<p dir="ltr">In this dissertation, we investigated the genetic background of milk consumption, feeding behavior, disease resistance, and calf resilience in North American Holstein dairy calves using precision livestock farming (PLF) technologies and genetic modeling. Genomic and phenotypic information obtained from automatic milk feeding machines were obtained from 10,072 pre-weaned Holstein calves and used to derive and genetically evaluate novel traits such as daily milk consumption, calf resilience, and incidence of bovine respiratory disease (BRD). Heritability estimates for milk consumption and feeding behavior traits were found to be low but improved with specific statistical models, suggesting potential for genetic improvement if included in selection schemes. Random regression models captured greater amounts of genetic variability among calves for longitudinal milk feeding and behavior traits, with moderate negative (favorable) genetic correlations between milk consumption and BRD, indicating potential for genetic selection to enhance calf health outcomes and performance based on milk intake data. Various quantitative trait loci (QTL) for milk consumption, drinking duration traits, feeding behavior, and disease susceptibility were identified, linking key genes involved in metabolic processes, growth, and overall health. The same datasets were used to derive resilience indicators based on cumulative milk consumption. Genetic parameters for resilience traits, including amplitude, perturbation time, and recovery time, were estimated, highlighting substantial phenotypic and genetic variability. Significant genomic regions for six resilience traits were identified, with key genes such as <i>ABCB8</i>,<i> ABCF2</i>, and <i>AGAP3</i> linked to resilience traits, impacting mitochondrial function, cellular stress responses, and homeostasis. Pathway analyses revealed critical biological processes for stress response, including nucleotide binding and hormone activity. Genes such as <i>EPC1</i>, <i>ASB10</i>, and <i>ASIC3</i> were associated with recovery time, while <i>DPP6</i>, <i>GBX1</i>, and <i>GIMAP5</i> were linked to other resilience traits. These findings underscore the importance of genetic tools and breeding strategies in enhancing health, resilience, and productivity, offering potential new traits to genetically improve health and resilience in dairy cattle, and consequently, improve the sustainability of the dairy cattle industry.</p>

Foram analisadas informações provenientes de um experimento de avaliação de sistemas cruzamento entre raças bovinas de corte, executado na Embrapa Pecuária Sudeste, com o objetivo de avaliar o efeito dos polimorfismos genéticos da kappa-caseína-HinfI (CSN3): AA e AB, do hormônio do crescimento-AluI (GH): LL e LV e da b-lactoglobulina-HaeIII (LGB): AA, AB e BB sobre a curva de crescimento de bovinos de três grupos genéticos, ½Nelore+½Canchim (NC), ½Nelore+½Aberdeen-Angus (NA) e ½Nelore+½Simental (NS), nascidos nos anos de 1998 e 1999. Os pesos foram medidos ao nascimento, ao desmame e mensalmente dos 8 aos 19 meses de idade. As análises foram realizadas por meio de duas abordagens. Na primeira, as estimativas dos parâmetros A (valor assintótico), k (taxa de maturação) e m (ponto de inflexão) obtidas do modelo Logístico, ajustado para descrever o crescimento de cada animal, foram analisados usando um modelo linear, que incluiu além do efeito do genótipo, o qual foi formado pela concatenação dos polimorfismos genéticos de CSN3, GH e LGB (G1=AALLAA, G2=AALLAB, G3=AALLBB, G4=AALVAB, G5=AALVBB, G6=ABLLAA, G7=ABLLAB, G8=ABLLBB, G9=ABLVAA, G10=ABLVAB e G11=ABLVBB), o ano de nascimento, o sexo e o manejo alimentar. Para os animais do grupo genético NC, os genótipos influenciaram significativamente as estimativas dos parâmetros A e k da curva de crescimento. O genótipo G3 apresentou valor inferior de A e superior de k em relação aos genótipos G7 e G8. Na segunda abordagem, os dados foram analisados por modelos não lineares, incluindo no modelo, os efeitos fixos de grupo contemporâneo e de genótipo dos genes CSN3 GH e LGB, com o objetivo de verificar a influência destes genes