Submitted by Marco Antônio de Ramos Chagas (mchagas@ufv.br) on 2017-06-05T12:16:46Z No. of bitstreams: 1 texto completo.pdf: 703091 bytes, checksum: 9eebe775cb64d1361ce4218f7f52572d (MD5) / Made available in DSpace on 2017-06-05T12:16:46Z (GMT). No. of bitstreams: 1 texto completo.pdf: 703091 bytes, checksum: 9eebe775cb64d1361ce4218f7f52572d (MD5) Previous issue date: 2017-02-22 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / No primeiro capitulo, foi proposto um estudo de associação genômica para curvas de crescimento de suínos utilizando modelos hierárquicos Bayesianos. Utilizou-se um painel de 237 marcadores SNPs conjuntamente com informações de pedigree objetivando identificar possíveis regiões cromossômicas que afetam os parâmetros da curva de crescimento (dados de peso-idade) de 345 animais (população F2 proveniente do cruzamento Piau vs comercial). Assumiu-se uma trajetória de crescimento individual descrita pela função não linear de Gompertz, de forma que as estimativas de cada parâmetro desta função são influenciadas pelos efeitos sistemáticos, poligênicos aditivos e de marcadores SNPs. O modelo combinando informações de pedigree e marcadores apresentou o melhor ajuste com base no critério de informação da deviance (DIC). As estimativas de herdabilidade variaram de 0,53 a 0,56, e de 0,55 a 0,57 para os parâmetros peso a maturidade (a) e taxa de maturidade (k), respectivamente. A correlação genética entre os parâmetros “a” e “k” foi alta e positiva (0,78). As porcentagens das variâncias genéticas explicadas por cada SNP permitiram identificar as regiões cromossômicas mais relevantes para cada fenótipo (parâmetros da curva de crescimento). Foram identificados três SNPs relevantes (55840514 bp no SSC17, 55814469 bp no SSC17 e 76475804 bp no SSC X) que influenciaram, simultaneamente, os parâmetros “a” e “k”. Também foram reportados três SNPs afetando apenas “a” (292758 bp no SSC1, 67319 bp no SSC8 e 50290193 bp no SSC17) localizados em regiões cromossômicas que ainda não foram previamente descritos como QTL para características de crescimento em suínos. A modelagem utilizada foi efetiva, e resultou na identificação de marcadores SNPs localizados em regiões cromossômicas específicas que apresentam potencial para serem exploradas em programas de melhoramento via seleção assistida por marcadores. No segundo capítulo, comparou-se as metodologias baseadas na utilização de dados censurados de idade ao primeiro parto (IPP) em bovinos Brahman por meio da abordagem Bayesiana. Os dados foram cedidos pela Associação Brasileira dos Criadores de Zebu (ABCZ). Registros censurados foram definidos como valores de IPP que extrapolaram o intervalo entre 731 e 1824 dias. Os registros de IPP (no total de 53.703 informações) foram analisados por meio de quatro diferentes metodologias: método linear convencional (LM); de simulação (SM); de penalidade (PM) e modelos bicaracterístico limiar-linear (TLcens). Os componentes de variância genética aditiva estimados para os métodos LM e PM foram similares. As estimativas de herdabilidade para IPP variaram de 0,09 (TLcens) à 0,20 (LM). De forma geral, as correlações entre os valores genéticos obtidos por meio das diferentes metodologias e a porcentagem de animais selecionados em comum variaram de 0,82 (LM x SM) à 0,97 (LM x PM), e de 32,70% (SM x TLcens) à 89,12% (LM x PM), respectivamente, indicando reordenamento moderado entre os animais. As comparações realizadas via validação cruzada indicaram o método LM como a melhor opção para predição dos valores genéticos dos animais para a característica IPP na população estudada. No terceiro capítulo, foram estimados os parâmetros genéticos para características de escores visuais de estrutura (S), precocidade (P), musculosidade (M) e reprodutiva (idade ao primeiro parto - IPP) em bovinos da raça Brahman utilizando modelos Bayesianos multicaracterístico completo e bicaracterísticos. As estimativas de herdabilidade utilizando o modelo bicaracterístico foram 0,59 (S), 0,44 (P), 0,38 (M) e 0,20 (IPP), e utilizando o modelo multicaracterístico completo foram 0,60 (S), 0,44 (P), 0,40 (M) e 0,20 (IPP). As correlações genéticas foram 0,57 entre estrutura e precocidade, 0,56 entre estrutura e musculosidade e 0,82 entre precocidade e musculosidade no modelo x