UNIVERSIDADE FEDERAL DO CEARÁ UNIVERSIDADE …Tabela 2. Desvio médio (DEV), penalidade para...
Transcript of UNIVERSIDADE FEDERAL DO CEARÁ UNIVERSIDADE …Tabela 2. Desvio médio (DEV), penalidade para...
UNIVERSIDADE FEDERAL DO CEARÁ UNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL RURAL DO PERNAMBUCO PROGRAMA DE DOUTORADO INTEGRADO EM ZOOTECNIA
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM INCERTEZA DE PATERNIDADE
FRANCISCO FLÁVIO DIAS CARNEIRO
FORTALEZA – CE MAIO / 2016
ii
UNIVERSIDADE FEDERAL DO CEARÁ
UNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL RURAL DO PERNAMBUCO
PROGRAMA DE DOUTORADO INTEGRADO EM ZOOTECNIA
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM INCERTEZA
DE PATERNIDADE
FRANCISCO FLÁVIO DIAS CARNEIRO
Zootecnista
FORTALEZA – CE
MAIO / 2016
iii
FRANCISCO FLÁVIO DIAS CARNEIRO
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM
INCERTEZA DE PATERNIDADE
FORTALEZA – CE MAIO / 2016
Tese apresentada ao Programa de Doutorado
Integrado em Zootecnia da Universidade
Federal do Ceará, Universidade Federal da
Paraíba e Universidade Federal Rural de
Pernambuco como requisito parcial para
obtenção do título de Doutor em Zootecnia.
Orientador: Prof. Dr. Raimundo Nonato Braga
Lôbo
iv
v
FRANCISCO FLÁVIO DIAS CARNEIRO
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM
INCERTEZA DE PATERNIDADE
Tese defendida e aprovada pela comissão examinadora em 6 de maio de 2016.
Comissão Examinadora:
______________________________________________________________________
Prof. Dr. Raimundo Nonato Braga Lôbo (Orientador)
Embrapa Caprinos e Ovinos / Programa de Doutorado Integrado em Zootecnia – PDIZ
(UFC / UFPB / UFRPE)
______________________________________________________________________
Prof. Dra. Aline Vieira Landim
Universidade Estadual Vale do Acaraú – UEVA
______________________________________________________________________
Dra. Ana Maria Bezerra Oliveira Lôbo
Embrapa Caprinos e Ovinos
______________________________________________________________________
Dr. Kleibe de Moraes Silva
Embrapa Caprinos e Ovinos
______________________________________________________________________
Prof. Dr. Luciano Pinheiro da Silva
Universidade Federal do Ceará – UFC
vi
DADOS CURRICULARES DO AUTOR
FRANCISCO FLÁVIO DIAS CARNEIRO – Nasceu de excelentes pais em Sobral,
Ceará, Brasil, no dia 07 de agosto de 1972. Casado com “a menina dos [seus] sonhos”,
Valdete Ribeiro Dias. Até os atuais dias desfruta das mais significativas experiências
dessa jornada terrena na companhia de seus quatro filhos, Kevin, Wesley, Katy e
Brenner. É voluntário do FamilySearch International (1991) e do programa permanente
de ajuda humanitária e de serviço comunitário – Mãos Que Ajudam (2001). É portador
dos títulos de bacharel em Zootecnia pela Universidade Estadual Vale do Acaraú –
UVA (2008) e de Mestre em Zootecnia pelo Programa de Pós-Graduação em Zootecnia
UVA/Embrapa Caprinos e Ovinos, área de concentração: Produção de Ruminantes
(2011). Esta tese é parte da conclusão do Doutorado em Zootecnia, com ênfase em
Produção Animal, no Programa de Doutorado Integrado em Zootecnia pela
Universidade Federal do Ceará, Universidade Federal da Paraíba e Universidade
Federal Rural do Pernambuco (2016). Possui experiência em docência no ensino
superior pelas Faculdades INTA (2011).
vii
“Se me perguntassem de que o mundo mais
necessita, eu diria sem hesitar que é de mães
sábias e, em segundo lugar, de pais
exemplares”
David O. Mckay
“Os pais têm o sagrado dever de criar os
filhos com amor e retidão, atender a suas
necessidades físicas e espirituais, ensiná-los a
amar e servir uns aos outros, guardar os
mandamentos de Deus e ser cidadãos
cumpridores da lei, onde quer que morem. O
marido e a mulher — o pai e a mãe — serão
considerados responsáveis perante Deus pelo
cumprimento dessas obrigações.”
A Família: Proclamação ao Mundo
viii
Aos meus ascendentes e descendentes.
Dedico
ix
AGRADECIMENTOS
Ao presidente da banca examinadora, Prof. Dr. Raimundo Nonato Braga Lôbo,
orientador, pela ética, empatia, profissionalismo e sobremaneira pela aceitação,
confiança, apoio e direcionamento à pesquisa, bem como aos demais membros da
banca, pela contribuição valiosa.
Aos meus pais, José Liduino Carneiro (in memoriam) e Maria Laura Dias
Carneiro, bem como ao estimado padrasto, Joaquim Pascoal Flores, cujo exemplo
motiva a defender a verdade e a virtude.
Aos amorosos, João Tomaz de Sousa e Rita Ribeiro de Sousa, pais de minha
esposa, por fazer-me sentir que sou seu filho.
Aos meus demais familiares, entes queridos, por quem tenho tanto apreço.
Aos professores, que com desprendimento disseminam o saber e a ética.
Aos meus colegas de turma, ingressantes no doutorado.
À Coordenação do Programa de Doutorado Integrado em Zootecnia.
À Embrapa Caprinos e Ovinos. pela oportunidade da realização deste doutorado.
Aos companheiros de hoje, por excelência amigos, que trabalham e/ou estagiam
na Embrapa Caprinos e Ovinos.
Ao presidente de “A Igreja de Jesus Cristo dos Santos dos Últimos Dias”,
Gordon B. Hinckley (in memoriam), Prof. Dr. Pedro Matias de Vasconcelos e Prof. José
Aldenir Rocha de Oliveira, homens íntegros, pelo incentivo aos estudos e em inflamar a
quem quer que seja, ao alcance de sua influência, a tornar o aprendizado parte integrante
e contínua da vida.
Aos amigos e líderes de “A Igreja de Jesus Cristo dos Santos dos Últimos Dias”,
pelo companheirismo.
Presto respeitosa menção aos que tão singelamente influenciaram-me, por seus
atos afáveis, e que encerraram essa jornada terrena, enquanto cursava o doutorado, são
eles: Ana Jaci Dias de Almeida, Antonia Fernanda de Sousa Oliveira, Bernadete
Ferreira Silva Alves, Boyd K. Packer, Carlos Henrique Almeida da Silva, Franci Lira
Carneiro, Francisca da Silva Dias, Francisca Zeneide Frota, Francisco Itamar Araújo
Lima Neto, Francisco Lopes Mendes, João Ambrósio de Araújo Filho, Jonas Dias
Aragão, José Airton Carneiro, José Wanderlei Alves Costa, L. Tom Perry, Maria de
Jesus Passos Dias, Maria de Lourdes Viana, Maria de Lurdes Dias Ribeiro, Maria do
x
Socorro Dias Albuquerque, Maria do Socorro Mendes Carneiro, Maria dos Santos
Oliveira, Maria José Sousa Barbosa, Maria Zilda Dias, Maurício Passos Dias, Pedro
Dias, Pedro Henrique Tomas da Silva, Raimunda Cândido da Silva, Raimunda Linhares
Carneiro, Raimunda Pereira da Costa, Renato Viana, Richard G. Scott, Sebastião
Doroteu da Silva, Sebastião Pereira Lima, Socorro Siqueira Campos, Tadeu Aristides
Sousa Oliveira, Tarcísio Farias e Terezinha Ribeiro Araújo.
Minha especial gratidão à minha eterna namorada e companheira, Valdete, e
nossos inestimáveis filhos, Kevin, Wesley, Katy e Brenner, bem como o meu irmão,
José Liduino Filho Carneiro (Júnior Tri-Legal), cujo encorajamento, apoio e
companheirismo foram determinantes para esta conquista;
Ao Programa Reuni de Orientação e Operacionalização da Pós-Graduação
Articulada à Graduação (PROPAG), pela concessão de auxílio financeiro, através da
bolsa de doutorado.
E a todos aqueles que mesmo sem seus nomes mencionados, contribuíram para
minha formação pessoal e acadêmica.
Em suma e com profunda reverência, agradeço ao nosso Pai Celestial, em cuja
glória está a inteligência.
A todos, a mais e terna gratidão.
xi
SUMÁRIO
LISTA DE TABELAS .......................................................................................................................... xii
LISTA DE FIGURAS ......................................................................................................................... xiv
RESUMO GERAL. .............................................................................................................................. xv
GENERAL ABSTRACT ................................................................................................................... xvii
CONSIDERAÇÕES INICIAIS ........................................................................................................... 19
CAPÍTULO 1 ........................................................................................................................................ 21
PROGRAMAS DE MELHORAMENTO EM REBANHOS COMUNITÁRIOS - PASTORAIS .... 22
INFORMAÇÕES GENEALÓGICAS E AS AVALIAÇÕES GENÉTICAS ..................................... 23
INCERTEZA DE PATERNIDADE E USO DE MÚLTIPLOS REPRODUTORES ........................ 25
METODOLOGIAS DE AVALIAÇÃO GENÉTICA QUE CONSIDERAM O USO DE
MÚLTIPLOS REPRODUTORES ..................................................................................................... 26
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................................... 28
CAPÍTULO 2 ........................................................................................................................................ 33
RESUMO ........................................................................................................................................... 34
ABSTRACT ....................................................................................................................................... 36
INTRODUÇÃO ................................................................................................................................. 38
MATERIAL E MÉTODOS ............................................................................................................... 39
RESULTADOS E DISCUSSÃO ....................................................................................................... 42
CONCLUSÕES .................................................................................................................................. 61
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................................... 62
CONSIDERAÇÕES FINAIS E IMPLICAÇÕES ............................................................................. 64
xii
LISTA DE TABELAS
Tabela 1. Número de animais endogâmicos e média de endogamia para o pedigree
simulado estimados pelo programa QMSim, de acordo com o modelo
utilizado. ......................................................................................................... 43
Tabela 2. Desvio médio (DEV), penalidade para número efetivo de parâmetros (pd),
critério do desvio de informação (DIC), condicional preditiva ordenada
(CPO) e pseudo fator de Bayes (PBF) para os modelos com múltiplos
reprodutores e numerador médio da matriz de parentesco (NMMP) e modelo
hierárquico com múltiplos reprodutores (MH) para a característica simulada.
........................................................................................................................ 43
Tabela 3. Componentes de variância e herdabilidade para a característica simulada pelo
programa QMSim, de acordo com o modelo utilizado. ................................. 44
Tabela 4. Correlações entre os valores genéticos de todos os animais para a
característica simulada pelo programa QMSim, de acordo com o modelo
utilizado. ......................................................................................................... 46
Tabela 5. Correlações entre os valores genéticos dos reprodutores para a característica
simulada pelo programa QMSim, de acordo com o modelo utilizado. .......... 47
Tabela 6. Dez primeiros reprodutores, classificados de acordo com seu valor genético
(entre parênteses) para a característica simulada, de acordo com o modelo
utilizado. ......................................................................................................... 48
Tabela 7. Número de animais endogâmicos e média de endogamia para o pedigree da
raça Santa Inês, de acordo com o modelo utilizado. ...................................... 49
Tabela 8. Número de observações, média ± desvio padrão, valores mínimos e máximos
para os pesos ao nascimento e ao desmame da raça Santa Inês. .................... 50
Tabela 9. Desvio médio (DEV), penalidade para número efetivo de parâmetros (pd),
critério do desvio de informação (DIC), condicional preditiva ordenada
(CPO) e pseudo fator de Bayes (PBF) para o modelo com múltiplos
reprodutores e numerador médio da matriz de parentesco (NMMP) e modelo
hierárquico com múltiplos reprodutores (MH), para a análise dos pesos da
raça Santa Inês. ............................................................................................... 50
Tabela 10. Médias a posteriori para as (co)variâncias genéticas, de ambiente permanente
materno e fenotípicas para as características peso ao nascimento (PN efeito
xiii
direto, PNm efeito materno) e peso ao desmame (PD efeito direto e PDm
efeito materno) na raça Santa Inês, de acordo com o modelo utilizado. ........ 51
Tabela 11. Médias a posteriori para as herdabilidades e correlações genéticas para as
características peso ao nascimento (PN efeito direto, PNm efeito materno) e
peso ao desmame (PD efeito direto e PDm efeito materno) na raça Santa Inês,
de acordo com o modelo utilizado. ................................................................. 52
Tabela 12. Correlações entre os valores genéticos estimados por diferentes modelos para
as características peso ao nascimento e peso ao desmame considerando todos
os animais da raça Santa Inês. ........................................................................ 57
Tabela 13. Correlações entre os valores genéticos estimados por diferentes modelos para
as características peso ao nascimento e peso ao desmame considerando
somente os reprodutores da raça Santa Inês. .................................................. 58
Tabela 14. Dez primeiros reprodutores da raça Santa Inês, classificados de acordo com
seu valor genético (entre parênteses) para as características peso ao
nascimento e ao desmame, de acordo com o modelo utilizado. ..................... 60
xiv
LISTA DE FIGURAS
Figura 1. Distribuição de frequências das médias a posteriori para as herdabilidades para
a característica simulada, para os modelos com pedigree completo (MPC),
com desconhecimento de paternidade (MDP), com múltiplos reprodutores e
numerador médio da matriz de parentesco (NMMP) e modelo hierárquico
com múltiplos reprodutores (MH) .................................................................. 45
Figura 2. Distribuição de frequências das médias a posteriori para as herdabilidades
diretas para o peso ao nascimento na raça Santa Inês, para os modelos com
pedigree completo (MPC), com desconhecimento de paternidade (MDP), com
múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP)
e modelo hierárquico com múltiplos reprodutores (MH) ............................... 53
Figura 3. Distribuição de frequências das médias a posteriori para as herdabilidades
diretas para o peso ao desmame na raça Santa Inês, para os modelos com
pedigree completo (MPC), com desconhecimento de paternidade (MDP), com
múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP)
e modelo hierárquico com múltiplos reprodutores (MH) ............................... 54
Figura 4. Distribuição de frequências das médias a posteriori para as herdabilidades
maternas para o peso ao nascimento na raça Santa Inês, para os modelos com
pedigree completo (MPC), com desconhecimento de paternidade (MDP), com
múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP)
e modelo hierárquico com múltiplos reprodutores (MH) ............................... 55
Figura 5. Distribuição de frequências das médias a posteriori para as herdabilidades
maternas para o peso ao desmame na raça Santa Inês, para os modelos com
pedigree completo (MPC), com desconhecimento de paternidade (MDP), com
múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP)
e modelo hierárquico com múltiplos reprodutores (MH) ............................... 55
xv
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM INCERTEZA
DE PATERNIDADE
RESUMO GERAL – Muitos rebanhos ovinos no mundo são criados de forma coletiva,
de maneira comunitária, em que animais de diversos proprietários pastejam juntos.
