Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2016-01-13T08:21:37Z No. of bitstreams: 1 texto completo.pdf: 1062061 bytes, checksum: 36720a2028bf76afcba32f3865472cd7 (MD5) / Made available in DSpace on 2016-01-13T08:21:37Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1062061 bytes, checksum: 36720a2028bf76afcba32f3865472cd7 (MD5) Previous issue date: 2015-10-26 / A principal contribuição da genética molecular no melhoramento é a utilização direta das informações de DNA no processo de identificação de indivíduos geneticamente superiores. Sob esse enfoque, idealizou-se a seleção genômica ampla (Genome Wide Selection – GWS), a qual consiste na análise de um grande número de marcadores SNPs (Single Nucleotide Polymorphisms) amplamente distribuídos no genoma. Este trabalho de simulação apresenta uma abordagem completa para a seleção genômica por meio de adequados modelos genéticos incluindo efeitos aditivos e devido à dominância, que são essenciais para a seleção de clones e de cruzamentos, bem como para melhorar a estimativa de efeitos aditivos para a seleção. Até o momento, as abordagens via Ridge Bayesiana e Lasso para modelos aditivo-dominante não foram avaliados e comparados na literatura. Neste trabalho, foram avaliados o desempenho de 10 modelos de predição aditivo-dominante (incluindo os modelos existentes e propostas de modificação). Um novo método Bayesiano/Lasso modificado (chamado BayesA* B* ou t-BLASSO) obteve melhor desempenho na estimação de valores genéticos genômicos dos indivíduos, em todos os quatro cenários (dois níveis de herdabilidades × duas arquiteturas genéticas). Os métodos do tipo BayesA*B* apresentaram melhor capacidade para recuperar a razão entre a variância de dominância e a variância aditiva. Além disso, o papel das três fontes de informação da genética quantitativa (chamadas de desequilíbrio de ligação, co-segregação e relações de parentesco) na seleção genômica foram elucidadas pela decomposição da herdabilidade e da acurácia nos três componentes, mostrando suas relações com a estrutura de populações e o melhoramento genético, a curto e longo prazo. Além disso, neste trabalho de simulação também foi desenvolvido dois novos estimadores para a acurácia preditiva da seleção genômica. O trabalho propõe e avalia o desempenho e a eficiência destes novos estimadores chamados estimador regularizado (RE) e estimador híbrido (HE). O estimador regularizado leva em consideração tanto a herdabilidade genômica quanto a herdabilidade da característica, além da capacidade preditiva. Enquanto, o estimador híbrido (HE), combina as acurácias experimental e esperada. As comparações entre RE e HE com o estimador tradicional (TE) foram feitas sob quatro procedimentos de validação. Em geral, RE apresentou acurácias mais próximas aos valores paramétricos, principalmente quando há seleção de marcadores. RE também foi menos tendencioso e mais preciso, com desvios padrão menores do que o estimador tradicional. Diante dos resultados, o TE pode ser usado apenas com a validação independente, em que tende a ter um melhor desempenho do que RE, embora superestimando a acurácia. O estimador híbrido (HE) provou ser muito eficaz na ausência de validação. Enquanto, que a validação independente mostrou-se superior em relação aos procedimentos de Jacknife, perseguindo melhor a acurácia paramétrica com ou sem seleção de marcador. As seguintes inferências podem ser feitas de acordo com o estimador de acurácia e tipo de validação: (i) a acurácia mais provável: HE sem validação; (ii) a maior acurácia possível (acurácia superestimada): TE com validação independente; (iii) a menor acurácia possível (acurácia subestimada): RE com validação independente. / The main contribution of molecular genetics is the direct use of DNA information to identify genetically superior individuals. Under this approach, genome-wide selection (GWS) can be used with this purpose. GWS consists in analyzing of a large number of SNP markers widely distributed in the genome. This simulation work presents a complete approach for genomic selection by using adequate genetic models including dominance effects, which are essential for selecting crosses and clones as well as for improving the estimation of additive effects for parent selection. To date, the approaches via Ridge, Lasso and Bayesian additive-dominance models have not been evaluated and compared in the literature.The performance of 10 additive-dominance prediction models (including current ones and proposed modifications) were evaluated. A new modified Bayesian/Lasso method (called BayesA*B* or t-BLASSO) performed best in the prediction of genomic breeding value of individuals, in all the four scenarios (two heritabilities × two genetic architectures). The BayesA*B*-type methods showed better ability for recovering the dominance variance/additive variance ratio. Also, the role of the three quantitative genetics information sources (called linkage