sobre a curva de crescimento destes animais e estimar os parâmetros da função Logística, simultaneamente. Os resultados deste estudo sugerem que a função Logística utilizada para descrever o crescimento dos grupos genéticos NC, NA e NS, foi influenciada pelos genótipos dos genes CSN3, GH e LGB. As maiores diferenças entre os genótipos dos genes CSN3, GH e LGB foram encontradas a partir dos 12-13 meses de idade. O genótipo AA para CSN3 apresentou maior taxa de maturação (k) que o genótipo AB nos grupos genéticos NC, NA e NS. Quanto ao valor assintótico (A), diferença entre AA e AB, foi pequena nos grupos genéticos NC e NS. Para o polimorfismo do GH no grupo genético NA, a curva que descreve o crescimento dos animais do genótipo LL mostrou-se mais desejável, do ponto de vista de produção de bovinos de corte. Entretanto, ocorreu uma inversão desta tendência no grupo genético NS. O mesmo ocorreu para o LGB, em que os genótipos AA e AB apresentaram estimativas do parâmetro k superiores em relação ao genótipo BB no grupo genético NA, enquanto o genótipo AB apresentou estimativa de k inferior em relação ao genótipo BB, no grupo genético NS. Evidências de que os polimorfismos dos genes CSN3, GH e LGB estejam ligado a QTL influenciando a curva de crescimento de bovinos, indicam que no futuro os genótipos destes genes podem ser usados em programas de seleção assistida por marcadores. / Data from a crossbreeding experiment, carried out at Embrapa Southeast Cattle Research Center, State of São Paulo, Brazil, were analyzed in order to evaluate the effects of kappa-casein-HinfI (CSN3): AA and AB, growth hormone-AluI (GH): LL and LV, and b-lactoglobulin-HaeIII (LGB): AA, AB and BB, polymorphism on the growth curve of three beef cattle crosses, ½Nellore + ½Canchim (NC), ½Nellore + ½Aberdeen Angus (NA) and ½Nellore + ½Simmental (NS). Animals were born in the years 1998 and 1999. Weight measurements were collected at birth, weaning (7 months of age) and monthly from 8 to 19 months of age. The effect these genetic polymorphisms were analyzed by two approaches. In the first one, the parameters A (asymptotic value), k (maturing rate) and m (inflection point) estimated by Logistic model for each animal, were analyzed by least squares, fitting a linear model which included the fixed effects of the genotype, which was identified by combination of polymorphic RFLP’s of the genes CSN3, GH e LGB (G1=AALLAA, G2=AALLAB, G3=AALLBB, G4=AALVAB, G5=AALVBB, G6=ABLLAA, G7=ABLLAB, G8=ABLLBB, G9=ABLVAA, G10=ABLVAB e G11=ABLVBB), year of birth, sex and feed management. For the NC genetic groups, was detected significant effect of genotypes groups for A and k parameters estimates. The genotypes G3 presented inferior value of A and superior of k in relation to G7 and G8. In the second approach, it was fitted a Logistic non linear model which included the fixed effects of the contemporary group and genotype of the genes CSN3, GH and LGB, to examine the effect of these markers on growth curve parameters and to obtain the parameters estimates of the Logistic function, simultaneously. The growth curve used to explain the growth of the NC, NA and NS genetic groups, was influenced by genotypes of the CSN3, GH e LGB markers The major differences started at 12-13 months of age. The value of the maturing rate (k) of the AA genotype for CSN3 was superior in relation to AB genotype in the NC, NA and NS genetic groups. However, there was observed small difference in estimate of the asymptotic value (A) for the AA and AB genotypes in NC and NS genetic groups. For the GH polymorphism in NA genetic group the growth curve of the LL genotype showed more desirable to production of the beef cattle. The same was observed for the LGB, there were superior values of the parameter k of the AA and AB genotypes in relation to the BB for the NA genetic group, however there was inferior value of the parameter k of the AB genotype in relation to the BB, for the NS genetic group. Evidences that CSN3, GH and LGB polymorphism are linked to QTL influencing growth curve in beef cattle, indicates these genotypes may be a useful marker in future maker-assisted selection programs.