Estas condições dificultam ou impossibilitam a identificação da paternidade das crias,
uma vez que vários reprodutores e matrizes podem se acasalar sem nenhum controle ou
registro zootécnico. Essa prática inibe a obtenção de avaliações genéticas acuradas com
uso do modelo animal. Por isso, propõe-se aqui avaliar a eficiência do uso de dois
métodos, o do modelo animal hierárquico (MH) e do numerador médio da matriz de
parentesco (NMMP), na estimativa dos parâmetros genéticos e dos valores genéticos de
ovinos, com incerteza de paternidade em que há acasalamentos na presença de múltiplos
reprodutores. Os métodos foram comparados em duas situações, uma com uma
característica simulada com variância fenotípica de 7,5 kg2, média de 14,5 kg e
herdabilidade de 0,30, de forma que se conheciam os parâmetros genéticos verdadeiros
e outra com dados reais, de pesos ao nascimento e ao desmame da raça Santa Inês da
Embrapa Caprinos e Ovinos. Nas duas situações, os dados foram analisados de quatro
formas: 1) com o pedigree completo, conforme disponível (MPC); 2) ignorando o total
conhecimento dos pais (MDP); 3) com uso de múltiplos reprodutores e numerador
médio da matriz de parentesco (NMMP); e, 4) com uso de múltiplos reprodutores e
modelo hierárquico (MH). As análises foram realizadas com procedimentos Bayesianos
com a técnica de Monte Carlo via Cadeias de Markov (MCMC). Utilizaram-se cadeias
únicas de 1.100.000 iterações com descarte amostral das primeiras 400.000 cadeias e
período de amostragem a cada 10 iterações. Os modelos NMMP e MH foram
comparados pelos critérios do desvio de informação (DIC) e pseudo fator de Bayes
(PBF). As diferenças nas estimativas dos valores genéticos e na classificação dos
animais entre os modelos foram verificadas por meio de correlação (Pearson e
Spearman). Tanto para os dados simulados quanto para os dados reais, o modelo MH
foi ligeiramente superior ao modelo com NMMP, de acordo com os critérios DIC e
PBF. Entretanto, não foram verificadas diferenças significativas entres estes dois
modelos, na estimativa de parâmetros genéticos e classificação e identificação dos
melhores reprodutores. No caso dos dados reais, em função da estrutura dos dados
disponíveis, os modelos com múltiplos reprodutores não foram eficientes em estimar os
xvi
valores genéticos dos animais para os efeitos maternos, apesar de não ter havido
estimativas diferentes entre os modelos para os parâmetros genéticos deste efeito
((co)variâncias e herdabilidades). Isso pode ter ocorrido porque as estimativas de
herdabilidade para o efeito materno foram praticamente nulas. Os resultados
confirmaram que os modelos de avaliação genética com uso de múltiplos reprodutores,
que consideram a incerteza de paternidade, são eficientes para estimar parâmetros
genéticos e classificar reprodutores superiores em rebanhos ovinos com características
pastorais comunitárias. Apesar do melhor ajuste dos dados pelo MH, ambos os modelos
foram similares para as estimativas e podem ser considerados nas avaliações genéticas.
Palavras–chave: análise bayesiana, herdabilidade, múltiplos reprodutores, simulação,
valores genéticos
xvii
GENETIC EVALUATION ON PASTORAL FLOCKS WITH UNCERTAIN
PATERNITY
GENERAL ABSTRACT – Many sheep flocks in the world are managed collectively,
in community way, in which animals from different owners graze together. These
conditions make it difficult or impossible to identify the paternity of offspring, as
several rams and ewes can mate with no control or livestock record. This practice
prevents the obtaining of genetic evaluations using animal model. The aim of this study
is to evaluate the efficiency of the use of two methods, the hierarchical animal model
(MH) and the average numerator of the relationship matrix (NMMP), in the estimation
of genetic parameters and breeding values of sheep in situation with paternity
uncertainty in which there is mating in the presence of multiple sires. The methods were
compared in two cases, one with a simulated trait with 7.5 kg2 phenotypic variance,
mean 14.5 kg, and heritability of 0.30, so that the true genetic parameters were known
and one with real data, with weights at birth and at weaning of Santa Inês breed from
Embrapa Goats and Sheep. In both cases, the datas were analyzed in four ways: 1) with
full pedigree, as available (MPC); 2) ignoring the full knowledge of parents (MDP); 3)
using multiple sires and the average numerator of the relationship matrix (NMMP); and
4) using multiple sires and hierarchical model (MH). Analyses were performed with
Bayesian procedures with the technique of Markov Chain Monte Carlo (MCMC). For
all models, MCMC chains of 1,100,000 cycles, after burn-in period of 400,000 cycles,
with sampling period every 10 cycles were used. The NMMP and MH models were
compared by the Deviance Information Criteria (DIC) and Pseudo Bayes Factor (PBF).
The differences in the estimates of the breeding values and in the ranking of animals
between the models were verified by correlations (Pearson and Spearman). For both the
simulated data as to the real data, MH model was slightly higher than NMMP model,
according to DIC and PBF criteria. However, no significant differences were observed
between these two models, for the estimation of genetic parameters and the ranking and
identification of the best rams. In the case of real data, depending on the structure of the
data available, models with multiple sires were not efficient in estimating the breeding
values for maternal effects, although there have been no different estimates between
models for the genetic parameters of this effect ((co) variance and heritability). This
may have occurred because the heritability estimated for the maternal effect was
xviii
practically zero. The results confirmed that the genetic evaluation models with use of
multiple sires, who consider paternity uncertain, are efficient to estimate genetic
parameters and rank the best rams in sheep flocks with community pastoral
characteristics. Despite the best fit of the data by MH, both models were similar to the
estimates and may be considered in genetic evaluations.
Keywords: Bayesian analysis, breeding values, heritability, multiple sires, simulation
19
CONSIDERAÇÕES INICIAIS
A produção de pequenos ruminantes abrange sobremaneira as áreas tropicais do
globo terrestre. E, em grande parte do mundo, comumente são explorados em áreas
marginais, por pequenos criadores, com recursos escassos e baixo investimento na
atividade. Muitos destes rebanhos são criados de forma coletiva, de maneira
comunitária, onde animais de diversos proprietários pastejam juntos, em grandes
extensões de terra e sem delimitações de áreas, com pouco ou nenhum estabelecimento
de adequados manejos nutricional, sanitário e reprodutivo. Estes criadores raramente
praticam a escrituração zootécnica, com planejamento de estações de monta e
acasalamento dirigido, o que promoveria um maior nível de organização e a fácil
identificação dos pais.
A ausência dessas práticas impossibilita a identificação da paternidade das crias,
uma vez que vários reprodutores estão presentes e podem se acasalar com as fêmeas
aleatória e indiscriminadamente. Isso inviabiliza a realização de avaliações genéticas
com uso do modelo animal.
A incerteza de paternidade poderia ser contornada com uso de informações
moleculares. Porém, uma vez que os poucos recursos econômicos destes criadores são
prioritariamente destinados à sua subsistência, e às poucas tecnologias a eles acessíveis
em suas explorações, o uso das ferramentas da genômica nem longinquamente lhes
parece possível.
Assim, estariam esses rebanhos impossibilitados de serem selecionados por
métodos comprovadamente eficientes, como a estimativa de valores genéticos e
diferenças esperadas na progênie, pelo uso da metodologia BLUP, sob modelo animal?
Para estabelecer um melhor entendimento do problema em questão,
apresentaremos um referencial teórico, no primeiro capítulo, acerca dos temas:
programas de melhoramento em rebanhos comunitários - pastorais, informações
genealógicas e as avaliações genéticas, incerteza de paternidade e uso de múltiplos
reprodutores (MR) e metodologias de avaliação genética que consideram o uso de MR.
No segundo capítulo apresentaremos os resultados da pesquisa, que teve o objetivo de
avaliar a eficiência dos modelos com o uso do numerador médio da matriz de
parentesco e modelo animal hierárquico, que utiliza as informações fenotípicas para
determinar as probabilidades a posteriori das atribuições da paternidade, na estimativa
20
dos parâmetros genéticos e dos valores genéticos de ovinos, em situação de incerteza de
paternidade em que há acasalamentos na presença de múltiplos reprodutores.
21
CAPÍTULO 1
_____________________________________________
Referencial Teórico
AVALIAÇÃO GENÉTICA EM REBANHOS PASTORAIS COM
INCERTEZA DE PATERNIDADE
22
PROGRAMAS DE MELHORAMENTO EM REBANHOS COMUNITÁRIOS -
PASTORAIS
Sociedades pastoris são geralmente definidas como aquelas que criam rebanhos
em condições extensivas com o uso de pastagens naturais como a principal fonte de
alimento para os animais. Os proprietários são beneficiados de produtos como leite,
carne, lã, couro e esterco e, ademais, os animais podem ser utilizados como uma fonte
de renda, para o transporte e como animais de carga. Estima-se que 25% da superfície
terrestre do globo acomodam sociedades pastoris (DEGEN, 2007).
Animais criados em sistemas de criação extensivos geralmente ocupam
superfícies que não podem ser cultivadas ou utilizadas para outros fins. Essas terras
geralmente incluem-se nas categorias de desertos, montanhas e savanas do mundo. Em
termos gerais, elas estão inseridas em regiões tropicais (DEGEN, 2007). Para
aproveitamento dessas regiões, especialmente pelo aumento da população, escassez de
terra e diminuição dos recursos de produção, tem-se promovido a produção de pequenos
ruminantes (BETT et al., 2009). Sistemas de produção voltados à criação de pequenos
ruminantes, quando mantidos em pequenas propriedades, frequentemente apresentam
somente as condições mínimas de criação (HOLST, 1999). Além disso, o manejo
adotado difere entre as comunidades (KOSGEY, 2004) e é rara a adoção de estratégias
de melhoramento genético animal (KOSGEY e OKEYO, 2007).
Para a adoção de uma nova tecnologia em tais circunstâncias, é imprescindível
que ela seja compatível com as necessidades do produtor e do sistema de produção.
Além disso, ela tem que ser relativamente simples, com baixo custo e que envolva
pequenos riscos. Dessa forma, o sucesso de um programa de melhoramento para estes
criatórios deve advir de uma visão holística para o sistema de produção, com
envolvimento dos criadores em todas as etapas do planejamento e operacionalidade do
programa, e da consideração e associação dos comportamentos e valores tradicionais
(KOSGEY et al., 2006).
A substituição de raças localmente adaptadas, principalmente por sua absorção
por meio de cruzamentos com raças transfronteiriças é uma estratégia comumente
aplicada, que visa promover o melhoramento genético de pequenos ruminantes nos
trópicos. No entanto, tais práticas têm sido frequentemente insustentáveis em longo
prazo. Isto decorre da incompatibilidade dos genótipos com os objetivos de seleção e a
23
baixa qualidade dos sistemas de produção tradicionais prevalecentes nestas áreas
(REWE et al, 2002; MANZI et al., 2013).
Programas de melhoramento tradicionais encontram barreiras nos sistemas de
produção pastorais, em função de uma série de características próprias. A dificuldade de
programas de melhoramento estruturados para pequenos produtores em comunidades
agropastoris se deve, principalmente, aos baixos níveis de alfabetização, pequeno
efetivo de animais, à presença de um único reprodutor, e à falta de práticas de registro
adequadas ao desempenho (KIWUWA, 1992). Apesar de genuínos esforços no passado,
pouco progresso genético tem sido obtido na maioria dos rebanhos de pequenos
ruminantes quando mantidos por pequenos produtores (HOLST, 1999; AYALEW et al.,
2003).
Instituir um programa de melhoramento implica em investimento por parte do
produtor, o que se justifica quando tal programa atende seus objetivos definidos para
atender ao mercado. Considerar se um programa de melhoramento genético obteve
sucesso ou fracasso, parte da ação de avaliar se este atingiu seu objetivo em curto,
médio ou longo prazo. No entanto, é importante reconhecer que este critério de sucesso
pode ser falho ou duvidoso, se forem considerados os divergentes pontos de vista do
criador, do cientista e do formulador de políticas. Além disso, é difícil ter critérios
claros, devido à diversidade de produtores e às circunstâncias de produção nos trópicos
(KOSGEY et al., 2006).
Um programa de melhoramento genético caracteriza uma das ferramentas
fundamentais à eficiência da produção animal (LÔBO e LÔBO, 2007), logo, de
qualquer forma, independente das dificuldades, não se pode deixar que pequenos
criadores, em comunidades pastorais, possam ser excluídos do direito a tê-lo.
Estratégias participativas têm sido apontadas como as mais eficientes para este tipo de
abordagem (LÔBO, 2012), e a elas devem ser incorporadas possibilidades de avaliação
genética, que é o meio mais eficiente para selecionar indivíduos geneticamente mais
produtivos.
INFORMAÇÕES GENEALÓGICAS E AS AVALIAÇÕES GENÉTICAS
A eficiência das avaliações genéticas depende não somente dos métodos
matemáticos para predizer os valores genéticos dos animais, mas também de uma série
24
de fatores que não estão incluídos formalmente nos modelos. De qualquer forma, como
ela se propõe a considerar o fluxo de genes que se distribui entre os animais da
população em avalição, é fundamental a correta disponibilidade de dados de genealogia.
Conhecer a estrutura genética das raças e a evolução da variabilidade genética e
demográfica de uma população são benefícios oriundos da manutenção e análise
criteriosa da genealogia dos animais (GOYACHE et al., 2010). As ações a serem
tomadas em programas de melhoramento genético são mais bem direcionadas quando se
conhece a estrutura populacional do rebanho (MALHADO et al., 2008). Deficientes
informações na matriz de parentesco levam a falhas na estimação da endogamia e dos
parâmetros genéticos (BANOS et al., 2001), com consequente redução do ganho
genético passível de ser obtido. Assim, quanto maiores forem os erros no pedigree,
maior será o viés na estimação dos parâmetros genéticos (VAN VLECK, 1970).