multicarcterística completo. As correlações genéticas entre os escores visuais e IPP foram de moderada magnitude e negativas (-0,29, -0,24 e -0,31 para S, P e M utilizando o modelo de bicaracterístico) e (-0,29, -0,22 e -0,29 para S, P e M utilizando o modelo multicaracterístico completo). Os resultados indicam que os escores visuais podem ser utilizados como critérios de seleção em programas de melhoramento de bovinos Brahman e que essas características apresentam correlação genética favorável com a idade no primeiro parto. / In the first chapter, we proposed a genome association study for pig growth curves based on Bayesian hierarchical framework. A panel of 237 SNPs markers with the pedigree were used jointly to identify possible chromosomal regions that affect growth curve parameters (weight-age data) of 345 animals (F2 population from the Piau vs. commercial). Under the proposed hierarchical approach, individual growth trajectories were modeled by the nonlinear Gompertz function, so that the parameter estimates were considered to be affected by systematic, additive polygenic and SNP markers effects. The model assuming jointly pedigree and SNP markers presented the best fit based on Deviance Information Criterion. Heritability estimates ranged from 0.53 to 0.56 and from 0.55 to 0.57, respectively, for the parameters mature weight (a) and maturing rate (k). Additionally, we found high and positive genetic correlation (0.78) between “a” and "k". The percentages of the genetic variances explained by each SNP allowed identifying the most relevant chromosome regions for each phenotype (growth curve parameters). We identified three relevant SNPs (55840514 bp at SSC17, 55814469 bp at SSC17 and 76475804 bp at SSC X) affecting "a" and "k" simultaneously, and three SNPs affecting only "a" (292758 bp at SSC1, 67319 bp at SSC8 and 50290193 bp at SSC17), that are located in regions not previously described as QTL for growth traits in pigs. The modeling used was effective, and resulted in the identification of SNPs located in specific chromosomal regions that have the potential to be explored in breeding programs by marker-assisted selection. In the second chapter, we compared different methods for handling censored data of age at first calving (AFC) in Brahman cattle by Bayesian vii models. Data were provided by Brazilian Association of Zebu Cattle Breeders (ABCZ). Censored records were defined as AFC records outside the interval from 731 to 1824 days. Data containing 53,703 AFC records were analyzed using four different methods: conventional linear method (LM), simulation method (SM), penalty method (PM) and a bitrait threshold-linear model considering (TLcens). The additive genetic variance components estimated from LM and PM were similar. Heritability estimates for AFC ranged from 0.09 (TLcens) to 0.20 (LM). In general, genetic breeding values correlations from different methods and the percentage of selected animals in common indicated moderate reranking, ranging from 0.82 (LM x SM) to 0.97 (LM x PM) and 32.70 (SM x TLcens) to 89.12 (LM x PM), respectively. Comparisons based on cross-validation analyses, indicated LM as a suitable alternative for predicting breeding values for AFC in this Brahman population. In the third chapter, we estimated genetic parameters for visual scores of body structure (S), precocity (P), muscularity (M) and reproductive (age at first calving - AFC) traits in Brahman cattle by using Bayesian bitrait and full multitrait models. The heritability estimates obtained using bitrait model were 0.59 (S), 0.44 (P), 0.38 (M), and 0.20 (AFC) and those obtained by full multitrait model were 0.60 (S), 0.44 (P), 0.40 (M) and 0.20 (AFC). Genetic correlations were 0.57 between body structure and precocity, 0.56 between body structure and muscularity and 0.82 between precocity and muscularity (by full multitrait model). Genetic correlations between visual scores and AFC were negatives and moderate magnitude (-0.29, -0.24 and -0.31 to S, P and M by bitrait model) and (-0.29, -0.22 and -0.29 to S, P and M by full multitrait model). These results suggest that visual scores can be used as selection criteria in Brahman cattle breeding programs and that these traits present favorable genetic correlation with age at first calving.