Foram analisadas informações provenientes de um experimento de avaliação de sistemas cruzamento entre raças bovinas de corte, executado na Embrapa Pecuária Sudeste, com o objetivo de avaliar o efeito dos polimorfismos genéticos da kappa-caseína-HinfI (CSN3): AA e AB, do hormônio do crescimento-AluI (GH): LL e LV e da b-lactoglobulina-HaeIII (LGB): AA, AB e BB sobre a curva de crescimento de bovinos de três grupos genéticos, ½Nelore+½Canchim (NC), ½Nelore+½Aberdeen-Angus (NA) e ½Nelore+½Simental (NS), nascidos nos anos de 1998 e 1999. Os pesos foram medidos ao nascimento, ao desmame e mensalmente dos 8 aos 19 meses de idade. As análises foram realizadas por meio de duas abordagens. Na primeira, as estimativas dos parâmetros A (valor assintótico), k (taxa de maturação) e m (ponto de inflexão) obtidas do modelo Logístico, ajustado para descrever o crescimento de cada animal, foram analisados usando um modelo linear, que incluiu além do efeito do genótipo, o qual foi formado pela concatenação dos polimorfismos genéticos de CSN3, GH e LGB (G1=AALLAA, G2=AALLAB, G3=AALLBB, G4=AALVAB, G5=AALVBB, G6=ABLLAA, G7=ABLLAB, G8=ABLLBB, G9=ABLVAA, G10=ABLVAB e G11=ABLVBB), o ano de nascimento, o sexo e o manejo alimentar. Para os animais do grupo genético NC, os genótipos influenciaram significativamente as estimativas dos parâmetros A e k da curva de crescimento. O genótipo G3 apresentou valor inferior de A e superior de k em relação aos genótipos G7 e G8. Na segunda abordagem, os dados foram analisados por modelos não lineares, incluindo no modelo, os efeitos fixos de grupo contemporâneo e de genótipo dos genes CSN3 GH e LGB, com o objetivo de verificar a influência destes genes sobre a curva de crescimento destes animais e estimar os parâmetros da função Logística, simultaneamente. Os resultados deste estudo sugerem que a função Logística utilizada para descrever o crescimento dos grupos genéticos NC, NA e NS, foi influenciada pelos genótipos dos genes CSN3, GH e LGB. As maiores diferenças entre os genótipos dos genes CSN3, GH e LGB foram encontradas a partir dos 12-13 meses de idade. O genótipo AA para CSN3 apresentou maior taxa de maturação (k) que o genótipo AB nos grupos genéticos NC, NA e NS. Quanto ao valor assintótico (A), diferença entre AA e AB, foi pequena nos grupos genéticos NC e NS. Para o polimorfismo do GH no grupo genético NA, a curva que descreve o crescimento dos animais do genótipo LL mostrou-se mais desejável, do ponto de vista de produção de bovinos de corte. Entretanto, ocorreu uma inversão desta tendência no grupo genético NS. O mesmo ocorreu para o LGB, em que os genótipos AA e AB apresentaram estimativas do parâmetro k superiores em relação ao genótipo BB no grupo genético NA, enquanto o genótipo AB apresentou estimativa de k inferior em relação ao genótipo BB, no grupo genético NS. Evidências de que os polimorfismos dos genes CSN3, GH e LGB estejam ligado a QTL influenciando a curva de crescimento de bovinos, indicam que no futuro os genótipos destes genes podem ser usados em programas de seleção assistida por marcadores. / Data from a crossbreeding experiment, carried out at Embrapa Southeast Cattle Research Center, State of São Paulo, Brazil, were analyzed in order to evaluate the effects of kappa-casein-HinfI (CSN3): AA and AB, growth hormone-AluI (GH): LL and LV, and b-lactoglobulin-HaeIII (LGB): AA, AB and BB, polymorphism on the growth curve of three beef cattle crosses, ½Nellore + ½Canchim (NC), ½Nellore + ½Aberdeen Angus (NA) and ½Nellore + ½Simmental (NS). Animals were born in the years 1998 and 1999. Weight measurements were collected at birth, weaning (7 months of age) and monthly from 8 to 19 months of age. The effect these genetic polymorphisms were analyzed by two approaches. In the first one, the parameters A (asymptotic value), k (maturing rate) and m (inflection point) estimated by Logistic model for each animal, were analyzed by least squares, fitting a linear model which included the fixed effects of the genotype, which was identified by combination of polymorphic RFLP’s of the genes CSN3, GH e LGB (G1=AALLAA, G2=AALLAB, G3=AALLBB, G4=AALVAB, G5=AALVBB, G6=ABLLAA, G7=ABLLAB, G8=ABLLBB, G9=ABLVAA, G10=ABLVAB e G11=ABLVBB), year of birth, sex and feed management. For the NC genetic groups, was detected significant effect of genotypes groups for A and k parameters estimates. The genotypes G3 presented inferior value of A and superior of k in relation to G7 and G8. In the second approach, it was fitted a Logistic non linear model which included the fixed effects of the contemporary group and genotype of the genes CSN3, GH and LGB, to examine the effect of these markers on growth curve parameters