disequilibrium, co- segregation and pedigree relationships) in genomic selection were elucidated by decomposing the heritability and accuracy in the three components and showing their relations with the structure of populations and the genetic improvement in the short and long run. Moreover, this simulation work also, we developed the new estimators for the prediction accuracy of genomic selection. The work proposes and evaluates the performance and efficiency of these new estimators called regularized estimator (RE) and hybrid estimator (HE). The regularized estimator takes in consideration both the genomic and trait heritabilities, in addition to the predictive ability. The hybrid estimator (HE), combines both experimental and expected accuracies. The comparisons of the RE and HE with the traditional (TE) were done under four validation procedures. In general, the new estimator presented accuracies closer to the parametric ones, mainly when selecting markers. It was also less biased and more precise, with smaller standard deviations than the traditional estimator. The TE can be used only with independent validation, where it tends to perform better than RE, although overestimating the accuracy. The hybrid estimator (HE) proved to be very effective in the absence of validation. The independent validation showed to be superior over the Jacknife procedures, chasing better the parametric accuracy with or without marker selection. The following inferences can be made according to the accuracy estimator and kind of validation: (i) most probable accuracy: HE without validation; (ii) highest possible accuracy: TE with independent validation; (iii) lowest possible accuracy: RE with independent validation. / Sem Agência de Fomento

Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-07-11T17:47:45Z No. of bitstreams: 1 texto completo.pdf: 277590 bytes, checksum: 771d4c385412e18fcc7725b22b7aff0f (MD5) / Made available in DSpace on 2017-07-11T17:47:45Z (GMT). No. of bitstreams: 1 texto completo.pdf: 277590 bytes, checksum: 771d4c385412e18fcc7725b22b7aff0f (MD5) Previous issue date: 2003-02-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Com o intuito de avaliar o efeito da heterogeneidade de variâncias na avaliação genética de animais da raça Pardo-Suíça no Brasil, foram utilizados registros de produção de leite e gordura do leite, para estimação de componentes de variâncias, e valores genéticos dos reprodutores, por meio do programa MTDFREML. Para tanto, foram utilizados três modelos, sem e com interação reprodutor x rebanho ou reprodutor x rebanho-ano, que consideravam como efeitos fixos, grupo genético, estação de parto e classe de rebanho-ano, e como aleatórios, os efeitos de animal, de ambiente permanente, de interação, quando considerada no modelo, e do erro, em análises de características únicas e múltiplas. O teste da razão de verossimilhança foi aplicado para verificar a efetividade da inclusão dos efeitos de interação nos modelos. No estudo do efeito da interação reprodutor x rebanho e reprodutor x rebanho-ano sobre a avaliação genética de reprodutores, modelos de características múltiplas, para produção de leite e gordura, foram utilizados. Os componentes de variâncias praticamente não alteraram e os coeficientes de herdabilidades foram próximos entre si. A estimativa de herdabilidade foi de 0,40 para ambas características e, a correlação genética entre as características de 0,94, exceto quando o modelo considerou o efeito da interação reprodutor x rebanho, onde para produção de gordura, a herdabilidade foi de 0,39, e a correlação genética entre as características de 0,95. O logaritmo natural da função de verossimilhança aumentou (P< 0,01) quando se incluiu os efeitos de interação nos modelos. As correlações de Pearson e Spearman entre os valores genéticos obtidos pelos diferentes modelos foram superiores a 0,99, para produção de leite e gordura, e acima de 0,90, entre as características avaliadas. Deste modo, as interações reprodutor x rebanho e reprodutor x rebanho-ano não causaram mudanças na classificação dos reprodutores, não havendo necessidade de considerá-las nos modelos de avaliação genética. A fim de analisar a importância da heterogeneidade de variâncias entre rebanhos e a efetividade da inclusão da interação reprodutor x rebanho e reprodutor x rebanho-ano como fator de ajustamento para a mesma, os dados foram estratificados em duas classes com base no desvio-padrão fenotípico dos rebanhos, para produção de leite, ajustada a duas ordenhas diárias, a 305 dias de lactação e a idade adulta da vaca. Os componentes de variâncias, para produção de leite e gordura, foram obtidos em análises de característica única geral, em análises de característica única, em cada classe de desvio-padrão e em análises de características múltiplas, em que a característica em cada classe de desvio-padrão fenotípico foi considerada como característica diferente. Os componentes de variâncias genética