A informação genealógica do rebanho se caracteriza em uma ferramenta muito
útil para a avaliação genética das populações por sua simplicidade e baixo custo
(MALHADO et al., 2009). Entretanto, determinadas situações práticas dificultam sua
obtenção, como no caso dos rebanhos comunitários pastorais. Por outro lado, quanto
maior a matriz de parentesco, menores são os desvios-padrão e intervalos de
credibilidade, assegurando maior precisão dos componentes de variância (FALCÃO et
al., 2009).
A correta e completa matriz de parentesco tem papel fundamental para a
robustez dos métodos de estimação dos componentes de variância, especialmente
quando baseados na verossimilhança (SCHENKEL, 1999). Além de a matriz de
parentesco aprimorar a precisão das estimativas dos valores genéticos, ela tende a
aumentar a correlação entre os valores genéticos dos indivíduos aparentados
(HENDERSON, 1976; DEMPFLE, 1990). Para isso, a matriz de parentesco, computada
a partir do pedigree, comumente é utilizada como informação a priori nas equações de
modelos mistos. De qualquer forma, o fenômeno reprodutivo é algo complexo e erros
no pedigree são comuns, o que torna importante a atenção e a utilização de mecanismos
que possam permitir correções nas informações de parentesco, para que se aumente a
acurácia média dos valores genéticos preditos (MUNOZ et al., 2014).
Atualmente, a metodologia da máxima verossimilhança restrita (REML) e os
procedimentos bayesianos são os mais utilizados para as avaliações genéticas, com
25
importantes procedimentos matemáticos para o máximo aproveitamento das
informações genealógicas para a predição dos valores genéticos dos animais. A REML
resulta do aprimoramento dado ao método da máxima verossimilhança, que outrora
desconsiderava a perda de graus de liberdade, em consequência da estimação dos efeitos
fixos do modelo de análise, ao estimar os componentes de variância (PATTERSON;
THOMPSON, 1971).
O método REML é muito usado no melhoramento animal dadas suas vantagens
de reduzir o viés decorrente da seleção e de sua capacidade de utilizar toda informação
disponível. Os procedimentos bayesianos combinados ao método de Monte Carlo via
Cadeias de Markov (MCMC, do inglês Markov Chain Monte Carlo) têm sido
amplamente utilizados na estimação de componentes de variância e parâmetros
genéticos (GIANOLA e FERNANDO, 1986; WEIGEL e REKAYA, 2000). A maior
demanda por estes tem se justificado pela facilidade de analisar grandes bancos de
dados, com uma menor exigência de memória computacional e sob uso de distribuições
a priori acerca dos parâmetros (FALCÃO et al., 2009).
INCERTEZA DE PATERNIDADE E USO DE MÚLTIPLOS REPRODUTORES
As avaliações genéticas utilizam-se das informações de produção, e
principalmente, de dados de pedigree dos ovinos, de forma que é fundamental o
conhecimento sobre a genealogia dos animais. O desconhecimento sobre um dos
progenitores dificulta a utilização das metodologias de avaliação animal, por causar uma
interrupção no conhecimento sobre o fluxo dos genes. Esse desconhecimento é mais
comum para o pai, já que se torna mais fácil identificar a mãe de uma cria, pelo contato
íntimo que estas duas possuem, no período de amamentação.
Em rebanhos pastorais e comunitários, criados extensivamente e/ou por
pequenos produtores, são predominantes os acasalamentos descontrolados (KOSGEY et
al., 2008), o que possivelmente é um dos maiores entraves que retardam o progresso do
melhoramento genético do rebanho. Os criadores com muita frequência inserem novos
reprodutores ao seu plantel com deficiente ou escassa informação genealógica dos
mesmos, o que tende a comprometer o melhoramento genético do rebanho, por afetar a
predição dos valores genéticos dos animais (PHOCAS e LALOË, 2004). Assim, é
possível identificar nestes rebanhos um número considerável de machos, em idade
26
reprodutiva, sob manejo coletivo com a presença das matrizes aptas a serem cobertas,
sendo eles os potenciais pais das crias que irão nascer.
Dessa forma, em rebanhos comunitários pastorais e até mesmo em grandes
rebanhos comerciais, criados extensivamente, como em bovinos de corte, o uso de
múltiplos reprodutores é uma prática comum, em virtude das vantagens de reduzir os
custos com o manejo individual dos animais, quando em monta controlada, e favorecer
que as fêmeas em cio sejam mais facilmente identificadas e cobertas durante a estação
de monta (VALLE et al., 1998). Entretanto, impossibilita a identificação da paternidade
das crias, por consequência inviabiliza a comparação do desempenho reprodutivo e
produtivo dos diferentes reprodutores, comprometendo ainda a acurácia das avaliações
genéticas (CARDOSO e TEMPELMAN, 2003).
Portanto, o uso de múltiplos reprodutores, associado à incerteza de paternidade,
e a ausência de escrituração zootécnica sistemática estão entre os principais limitantes
para o estabelecimento de programas de melhoramento de pequenos ruminantes.
METODOLOGIAS DE AVALIAÇÃO GENÉTICA QUE CONSIDERAM O USO
DE MÚLTIPLOS REPRODUTORES
Diferentes métodos já foram propostos para predizer o mérito genético dos
animais com incerteza de paternidade para casos de sistemas de produção com múltiplos
reprodutores.
O modelo de grupos genéticos, proposto por Quaas (1988) e Westell et al.
(1988), era o método mais comumente utilizado em condições de incerteza de
paternidade, assumindo que estes não sejam relacionados ao restante da população, que
os possíveis pais não sejam aparentados, e que cada candidato detenha igual
probabilidade de ser o progenitor do animal com paternidade incerta (PEREZ-ENCISO
e FERNANDO, 1992; SULLIVAN, 1995). Apesar de esse método ter sido considerado
menos eficiente quando comparado a outros (PEREZ-ENCISO e FERNANDO, 1992;
SULLIVAN, 1995), ele ainda é utilizado (OLIVEIRA JÚNIOR et al., 2013).
Esse método consiste em agrupar os pais desconhecidos (“pais fantasmas” é um
termo bastante usado) e estimar coeficientes para estes grupos, a serem considerados
nas equações dos modelos mistos. Os critérios para agrupamentos destes reprodutores
são arbitrários e geralmente com base em ano de nascimento, rebanho, ano de entrada
27
em serviço, região geográfica, ou até mesmo informação de pedigree (WESTELL et al.
1988).
Henderson (1988) propôs a modificação na tradicional matriz de parentesco,
com o uso de um numerador médio dessa matriz (NMMP) derivado sob a pressuposição
de probabilidades particulares para os reprodutores no grupo. Assim, com base no
conhecimento da probabilidade de cada reprodutor ser o verdadeiro pai de um
determinado animal, preenche-se a matriz de parentesco com essas probabilidades, o
que cria laços genéticos proporcionais entre o animal e seus possíveis pais. O NMMP
especifica a covariância genética da matriz quando estas probabilidades são conhecidas,
possibilitando assim a melhor predição linear de mérito genético.
Segundo Shiotsuki et al. (2011) quando não se dispõe de informações de
tipagem sanguínea, marcadores genéticos, fertilidade, período reprodutivo e gestação,
podem ser adotadas probabilidades a priori de paternidade iguais para os animais
pertencentes ao mesmo grupo de múltiplos reprodutores. O uso de probabilidades iguais
para todos os reprodutores dentro do grupo seria o mais comum, principalmente para o
caso dos rebanhos comunitários, já que os mesmos não possuem nem outras
informações mais básicas, como as citadas anteriormente.
Perez-Enciso e Fernando (1992) demonstraram que o uso do NMMP permitia
estimativas de respostas à seleção não viesadas, ao contrário do uso dos grupos
genéticos, bem como menores erros para as estimativas das médias genéticas. Sullivan
et al. (1995) também confirmaram por simulação a melhor resposta genética à seleção
com o uso do NMMP em relação aos grupos genéticos, principalmente quando se tem
baixas herdabilidades e alto nível de incerteza de paternidade no pedigree. Segundo os
autores os dados de desempenho dos animais não devem ser descartados em função
desta incerteza e sugeriram estudos com dados de campo para confirmar a eficiência
desta metodologia.
Mais recentemente, Cardoso e Tempelman (2003) sugeriram a utilização de um
modelo animal hierárquico (MH), que combina diversos dados para então determinar as
probabilidades a posteriori das atribuições da paternidade. Assim, por meio dos
procedimentos bayesianos e o MCMC, é possível iniciar as análises com probabilidades
iguais a priori para os reprodutores do grupo, e então as probabilidades a posteriori são
alteradas de acordo com a informação contida nos dados fenotípicos, com
28
aprimoramento da predição de mérito genético de animais provenientes de
acasalamentos com múltiplos reprodutores. De fato, o uso das informações fenotípicas
tem sido recomendado para melhorar a precisão do valor genético dos animais em
circunstâncias de incerteza de paternidade (CARDOSO e TEMPELMAN, 2003;
CARDOSO e TEMPELMAN, 2004; SAPP et al., 2007).
Dessa forma, o que diferencia o MH do NMMP seria a utilização de diferentes
probabilidades a posterior para cada possível pai dentro de cada grupo de múltiplos
reprodutores. Cardoso e Tempelman (2004) confirmaram a superioridade do uso do
modelo hierárquico sobre o NMMP em dados de campo da raça Hereford. Shiotsuki et
al. (2012) também compararam estes dois modelos em bovinos da raça Nelore e
verificaram que o modelo hierárquico produz melhores estimativas dos parâmetros
genéticos, entretanto, sem haver diferenças significativas entre os dois na classificação
do valor genético dos animais para seleção. O MH também superou o uso de grupos
genéticos de Westell et al. (1988), contudo, em virtude de fazer uso do MCMC, pode
inviabilizar a realização de avaliações genéticas rotineiras, quando com grandes bancos
de dados, devido ao longo tempo computacional necessário.
REFERÊNCIAS BIBLIOGRÁFICAS
AYALEW, W.; RISCHKOWSKY, B.; KING, J.M.; BRUNS, E. Crossbreds did not
generate more net benefits than indigenous goats in Ethiopian smallholdings.
Agricultural. Systems, v. 76, p. 1137-1156, 2003.
BANOS, G.; WIGGANS, G.R.; POWELL, R.L. Impact of paternity errors in cow
identification on genetic evaluations and international comparisons. Journal of Dairy
Science, v. 84, n. 11, p. 2523-2529, 2001.
BETT, R.C.; KOSGEY, I.S.; KAHI, A.K.; PETERS, K.J. Realities in breed
improvement programmes for dairy goats in the East and Central Africa. Small
Ruminant Research, v. 85, p. 157-160, 2009.
CARDOSO, F.F.; TEMPELMAN, R.J. Bayesian inference on genetic merit under
uncertain paternity. Genetics Selection Evolution, v. 35, p. 469-487, 2003.
29
CARDOSO, F.F.; TEMPELMAN, R.J. Genetic evaluation of beef cattle accounting for
uncertain paternity. Livestock Production Science, v. 89, p. 109-119, 2004.
DEGEN, A.A. Sheep and goat milk in pastoral societies. Small Ruminant Research, v.
68, p. 7-19, 2007.
DEMPFLE, L. Problems in the use of the relationship matrix in animal breeding. In:
GIANOLA, D.; HAMMOND, K. (Eds.) Advances in statistical methods for genetic
improvement of livestock. Berlin: Springer-Verlag, p. 454-473, 1990.
FALCÃO, A.J.S.; MARTINS, E.N.; COSTA, C.N.; MAZUCHELI, J. Efeitos do
número de animais na matriz de parentesco sobre as estimativas de componentes de
variância para produção de leite usando os métodos de Máxima Verossimilhança
Restrita e Bayesiano. Revista Brasileira de Zootecnia, v. 38, n. 8, p. 1468-1477, 2009.
GIANOLA, D.; FERNANDO, R.L. Bayesian methods in animal breeding theory.
Journal of Animal Science, v. 63, p. 217-277, 1986.
GOYACHE, F.; FERNÁNDEZ, I.; ESPINOSA, M.A.; PAYERAS, L.;
PÉREZ‑PARDAL, L.; GUTIÉRREZ, J.P.; ROYO, L.J.; ÁLVAREZ, I. Análisis
demográfico y genético de la raza ovina Mallorquina. Información Técnica
Económica Agraria, v. 106, p. 3‑14, 2010.
HENDERSON, C.R. Use of an average numerator relationship matrix for multiple-sire
joining. Journal of Animal Science, v. 66, p. 1614-1621, 1988.
HENDERSON, C.R. A simple method for computing the inverse of a numerator
relationship matrix used in prediction of breeding values. Biometrics, v. 32, p. 69-83,
1976.
HOLST, P.J. Recording and on-farm evaluations and monitoring: breeding and
selection. Small Ruminant Research, v. 34, p. 197-202, 1999.
KIWUWA, G.H. Breeding strategies for small ruminant productivity in Africa -
Stratégies de sélection visant à accroître la productivité des petits ruminants en
30
Afrique. 1992. Disponível em:
<http://www.fao.org/wairdocs/ilri/x5520b/x5520b17.htm> Acesso em: 02 Dez. 2015.
KOSGEY, I.S. Breeding objectives and breeding strategies for small ruminants in
the tropics. 2004. Disponível em: <http://library.wur.nl/WebQuery/edepot/121527>
Acesso em: 10 Dez. 2015.
KOSGEY, I.S.; OKEYO, A.M. Genetic improvement of small ruminants in low-input,
smallholder production systems: Technical and infrastructural issues. Small Ruminant
Research, v. 70, p. 76-88, 2007.
KOSGEY, I.S.; BAKER, R.L.; UDO, H.M.J.; VAN ARENDONK, J.A.M. Successes
and failures of small ruminant breeding programmes in the tropics: a review. Small
Ruminant Research, v. 61, p. 13-28, 2006.
KOSGEY, I.S.; ROWLANDS, G.J.; VAN ARENDONK, J.A.M.; BAKER, R.L. Small
ruminant production in smallholder and pastoral/extensive farming system in Kenya.
Small Ruminant Research, v. 77, p. 11-24, 2008.
LÔBO, R.N.B.; LÔBO, A.M.B.O. Melhoramento genético como ferramenta para o
crescimento e o desenvolvimento da ovinocultura de corte. Revista Brasileira de
Reprodução Animal, v.31, n.2, p.247-253, 2007.
