Efeito da violação de pressuposições da metodologia de modelos mistos na avaliação genética animal

Abstract

Estudos de simulação foram conduzidos para verificar o efeito da violação de pressuposições da metodologia de modelos mistos, variâncias genéticas conhecidas sem erro e distribuição normal dos erros aleatórios sobre os ganhos genéticos obtidos durante 10 gerações de seleção. Outros parâmetros, como valor fenotípico e acurácia, também foram avaliados. Inicialmente, foi simulado um genoma constituído de uma única característica quantitativa governada por 500 locos. O genoma foi utilizado na construção de uma população-base, na qual a característica quantitativa possuía herdabilidade inicial de 0,10. Para se obter uma estrutura de parentesco a partir das populações-base, foi gerada uma população inicial a partir da qual o processo de seleção teve início e os erros nos componentes de variâncias e as distribuições dos efeitos de ambiente foram introduzidos. Para pressuposição de que a variância genética era conhecida, utilizaram-se as intensidades de erro de 0%, -10%, -30%, -50%, 10%, 30% e 50%, enquanto que para a pressuposição de que a distribuição dos erros aleatórios era normal, utilizaram-se as distribuições normal, exponencial, poisson e uniforme. A cada geração foram selecionados 20 machos e 100 fêmeas, acasalados ao acaso, cada macho acasalado com cinco fêmeas, produzindo cinco descendentes por acasalamento. Esse processo foi repetido 30 vezes para minimização dos efeitos da flutuação gênica. Para a primeira pressuposição, não foi verificado efeito das intensidades de erro, aplicadas ao componente de variância genética aditiva sobre o ganho genético durante as 10 gerações de seleção. O mesmo resultado foi verificado para a distribuição dos erros aleatórios, ou seja, não houve influência de diferentes distribuições nos ganhos genéticos verificados.

Abordagens freqüentista e bayesiana para avaliação genética de bovinos da raça Canchim para características de crescimento

“…Quando comparadas as estimativas de (co)variâncias aditivas e parâmetros genéticos obtidas nas análises do arquivo CP_CA às obtidas nas análises dos arquivos CP_SA e SP_SA, observou-se que as análises dos dois últimos forneceram estimativas de (co)variâncias aditivas superiores, porém, em virtude da maior variância residual, as herdabilidades foram inferiores às estimadas para o arquivo CP_CA. Este resultado corrobora os obtidos por Fonseca et al (1999), que sugeriram que, quando a metodologia REML é utilizada para a estimação de componentes de (co)variância mas os resíduos não seguem distribuição normal, podem surgir desvios nas estimativas, contribuindo para o aumento na variância do erro de predição e diminuição dos ganhos genéticos. Dessa forma, a utilização de todos os dados disponíveis, sem a preocupação de excluir os dados que provocam distorções na distribuição dos resíduos, tenderia à escolha de indivíduos que não são geneticamente superiores e a prejuízos no progresso genético.…”

Comparação de metodologias de seleção sob oscilação genética

“…Esse é o comportamento esperado, visto que, na seleção artificial, ao se escolherem os melhores indivíduos para determinada característica, obtêm-se ganhos cumulativos ao longo das gerações. Resultados semelhantes foram encontrados em diversos trabalhos de simulação (Euclydes e Guimarães, 1997; Carneiro et al, 1999;Carneiro et al, 2001;Fonseca et al, 2001;Corrêa, 2001;Cunha et al, 2004). É interessante observar que nas populações simuladas com média de 10 e 30 repetições do processo de simulação o comportamento foi bastante semelhante, principalmente quando se usou a SI, método que menos sofreu os efeitos da oscilação genética, por não apresentar perdas tão intensas pela fixação de alelos desfavoráveis e conduzir a taxas menores de endogamia.…”

Estimativas de variância genética aditiva em populações selecionadas e não-selecionadas via simulação Monte Carlo utilizando o software R

“…Isso porque, a variância genética aditiva é um componente do índice denominado herdabilidade, o qual nos informa a possibilidade de se utilizar a variável em questão em programas de melhoramento ou não (FONSECA, 1999). De acordo com essas informações, é possível observar a importância desse componente para o melhoramento genético.…”