Resumo
RESUMO SOUZA, Nadson Oliveira de, M.Sc., Universidade Federal de Viçosa, Fevereiro de 2015. Avaliação da produção e composição do leite em caprinos da raça alpina utilizando modelos de regressão aleatória multicaracterístico. Orientador: Robledo de Almeida Torres. Coorientador: Fabyano Fonseca e Silva. O objetivo do presente estudo foi comparar modelos de diferentes ordens de ajuste por meio de funções polinomiais de Legendre, sob modelos de regressão aleatória unicaracterístico e multicaracterístico, com finalidade de obter modelos mais adequados para descrever as mudanças nas variâncias associadas a produção de leite, teor de proteína, gordura e lactose no dia do controle e estimar componentes de (co)variância e parâmetros genéticos. Foram utilizados 21.994 informações de produção de leite no dia do controle (pldc) de 774 cabras e para proteína, gordura e lactose foram utilizados 5.482, 6.353 e 5.500 registros de 588, 608 e 588, respectivamente, de cabras alpina de primeira lactação, em análise de regressão aleatória unicaracterístico (MRAU). Para análise de regressão aleatória multicaracterístico (MRAM) foram utilizados 34.635 informações de 644 cabras da raça alpina. Para as análises, foram incluídos os efeitos aleatório genético aditivo, ambiente permanente e residual. Além disso, os grupos contemporâneos (ano-estação, tipo de parto, agrupamento genético) e os efeitos linear e quadrático da idade da cabra ao parto foram incluídos como efeitos fixos. Os critérios utilizados para seleção dos modelos foram o logaritmo do máximo da função de verossimilhança (Log L), critério da informação de Akaike (AIC), critério da informação Bayesiano (BIC), teste da razão de verossimilhança (TRV) e número de parâmetros (NP). O programa Wombat foi utilizado em todas as análises genéticas. O modelo de regressão aleatória unicaracterístico utilizando polinômios ortogonais de Legendre de ordem cinco para a curva fixa, de ordem três para efeito genético aditivo, de ordem seis para o de ambiente permanente e ao menos cinco classes de variância residual foi o mais indicado para avaliação genética da produção de leite no dia do controle. Para teor de proteína o mais indicado foi o que considerou ordem cinco para curva fixa, ordem três para genético aditivo, ordem seis para ambiente permanente e três classes de variância residual. O ix modelo que considerou a ordem cinco para a curva fixa, ordem seis para genético aditivo, ordem três para ambiente permanente e três classes de variância residual foi o mais indicado para a característica teor de gordura. Já para teor de lactose o modelo indicado para avaliação genética foi o que considerou a ordem três para curva fixa, ordem três para o genético aditivo, ordem seis para ambiente permanente e três classes de variância residual. Na análise utilizando modelo de regressão aleatória multicaracterístico o mais indicado para avaliação genética das características pldc, teor de proteína, gordura e lactose foi o que considerou a ordem três para a curva fixa, ordem três para efeito genético aditivo, ordem cinco para ambiente permanente e três classes de variância residual. Os componentes de (co)variância e os coeficientes de herdabilidade foram semelhantes em MRAU e MRAM ao longo da curva de lactação para as características pldc, proteína e lactose, já para gordura algumas diferenças foram observadas. Estudos que envolva o MRAM precisam ser mais frequentes, para que se possa entender o comportamento das características em analise conjunta e assim definir se vantagens existem em sua utilização em vez da utilização dos MRAU.
ABSTRACT SOUZA, Nadson Oliveira de, M.Sc., Universidade Federal de Viçosa, February of 2015. Evaluation of the production and composition of milk in the Alpine breed goats using multiple-trait random regression models. Adviser: Robledo de Almeida Torres. Co-adviser: Fabyano Fonseca e Silva. The study aimed was to compare different models of adjusting orders by Legendre polynomials and estimate variance components and genetic parameters, for single and multiple-trait random regression models for production milk, protein, fat and lactose. Were used 21,994 test-day (TD) records of milk from 774 goats, and protein, fat and lactose were used 5,482, 6,353 and 5,500 records from 588, 608 and 588, respectively, of Alpine goats in single trait random regression models (RRM). For multiple trait random regression models (RRMM) were used 34,635 records of 644 goats. For the analysis, the random effects were additive genetic, permanent environmental and residual. The fixed effects were contemporary groups (year-season, type of delivery, genetic group), the linear and quadratic effects of the covariable age of the goat at calving. We used the maximum of likelihood function, Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), Likelihood Ratio Test (LRT) and number of estimated parameters as criteria model choice. We used wombat program for all genetic analysis. The random regression model using polynomials Legendre of five order to the fixed curve, three order for additive genetic effect, six order for permanent environmental and five classes of residual variance was the most suitable for genetic evaluation of milk production test day. For protein the best was the model with five order for fixed curve, three order for additive genetic, six order for permanent environmental and three classes for residual variance. The model with five order for fixed curve, six order for additive genetic, four order for permanent environmental and three classes of residual variance was the most suitable for the fat content. For the lactose content the best model for genetic evaluation was with three order for fixed curve, three order for the additive genetic, six order for permanent environmental and three residual variance. In the analysis using random regression model multiple-trait the most suitable for genetic evaluation of TD xi characteristics, protein, fat and lactose was deemed to three order for the fixed curve, order three for additive genetic effect, orer five for permanent environmental and four classes residual variance. The variance components and heritability coefficients were similar in RRM and RRMM throughout the lactation curve for production milk characteristics, protein and lactose, while for fat there were some differences. Studies involving the RRAM need to be more frequent that one can understand traits the behavior in joint analysis and thus determine whether there are advantages in their use instead of using RRM.