LÔBO, R.N.B. Alternativas de melhoramento participativo para conquistar avanços na
produção de leite e carnes de caprinos. In: IX SIMPÓSIO BRASILEIRO DE
MELHORAMENTO ANIMAL, 2012, João Pessoa. Anais… IX Simpósio Brasileiro de
Melhoramento Animal. João Pessoa: Sociedade Brasileira de Melhoramento Animal,
2012.
MALHADO, C.H.M.; CARNEIRO, P.L.S.; MARTINS FILHO, R.; AZEVEDO,
D.M.M.R. Histórico genético e populacional do rebanho Nelore Puro de Origem no
Sertão Nordestino. Pesquisa Agropecuária Brasileira, v. 44, p. 713‑718, 2009.
31
MALHADO, C.H.M.; CARNEIRO, P.L.S.; PEREIRA, D.G.; MARTINS FILHO, R.
Progresso genético e estrutura populacional do rebanho Nelore no Estado da Bahia.
Pesquisa Agropecuária Brasileira, v. 43, p. 1163‑1169, 2008.
MANZI, M.; MUTABAZI, J.; HIRWA, C.D.; KUGONZA, D.R. Socio-economic
assessment of indigenous goat production system in rural areas of Bugesera District in
Rwanda. Livestock Research for Rural Development, v. 25, n. 11, 2013.
MUNOZ, P.R.; RESENDE, M.F.R.; HUBER, D.A.; QUESADA, T.; RESENDE,
M.D.V.; NEALE, D.B.; WEGRZYN, J.L.; KIRST, M.; PETER, G.F. Genomic
relationship matrix for correcting pedigree errors in breeding populations: Impact on
genetic parameters and genomic selection accuracy. Crop Science, v. 54, n. 3, p. 1115-
1123, 2014.
OLIVEIRA JÚNIOR, G.A.; ELER, J.P.; FERRAZ, J.B.S.; PETRINI, J.; MATTOS,
E.C.; MOURÃO, G.B. Definição de grupos genéticos aditivos visando melhor predição
de valores genéticos em bovinos de corte. Revista Brasileira de Saúde e Produção
Animal, v. 14, p. 277-286, 2013.
PATTERSON, H.D.; THOMPSON, R. Recovery of inter-block information when block
sizes unequal. Biometrika, v. 58, n. 3, p. 545-554, 1971.
PEREZ-ENCISO, M.; FERNANDO R.L. Genetic evaluation with uncertain parentage-
a comparison of methods, Theoretical and Applied Genetics, v. 84 p. 173-179, 1992.
PHOCAS, F.; LALOË, D. Should genetic groups be fitted in BLUP evaluation?
Practical answer for the French AI beef sire evaluation. Genetics Selection Evolution,
v. 36, n. 3, p. 1-21, 2004.
QUAAS, R. L. Additive genetic model with groups and relationships. Journal of Dairy
Science, v. 71, p. 1338-1345, 1988.
REWE, T.O.; OGORE, P.B.; KAHI, A.K. Integrated goat projects in Kenya: impact on
genetic improvement. In: PROCEEDINGS OF THE SEVENTH WORLD CONGRESS
ON GENETICS APPLIED TO LIVESTOCK PRODUCTION, 33, 2002, Montpellier,
32
France. Proceedings… Montpellier: World Congress on Genetics Applied to Livestock
Production, 2002. p. 385-387.
SAPP, R.L.; ZHANG, W.; BERTRAND, J.K.; REKAYA, R. Genetic evaluation in the
presence of uncertain additive relationships. I. Use of phenotypic information to
ascertain paternity. Journal of Animal Science, v. 85, p. 2391-2400, 2007.
SCHENKEL, F.S. Effects of selection on animal genetic evaluation: a short review. In:
INTERNATIONAL SYMPOSIUM ON ANIMAL BREEDING AND GENETICS,
1999, Viçosa, MG. Proceeding…Viçosa, MG: 1999, p. 79-99.
SHIOTSUKI, L. Avaliação de modelos estatísticos considerando a incerteza da
paternidade. 2011. 85p. Tese (Doutorado). Universidade Estadual Paulista “Júlio de
Mesquita”, Jaboticabal.
SHIOTSUKI, L.; CARDOSO, F.F.; SILVA, J.A.II., ROSA, G.J.M., ALBUQUERQUE,
L.G. Evaluation of an average numerator relationship matrix model and a Bayesian
hierarchical model for growth traits in Nellore cattle with uncertain paternity.
Livestock Science, v. 144, p. 89-95, 2012.
SULLIVAN, P.G. Alternatives for genetic evaluation with uncertain parentage,
Canadian Journal of Animal Science, v. 75, p. 31-36, 1995.
VALLE, E.R.; ANDREOTTI, R.; THIAGO, L.R.S. Estratégias para aumento da
eficiência reprodutiva e produtiva em bovinos de corte. Campo Grande, MS:
Embrapa Gado de Corte, 1998. 80p. (Embrapa Gado de Corte. Documentos, 71).
VAN VLECK, L.D. Misidentification and sire evaluation. Journal of Dairy Science, v.
53, n. 12, p. 1697-1702, 1970.
WEIGEL, K.A.; REKAYA, R. A multiple-trait herd cluster model for international
dairy sire evaluation. Journal of Dairy Science, v. 83, p. 815-821, 2000.
WESTELL R.A.; QUAAS R.L.; VAN VLECK L.D. Genetic groups in an animal-
model, Journal of Dairy Science, v. 71, p. 1310-1318, 1988.
33
CAPÍTULO 2
_____________________________________________
Avaliação Genética em Rebanhos Pastorais com Incerteza de Paternidade
34
Avaliação Genética em Rebanhos Pastorais com Incerteza de Paternidade
RESUMO
O objetivo deste estudo foi o de avaliar a eficiência de dois métodos, o modelo animal
hierárquico (MH) e do numerador médio da matriz de parentesco (NMMP), na
estimativa dos parâmetros genéticos e dos valores genéticos de ovinos, com incerteza de
paternidade em que há acasalamentos na presença de múltiplos reprodutores. Os
métodos foram comparados em duas situações: uma, com uma característica simulada
com variância fenotípica de 7,5 kg2, média de 14,5 kg e herdabilidade de 0,30, de forma
que se conheciam os parâmetros genéticos verdadeiros, e outra com dados reais, de
pesos ao nascimento e ao desmame da raça Santa Inês da Embrapa Caprinos e Ovinos.
Nas duas situações, os dados foram analisados de quatro formas: 1) com o pedigree
completo, conforme disponível (MPC); 2) ignorando o total conhecimento dos pais
(MDP); 3) com uso de múltiplos reprodutores e numerador médio da matriz de
parentesco (NMMP); e, 4) com uso de múltiplos reprodutores e modelo hierárquico
(MH). As análises foram realizadas com procedimentos Bayesianos com a técnica de
Monte Carlo via Cadeias de Markov (MCMC). Utilizaram-se cadeias únicas de
1.100.000 iterações com descarte amostral das primeiras 400.000 cadeias e período de
amostragem a cada 10 iterações. Os modelos NMMP e MH foram comparados pelos
critérios do desvio de informação (DIC) e pseudo fator de Bayes (PBF). As diferenças
nas estimativas dos valores genéticos e na classificação dos animais entre os modelos
foram verificadas por meio de correlação (Pearson e Spearman). Tanto para os dados
simulados quanto para os dados reais, o modelo MH foi ligeiramente superior ao
modelo com NMMP, de acordo com os critérios DIC e PBF. Entretanto, não foram
verificadas diferenças significativas entre estes dois modelos, na estimativa de
parâmetros genéticos, classificação e identificação dos melhores reprodutores. No caso
dos dados reais, em função da estrutura dos dados disponíveis, os modelos com
múltiplos reprodutores não foram eficientes em estimar os valores genéticos dos
animais para os efeitos maternos, apesar de não ter havido estimativas diferentes entre
os modelos para os parâmetros genéticos deste efeito ((co)variâncias e herdabilidades).
35
Isso pode ter ocorrido porque as estimativas de herdabilidade para o efeito materno
foram praticamente nulas. Os resultados confirmaram que os modelos de avaliação
genética com uso de múltiplos reprodutores, que consideram a incerteza de paternidade
são eficientes para estimar parâmetros genéticos e classificar reprodutores superiores em
rebanhos ovinos com características pastorais comunitárias. Apesar do melhor ajuste
dos dados pelo MH, ambos os modelos foram similares para as estimativas e podem ser
considerados nas avaliações genéticas.
Palavras-chave: análise bayesiana, herdabilidade, múltiplos reprodutores, simulação,
valores genéticos
36
Genetic Evaluation on Pastoral Flocks with Uncertain Paternity
ABSTRACT
The aim of this study was to evaluate the efficiency of the use of two methods, the
hierarchical animal model (MH) and the average numerator of the relationship matrix
(NMMP), in the estimation of genetic parameters and breeding values of sheep in
situation with paternity uncertain in which there is mating in the presence of multiple
sires. The methods were compared in two cases: one with a simulated trait with 7.5 kg2
phenotypic variance, mean 14.5 kg, and heritability of 0.30, so that the true genetic
parameters were known, and other with real data, with weights at birth and at weaning
of Santa Inês breed from Embrapa Goats and Sheep. In both cases, the data were
analyzed in four ways: 1) with full pedigree, as available (MPC); 2) ignoring the full
knowledge of parents (MDP); 3) using multiple sires and the average numerator of the
relationship matrix (NMMP); and 4) using multiple sires and hierarchical model (MH).
Analyses were performed with Bayesian procedures with the technique of Markov
Chain Monte Carlo (MCMC). For all models, MCMC chains of 1,100,000 cycles, after
burn-in period of 400,000 cycles, with sampling period every 10 cycles were used. The
NMMP and MH models were compared by the Deviance Information Criteria (DIC)
and Pseudo Bayes Factor (PBF). The differences in the estimates of the breeding values
and in the ranking of animals between the models were verified by correlations (Pearson
and Spearman). For both the simulated data as to the real data, MH model was slightly
higher than NMMP model, according to DIC and PBF criteria. However, no significant
differences were observed between these two models, for the estimation of genetic
parameters and the ranking and identification of the best rams. In the case of real data,
depending on the structure of the data available, models with multiple sires were not
efficient in estimating the breeding values for maternal effects, although there have been
no different estimates between models for the genetic parameters of this effect ((co)
variance and heritability). This may have occurred because the heritability estimated for
the maternal effect was practically zero. The results confirmed that the genetic
evaluation models with use of multiple sires, who consider paternity uncertain, are
37
efficient to estimate genetic parameters and rank the best rams in sheep flocks with
community pastoral characteristics. Despite the best fit of the data by MH, both models
were similar to the estimates and may be considered in genetic evaluations.
Keywords: Bayesian analysis, breeding values, heritability, multiple sires, simulation
38
INTRODUÇÃO
A produção de pequenos ruminantes, em grande parte do globo terrestre,
predominantemente é realizada de forma extensiva, muitas vezes com os animais
manejados de forma coletiva, de maneira comunitária, onde animais de diversos
proprietários pastejam juntos, em grandes extensões geográficas e sem delimitações de
áreas, com pouco ou nenhum estabelecimento de adequados manejos nutricional,
sanitário e reprodutivo. Esta forma de criação, somada a ausência de práticas de
escrituração zootécnica, dificulta a identificação dos pais das progênies, uma vez que
vários reprodutores estão presentes e podem se acasalar com as fêmeas ocasional e
indiscriminadamente. Isso reduz a eficiência da obtenção de avaliações genéticas com
uso do modelo animal.
A utilização do numerador médio da matriz de parentesco (NMMP) para os
casos em que há múltiplos reprodutores (MR) para um grupo de fêmeas
(HENDERSON, 1988) poderia contribuir na solução deste problema. Foulley et al.
(1987) reportaram que desde que se conheça as probabilidades a priori sobre a incerteza
de paternidade, procedimentos Bayesianos são potencialmente úteis em condições como
as de monta natural em sistemas extensivos, como aqueles pastorais. Cardoso e
Tempelman (2003) desenvolveram um modelo animal hierárquico (MH) utilizando
procedimentos Bayesianos com a técnica de Monte Carlo via Cadeias de Markov
(MCMC) para a predição do mérito genético dos animais com incerteza de paternidade.
Com o uso de simulação de dados, este método permitiu a estimativa de probabilidades
de paternidade a posteriori e superou o uso do NMMP.
Apesar da grande frequência de situações com incerteza de paternidade e uso de
sistemas pastorais em pequenos ruminantes, essas estratégias não têm sido avaliadas em
ovinos. Dessa forma, o objetivo deste estudo foi de avaliar a eficiência do uso dos
métodos MH e NMMP na estimativa dos parâmetros genéticos e dos valores genéticos
de ovinos, em situação de incerteza de paternidade em que há acasalamentos na
presença de múltiplos reprodutores.
39
MATERIAL E MÉTODOS
Para aferir a eficiência da avaliação genética de um rebanho com incerteza de
paternidade e múltiplos reprodutores, inicialmente foi simulado um conjunto de dados,
semelhante ao comumente observado para o peso ao desmame em ovinos de corte.
Simulou-se uma característica poligênica, com variância fenotípica de 7,5 kg2, média de
14,5 kg e herdabilidade de 0,30. Foram simuladas dez gerações, com um tamanho
histórico médio de 420 animais, cuja população fundadora consistia de 405 fêmeas e 15
machos.
No decorrer das gerações, os animais foram selecionados apenas com base no
fenótipo, com uma taxa de reposição de 50% e 20% para machos e fêmeas,
respectivamente, a cada geração. As taxas de partos duplos e triplos foram simuladas
em 30% e 2%, respectivamente. Estes dados foram simulados com o uso do programa
QMSim (SARGOLZAEI e SCHENKEL, 2009). O resultado da simulação gerou um
pedigree com 5.880 animais, todos com fenótipo e valor genético verdadeiro conhecido,
apenas com os fundadores (420 animais) sem conhecimento de paternidade.
A característica simulada foi analisada pelo software INTERGEN (CARDOSO,
2008; 2010), que usa abordagem Bayesiana e o método para incerteza de paternidade
em que há acasalamentos na presença de múltiplos reprodutores para estimativa de
valores genéticos dos animais.
