Your browser doesn't support javascript.

Portal de Pesquisa da BVS Veterinária

Informação e Conhecimento para a Saúde

Home > Pesquisa > ()
Imprimir Exportar

Formato de exportação:

Exportar

Exportar:

Email
Adicionar mais destinatários

Enviar resultado
| |

Genetic and genomic analyses for pig survival using threshold models

NATALIA GALORO LEITE.
Tese em Inglês | VETTESES | ID: vtt-212540

Resumo

A taxa de sobrevivência de suínos é uma característica de interesse econômico e com implicações do ponto de vista de bem-estar animal. Embora a taxa de sobrevivência seja altamente influenciada por fatores ambientais, estudos sugerem que existe variabilidade genética, indicando assim a oportunidade de progresso genético desta característica por meio de seleção. A taxa de sobrevivência é uma característica binária, que geralmente é analisada por modelos lineares. No entanto, modelos não lineares, como os modelos de limiar, são estatisticamente mais adequados, uma vez que consideram a natureza categórica desta característica. Além da informação fenotípica e de genealogia, a informação genômica está atualmente incorporada nos principais programas de melhoramento genético comerciais de suínos. Um dos métodos de avaliação genômica que permite a incorporação destas diferentes fontes de informação é chamado método de avaliação genômica em passo único (ssGBLUP), o qual permite a inclusão de informação genealógica, fenotípica e genotípica em uma única análise. Neste contexto, objetivou-se estimar os componentes de (co)variância para taxa de sobrevivência de suínos ao parto e durante os períodos de lactação, creche e terminação utilizando modelos de limiar, e comparar a acurácia de predição individual dos valores genéticos direto e materno utilizando o método tradicional de avaliação genética (BLUP) e o método ssGBLUP. Dados individuais de sobrevivência para quatro estágios produtivos foram coletados para uma população cruzada de suínos, a qual foi originada de 4.403 leitegadas produzidas em uma fazenda de pesquisa localizada na Holanda. Modelos de limiar bi característicos, sem a inclusão da informação genômica, foram utilizados para a estimação de componentes de (co)variância. Logo após, os valores genéticos diretos e maternos foram estimados por meio dos métodos BLUP e ssGBLUP, e as acurácias de predição obtidas com base no valor do desvio padrão a posteriori. Os valores de herdabilidade para as quatro fases avaliadas foram baixos, e variaram de 0.04 a 0.12. A sobrevivência ao parto e durante a lactação foram afetadas pelo efeito materno e direto. Os componentes aditivos direto e materno foram igualmente importantes para a taxa de sobrevivência ao parto, enquanto que o mérito genético do leitão foi o mais expressivo durante o período de lactação. A sobrevivência na creche e na fase de terminação apresentaram maiores ou iguais valores de herdabilidade quando comparados aos valores obtidos para as fases pré-desmama. A correlação genética entre as fases pré-desmame foi alta (0.68), enquanto que entre as fases pós-desmama foi moderada (0.42). A incorporação da informação genômica na avaliação da taxa de sobrevivência, por meio do método ssGBLUP, aumentou, em média, de 5,6% a 16,4% a acurácia de predição dos valores genéticos diretos, e de 23,1 a 29,5% os valores genéticos maternos. Embora as herdabilidades para as taxas de sobrevivência nos diferentes estágios produtivos avaliados tenham sido baixas, existe variabilidade genética a ser explorada, a qual pode ser beneficiada em acurácia pela inclusão da informação genômica.
Pig survival is an economically important trait that has animal welfare implications. Although survival is highly affected by the environment, previous studies reported genetic variability of this trait, indicating the opportunity for improvement through selection. Survival is a binary trait, which is usually evaluated by linear models. However, non-linear models such as threshold models are more statistically suitable, since they consider the categorical nature of this trait. Besides trait phenotypes and pedigree, genomic information is currently included in the major commercial pig breeding programs. One of the genomic evaluation methods that permits the incorporation of such different source of information is the so called single-step genomic BLUP (ssGBLUP), which includes information from phenotypes, pedigree and genotypes in a single evaluation. In this context, we aimed to estimate (co)variance components for survival at farrowing, and during lactation, nursery and finishing phases using threshold models, and to compare the individual breeding value prediction accuracies obtained using traditional pedigree-based BLUP and ssGBLUP methods. Individual survival records for four different production stages were collected for a crossbred pig population, which was produced from 4,403 litters and raised at a research farm in the Netherlands. Two-trait additive-maternal threshold models, without the inclusion of genomic information, were used for (co)variance components estimation. After that, direct and maternal breeding values were estimated using BLUP and ssGBLUP methods, and individual prediction accuracies were obtained based on posterior standard deviation. Heritabilities for the four survival phases were low, ranging from 0.04 to 0.12. Farrowing and Lactation survival were affected by dam and piglet additive genes effects. The additive direct and maternal components were equally important at farrowing, whereas piglets own genetic merit was the most expressive during lactation. Nursery and finishing survival showed the same or higher heritabilities compared to pre-weaning stages. The genetic correlation between the pre-weaning phases was high (0.68), whereas between the post-weaning measurements was moderate (0.42). The incorporation of genomic information into survival evaluations, through ssGBLUP, increased the prediction accuracy, on average, from 5.6% to 16.4% for direct breeding values and from 23.1% to 29.5% for maternal breeding values compared to BLUP. Although the heritabilities for survival in the different evaluated productive stages were low, there is genetic variability to be explored, which can be accurately benefited by the inclusion of genomic information.
Biblioteca responsável: BR68.1