Portal de Pesquisa da BVS Veterinária

Tese em Português | VETTESES | ID: vtt-206795

Resumo

Estratégias que buscam promover o progresso genético ou conservar a diversidade genética em pequenas populações podem sofrer com os efeitos negativos da endogamia. O aumento deste parâmetro ocorre no primeiro caso em função da metodologia BLUP, que tende a favorecer a seleção de animais dentro das melhores famílias, associado às técnicas reprodutivas que possibilitam a maior disseminação deste material genético. O aumento no segundo caso é devido ao reduzido tamanho efetivo de população, que torna os rebanhos mais susceptíveis à deriva genética e aos acasalamentos consanguíneos. Em ambos os casos, o nível de endogamia tende a aumentar ao longo das gerações, por causa da intensidade de seleção ou fatores não sistemáticos, respectivamente. O acasalamento e a seleção são as possíveis ferramentas para atingir os objetivos de seleção. Portanto, a busca de algoritmos que auxiliem na estratégia do melhoramento genético é uma preocupação recorrente. Abordagens de otimização de acasalamentos como a programação linear (software SGRmate), a contribuição genética ótima, que utiliza os multiplicadores de Lagrange (software Gencont) e, mais recente, o algoritmo diferencial evolucionário (software Mate Selection) têm sido sugeridas. Neste estudo foram comparadas as três metodologias em dados simulados que mimetizavam populações fechadas e pequenas. Em um primeiro cenário (T10) eram selecionados 10 machos e 50 fêmeas com os maiores valores genéticos em cada processo seletivo; em um segundo cenário (T17), 17 machos e 50 fêmeas eram selecionados em cada otimização. Ambos os cenários foram avaliados durante dez gerações. Foi avaliado também um cenário de acasalamento ao acaso (ACASO) como parâmetro de comparação. Os algoritmos otimizaram a função objetivo com o intuito de alcançar o maior progresso genético para um limite de endogamia de 10%, selecionando a quantidade de machos necessária e formando os pares reprodutivos, com exceção do Gencont, que tinha como função objetivo apenas minimizar a coancestralidade. Todos os softwares geraram populações com progressos genéticos semelhantes. Com relação a estrutura de população, o Mate Selection gerou as populações com os maiores níveis de endogamia, semelhantes ao cenário ACASO. Por outro lado, este foi o software que melhor controlou os acasalamentos entre parentes. O Gencont produziu populações com níveis intermediários de endogamia. Por fim, o SGRmate foi o software que manteve os níveis mais baixo de endogamia, devido ao maior número de machos selecionados e igual proporcionalidade de uso combinado com a formação dos pares reprodutivos. Conclui-se que a utilização da programação linear, implementada no software SGRmate, foi mais eficiente na manutenção da diversidade genética de populações pequenas e fechadas.

---

Strategies to promote genetic progress or preserve genetic diversity in small populations may change with negative effects of inbreeding. The increase in this parameter occurs due to the BLUP methodology, which tends to favor the selection of animals within the best families, associated with the reproductive techniques that allow the greater dissemination of this genetic material. The increase in the second case is due to the reduced effective population size, which makes the herds more susceptible to genetic drift and inbred mating. In both cases, levels of inbreeding tend to increase over generations, because of the intensity of selection or non-systematic factors, respectively. Mating and selection are the achievable tools to achieve selection goals. Therefore, the search for algorithms that assist the genetic improvement strategy is a recurring concern. Mating optimization approaches such as linear programming (SGRmate software), the optimal genetic contribution, using the Lagrangian multipliers (Gencont software) and, more recently, the evolutionary algorithm (Mate Selection software) have been suggested. In this study, we compared these three methodologies in simulated data that mimicked small- closed populations. In a first scenario (T10) 10 males and 50 females were selected with the highest genetic values in each selection process; in a second scenario (T17), 17 males and 50 females were selected at each optimization. Both scenarios were evaluated over ten generations. It was also evaluated a random mating scenario (ACASO) as a comparison parameter. Algorithms optimized the objective function in order to achieve the greatest genetic progress for an inbreeding limit of 10%, selecting the necessary number of males and forming the reproductive pairs, except for Gencont, whose objective function was only to minimize the coancestry. All softwares generated populations with similar genetic progress. Regarding the population structure, Mate Selection generated populations with the highest levels of inbreeding, similar to the ACASO scenario. By contrast, this was the software that best controlled mating between relatives. Gencont produced populations with intermediate levels of inbreeding. Finally, SGRmate software was the one that maintained the lowest levels of inbreeding due to the greater number of males selected and equal proportionality of combined use with the formation of reproductive pairs. We concluded that the use of linear programming implemented in SGRmate software, was more efficient in maintaining the genetic diversity of small- closed populations.

Biblioteca responsável: BR68.1