Nesse software, os dados foram analisados de quatro formas: 1) com o pedigree
completo, na forma que foi simulada; 2) ignorando o conhecimento dos pais, ou seja,
atribuindo total desconhecimento de paternidade e apenas conhecimento das mães; 3)
considerando o uso de múltiplos reprodutores e o NMMP, atribuindo igual
probabilidade de paternidade para cada reprodutor dentro do grupo; 4) considerando o
uso de múltiplos reprodutores e diferentes probabilidades para cada possível pai dentro
do grupo, estimadas a posteriori de acordo com as informações disponíveis nos dados
(modelo hierárquico - MH). O critério para agrupamento dos múltiplos reprodutores
foram as gerações. Ou seja, todos os pais de uma determinada geração foram agrupados
em um mesmo grupo, atribuindo-se total desconhecimento da paternidade.
Utilizou-se cadeias únicas de 1.100.000 iterações com descarte amostral das
primeiras 400.000 cadeias e período de amostragem a cada 10 iterações. Assim, o
40
tamanho efetivo das cadeias foi de 70.000. As análises consideraram um modelo animal
simples, com efeito sistemáticos de sexo e aleatórios genético de animal e residual.
O modelo utilizado pode ser representado matricialmente como:
y = Xβ + Zα + e
Em que: y = vetor de observações; β = vetor dos efeitos sistemáticos (sexo do
animal), α= vetor dos efeitos genéticos aditivos diretos e e = vetor dos erros aleatórios
residuais associados com as observações. X e Z são as matrizes de incidência
relacionadas com β e α.
De acordo com o paradigma bayesiano, as pressuposições das distribuições a
priori dos parâmetros do modelo são:
β ∝ constante
p(α|σ²α) ~ N (0, A σ²α)
p(e|σ²e) ~ N (0, Iσ²e)
em que A é a matriz do numerador do coeficiente parentesco (tradicional para os
modelos 1 e 2, e NMMP para os outros dois modelos), σ²α é a variância genética aditiva,
I representa uma matriz identidade e σ²e é a variância residual.
Distribuições a priori uniformes foram assumidas para β, σ²α e σ²e, de modo a
refletir vago conhecimento inicial acerca dos parâmetros de interesse e, portanto, pouca
influência nos resultados.
Os dois modelos com múltiplos reprodutores, considerando probabilidade igual
ou não, entre os candidatos a pai, foram comparados pelos critérios do desvio de
informação (DIC; SPIEGELHALTER et al., 2002) e pseudo fator de Bayes (PBF;
GELFAND, 1996). O DIC compara os modelos com base na distribuição a posteriori
do desvio de cada modelo e é composto por uma medida de ajuste global (a média a
posteriori do desvio - DEV) e uma penalização por complexidade do modelo (número
efetivo de parâmetros – pd). Assim, este parâmetro é calculado como DIC = DEV – pd.
O PBF é calculado a partir da ordenada preditiva condicional (CPO). Estas ordenadas
são densidades de validade cruzada, que sugerem quais valores de y são prováveis
quando o modelo é ajustado para todas as observações, excluindo-se este y. Maiores
valores de CPO indicam melhores ajustes.
Ressalta-se que não há sentido usar esses critérios para comparar estes modelos
com aqueles que consideraram o pedigree completo ou o total desconhecimento da
41
paternidade, por se tratarem de conjuntos amostrais completamente distintos. As perdas
nas estimativas dos parâmetros genéticos e as consequências da incerteza de paternidade
para a classificação dos animais foram verificadas por meio da correlação (Pearson e
Spearman) entre os valores genéticos estimados em cada análise tendo como base o
modelo com pedigree completo e os valores reais.
Posteriormente, os mesmos procedimentos foram utilizados pelo software
INTERGEN (CARDOSO, 2008; 2010), para estimar parâmetros genéticos em dados
reais de campo. Foram utilizadas informações, entre os anos de 2006 e 2014, de peso ao
nascimento (PN) e peso ao desmame (PD), do rebanho Santa Inês, da Embrapa
Caprinos e Ovinos, localizado em Sobral-CE. Os ovinos deste rebanho são mantidos em
pastagem nativa de Caatinga, recebendo suplementação alimentar a base de forragens e
concentrado no período seco do ano e estações de monta definidas, com controle de
acasalamento.
Os dados foram analisados considerando o pedigree completo, com total
desconhecimento de paternidade (a identificação dos pais foi removida do arquivo de
pedigree) e com uso de múltiplos reprodutores. Neste último caso, os reprodutores de
cada estação de monta foram agrupados, atribuindo-se incerteza de paternidade, dentro
de cada estação. Utilizou-se nestas análises um modelo animal bicaracterística, com os
efeitos sitemáticos de grupo de contemporâneos (animais nascidos no mesmo ano e
estação, sob mesmo manejo), sexo, tipo de nascimento (simples, duplo ou triplo) e
classe de idade da mãe ao parto (sete níveis – 2 a 8 anos de idade), os efeitos genéticos
aleatórios direto e materno, o efeito aleatório de ambiente permanente da mãe do animal
e o erro aleatório. A covariável idade ao desmame também foi incluída no modelo para
o peso ao desmame. Os animais foram desmamados em média com 87 dias de idade.
O modelo geral, matricialmente, pode assim ser representado:
pd
pn
pd
pn
pd
pn
pd
pn
pd
pnpn
pd
pn
pd
pn
pd
pn
pd
pn
e
e
p
p
Zp
Zp
m
m
Zm
Zm
a
a
Z
Z
b
b
X
X
y
y
pd 0
0
0
0
0
0
0
0
em que, ypn e ypd são os vetores de registros para PN e PD, respectivamente; bpn e bpd
são os vetores de efeitos fixos para PN e PD, respectivamente, associados às matrizes de
incidências Xpn e Xpd; apn e apd são os vetores aleatórios aditivos genéticos para PN e PD,
respectivamente, associados às matrizes de incidências Zpn e Zpd; mpn e mpd são os
vetores aleatórios maternos genéticos para PN e PD, respectivamente, associados às
42
matrizes de incidências Zmpn e Zmpd; ppn e ppd são os vetores aleatórios de ambiente
permanente materno para PN e PD, respectivamente, associados às matrizes de
incidências Zppn e Zppd; e, epn e epd são os vetores dos erros aleatórios.
Os efeitos aleatórios apn, apd, mpn, mpd, ppn, ppd, epn e epd são multivariadamente
distribuídos, com média zero e variância:
IRe
e
pd
pn
var em que R =
pdpnpd
pnpdpn
ee
ee2
2
,
AG
m
m
a
a
pd
pn
pd
pn
var em que G =
pdmmmmama
mmpnmmama
mamapdaaa
mamaaapna
pdpnpdpdpdpn
pdpnpnpdpnpn
pdpdpnpdpdpn
pdpnpnpnpdpn
2
2
2
2
e
IPp
p
pd
pn
var em que P =
dppnpd
pnpdpn
pp
pp2
2
em que I e A são uma matriz identidade e a matriz de parentesco, respectivamente.σ2apn,
σ2mpn e σ
2ppn são as variâncias aditivas, materna e de ambiente materno para PN,
respectivamente; σ2apd, σ
2mpd e σ
2ppd são as variâncias aditivas, materna e de ambiente
permanente materno para PD, respectivamente; σepnpd, σmpnpd, σppnpd, são as
covariâncias aditivas, maternas e de ambiente permanente materno entre PN e PD,
respectivamente; σapnapd, σapnmpn, σapnmpd, σapdmpn, σapdmpd, σmpnmpd são as
covariâncias aditivo PN x aditivo PD, aditivo PN x materno PN, aditivo PN x materno
PD, aditivo PD x materno PN, aditivo PD x materno PD e materno PN x materno PD,
respectivamente.
A matriz de parentesco utilizada continha 876 animais, sendo 56 pais e 509
mães. Deste total de animais, 195 animais não possuíam pai e mãe conhecidos
(22,26%), 12 animais tinham apenas mãe conhecida (1,37%) e dois deles tinham
somente pai conhecido (0,23%).
RESULTADOS E DISCUSSÃO
A população simulada possuía 2.216 animais endogâmicos, com um coeficiente
médio de endogamia de aproximadamente 5% (Tabela 1). Conforme esperado, houve
43
superestimação destes valores quando se considerou o uso de múltiplos reprodutores.
De fato, ao se considerar que diversos reprodutores podem ser pais de um determinado
indivíduo, foram criados diversos relacionamentos genéticos que realmente não são
verdadeiros. Por outro lado, quando se desconsiderou a paternidade, no modelo com
identificação apenas da mãe estes relacionamentos foram perdidos, de forma que não foi
identificado nenhum animal endogâmico, estimando em zero a endogamia da
população.
A variabilidade genética deve ser suficiente para que os animais possam responder
às futuras mudanças ambientais e à seleção. Sem variabilidade genética os animais não
podem se adaptar a estas possíveis alterações. Dessa forma, a taxa de endogamia deve
ser limitada, para que haja manutenção da diversidade em níveis aceitáveis (VAN WYK
et al., 2009). Assim, o desconhecimento sobre a endogamia pode ser prejudicial à
população, em função da depressão endogâmica, especialmente no caso de pequenos
rebanhos, que é o caso da grande maioria dos rebanhos pastorais. Diante do exposto, a
análise que considera total desconhecimento de paternidade não é abonada, de forma
que é preferível a superestimativa realizada nas análises com múltiplos reprodutores.
Tabela 1. Número de animais endogâmicos e média de endogamia para o pedigree simulado estimados
pelo programa QMSim, de acordo com o modelo utilizado.
Parâmetro MPC MDP NMMP/MH
Número de animais endogâmicos 2216 0 4902
Coeficiente médio de endogamia 0,0488 0,0000 0,6367
MPC = modelo com pedigree completo; MDP = modelo com desconhecimento de paternidade; NMMP =
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco; MH = modelo
hierárquico com múltiplos reprodutores.
Os critérios do desvio de informação (DIC) e pseudo fator de Bayes (PBF)
foram ligeiramente menores para as análises com o modelo hierárquico (MH) em
relação ao modelo com NMMP (Tabela 2), o que indica melhor ajuste para o MH
(SPIEGELHALTER et al., 2002).
Tabela 2. Desvio médio (DEV), penalidade para número efetivo de parâmetros (pd), critério do desvio de
informação (DIC), condicional preditiva ordenada (CPO) e pseudo fator de Bayes (PBF) para
os modelos com múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP) e
modelo hierárquico com múltiplos reprodutores (MH) para a característica simulada.
Modelo DEV pd DIC CPO PBF
NMMP 41409,99 16546,09 57956,08 33337,89 26890,61
MH 41408,66 16545,96 57954,61 33338,34 26846,76
44
Os valores para média, mediana e moda de todos os parâmetros estimados
(variâncias aditiva, fenotípica e residual, e herdabilidade), para a característica
simulada, foram bastante próximos, para todos os modelos considerados neste estudo
(Tabela 3). Isso evidencia que as cadeias foram implementadas adequadamente e
atingiram convergência, com a obtenção de estimativas acuradas. Os baixos valores
para o erro de Monte Carlo (EMC) confirmam esta afirmação. Assume-se que o EMC
foi baixo quando ao se somar seu valor ao parâmetro a ele associado, não há alteração
na estimativa deste parâmetro, ao se considerar até duas casas decimais (VAN
TASSEL; VAN VLECK, 1996). A raiz quadrada do EMC aproxima-se do erro da
estimativa, de forma que este pode ser utilizado como uma medida de acurácia
(SORENSEN et al., 1995).
Tabela 3. Componentes de variância e herdabilidade para a característica simulada pelo programa
QMSim, de acordo com o modelo utilizado.
Parâmetro Média ± Desvio
Padrão
Mediana Moda RC-95% EMC
Modelo com pedigree completo
σ²α 2,0634 ± 0,1539 2,0589 2,0436 1,7746 – 2,3775 0,0011
σ²e 5,2795 ± 0,1346 5,2778 5,2698 5,0191 – 5,5458 0,0007
σ²p 7,3429 ± 0,1462 7,3416 7,3449 7,0609 – 7,6363 0,0007
h² 0,2809 ± 0,0181 0,2806 0,2817 0,2462 – 0,3172 0,0001
Modelo com desconhecimento de paternidade
σ²α 8,4471 ± 0,2797 8,4448 8,4391 7,9009 – 9,0003 0,0030
σ²e 1,0712 ± 0,1548 1,0683 1,0457 0,7767 – 1,3835 0,0020
σ²p 9,5183 ± 0,1926 9,5160 9,5235 9,1477 – 9,9031 0,0011
h² 0,8873 ± 0,0171 0,8877 0,8885 0,8528 – 0,9195 0,0002
Modelo com múltiplos reprodutores e numerador médio da matriz de parentesco
σ²α 1,6584 ± 0,1345 1,6552 1,6337 1,4043 – 1,9304 0,0011
σ²e 5,1767 ± 0,1508 5,1764 5,1852 4,8851 – 5,4762 0,0009
σ²p 6,8352 ± 0,1399 6,8341 6,8370 6,5641 – 7,1122 0,0007
h² 0,2426 ± 0,0183 0,2423 0,2426 0,2077 – 0,2792 0,0001
Modelo hierárquico com múltiplos reprodutores
σ²α 1,6586 ± 0,1355 1,6559 1,6581 1,4026 – 1,9319 0,0011
σ²e 5,1765 ± 0,1509 5,1756 5,1800 4,8835 – 5,4759 0,0009
σ²p 6,8351 ± 0,1405 6,8339 6,8310 6,5627 – 7,1141 0,0007
h² 0,2426 ± 0,0184 0,2423 0,2417 0,2075 – 0,2792 0,0001
σ²α = variância aditiva; σ²e = variância do erro; σ²p = variância fenotípica; h² = herdabilidade; RC-95% =
região de credibilidade a 95% de significância; EMC = Erro de Monte Carlo.
A característica foi simulada com uma variância fenotípica de 7,5kg2 e uma
herdabilidade de 0,30. As análises com pedigree completo conseguiram se aproximar
bastante destas estimativas, o que indica eficiência do procedimento estatístico utilizado
na estimativa de parâmetros verdadeiros, e confirma a importância das avaliações
genéticas. O modelo com desconhecimento de paternidade superestimou a variância
45
aditiva e a herdabilidade, provavelmente por desconsiderar a endogamia presente na
população (Tabela 3). Os parâmetros estimados pelos modelos com NMMP e MH
foram próximos daqueles estimados com o modelo com pedigree completo e com os
parâmetros reais simulados. Nesses modelos, a superestimativa da endogamia pode ter
contribuído para a redução nas estimativas da variância aditiva e herdabilidade em
relação ao modelo com pedigree completo.
