Inferencia bayesiana sobre los parámetros de dispersión genéticos y ambientales en modelos animales con efectos maternos

Los modelos 'modelos animales con efectos maternos' (MAM) son modelos lineales mixtos que se utilizan para ajustar registros de caracteres bajo la influencia de efectos maternos. Uno de los desafíos más importantes en el marco de los MAM es la estimación de los parámetros de dispersión o 'componentes de (co) varianza' (CVC). En esta tesis se introducen desde una perspectiva bayesiana contribuciones teóricas y metodológicas con relación a la estimación de CVC para MAM sujetos a estructuras de covarianza novedosas. En primer lugar, se describe una implementación del análisis bayesiano jerárquico vía el algoritmo del muestreo de Gibbs. Luego, se considera una especificación conjugada diferente para la distribución a priori de la matriz de covarianza genética, basada en la distribución Wishart invertida generalizada, y se presenta una estrategia para determinar los correspondientes hiperparámetros. Esta estrategia fue comparada contra otras especificaciones a priori mediante un estudio de simulación estocástica, y produjo estimaciones precisas de los parámetros genéticos, con menores errores estándares y mejor tasa de convergencia. En segundo lugar, se presenta una formulación alternativa del MAM que incluye un parámetro de correlación ambiental entre pares de observaciones madre-progenie, y se desarrolla un procedimiento de estimación basado en un algoritmo de muestreo por grilla. El procedimiento fue programado y ejecutado exitosamente, y se obtuvo la primera estimación del parámetro de correlación con datos de campo para peso al destete en bovinos de carne. Por último, se considera el problema de la estimación de CVC en una población multirracial, donde en general es necesario especificar una estructura de covarianza heterogénea para los valores de cría. En particular, se demuestra que el modelo basado en la descomposición de la matriz de covarianza genética es equivalente al que deriva de la teoría genética cuantitativa. Además, se extiende el modelo para incluir efectos maternos y se describe la implementación de un análisis bayesiano jerárquico con el objetivo de estimar los CVC. El procedimiento fue implementado con éxito en datos experimentales de peso al destete y se obtuvieron por primera vez estimaciones para el conjunto completo de CVC.

Modelos animales para caracteres con efectos maternos, madres no identificadas e información incompleta

La evaluación genética para caracteres de crecimiento pre - destete requiere ajustar modelos animales con efectos maternos (MAM). Tanto la estimación paramétrica de la variabilidad como la evaluación genética mediante MAM son realizadas empleando datos de campo, muchos de los cuales no poseen información completa para todas las variables explicativas maternas. Es común no contar con la identificación de madres (biológicas y/o receptoras), de abuelas maternas y, consecuentemente, de la edad de la madre (EM). Este problema es bien marcado en razas compuestas como Brangus y Braford que tienen políticas para registrar animales de pedigrí "abierto". Además, no existe un consenso sobre cuál es el mejor modelo de predicción, y existen interrogantes sobre la magnitud de los componentes de (co) varianza genético-aditivos y ambientales del modelo de evaluación. La primera investigación de esta tesis consistió en la estimación, mediante métodos bayesianos de los parámetros de dispersión en MAMs con distintas estructuras de (co) varianza, para datos de peso al destete de animales Angus de pedigrí. El análisis se caracterizó por la originalidad en los muestreos de las distribuciones marginales posteriores de las covarianzas genéticas aditivas y de la correlación entre los efectos ambientales maternos permanentes de una vaca y sus hijas también madres. Con el objeto de especificar correctamente la fracción aditiva de las (co) varianzas cuando se desconocen las madres y/o abuelas maternas de los animales con datos, en otro capítulo se desarrollaron MAMs equivalentes que no requieren alargar los vectores de los valores de cría con madres o abuelas fantasmas. Finalmente, se desarrolló un modelo mixto que atenúa el sesgo por error de medición clásico en el efecto EM, e introduce splines penalizadas y una estructura de (co) variación autoregresiva de orden 1 para suavizar las covarianzas residuales Este modelo es apropiado para ajustar datos de animales nacidos por transplante embrionario con madres receptoras desconocidas

Inferencia bayesiana sobre los parámetros de dispersión genéticos y ambientales en modelos animales con efectos maternos

Los modelos 'modelos animales con efectos maternos' (MAM)son modelos lineales mixtos que se utilizan para ajustar registros de caracteres bajo la influencia de efectos maternos. Uno de los desafíos más importantes en el marco de los MAM es la estimación de los parámetros de dispersión o 'componentes de (co)varianza' (CVC). En esta tesis se introducen desde una perspectiva bayesiana contribuciones teóricas y metodológicas con relación a la estimación de CVC para MAM sujetos a estructuras de covarianza novedosas. En primer lugar, se describe una implementación del análisis bayesiano jerárquico vía el algoritmo del muestreo de Gibbs. Luego, se considera una especificación conjugada diferente para la distribución a priori de la matriz de covarianza genética, basada en la distribución Wishart invertida generalizada, y se presenta una estrategia para determinar los correspondientes hiperparámetros. Esta estrategia fue comparada contra otras especificaciones a priori mediante un estudio de simulación estocástica, y produjo estimaciones precisas de los parámetros genéticos, con menores errores estándares y mejor tasa de convergencia. En segundo lugar, se presenta una formulación alternativa del MAM que incluye un parámetro de correlación ambiental entre pares de observaciones madre-progenie, y se desarrolla un procedimiento de estimación basado en un algoritmo de muestreo por grilla. El procedimiento fue programado y ejecutado exitosamente, y se obtuvo la primera estimación del parámetro de correlación con datos de campo para peso al destete en bovinos de carne. Por último, se considera el problema de la estimación de CVC en una población multirracial, donde en general es necesario especificar una estructura de covarianza heterogénea para los valores de cría. En particular, se demuestra que el modelo basado en la descomposición de la matriz de covarianza genética es equivalente al que deriva de la teoría genética cuantitativa. Además, se extiende el modelo para incluir efectos maternos y se describe la implementación de un análisis bayesiano jerárquico con el objetivo de estimar los CVC. El procedimiento fue implementado con éxito en datos experimentales de peso al destete y se obtuvieron por primera vez estimaciones para el conjunto completo de CVC.