A Bayesian analysis of the effect of selection for growth rate on growth curves in rabbits

Abstract

-Gompertz growth curves were fitted to the data of 137 rabbits from control (C) and selected (S) lines. The animals came from a synthetic rabbit line selected for an increased growth rate. The embryos from generations 3 and 4 were frozen and thawed to be contemporary of rabbits born in generation 10. Group C was the offspring of generations 3 and 4, and group S was the contemporary offspring of generation 10. The animals were weighed individually twice a week during the first four weeks of life, and once a week thereafter, until 20 weeks of age. Subsequently, the males were weighed weekly until 40 weeks of age. The random samples of the posterior distributions of the growth curve parameters were drawn by using Markov Chain Monte Carlo (MCMC) methods. As a consequence of selection, the selected animals were heavier than the C animals throughout the entire growth curve. Adult body weight, estimated as a parameter of the Gompertz curve, was 7% higher in the selected line. The other parameters of the Gompertz curve were scarcely affected by selection. When selected and control growth curves are represented in a metabolic scale, all differences disappear. growth curves / selection / rabbits / Bayesian analysis

Análise bayesiana para modelos de degradabilidade ruminal

“…Para este estudo de simulação, apenas foram apresentados, como resultados do critério de convergência, aqueles propostos por GELMAN & RUBIN (1992). Para avaliação desse critério, foram geradas, para cada parâmetro, duas cadeias a partir de valores iniciais distintos, e os valores estimados do fator de redução de escala (R), em todos os cenários simulados, estiveram próximos de 1 e não apresentam evidência contra a convergência das cadeias.…”

“…1 exp , , , , ,~, - - BLASCO et al (2003), também assegura a convergência. Uma vantagem da inferência bayesiana é que quaisquer combinações, lineares ou não, dos valores amostrais, uma vez calculada em cada passo de amostragem, geram diretamente um ponto amostral para a quantidade de interesse, com base na qual a inferência é bastante simples (ROSA, 1998).…”

“…O total de iterações consideradas, bem como o descarte (burn-in) e espaçamento entre pontos amostrados (thin), tanto para dados simulados, como para os dados reais, foram obtidos por meio do critério de RAFTERY & LEWIS (1992) na análise de uma amostra piloto com 10.000 iterações. Para os valores estipulados, em cada situação, a condição de convergência das cadeias foi verificada por meio dos critérios de GEWEKE (1992), GELMAN & RUBIN (1992) e RAFTERY & LEWIS (1992), que estão disponíveis no pacote BOA (Bayesian Output Analysis) do software R.…”

“…As cadeias resultantes necessitam ter sua convergência diagnosticada. Os métodos comumente utilizados para diagnosticar a convergência são aqueles propostos por: GELMAN & RUBIN (1992), RAFTERY & LEWIS (1992) e GEWEKE (1992. Uma avaliação detalhada dos critérios de convergência pode ser encontrada em NOGUEIRA et al (2004).…”

Proposta de análise genética de curvas de crescimento de bovinos por meio do algoritmo SAEM

“…De acordo com Blasco et al (2003), a estimação em duas fases distintas não é apropriada, pois a influência de efeitos genéticos e ambientais não é considerada no processo de estimação dos parâmetros de crescimento, o que pode caracterizar em perda de informação. De acordo com estes autores, uma forma eficiente de se realizar esta análise é por meio da inferência bayesiana.…”