A análise das distribuições a posteriori da herdabilidade para a característica
simulada demonstra claramente a eficiência da convergência das cadeias para todos os
modelos, com dispersão assimétrica e normal das estimativas, e as diferenças entre os
modelos utilizados (Figura 1). A pequena superioridade do MH em relação ao modelo
com NMMP, observada para os critérios de avaliação (DIC, CPO e PBF), não se
manifestou na estimativa dos parâmetros, que praticamente foram os mesmos para estes
modelos (Tabela 3). Na Figura 1 é possível observar que as distribuições a posteriori
para estes modelos praticamente se sobrepõem.
Figura 1. Distribuição de frequências das médias a posteriori para as herdabilidades para a característica
simulada, para os modelos com pedigree completo (MPC), com desconhecimento de
paternidade (MDP), com múltiplos reprodutores e numerador médio da matriz de parentesco
(NMMP) e modelo hierárquico com múltiplos reprodutores (MH).
Esses resultados confirmam a utilidade deste tipo de análise e que não se devem
descartar dados por causa da incerteza de paternidade, mesmo que haja alto nível de
0
100
200
300
400
500
600
700
0 0,2 0,4 0,6 0,8 1
MPC
MDP
NMMP
MH
46
incerteza no pedigree (SULLIVAN et al., 1995). A superioridade do MH, em relação ao
modelo com NMMP, para as estimativas dos parâmetros genéticos, observada por
Cardoso e Tempelman (2004) e Shiotsuki et al. (2012), não foi observada aqui para a
característica simulada. Isso possivelmente ocorreu em razão da estrutura dos dados
analisados. Estes trabalhos foram realizados para bovinos de corte, cuja estrutura de
dados difere daquela estudada aqui. Inicialmente optou-se por simular uma situação
similar a de ovinos criados em rebanhos comunitários pastorais, principalmente no que
se refere ao número de dados e animais disponíveis. Por outro lado, em ovinos, a
ocorrência de partos múltiplos é frequente, o que não acontece para bovinos. Assim, a
maior presença de irmãos completos na estrutura de dados pode interferir nos
resultados.
Tanto as correlações entre os valores genéticos dos animais (Pearson), quanto as
correlações da classificação dos animais com base nestes valores (Spearman), estimadas
entre os valores reais simulados e o modelo completo foram praticamente iguais a
unidade (Tabela 4). O mesmo pôde ser observado quando se considerou apenas o valor
genético dos reprodutores (Tabela 5).
Tabela 4. Correlações entre os valores genéticos de todos os animais para a característica simulada pelo
programa QMSim, de acordo com o modelo utilizado.
Correlações de Pearson
MPC MDP NMMP MH
Real 0,9999 0,8199 0,9734 0,9734
MPC 0,8132 0,9721 0,9721
MDP 0,8471 0,8472
NMMP 0,9999
Correlações de Spearman
MPC MDP NMMP MH
Real 0,9999 0,8146 0,9743 0,9743
MPC 0,8080 0,9730 0,9730
MDP 0,8420 0,8420
NMMP 0,9999
Real = valor genético real simulado; MPC = modelo com pedigree completo; MDP = modelo com
desconhecimento de paternidade; NMMP = modelo com múltiplos reprodutores e numerador médio da
matriz de parentesco; MH = modelo hierárquico com múltiplos reprodutores.
Mais uma vez se demonstra a eficiência das avaliações genéticas para as
estimativas dos parâmetros populacionais. O uso do modelo com total incerteza de
paternidade (MDP) seria danoso para estimativa dos valores genéticos e para a
classificação dos animais para a característica simulada. Por outro lado, observaram-se
47
maiores correlações entre os valores genéticos estimados por este modelo e os valores
genéticos verdadeiros simulados quando se considerou apenas os reprodutores.
Apesar da maior eficiência dos modelos com múltiplos reprodutores (NMMP e
MH) em relação ao MDP, a diferença nas correlações entre esses modelos e os valores
reais simulados não foi tão grande quando se considerou apenas os reprodutores quanto
aquela observada quando se considerou todos os animais. Isso é confirmado pela maior
proximidade do modelo MDP com os modelos NMMP e MH, quando se avaliou apenas
as estimativas dos reprodutores, confirmada pelas maiores correlações entre eles (≈ 0,94
só os reprodutores vs. ≈ 0,85 para todos os animais). É provável que isso tenha ocorrido
em função da superestimativa da herdabilidade no modelo MDP. Como todos os
animais simulados possuíam valor fenotípico, os valores genéticos dos reprodutores
foram estimados principalmente em função de seu valor fenotípico e da estimativa de
herdabilidade, sem considerar seus laços genéticos com outros animais da população, ao
contrário do que ocorreu para os modelos com NMMP e MH. Isso pode ser reforçado
pela observação que o reprodutor de maior valor genético, no modelo MDP, foi o
animal 1025 (Tabela 6), que possuía o maior valor fenotípico para a característica
simulada (23,43kg), o mesmo observado para os demais. Ou seja, os reprodutores
melhores classificados pelo MDP também apresentaram o maior fenótipo.
Tabela 5. Correlações entre os valores genéticos dos reprodutores para a característica simulada pelo
programa QMSim, de acordo com o modelo utilizado.
Correlações de Pearson
MPC MDP NMMP MH
Real 0,9999 0,8453 0,8955 0,8957
MPC 0,8461 0,8958 0,8960
MDP 0,9368 0,9367
NMMP 0,9999
Correlações de Spearman
MPC MDP NMMP MH
Real 0,9999 0,8611 0,8886 0,8882
MPC 0,8625 0,8893 0,8890
MDP 0,9472 0,9472
NMMP 0,9999
Real = valor genético real simulado; MPC = modelo com pedigree completo; MDP = modelo com
desconhecimento de paternidade; NMMP = modelo com múltiplos reprodutores e numerador médio da
matriz de parentesco; MH = modelo hierárquico com múltiplos reprodutores.
Observou-se que os modelos NMMP e MH foram praticamente os mesmos para
as estimativas dos valores genéticos dos animais, semelhante ao reportado para as
estimativas dos parâmetros genéticos, da mesma forma do que apresentado por
48
Shiotsuki et al. (2012) que, em bovinos da raça Nelore, verificaram não haver diferenças
significativas entre os modelos NMMP e MH para a classificação do valor genético dos
animais para seleção.
O modelo com pedigree completo conseguiu identificar exatamente os mesmos
dez melhores reprodutores que possuíam os maiores valores genéticos reais, apenas com
uma pequena inversão entre o nono e décimo reprodutores (Tabela 6). A proximidade
entre os valores genéticos estimados por este modelo e os valores verdadeiros é muito
elevada e confirma a eficiência das avaliações genéticas. Desconhecendo a paternidade
das crias somente três reprodutores foram identificados, no entanto em ordem de
classificação diferente. O terceiro reprodutor identificado pelo MDP seria o quinto ao
considerar os valores genéticos reais; o nono e o décimo para o MDP seriam na
realidade o décimo e o sétimo, respectivamente.
Tabela 6. Dez primeiros reprodutores, classificados de acordo com seu valor genético (entre parênteses)
para a característica simulada, de acordo com o modelo utilizado.
Real MPC MDP NMMP MH
1º. 1197
(7,5274)
1197
(7,4661)
1025
(8,9414)
1172
(6,6448)
1172
(6,6310)
2º. 1095
(7,2932)
1095
(7,2354)
986
(8,8237)
1163
(6,5236)
1163
(6,5231)
3º. 915
(7,0334)
915
(6,9949) 1046
(8,7307)
1095
(6,1975)
1095
(6,1960)
4º. 1217
(7,0123)
1217
(6,9635)
973
(8,7037) 1108
(6,1254)
1108
(6,1254)
5º. 1046
(6,5849)
1046
(6,6379)
1163
(8,6096)
1165
(6,1213)
1165
(6,1251)
6º. 1016
(5,9728)
1016
(5,9667)
1085
(8,5236)
1100
(6,0191)
1100
(6,0102)
7º. 1108
(5,8661)
1108
(5,8494)
1172
(8,3865) 1197
(6,0005)
1197
(6,0070)
8º. 965
(5,8312)
965
(5,7329)
1100
(8,2086) 1217
(5,9605)
1217
(5,9702)
9º. 1133
(5,7954)
975
(5,7329) 975
(8,1846)
1145
(5,7498)
1145
(5,7522)
10º. 975
(5,7515)
1133
(5,7303) 1108
(8,1112)
1133
(5,6504)
1133
(5,6630)
Real = valor genético real simulado; MPC = modelo com pedigree completo; MDP = modelo com
desconhecimento de paternidade; NMMP = modelo com múltiplos reprodutores e numerador médio da
matriz de parentesco; MH = modelo hierárquico com múltiplos reprodutores; negritos = indicam
correspondentes no MPC.
Os modelos com NMMP e MH identificaram metade (cinco) dos melhores
reprodutores, com a mesma classificação dos animais feita pelos dois modelos, apesar
da pequena diferença nos valores genéticos estimados, que pode ser considerada
49
insignificante. Assim, confirma-se que para este conjunto de dados simulados não
houve diferenças consideráveis entre os dois modelos. Apesar de não ter havido
nenhuma coincidência de ordem entre os reprodutores identificados pelos modelos
NMMP e MH, em relação aos valores verdadeiros, pode-se afirmar que há alguma
eficiência de uso deste tipo de análise. Geralmente não se seleciona um ou dois
reprodutores como pais da futura geração. A seleção de 50% daqueles que seriam os
melhores já é razoável, para o caso de desconhecimento de paternidade.
Enquanto para os dados simulados houve um aumento de 121% e 1205% para o
número de animais endogâmicos e no coeficiente médio de endogamia destes animais,
entre o modelo com pedigree completo e os modelos com NMMP e MH, para os dados
reais, na raça Santa Inês, estes aumentos foram de 159% e 383%, respectivamente
(Tabela 7). Essa superestimativa da endogamia para os modelos com reprodutores
múltiplos e sua desconsideração para o MDP foram semelhantes e já comentados para
os dados simulados. Assim, é preferível superestimar esta informação com o uso de
múltiplos reprodutores do que ignorar e estar sujeito à depressão endogâmica. Pedrosa
et al. (2010) demonstraram os efeitos da endogamia sobre os pesos ao nascimento, aos
60 (desmama) e 180 dias de idade na raça Santa Inês. Um incremento de 0,01 unidades
no coeficiente de endogamia da população reduziu estes mesmos pesos 0,0034kg,
0,052kg e 0,204kg, respectivamente. Estes autores estimaram em 2,33% a endogamia
da população Santa Inês. Esta estimativa foi próxima da observada para o rebanho deste
estudo (≈2%). Teixeira Neto et al. (2013) estimaram coeficiente de endogamia médio
mais alto (6,92%) para a mesma raça.
Tabela 7. Número de animais endogâmicos e média de endogamia para o pedigree da raça Santa Inês, de
acordo com o modelo utilizado.
Parâmetro MPC MDP NMMP/MH
Número de animais endogâmicos 245 0 635
Coeficiente médio de endogamia 0,0676 0,0000 0,3263
MPC = modelo com pedigree completo; MDP = modelo com desconhecimento de paternidade; NMMP =
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco; MH = modelo
hierárquico com múltiplos reprodutores.
Os pesos médios ao nascimento e ao desmame, para o rebanho Santa Inês
estudado, estão na tabela 8. Valores médios de 3,64kg e 13,26kg, respectivamente para
peso ao nascimento e peso aos 60 dias (desmame) foram reportados por Pedrosa et al.
(2010). Ressalta-se que os animais deste estudo foram desmamados em média com 87
50
dias de idade, o que justificaria seu maior peso ao desmama, em comparação ao estudo
de Pedrosa et al. (2010).
Tabela 8. Número de observações, média ± desvio padrão, valores mínimos e máximos para os pesos ao
nascimento e ao desmame da raça Santa Inês.
Característica N Média ± Desvio Padrão Mínimo Máximo
Peso ao nascimento (kg) 600 2,96 ± 0,81 1,00 5,25
Peso ao desmame (kg) 331 17,24 ± 4,88 5,00 30,60
Semelhante ao observado para a característica simulada, o modelo hierárquico
apresentou menores valores de DIC e PBF (Tabela 9), o que significa melhor ajuste dos
dados nas análises para os pesos da raça Santa Inês, quando comparado ao modelo com
NMMP. Maiores desvios médios foram observados para o modelo MH, entretanto,
como houve maior penalização para o NMMP, com maior número efetivo de
parâmetros (pd), este último apresentou ajuste inferior.
Tabela 9. Desvio médio (DEV), penalidade para número efetivo de parâmetros (pd), critério do desvio de
informação (DIC), condicional preditiva ordenada (CPO) e pseudo fator de Bayes (PBF) para o
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco (NMMP) e
modelo hierárquico com múltiplos reprodutores (MH), para a análise dos pesos da raça Santa
Inês.
Modelo DEV pd DIC CPO PBF
NMMP 5117,78 1968,49 7086,27 4369,90 4227,33
MH 5118,79 1904,83 7023,62 4382,52 4185,20
Não houve diferenças significativas entre os modelos para as variâncias e
covariâncias relacionadas ao efeito materno e efeito de ambiente permanente materno
(Tabela 10). Como ambos os modelos tinham as mesmas informações sobre as mães, é
provável que a ausência de informação sobre os pais não tenha sido suficiente para
promover maiores mudanças. Apesar da maior influência exercida pelos pais, gerando
diversos relacionamentos genéticos, do total de animais no pedigree, apenas 6% eram
pais. Ressalta-se também que na análise com pedigree completo, a proporção de animais
com pai e mãe desconhecidos era relativamente alta (22%), o que também pode ter
contribuído para essas semelhanças. Algumas diferenças ocorreram principalmente para
as variâncias aditivas diretas e fenotípicas. Nestes casos, para as variâncias aditivas,
semelhante ao observado para os dados simulados, houve tendência de superestimativa
do modelo com desconhecimento de paternidade e subestimativa nos modelos com
múltiplos reprodutores. É provável que isso tenha ocorrido em função das estimativas
51
da endogamia, conforme comentado anteriormente. Entretanto, observou-se que esse
comportamento foi mais expressivo para o peso ao nascimento.
Herdabilidades e correlações maternas foram similares entre os modelos (Tabela
11) em virtude do já observado para as variâncias e covariâncias anteriormente. As
herdabilidades maternas, tanto para peso ao nascimento como peso ao desmame, foram
praticamente nulas. Ressalta-se que a estrutura do banco de dados analisado não era
muito robusta, no que se refere a este parâmetro, com alta proporção de diferentes mães
no rebanho (mais de 58%) e poucas com muitas crias no rebanho.
