Efeitos do número de animais na matriz de parentesco sobre as estimativas de componentes de variância para produção de leite usando os métodos de Máxima Verossimilhança Restrita e Bayesiano

Abstract

RESUMO -Foram estimados os componentes de variância para produção de leite e avaliado o impacto do aumento do número de animais na matriz de parentesco sobre os componentes de variância usando os métodos de Máxima Verossimilhança Restrita (REML) e Bayesiano via amostragem de Gibbs (GS). Utilizaram-se registros de produção de leite de vacas da raça Holandesa dos estados de Minas Gerais, São Paulo, Paraná, Santa Catarina e Rio Grande do Sul. Para cada estado, foram analisados dois conjuntos de dados: no primeiro, pedigree restrito, a matriz de parentesco foi constituída dos animais do respectivo estado; e, no segundo, pedigree completo, foram incluídos na matriz de parentesco os animais de todos os estados. Utilizou-se um modelo animal que incluiu os efeitos da estação de parto, rebanho-ano, grupo genético, ordem de parto e os efeitos genéticos aditivos e de ambiente permanente. As estimativas REML dos componentes de variância e de herdabilidade em todos os estados, obtidas smallest standard deviations and VC credibility intervals were estimated in the states with more records, which suggested that the precision of the VC estimates was higher in those states.

Genetic parameters and genetic and phenotypic trends of performance traits of equines from the Brazilian Army

“…According to Gianola et al (1994), if frequentist methods, such as the Restricted Maximum Likelihood (REML) are used, only punctual genetic variance estimates are obtained. The Bayesian approach, in addition to punctual estimates, allows determining intervals of credibility for a posteriori distribution of the variance component, without approximations or use of normality assumptions, and thus is more advantageous than the frequentist procedures (Falcão et al, 2009).…”

Análise Univariada E Multivariada De Características Reprodutivas E Produtivas De Cabras Leiteiras Utilizando Inferência Bayesiana

“…A Inferência Bayesiana tem sido intensamente empregada na estimação de parâmetros genéticos em estudos que utilizam diferentes modelos, principalmente para características com poucos dados amostrais (CARNEIRO JÚNIOR et al, 2005;FALCÃO et al, 2009). Esta pesquisa objetivou avaliar os aspectos ambientais e estimar os componentes de (co)variância e parâmetros genéticos de características reprodutivas (idade ao primeiro parto e intervalo de partos) e produtiva (produção de leite) em cabras leiteiras, utilizando Inferência Bayesiana, sob modelos uni e multicaracterística.…”

Efeito da densidade de marcadores e do tipo de matriz de parentesco genômico na acurácia da seleção genômica em milho tropical

“…Já a matriz proposta por Yang et al (2010) (matriz de parentesco unificado) foi proposta para o estudo do caráter peso de humanos, em uso para associação de marcas significativamente associadas com o fenótipo (Genome-wide association study -GWAS) na ocasião. Este mesmo autor propôs um ajuste nesta matriz de parentesco unificado por meio de um coeficiente de regressão estabelecido empiricamente, objetivando explicar a herdabilidade total estimada (componentes aditivos e não aditivos) a partir da captura de marcadores de pequenos efeitos em desequilíbrio de ligação com alelos relacionados à variável causal estudada, peso em humanos, levando em consideração o MAF (Minor allele frequency) de ambos (YANG et al, 2010 O procedimento BLUP permite a utilização de todos os efeitos (fixos e aleatórios) do modelo estatístico, da covariância genética entre os indivíduos ou genitores em avaliação, ponderar aqueles genótipos com desigual número de observações na mesma ou em diferentes gerações e, assim, maximizar a acurácia, a qual depende basicamente da proporção entre a variação residual média e a variação genotípica, sendo que a variação residual média depende do número de repetições (RESENDE;DUARTE, 2007;CAVALCANTI;RESENDE, 2012 (MEYER, 1989;JOHNSON;THOMPSON, 1995;FALCÃO et al, 2009;MENEZES et al, 2013) e vegetal (BERNARDO, 1995BAUER et al, 2006;NUNES et al, 2008 Portanto, baseando-se nestes conceitos, é possível construir estruturas de matrizes de variância-covariância de parentesco que estejam de acordo com as pressuposições da genética quantitativa e do modelo estatístico-genético adotado (YANG et al, 2010).…”