Modelos de regressão aleatória com diferentes estruturas de variância residual para descrever o tamanho da leitegada

Abstract

Resumo -Objetivou-se comparar modelos de regressão aleatória com diferentes estruturas de variância residual, a fim de se buscar a melhor modelagem para a característica tamanho da leitegada ao nascer (TLN). Utilizaram-se 1.701 registros de TLN, que foram analisados por meio de modelo animal, unicaracterística, de regressão aleatória. As regressões fixa e aleatórias foram representadas por funções contínuas sobre a ordem de parto, ajustadas por polinômios ortogonais de Legendre de ordem 3. Para averiguar a melhor modelagem para a variância residual, considerou-se a heterogeneidade de variância por meio de 1 a 7 classes de variância residual. O modelo geral de análise incluiu grupo de contemporâneo como efeito fixo; os coeficientes de regressão fixa para modelar a trajetória média da população; os coeficientes de regressão aleatória do efeito genético aditivo-direto, do comumde-leitegada e do de ambiente permanente de animal; e o efeito aleatório residual. O teste da razão de verossimilhança, o critério de informação de Akaike e o critério de informação bayesiano de Schwarz apontaram o modelo que considerou homogeneidade de variância como o que proporcionou melhor ajuste aos dados utilizados. As herdabilidades obtidas foram próximas a zero (0,002 a 0,006). O efeito de ambiente permanente foi crescente da 1 a (0,06) à 5 a (0,28) ordem, mas decrescente desse ponto até a 7 a ordem (0,18). O comum-de-leitegada apresentou valores baixos (0,01 a 0,02). A utilização de homogeneidade de variância residual foi mais adequada para modelar as variâncias associadas à característica tamanho da leitegada ao nascer nesse conjunto de dado. Palavras-chave -Função de covariância. Parâmetro genético. Fêmea suína.Abstract -The objective of this work was to compare random regression models with different residual variance structures, so as to obtain the best modeling for the trait litter size at birth (LSB) in swine. One thousand, seven hundred and one records of LSB were analyzed. LSB was analyzed by means of a random-regression, single-characteristic animal model. The fixed and random regressions were represented by continuous functions over the farrowing order, adjusted by third-order Legendre's orthogonal polynomials. To obtain the best modeling for the residual variance, variance heterogeneity was assumed by means of 1 to 7 classes of residual variance. The general analysis model included a contemporary group; the fixed regression coefficients for modeling the population's average trajectory; the random regression coefficients of the direct additive genetic effects both of the litter and of the animal's permanent environment; and the residual random effect. The likelihood-ratio test, Akaike's information criterion, and Schwarz's Bayesian information criterion appointed the model that considered variance homogeneity as being the one that provided the best adjustment to the data used. Overall, the heritabilities obtained were close to zero (0.002 to 0.006). Regarding the permanent environment proportion, different magnitudes were o...

Avaliação genética do tamanho de leitegada em suínos das raças Landrace e Large White

“…A genética de suínos no Brasil é uma das mais avançadas do mundo, sendo a alta qualidade e especificidade dos reprodutores (machos e fêmeas) utilizados nas granjas comerciais, um dos segmentos de maior evolução (Holanda et al, 2005;Rohenkohl, 2009). Os descendentes desses animais de alto valor genético para características produtivas e reprodutivas geram retorno econômico para os criadores e atendem às exigências do consumidor.…”

“…As características longitudinais, ou seja, aquelas medidas várias vezes durante a vida do animal, como o tamanho de leitegada, podem ser analisadas por meio de modelos de repetibilidade, que consideram todas as medidas da característica como sendo a mesma característica (Pereira et al, 2000), ou por modelos multicaracterísticas, que consideram cada medida da mesma variável como uma característica diferente (Gressler et al, 2000). No entanto, alguns pesquisadores reconhecem que, para esse tipo de característica, os modelos de regressão aleatória são mais apropriados, por acomodarem todos os registros de cada característica que mudam gradualmente ao longo da trajetória de produção, sem qualquer tipo de ajuste (Mercadante et al, 2002).…”