Tabela 10. Médias a posteriori para as (co)variâncias genéticas, de ambiente permanente materno e
fenotípicas para as características peso ao nascimento (PN efeito direto, PNm efeito materno)
e peso ao desmame (PD efeito direto e PDm efeito materno) na raça Santa Inês, de acordo
com o modelo utilizado.
Modelo com pedigree completo
(Co)Variâncias Genéticas
(Co)Variâncias de
Ambiente
Permanente
Materno
(Co)Variâncias
Fenotípicas
PN PD PNm PDm PN PD PN PD
PN 0,1899 0,0002 0,5266
PD 0,2069 0,2312 0,0004 0,0023 0,9076 9,1827
PNm -0,0003 -0,00003 0,0003
PDm 0,00002 -0,0018 0,0003 0,0012
Modelo com desconhecimento de paternidade
(Co)Variâncias Genéticas
(Co)Variâncias de
Ambiente
Permanente Materno
(Co)Variâncias
Fenotípicas
PN PD PNm PDm PN PD PN PD
PN 0,2169 0,0002 0,4847
PD 0,2366 0,2635 0,0004 0,0024 0,8131 9,0233
PNm -0,0003 -0,00002 0,0003
PDm 0,00001 -0,0017 0,0003 0,0011
Modelo com múltiplos reprodutores e numerador médio da matriz de parentesco
(Co)Variâncias Genéticas
(Co)Variâncias de
Ambiente
Permanente Materno
(Co)Variâncias
Fenotípicas
PN PD PNm PDm PN PD PN PD
PN 0,1672 0,0002 0,4385
PD 0,1818 0,2030 0,0004 0,0024 0,7776 8,9992
PNm -0,0003 -0,00002 0,0003
PDm 0,00001 -0,00168 0,0003 0,0011
Modelo hierárquico com múltiplos reprodutores
(Co)Variâncias Genéticas
(Co)Variâncias de
Ambiente
Permanente Materno
(Co)Variâncias
Fenotípicas
PN PD PNm PDm PN PD PN PD
PN 0,1679 0,0002 0,4386
PD 0,1830 0,2048 0,0004 0,0024 0,7775 8,9997
PNm -0,0003 -0,00002 0,0003
PDm -0,00002 -0,0017 0,0003 0,0011
52
Tabela 11. Médias a posteriori para as herdabilidades e correlações genéticas para as características peso
ao nascimento (PN efeito direto, PNm efeito materno) e peso ao desmame (PD efeito direto e
PDm efeito materno) na raça Santa Inês, de acordo com o modelo utilizado.
Modelo com pedigree completo
Correlações Genéticas e Herdabilidades (diagonal)
PN PD PNm PDm
PN 0,3561 ± 0,1030
(0,16 – 0,56)
PD 0,9857 ± 0,0062
(0,97 – 0,99)
0,0253 ± 0,0086
(0,011 – 0,044)
PNm -0,0469 ± 0,0511
(-0,15 - 0,053)
-0,0033 ± 0,0503
(-0,10 – 0,095)
0,0006 ± 0,00005
(0,0005 – 0,0007)
PDm 0,0014 ± 0,0661
(-0,13 – 0,13)
-0,0033 ± 0,0503
(-0,10 – 0,095)
0,5003 ± 0,0346
(0,43 – 0,57)
0,0001 ± 0,00002
(0,0001 – 0,0002)
Modelo com desconhecimento de paternidade
Correlações Genéticas e Herdabilidades (diagonal)
PN PD PNm PDm
PN 0,4457 ± 0,1030
(0,24 – 0,65)
PD 0,9892 ± 0,0034
(0,98 – 0,99)
0,0294 ± 0,0078
(0,015 – 0,046)
PNm -0,0417 ± 0,0486
(-0,14 – 0,054)
-0,0029 ± 0,0483
(-0,098 – 0,092)
0,0006 ± 0,00005
(0,0005 – 0,0007)
PDm 0,0005 ± 0,0629
(-0,12 – 0,12)
-0,0029 ± 0,0483
(-0,095 – 0,092)
0,5005 ± 0,0333
(0,43 – 0,56)
0,0001 ± 0,00001
(0,0001 – 0,0002)
Modelo com múltiplos reprodutores e numerador médio da matriz de parentesco
Correlações Genéticas e Herdabilidades (diagonal)
PN PD PNm PDm
PN 0,3813 ± 0,0934
(0,21 - 0,57)
PD 0,9861 ± 0,0041
(0,98 – 0,99)
0,0227 ± 0,0060
(0,012 – 0,035)
PNm -0,0475 ± 0,0487
(-0,14 – 0,048)
-0,0029 ± 0,0483
(-0,097 – 0,092)
0,0006 ± 0,0001
(0,0005 – 0,0007)
PDm 0,0010 ± 0,0621
(-0,12 – 0,12)
-0,0029 ± 0,0483
(-0,097 – 0,092)
0,5008 ± 0,0335
(0,43 – 0,56)
0,0001 ± 0,00001
(0,0001 – 0,0002)
Modelo hierárquico com múltiplos reprodutores
Correlações Genéticas e Herdabilidades (diagonal)
PN PD PNm PDm
PN 0,3831 ± 0,0930
(0,21 – 0,57)
PD 0,9862 ± 0,0041
(0,98 – 0,99)
0,0229 ± 0,0059
(0,012 – 0,035)
PNm -0,0477 ± 0,0488
(-0,14 – 0,049)
-0,0032 ± 0,0485
(-0,098 – 0,093)
0,0006 ± 0,0001
(0,0005 – 0,0007)
PDm -0,0016 ± 0,0623
(-0,12 – 0,12)
-0,0032 ± 0,0485
(-0,098 – 0,093)
0,5003 ± 0,0337
(0,43 – 0,56)
0,0001 ± 0,00001
(0,0001 – 0,0002)
Valores entre parênteses = região de credibilidade a 95% de significância.
Não foram observadas maiores diferenças entre os modelos para a herdabilidade
direta do peso ao desmame. É possível que o pequeno número de observações para esta
característica tenha contribuído para este resultado, de maneira que não foi possível
53
expressar diferenças entre os modelos. O mesmo pode ser afirmado para as correlações
envolvendo esta característica.
A correlação genética direta entre o peso ao nascimento e o peso ao desmame foi
estimada em aproximadamente 0,99, por todos os modelos. As herdabilidades diretas
para peso ao nascimento, estimadas pelos modelos MDP, NMMP e MH, foram todas
superiores à estimativa do modelo com pedigree completo, com maior superestimativa
feita pelo modelo MDP.
Os intervalos de credibilidade a 95% de significância para as estimativas foram
elevados, principalmente para os efeitos diretos. Isto pode ser verificado pela análise da
distribuição de frequências das médias a posteriori para as herdabilidades diretas dos
pesos ao nascimento (Figura 2) e ao desmame (Figura 3). A análise dos gráficos permite
avaliar algo importante. Apesar de se ter percebido maior diferença na média a
posteriori para a herdabilidade direta do peso ao nascimento entre os modelos, em
relação ao peso ao desmame, a distribuição de frequências destas médias foi muito mais
próxima entre os modelos para o peso ao nascimento do que para o peso ao desmame.
Figura 2. Distribuição de frequências das médias a posteriori para as herdabilidades diretas para o peso
ao nascimento na raça Santa Inês, para os modelos com pedigree completo (MPC), com
desconhecimento de paternidade (MDP), com múltiplos reprodutores e numerador médio da
matriz de parentesco (NMMP) e modelo hierárquico com múltiplos reprodutores (MH).
0
100
200
300
400
500
600
700
0 0,2 0,4 0,6 0,8 1
MPC
MDP
NMMP
MH
54
A distribuição de frequências das médias a posteriori para as herdabilidades
maternas dos dois pesos estudados foram muito mais próximas entre os modelos e mais
leptocúrticas, o que justifica os menores intervalos de credibilidade para estas
estimativas (Figuras 4 e 5).
Figura 3. Distribuição de frequências das médias a posteriori para as herdabilidades diretas para o peso
ao desmame na raça Santa Inês, para os modelos com pedigree completo (MPC), com
desconhecimento de paternidade (MDP), com múltiplos reprodutores e numerador médio da
matriz de parentesco (NMMP) e modelo hierárquico com múltiplos reprodutores (MH).
0
100
200
300
400
500
600
700
0 0,01 0,02 0,03 0,04 0,05
MPC
MDP
NMMP
MH
55
Figura 4. Distribuição de frequências das médias a posteriori para as herdabilidades maternas para o peso
ao nascimento na raça Santa Inês, para os modelos com pedigree completo (MPC), com
desconhecimento de paternidade (MDP), com múltiplos reprodutores e numerador médio da
matriz de parentesco (NMMP) e modelo hierárquico com múltiplos reprodutores (MH).
Figura 5. Distribuição de frequências das médias a posteriori para as herdabilidades maternas para o peso
ao desmame na raça Santa Inês, para os modelos com pedigree completo (MPC), com
desconhecimento de paternidade (MDP), com múltiplos reprodutores e numerador médio da
matriz de parentesco (NMMP) e modelo hierárquico com múltiplos reprodutores (MH).
0
100
200
300
400
500
600
700
800
0 0,0002 0,0004 0,0006 0,0008 0,001
MPC
MDP
NMMP
MH
0
100
200
300
400
500
600
700
0 0,00002 0,00004 0,00006 0,00008 0,0001 0,00012
MPC
MDP
NMMP
MH
56
O pequeno número de observações deste rebanho provavelmente dificultou
estimativas mais robustas para os parâmetros avaliados, o que se reflete em maiores
intervalos de credibilidade, principalmente para as herdabilidades. De qualquer forma,
foi possível obter estimativas razoavelmente confiáveis e representativas do rebanho
estudado, principalmente para os modelos com pedigree completo e múltiplos
reprodutores. Ressalta-se que o volume de dados deste rebanho não difere muito da
grande maioria de rebanhos comunitários pastorais, como aqueles controlados pelo
“Data Recording and Management System (DREMS)”, uma parceria entre a Embrapa e
o “International Center for Agricultural Research in the Dry Areas (ICARDA)”, em
países africanos como a Etiópia (GATEW et al., 2015).
Neste estudo, as médias a posteriori para as herdabilidades diretas, estimadas
pelos modelos com múltiplos reprodutores, foram de 0,38 para peso ao nascimento e
0,02 para peso ao desmame, com herdabilidades maternas praticamente nulas para as
duas características (Tabela 11). Barbosa et al. (2015) estimaram, também para a raça
Santa Inês, médias a posteriori de 0,25 e 0,09 para a herdabilidade direta para os
mesmos pesos, respectivamente, e em 0,34 e 0,24, as herdabilidades maternas,
respectivamente para os pesos ao nascimento e ao desmame.
Altas correlações entre os valores genéticos de todos os animais, estimados pelos
diferentes modelos, foram verificadas para os efeitos diretos dos pesos ao nascimento e
ao desmame, e para os efeitos maternos do peso ao nascimento (Tabela 12).
57
Tabela 12. Correlações entre os valores genéticos estimados por diferentes modelos para as
características peso ao nascimento e peso ao desmame considerando todos os animais da
raça Santa Inês.
Correlações de Pearson
Efeito Direto Peso ao Nascimento
MDP NMMP MH
MPC 0,9284 0,9295 0,9286
MDP 0,9843 0,9836
NMMP 0,9999
Efeito Materno Peso ao Nascimento
MDP NMMP MH
MPC 0,9640 0,8771 0,8779
MDP 0,9100 0,9122
NMMP 0,9254
Efeito Direto Peso ao Desmame
MDP NMMP MH
MPC 0,9284 0,9297 0,9289
MDP 0,9844 0,9837
NMMP 0,9999
Efeito Materno Peso ao Desmame
MDP NMMP MH
MPC 0,9000 0,2249 0,1894
MDP 0,2522 0,2760
NMMP 0,1814
Correlações de Spearman
Efeito Direto Peso ao Nascimento
MDP NMMP MH
MPC 0,9012 0,9067 0,9046
MDP 0,9610 0,9596
NMMP 0,9969
Efeito Materno Peso ao Nascimento
MDP NMMP MH
MPC 0,9572 0,8207 0,8205
MDP 0,8571 0,8598
NMMP 0,8815
Efeito Direto Peso ao Desmame
MDP NMMP MH
MPC 0,9016 0,9063 0,9052
MDP 0,9612 0,9598
NMMP 0,9968
Efeito Materno Peso ao Desmame
MDP NMMP MH
MPC 0,8922 0,2264 0,1581
MDP 0,2466 0,2324
NMMP 0,1317
MPC = modelo com pedigree completo; MDP = modelo com desconhecimento de paternidade; NMMP =
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco; MH = modelo
hierárquico com múltiplos reprodutores.
Quando se avaliou as correlações entre os valores genéticos e a classificação
como base nestes valores, entre os modelos, apenas para os reprodutores, um maior
distanciamento foi verificado entre os demais modelos para com o modelo com pedigree
completo (Tabela 13).
58
Tabela 13. Correlações entre os valores genéticos estimados por diferentes modelos para as
características peso ao nascimento e peso ao desmame considerando somente os
reprodutores da raça Santa Inês.
Correlações de Pearson
Efeito Direto Peso ao Nascimento
MDP NMMP MH
MPC 0,6211 0,6605 0,6591
MDP 0,8996 0,8983
NMMP 0,9999
Efeito Materno Peso ao Nascimento
MDP NMMP MH
MPC 0,2626* 0,3024* 0,1079*
MDP 0,3998 0,5685
NMMP 0,6875
Efeito Direto Peso ao Desmame
MDP NMMP MH
MPC 0,6207 0,6609 0,6612
MDP 0,9006 0,8996
NMMP 0,9999
Efeito Materno Peso ao Desmame
MDP NMMP MH
MPC 0,6153 0,0850* -0,3853*
MDP -0,0103* -0,2365*
NMMP 0,2321*
Correlações de Spearman
Efeito Direto Peso ao Nascimento
MDP NMMP MH
MPC 0,5259 0,5804 0,6064
MDP 0,8492 0,8332
NMMP 0,9938
Efeito Materno Peso ao Nascimento
MDP NMMP MH
MPC 0,4374 0,4088 0,1888*
MDP 0,4601 0,5303
NMMP 0,6186
Efeito Direto Peso ao Desmame
MDP NMMP MH
MPC 0,5408 0,5740 0,6046
MDP 0,8489 0,8399
NMMP 0,9925
Efeito Materno Peso ao Desmame
MDP NMMP MH
MPC 0,6188 0,0421* -0,4425*
MDP -0,0974* -0,1956*
NMMP 0,1469*
MPC = modelo com pedigree completo; MDP = modelo com desconhecimento de paternidade; NMMP =
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco; MH = modelo
hierárquico com múltiplos reprodutores; * Não significativo (P>0,05).