and to obtain the parameters estimates of the Logistic function, simultaneously. The growth curve used to explain the growth of the NC, NA and NS genetic groups, was influenced by genotypes of the CSN3, GH e LGB markers The major differences started at 12-13 months of age. The value of the maturing rate (k) of the AA genotype for CSN3 was superior in relation to AB genotype in the NC, NA and NS genetic groups. However, there was observed small difference in estimate of the asymptotic value (A) for the AA and AB genotypes in NC and NS genetic groups. For the GH polymorphism in NA genetic group the growth curve of the LL genotype showed more desirable to production of the beef cattle. The same was observed for the LGB, there were superior values of the parameter k of the AA and AB genotypes in relation to the BB for the NA genetic group, however there was inferior value of the parameter k of the AB genotype in relation to the BB, for the NS genetic group. Evidences that CSN3, GH and LGB polymorphism are linked to QTL influencing growth curve in beef cattle, indicates these genotypes may be a useful marker in future maker-assisted selection programs.

A partir de uma linha macho de corte e outra de postura, foi desenvolvida uma população experimental F2 com objetivo de mapear locos de características quantitativas (QTLs) para características de interesse comercial. Foi gerado um total de 2.063 animais F2 em 17 incubações que foram criados como frangos de corte até a 6&#170; semana de idade, quando foram avaliadas seis características de desempenho. As famílias utilizadas para o estudo, foram as que obtiveram maior número de marcadores microssatélites informativos em trabalhos anteriores envolvendo os cromossomos 1 a 5 com a mesma população. Vinte marcadores dos cromossomos 19, 23, 24, 26, 27 e 28 foram testados nos indivíduos parentais e F1 das famílias escolhidas para checar se eram ou não informativos. Após a genotipagem das 5 famílias escolhidas, foram construídos os mapas de ligação e realizada a análise de mapeamento de QTL por intervalo para cada cromossomo utilizando o método de regressão e o modelo genético F2. Dois modelos foram testados: um incluindo apenas o efeito aditivo do QTL e outro modelo que incluiu também o efeito de dominância. Caso fosse identificado QTL com nível de significância no mínimo sugestivo no genoma, os modelos foram confrontados para confirmar o efeito de dominância do QTL. Foram conduzidas também análises complementares com o intuito de detectar interação do QTL x sexo e QTL x família. Foram estimados a porcentagem da variância fenotípica e o intervalo de confiança para cada QTL. No cromossomo 26 foi mapeado QTL significativo a 5% no cromossomo para ganho de peso dos 35 aos 41 dias, e no cromossomo 27 foi identificado, para a característica peso vivo aos 35 dias um QTL sugestivo no genoma. Os QTL localizados nos cromossomo 26 e 27 foram localizados a 0.0 e 103.0 cM e explicaram 1,95 e 2,03% da variação fenotípica, respectivamente. / With the objective of mapping quantitative trait loci (QTLs) for economically valuable characteristics, an F2 chicken population was developed by crossing a broiler sire line and a layer dam line. A total of 2.063 F2 chickens from 17 incubations were reared as broilers and slaughtered at 6 week of age, when six performance traits were measured. Five families were chosen for this study based on previous work to determine the most informative families. Twenty markers from chromosomes 19, 23, 24, 26, 27 and 28 were tested in the parental and F1 chickens from the chosen families to select the informative markers. After genotyping parental, F1 and F2 chickens, the linkage maps were constructed and QTL Interval mapping analysis was conducted for each chromosome using regression methods and the F2 genetic model. Two different models were tested: one including only the additive effect of the QTL and another model that also included the dominance effect. If at least a genome-wide suggestive QTL was detected, they were compared through standard F tests to confirm the dominance effect of the QTL. Complementary analyses were conducted to investigate the existence of QTL x sex and QTL x family interactions. The percentage of the phenotypic variance explained by the QTL and the confidence intervals were estimated for each QTL. A 5% chromosome-wide significant QTL for weight gain from 35 to 41 d was mapped to chromosome 26 and a QTL that exceeded the genome-wide suggestive threshold for body weight at 35 d was mapped to chromosome 27. This QTL positioned at 103 cM explained 2.03% of the phenotypic variance of the trait and presented a confidence interval from 0 to 111 cM.