aditiva e residual foram maiores na classe de alto desvio-padrão fenotípico, e reduziram ou praticamente não variaram, com a inclusão dos efeitos de interação no modelo. Nas análises de características múltiplas, em geral, os componentes de variâncias genéticas foram maiores que os obtidos em análises de características únicas, resultando em estimativas de herdabilidades maiores (0,34 a 0,39). Correlações genéticas entre as duas classes de desvio-padrão foram iguais a 1,0, em todas as análises. Quando os efeitos de interação foram considerados nas análises, as correlações entre os valores genéticos praticamente não alteraram. O logaritmo natural da função de verossimilhança aumentou (P<0,01), para produção de gordura, em análises de características múltiplas, quando se incluiu o efeito da interação no modelo. Assim, verifica-se que as interações reprodutor x rebanho e reprodutor x rebanho-ano não foram eficientes para corrigir a heterogeneidade de variância, e apesar de serem observadas variâncias heterogêneas, estas poderiam ser desconsideradas nas avaliações genéticas, sem afetar a acurácia dos valores genéticos dos animais. / Aiming to evaluate the effect from the variance heterogeneity in the genetic evaluation of the Brown Swiss animals in Brazil, the registers of the milk and milk fat production were used to determine either the variance components and the sire’s genetic values, by using through the MTDFREML program. So, three models were used, without and with interaction of either sire x herd or sire x herd-year, where the genetic group, season of calving, and herd -year class were considered as fixed effects, whereas the effects from the animals, permanent environment, the interaction when considered in the model, and the error were considered as random ones, in the univariate and multitrait analyses. The likelihood ratio test was applied to verify the effectiveness in including the interaction effects into the models. When studying the effects from the interaction of sire x herd and the sire x herd-year upon the genetic evaluation of sires, multitrait models for milk and fat production were used. The variance components practically did not alter and the heritability coefficients were close to each other. The heritability estimate went of 0,40 to both characteristics, and the genetic correlation among the characteristics of 0,94, except when the model considered the effect of the xiiinteraction sire x herd, where for fat production, the heritability went of 0,39, and the genetic correlation among the characteristics of 0,95. The natural logarithm of the likelihood function increased (P<0,01), when the interaction effects were included into models. Pearson and Spearman correlations among the genetic values obtained by these different models were superior to 0.99, for milk and fat production, and above 0.90 between the appraised characteristics. Therefore, the interactions of sire x herd and the sire x herd- year caused no changes in the classification of the sires, and there was no need for considering them into the genetic evaluation models. In order to analyze the importance of the variance heterogeneity between herds and the effectiveness in including the interaction of sire x herd and sire x herd-year as an adjust factor for this heterogeneity, the data were stratified into two classes, based on the phenotypic standard deviation of the herds, for milk production, adjusted to two daily milkings, to a lactation period of 305 days, and the cow’s adult age. The components of variance for milk and fat production were obtained in general univariate analyses, in univariate analyses, in each class of standard deviation and in multitrait analyses, in that the characteristic in each class of the phenotypic standard deviation was considered to be a different characteristic. The components of the genetic addictive and residual variances were higher in the class of high phenotypic standard deviation, and they reduced or practically did not vary with the inclusion of the interaction effects into the model. In the multitrait analyses, the components of the genetic variance were generally higher than those obtained in the univariate analyses, so resulting into higher heritability estimates (0,34 a 0,39). The genetic correlations between both standard deviation classes were equal to 1.0 in all analyses. When considering the interaction effects in the analyses, the correlations among the genetic values practically did not change. When including the effect into the model, the natural logarithm of the likelihood function increased (P<0,01) for fat production in the multitrait analyses. Therefore, it was found that the interactions of sire x herd and sire x herd-year were not efficient to correct the variance heterogeneity, and although the xiiiheterogeneous variances was observed, these might be disregarded in the genetic evaluations without affecting the accuracy of the animals’ genetic values.

Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-07-11T18:57:23Z No. of bitstreams: 1 texto completo.pdf: 282158 bytes, checksum: 4bd636dbaba1628cd7695d7dd7912001 (MD5) / Made available in DSpace on 2017-07-11T18:57:23Z (GMT). No. of bitstreams: 1 texto completo.pdf: 282158 bytes, checksum: 4bd636dbaba1628cd7695d7dd7912001 (MD5) Previous issue date: 2003-05-30 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Utilizaram-se 49.927 registros de produção de leite de 27.209 vacas da raça Holandesa, filhas de 889 touros, pertencentes a 360 rebanhos, no período de 1980 a 2002, provenientes do Serviço de Controle Leiteiro da Associação dos Criadores de Gado Holandês de Minas Gerais. Os valores genéticos de vacas e touros foram obtidos por meio de um modelo animal e usados para estimação das médias dos diferenciais de seleção e tendências genéticas considerando-se quatro trilhas conectas a duas gerações. As análises foram realizadas por meio do sistema MTDFREML. O modelo de análise incluiu: os efeitos fixos de rebanho- ano-estação de parto, grupo genético, idade da vaca no parto como co-variável (efeitos linear e quadrático) e os efeitos aleatórios de animal, permanente de meio e erro. As estimativas do diferencial de seleção médio para as trilhas touros pais de touros (SB) e touros pais de vacas (SC), ponderadas pelo número de filhos foram, respectivamente, -55,82 e 46,72 e não-ponderadas foram -62,89 e 18,33 kg, respectivamente. A estimativa do diferencial de seleção médio para as trilhas vacas mães de touros (DB) e vacas mães de vacas (DC) foram, respectivamente, - 33,48 e 11,29 kg. O ganho genético anual foi de 6,71 kg. Os diferenciais de seleção indicaram maior eficiência na seleção de touros pais de vacas e vacas mães de vacas. As estimativas de tendências genéticas obtidas estão muito aquém do possível, sugerindo que as práticas de seleção no período deixaram a desejar. A partir do conjunto de dados iniciais foram selecionados registros de produção e reprodução de 7.601 vacas, filhas de 489 touros, nascidas de 1977 a 1993, pertencentes a 217 rebanhos, cujo objetivo era estimar parâmetros genéticos, fenotípicos e de meio ambiente para medidas de longevidade, estimar correlações, predizer valores genéticos para os animais e sugerir uma medida de longevidade apropriada para avaliações genéticas. As medidas de longevidade analisadas relacionadas à vida produtiva ou útil dos animais foram: número de lactações iniciadas, produção total nas lactações, número total de dias durante todas as lactações, tempo entre o nascimento e o último controle leiteiro e tempo entre a data do primeiro parto e o último dia de controle leiteiro. As outras medidas de longevidade analisadas relacionaram-se à capacidade de sobrevivência até um determinado tempo: sobrevivência até 36, 48, 60, 72 e 84 meses e sobrevivência até 12, 24, 36, 48 e 54 meses após o primeiro parto. As análises foram realizadas por meio do sistema MTDFREML, com modelo animal que incluiu os efeitos fixos de rebanho-ano-estação do parto, grupo genético e os efeitos aleatórios de animal e erro. As herdabilidades estimadas para medidas de longevidade, relacionadas à vida produtiva ou útil dos animais variaram de 0,07 a 0,10. Para as medidas relacionadas à capacidade de sobrevivência até um determinado tempo, as herdabilidades estimadas foram de 0,01 a 0,12. As correlações genéticas e fenotípicas entre as medidas de longevidade variaram de 0,72 a 1,0 e de -0,11 a 0,83, respectivamente. Em virtude de sua importância na economicidade dos sistemas de produção, devem ser viabilizadas maneiras de contemplar longevidade, em avaliações genéticas de bovinos para produção de leite. / Milk production records of 49,927 lactations from 27,209 Holstein cows daughters of 889 sires born from 1980 to 2002 in 360 herds supervised by the Holstein Association of the State of Minas Gerais were used. Sire and cow breeding values from an animal model were used to estimate average genetic selection differentials and genetic trends for the four paths of selection connecting two generations. MTDFREML was used. The model of analysis accounted for the fixed effects of herd-year-season of calving, genetic group, age of calving as covariate (linear and quadratic) and the random effects of animal, permanent environment and error. The average selection differentials for sire of bulls (SB) and sires of cows (SC), weighted by number of progenies, were, respectively, -55.82 and 46.72 and unweighted -62,89 and 18,33 kg, respectively. The estimates for dams of bulls (DB), and dams of cows (DC) were, respectively, -33.48, and 11.29 kg. The annual genetic gain was 6.71 kg. Selection differentials indicated greater efficiency for paths of sires of cows and dams of cows. xiEstimates of genetic trend were much less than theoretically possible, suggesting that the selection practices in the period of study were far from the optimum for maximum improvement of milk production. Production and breeding records of 7,601 cows born from 1977 to 1993, daughters of 489 sires in 217 herds were obtained from the initial data set to estimate genetic, phenotypic and environmental parameters for longevity measures, to predict animal breeding values and to suggest a measure of longevity appropriate for genetic evaluations. The measures of longevity related to productive life of the animals were number of lactations initiated, production over all lactations, days in lactation over all lactations, time between birth and last test day and time between first calving and last test day. Other lifetime measures were stayabilities (dead or alive) to 36, 48, 60, 72, and 84 month of age and stayability until 12, 24, 36, 48 or 54 months after first calving. MTDFREML with animal model that included the fixed effects of herd-year-season of calving, genetic group and the random effects of animal and error were used. Heritability estimates for longevity measures related to productive life were 0.07 to 0.10 and related to stayability were 0.01 to 0.12. Genetic and phenotypic correlations among measures of stayability were 0.72 to 1.0 and -0.11 to 0.83, respectively. Since longevity is important for the profitability of dairy production systems it should be considered in dairy cattle genetic evaluations.