A menor associação entre os valores genéticos dos reprodutores entre os
modelos foi mais patente para os efeitos maternos, com diversas correlações não
significativas, ou seja, iguais a zero, com os modelos com múltiplos reprodutores.
59
Apenas o MDP apresentou correlações razoáveis com o modelo com pedigree completo
para os efeitos maternos das duas características, quando se avaliou apenas os
reprodutores.
De forma geral, para as estimativas dos valores genéticos dos efeitos diretos, os
modelos com múltiplos reprodutores aproximaram-se mais do modelo com pedigree
completo (MPC). Entretanto, estes modelos não foram eficientes nas estimativas dos
valores genéticos dos efeitos maternos, em aproximação ao MPC, principalmente para o
peso ao desmame. Essa característica possuía um menor número de informações, o que
pode ter influenciado nesse resultado. De fato, as estimativas de herdabilidade materna
tenderam a zero e isto influenciou as estimativas dos valores genéticos. De qualquer
maneira, fica claro que a estrutura da população tem grande influência nos resultados
obtidos pelos modelos com múltiplos reprodutores. Para os efeitos maternos, por
exemplo, não houve associação entre os valores genéticos estimados nem entre os dois
modelos com NMMP e MH. Como o MH usa informações do banco de dados para
estimar diferentes probabilidades a posteriori para a probabilidade de paternidade dos
reprodutores (CARDOSO e TEMPELMAN, 2003; CARDOSO e TEMPELMAN,
2004), a estrutura dos dados é determinante nas diferenças entre os modelos NMMP e
MH, fato observado neste estudo.
O MDP identificou cinco, cinco, quatro e cinco melhores reprodutores para os
efeitos diretos de peso ao nascimento e ao desmame, e efeitos maternos destas mesmas
características, respectivamente, em comparação ao MPC (Tabela 14). Para os efeitos
diretos destes pesos, ambos os modelos com múltiplos reprodutores identificaram os
mesmos sete melhores reprodutores, superando o MDP. Entretanto, NMMP identificou
apenas três e quatro reprodutores para efeitos maternos das características peso ao
nascimento e peso ao desmame, respectivamente, enquanto MH identificou três e
nenhum reprodutor para as mesmas características, respectivamente. Ressalta-se ainda
que apenas dois animais foram os mesmos para o peso ao nascimento, entre esses dois
modelos com reprodutores múltiplos.
60
Tabela 14. Dez primeiros reprodutores da raça Santa Inês, classificados de acordo com seu valor genético
(entre parênteses) para as características peso ao nascimento e ao desmame, de acordo com o modelo
utilizado.
MPC MDP
PN PD PNm PDm PN PD PNm PDm
1º. 635
(0,45)
635
(0,50)
220
(0,00024)
649
(0,0013) 548
(0,57)
548
(0,62)
273
(0,00020)
244
(0,00062)
2º. 6
(0,36)
6
(0,39)
433
(0,00013)
2
(0,0012) 635
(0,53)
635
(0,57)
589
(0,00016) 101
(0,00051)
3º. 548
(0,31)
548
(0,34)
273
(0,00012)
244
(0,0011)
415
(0,46)
415
(0,50) 649
(0,00012)
635
(0,00043)
4º. 3
(0,23)
3
(0,25)
344
(0,00012)
667
(0,0010)
667
(0,38)
667
(0,41) 450
(0,00011)
548
(0,00036)
5º. 174
(0,23)
174
(0,25)
667
(0,00009)
344
(0,0009) 583
(0,33)
583
(0,36)
6
(0,00008) 667
(0,00034)
6º. 266
(0,21)
266
(0,23)
174
(0,00007)
101
(0,0009) 344
(0,32)
344
(0,35)
3
(0,00003)
163
(0,00028)
7º. 653
(0,20)
653
(0,22)
548
(0,00007)
174
(0,0006)
433
(0,29)
433
(0,32)
555
(0,00003) 2
(0,00024)
8º. 583
(0,13)
583
(0,14)
649
(0,00006)
635
(0,0006) 653
(0,28)
653
(0,30)
266
(0,00002)
247
(0,00023)
9º. 344
(0,13)
344
(0,14)
516
(0,00006)
498
(0,0006)
516
(0,25)
516
(0,27)
109
(0,00001)
266
(0,00020)
10º. 109
(0,08)
109
(0,10)
450
(0,00005)
415
(0,0005)
718
(0,09)
718
(0,10) 220
(0,00001)
177
(0,00017)
NMMP MH
PN PD PNm PDm PN PD PNm PDm
1º. 635
(0,43)
635
(0,47)
3
(0,00023) 174
(0,00101)
635
(0,43)
635
(0,46)
3
(0,00015)
220
(0,0015)
2º. 548
(0,35)
548
(0,39)
649
(0,00010)
2
(0,00093)
548
(0,35)
548
(0,39)
649
(0,00009)
441
(0,0012)
3º. 433
(0,34)
433
(0,37)
163
(0,00010)
109
(0,00049)
433
(0,34)
433
(0,37) 174
(0,00008)
177
(0,0011)
4º. 667
(0,31)
667
(0,34)
589
(0,00008)
177
(0,00048) 667
(0,31)
667
(0,34)
589
(0,00006)
163
(0,0010)
5º. 583
(0,22)
583
(0,24)
667
(0,00006) 101
(0,00047)
583
(0,21)
583
(0,23)
498
(0,00003)
653
(0,0008)
6º. 653
(0,20)
653
(0,22)
137
(0,00004)
671
(0,00047) 653
(0,20)
653
(0,21)
532
(0,00003)
137
(0,0008)
7º. 415
(0,19)
415
(0,21) 220
(0,00004)
220
(0,00041)
415
(0,19)
415
(0,21) 220
(0,00001)
273
(0,0008)
8º. 6
(0,14)
6
(0,15)
516
(0,00004)
415
(0,00034)
6
(0,14)
6
(0,15)
163
(0,00001)
6
(0,0007)
9º. 344
(0,10)
344
(0,11)
532
(0,00002)
111
(0,00031) 344
(0,10)
344
(0,11)
266
(0,00001)
109
(0,0006)
10º. 516
(0,04)
516
(0,05)
266
(0,00001)
79
(0,00029)
516
(0,04)
516
(0,05)
48
(0,00000)
589
(0,0006)
MPC = modelo com pedigree completo; MDP = modelo com desconhecimento de paternidade; NMMP =
modelo com múltiplos reprodutores e numerador médio da matriz de parentesco; MH = modelo
hierárquico com múltiplos reprodutores; PN – efeito direto do peso ao nascimento; PD = efeito direto do
peso ao desmame; PNm – efeito materno do peso ao nascimento; PDm = efeito materno do peso ao
desmame; negritos = indicam correspondentes no MPC.
Os resultados deste estudo confirmam a eficiência do uso de modelos com
múltiplos reprodutores em ovinos, em aproximação a uma situação com pedigree
61
completo, verificada em outros estudos, por simulação e/ou em bovinos (CARDOSO e
TEMPELMAN, 2003; CARDOSO e TEMPELMAN, 2004; SHITOSUKI et al., 2012).
Também foi possível observar que as respostas destes modelos dependem da estrutura
genética e fenotípica dos dados. De acordo com Cardoso e Tempelman (2003), as
diferenças entre os modelos NMMP e MH não necessariamente alargam com o aumento
da herdabilidade da característica, mas que são maiores para características de média
herdabilidade. Para características de alta herdabilidade, a importância das informações
fenotípicas relativas ao pedigree, em relação à previsão do mérito genético, diminui o
que promove similaridade entre os modelos. Por outro lado, apesar da melhor resposta
com o uso do MH, os autores consideraram que os modelos com NMMP deveriam ser
preferidos para grandes populações, em função do menor tempo para as análises. Em
relação a isso, não houve diferenças consideráveis no tempo computacional neste
estudo, entre os modelos, já que o volume de dados analisados, tanto para característica
simulada como para a raça Santa Inês, não foi tão grande.
CONCLUSÕES
A utilização de modelos com múltiplos reprodutores que consideram a incerteza
de paternidade foi eficiente para estimar parâmetros genéticos e valores genéticos em
rebanhos ovinos com características pastorais comunitárias. Estes modelos permitiram
uma melhor aproximação do que desconsiderar a incerteza de paternidade, e
confirmaram a possibilidade de realização de avaliação genética em rebanhos com esta
natureza. O modelo hierárquico, apesar de ter apresentado o melhor ajuste dos dados,
foi semelhante ao modelo com o numerador médio da matriz de parentesco tanto para as
estimativas dos parâmetros genéticos quanto para a classificação dos animais em função
dos valores genéticos. Entretanto, de acordo com a estrutura do banco de dados, estes
modelos podem apresentar dificuldades e diferenças para estimativas dos efeitos
maternos.
62
REFERÊNCIAS BIBLIOGRÁFICAS
BARBOSA, L.T.; SANTOS, G.B.; MUNIZ, E.N.; AZEVEDO, H.C.; FAGUNDES, J.L.
Genetic parameters for growth traits of Santa Inês sheep using Gibbs sampling. Revista
Caatinga, v. 28, n.4, p. 211-216, 2015.
CARDOSO, F.F. Aplicação da inferência bayesiana no melhoramento animal usando o
programa Intergen: manual da versão 1.2 [recurso eletrônico] / Fernando Flores
Cardoso. Bagé: Embrapa Pecuária Sul, 2010.
CARDOSO, F.F. Manual de utilização do programa INTERGEN – Versão 1.0 em
estudos de genética quantitativa animal / Fernando Flores Cardoso. Bagé: Embrapa
Pecuária Sul, 2008.
CARDOSO, F.F.; TEMPELMAN, R.J. Bayesian inference on genetic merit under
uncertain paternity. Genetics Selection Evolution, v. 35, p. 469-487, 2003.
CARDOSO, F.F.; TEMPELMAN, R.J. Genetic evaluation of beef cattle accounting for
uncertain paternity. Livestock Production Science, v. 89, p. 109-119, 2004.
FOULLEY, J.L.; GIANOLA, D.; PLANCHENAULT, D. Sire evaluation with uncertain
paternity. Genetics Selection Evolution, v. 19, p .83-102, 1987.
GATEW, H.; HASSEN, H.; KEBEDE, K.; HAILE, A.; LÔBO, R.N.B.; YETAYEW,
A.; RISCHKOWSKY, B. Characterization of indigenous goat populations in selected
areas of Ethiopia. American-Eurasian Journal of Scientific Research, v.10, n.5, p.
287-298, 2015.
GELFAND, A.E. Model determination using sampling-based methods, in: Gilks W.R.;
Richardson, S.; Spiegelhalter D.J. (Eds.), Marcov chain Monte Carlo in practice, 1st
edn., Chapman & Hall, London, 1996, p. 145-161.
HENDERSON, C.R. Use of an average numerator relationship matrix for multiple-sire
joining. Journal of Animal Science, v. 66, p. 1614-1621, 1988.
PEDROSA, V.B.; SANTANA JR., M.L.; OLIVEIRA, P.S.; ELER, J.P.; FERRAZ,
J.B.S. Population structure and inbreeding effects on growth traits of Santa Inês sheep
in Brazil. Small Ruminant Research, v.93, n. 2-3, p. 135-139, 2010.
63
SARGOLZAEI, M.; SCHENKEL, F.S. QMSim: a large-scale genome simulator for
livestock. Bioinformatics, v. 25, p. 680-681, 2009.
SHIOTSUKI, L.; CARDOSO, F.F.; SILVA, J.A.II.V.; ROSA, G.J.M.;
ALBUQUERQUE, L.G. Evaluation of an average numerator relationship matrix model
and a Bayesian hierarchical model for growth traits in Nellore cattle with uncertain
paternity. Livestock Science, v. 144, p. 89-95, 2012.
SORESEN, D.A.; ANDERSEN, S.; GIANOLA, D.; KORSGAARD, I. Bayesian
inference in threshold models using Gibbs sampling. Genetics Selection Evolution,
v.27, p.229-249, 1995.
SPIEGELHALTER, D.J.; BEST, N.G.; CARLIN, B.P.; LINDE, A. Bayesian measures
of model complexity and fit. Journal of the Royal Statistical Society: Series B
(Statistical Methodology), v. 64, p. 583-616, 2002.
SULLIVAN, P.G. Alternatives for genetic evaluation with uncertain parentage,
Canadian Journal of Animal Science, v. 75, p. 31-36, 1995.
TEIXEIRA NETO, M.R.; CRUZ, J.F.; CARNEIRO, P.L.S.; MALHADO, C.H.M.;
FARIA, H.H.N. Parâmetros populacionais da raça ovina Santa Inês no Brasil. Pesquisa
Agropecuária Brasileira, v. 48, n.12, p. 1589-1595, 2013.
VAN TASSEL, C.P.; VAN VLECK, L.D. Multiple-Trait Gibbs Sampler for Animal
Models: Flexible Programs for Bayesian and Likelihood-Based (Co)Variance
Component Inference. Journal of Animal Science, v.74, p. 2586-2597, 1996.
VAN WYK, J.B.; FAIR, M.D.; CLOETE, S.W.P. Case study: the effect of inbreeding
on the production and reproduction traits in the Elsenburg Dormer sheep stud.
Livestock Science, v.120, n.3, p. 218-224, 2009.
64
CONSIDERAÇÕES FINAIS E IMPLICAÇÕES
As avaliações genéticas têm-se mostrado muito eficazes para a seleção de animais
superiores em todas as espécies animais, principalmente com uso dos modelos animal.
A necessidade da identificação dos progenitores e formação da matriz de parentesco da
população de análise tem limitado o uso desta ferramenta para rebanhos pastorais
comunitários, que manejam diversos machos em idade reprodutiva juntamente com as
matrizes, sem controle de acasalamento. Como é mais fácil identificar as mães das crias,
a identificação e agrupamento de reprodutores em períodos de tempo definidos, nestes
rebanhos, contribuirá para o uso de modelos de análises que contemplam a incerteza de
paternidade, como o modelo hierárquico e aquele que considera o numerador médio da
matriz de parentesco. Assim, com a implementação de poucas e simples práticas de
escrituração zootécnica será possível realizar avaliações genéticas em rebanhos com
estas características. Estes resultados são importantes para fomentar o desenvolvimento
de comunidades dependentes da exploração de pequenos ruminantes e que pareciam
impossibilitadas de ter um programa de melhoramento genético com raças localmente
adaptadas.