive ability for traits with complex genetic architecture. The interest in semi and non-parametric prediction methods has recently increased. Within this context, machine learning methods such as Artificial Neural Networks (ANN), Random Forest (RF) and Support Vector Machines (SVM) are an interesting alternative. The aims of the present study were: i) To compare the predictive performance of Genomic Best Linear Unbiased Predictor (GBLUP) and machine learning methods in simulated beef cattle populations presenting different degrees of dominance; ii) To investigate the predictive ability of different machine learning for genome-enabled prediction of reproductive traits in Nellore cattle and compare their performance with parametric approaches (GBLUP and BLASSO); iii) To perform a genome-wide association study (GWAS) using the Random Forest approach for scanning candidate genes for age at first calving in Nellore heifers. In the first study, the simulated genome comprised 50k single nucleotide polymorphisms (SNPs) and 300 QTL (Quantitative Trait Loci), both biallelic and randomly distributed across 29 chromosomes. A total of six traits were simulated considering different values for the narrow and broad-sense heritability. In the purely additive scenario with low heritability (h2 = 0.10), the predictive ability obtained using GBLUP was slightly higher than the other methods (approximately 0,8% to 5,0%) whereas ANN provided the highest accuracies for scenarios with moderate heritability (h2 = 0.30). The accuracies of dominance deviations varied from 0.180 to 0.350 in the GBLUP model considering the dominance genomic relationship matrix (GBLUP-D), from 0.062 to 0.185 in the RF and were null using ANN and SVM methods. Among machine learning methods, only the RF was capable to cover implicitly dominance effects without increasing the number of covariates in the model, resulting in higher accuracies for the total genetic and phenotypic values as the dominance ratio increased. In the second study, data of Nellore cattle from commercial herds born between 1984 and 2015 were used. The studied traits were Age at First Calving (AFC), Scrotal Circumference (SC), Early Pregnancy (EP) and Stayability (STAY). After quality control, the number of genotyped animals and SNP markers available were respectively, 2,342 and 321,419 (AFC), 4,671 and 309,486 (SC), 3,356 and 319,108 (EP) and 2,681 and 319,619 (STAY). The predictive ability from different machine learning models such as Support Vector Regression (SVR), Bayesian Regularized Artificial Neural Network (BRANN) and RF, was assessed. Results were compared with that obtained using GBLUP and BLASSO (Bayesian Least Absolute Shrinkage and Selection Operator) parametric models. For the SVR, the influence of different kernel bandwidth parameter values on the model predictive ability was assessed. In the BRANN models, different numbers of neurons in the hidden layer (1 to 4 neurons) were examined to assess the best ANN architecture. Further, two genomic structures were assessed as input information in the BRANN model, the marker-based genomic relationship matrix (G) and the principal components scores matrix (PC). The predictive ability of the studied models was evaluated by a 5-fold cross-validation scheme. The average accuracies were from low to moderate according to the trait and model considered, ranging between 0.555 and 0.625 (AFC), 0.268 and 0.359 (SC), 0.573 and 0.666 (EP) and 0.517 and 0.618 (STAY). The SVR provided slightly better performance than the parametric models for all traits, increasing the prediction accuracy for AFC around 5.1% and 3.7% compared to GBLUP and BLASSO models, respectively, and around 7.2% for SC, 3.4% for EP and 5% for STAY, comparing to both GBLUP and BLASSO. In contrast, the RF, BRANN_G and BRANN_PC models did not present competitive predictive ability compared to the benchmark approaches, presenting lower prediction accuracies and higher MSE for all traits. Our results indicate that the SVR is a suitable method for genomic breeding values prediction for reproductive traits in Nellore Cattle, presenting better predictive ability and computational time efficiency than the studied parametric approaches. Further, the optimal kernel bandwidth parameter in the SVR model was trait-dependent, thus, the correct pre-definition of this parameter in the training phase is advisable. Lastly, a genome-wide association study (GWAS) was performed using the RF approach for scanning candidate genes for AFC in Nellore cattle. The assessed values for the M_try parameter (i.e. the number of SNPs to search at each node) were 1, p, 0.01p and 0.1p, in which p represents the total number of SNPs. The RF parametrization which produced the lowest mean squared error in the out-of-bag data (MSE_OOB) was maintained for further analysis. We run five independent analyses with different initialization seeds for the algorithm and the SNPs importance scores were averaged. There were identified 118 SNPs associated with AFC, located over eight autosomes (BTA 3, 5, 10, 11, 18, 21, 25 and 27). In total, 23 non-overlapping genomic regions embedded 172 candidate genes for AFC. Genomic regions previously associated with fertility and growth traits in Nellore cattle were reported in the present study, which reinforces RF effectiveness for pre-screening candidate regions associated with complex traits. The RF-based genome-wide scan and functional analysis highlighted candidate genes with key roles in fertility, including embryo pre-implantation and development, embryonic viability, male germinal cell maturation and pheromone recognition.