A partir de uma linha macho de corte e outra de postura, foi desenvolvida uma população experimental F2 com objetivo de mapear locos de características quantitativas (QTLs) para características de interesse comercial. Foi gerado um total de 2.063 animais F2 em 17 incubações que foram criados como frangos de corte até a 6&#170; semana de idade, quando foram avaliadas seis características de desempenho. As famílias utilizadas para o estudo, foram as que obtiveram maior número de marcadores microssatélites informativos em trabalhos anteriores envolvendo os cromossomos 1 a 5 com a mesma população. Vinte marcadores dos cromossomos 19, 23, 24, 26, 27 e 28 foram testados nos indivíduos parentais e F1 das famílias escolhidas para checar se eram ou não informativos. Após a genotipagem das 5 famílias escolhidas, foram construídos os mapas de ligação e realizada a análise de mapeamento de QTL por intervalo para cada cromossomo utilizando o método de regressão e o modelo genético F2. Dois modelos foram testados: um incluindo apenas o efeito aditivo do QTL e outro modelo que incluiu também o efeito de dominância. Caso fosse identificado QTL com nível de significância no mínimo sugestivo no genoma, os modelos foram confrontados para confirmar o efeito de dominância do QTL. Foram conduzidas também análises complementares com o intuito de detectar interação do QTL x sexo e QTL x família. Foram estimados a porcentagem da variância fenotípica e o intervalo de confiança para cada QTL. No cromossomo 26 foi mapeado QTL significativo a 5% no cromossomo para ganho de peso dos 35 aos 41 dias, e no cromossomo 27 foi identificado, para a característica peso vivo aos 35 dias um QTL sugestivo no genoma. Os QTL localizados nos cromossomo 26 e 27 foram localizados a 0.0 e 103.0 cM e explicaram 1,95 e 2,03% da variação fenotípica, respectivamente. / With the objective of mapping quantitative trait loci (QTLs) for economically valuable characteristics, an F2 chicken population was developed by crossing a broiler sire line and a layer dam line. A total of 2.063 F2 chickens from 17 incubations were reared as broilers and slaughtered at 6 week of age, when six performance traits were measured. Five families were chosen for this study based on previous work to determine the most informative families. Twenty markers from chromosomes 19, 23, 24, 26, 27 and 28 were tested in the parental and F1 chickens from the chosen families to select the informative markers. After genotyping parental, F1 and F2 chickens, the linkage maps were constructed and QTL Interval mapping analysis was conducted for each chromosome using regression methods and the F2 genetic model. Two different models were tested: one including only the additive effect of the QTL and another model that also included the dominance effect. If at least a genome-wide suggestive QTL was detected, they were compared through standard F tests to confirm the dominance effect of the QTL. Complementary analyses were conducted to investigate the existence of QTL x sex and QTL x family interactions. The percentage of the phenotypic variance explained by the QTL and the confidence intervals were estimated for each QTL. A 5% chromosome-wide significant QTL for weight gain from 35 to 41 d was mapped to chromosome 26 and a QTL that exceeded the genome-wide suggestive threshold for body weight at 35 d was mapped to chromosome 27. This QTL positioned at 103 cM explained 2.03% of the phenotypic variance of the trait and presented a confidence interval from 0 to 111 cM.