Efeito da interação genótipo ambiente, sob a forma de heterogeneidade de variâncias entre rebanhos

Foram simuladas estruturas de dados em modelos mistos representando o teste de 100 reprodutores, sendo cada reprodutor acasalado com 10 matrizes (total de 1000 matrizes), originando em cada acasalamento 2 proles, totalizando 2000 proles (vinte proles por reprodutor). De cada combinação reprodutor e matriz, dez proles tiveram seu fenótipo expresso no ambiente de baixa produção (Estrato 1) e, a outra metade, no ambiente de alta produção (Estrato 2). A simulação foi realizada de forma a representar diferentes situações de presença de heterogeneidade de variâncias, combinando-se as origens da heterogeneidade, de natureza genética e ambiental. Na presença de heterogeneidade residual, o valor estimado para o componente de variância residual, considerando homogeneidade de variâncias se aproximou do valor médio das variâncias entre os estratos. Houve superestimação, também, do componente de variância genético aditivo. Ao simular heterogeneidade de variância de origem genética, observou-se que a estimação desse componente situou-se em valor intermediário aos simulados. Nessa situação, o componente de variância residual estimado foi próximo do valor simulado, indicando que a heterogeneidade de variâncias quando proveniente de fatores genéticos, não interfere, substancialmente, sobre e estimação do componente de variância residual. Na simulação de dados com presença de heterogeneidade tanto de origem genética quanto ambiental (estrutura de dados 4), conduziu a estimação de componentes de variâncias intermediários aos valores simulados em cada estrato. Assim, observa-se que, mesmo quando os reprodutores apresentam proles bem distribuídas em ambos os estratos, a heterogeneidade de variância proveniente de fatores não genético provoca distorções sobre a estimação da variância genética aditiva. Mas por outro lado, quando a heterogeneidade de variância é decorrente de fatores genéticos, não há grande interferência sobre a estimativa da variância residual, tal comportamento pode ser explicado pela incorporação da matriz de parentesco na estimação do componente de variância genético aditivo, possibilitando discriminar melhor a origem da diferenças entre variâncias. Na estrutura onde a variância residual foi heterogênea a estimativa de herdabilidade foi menor em relação à estrutura de homogeneidade de variâncias. Por outro lado, quando somente a variância genética aditiva foi heterogênea, a estimativa de herdabilidade, considerando-se apenas o estrato de alta variabilidade genética, foi inflacionada pela superestimação da variância genética aditiva. No entanto, a estimativa de herdabilidade obtida, desconsiderando essa fonte de heterogeneidade de variância, foi próxima à situação de homogeneidade de variância, indicando que, quando os reprodutores possuem boa distribuição de proles em diferentes ambientes, as estimativas relacionadas ao efeito genético são ponderadas pelo desempenho dos animais em cada ambiente. As correlações de Spearman e de Pearson entre os valores genéticos preditos dos reprodutores, para todas as situações, foram maiores que 0,90. O resultado indica que, mesmo havendo presença de heterogeneidade de variância genética e/ou ambiental, se os reprodutores possuem proles bem distribuídas entre os ambientes (estratos heterogêneos) a classificação do mérito genético não se altera, o que era esperado, pois em análises unicarácter, quando ocorre uma fonte de viés na avaliação genética, ela é comum a todos os indivíduos. Na situação em que foi imposta a estrutura de dados à presença de heterogeneidade de variância residual com número de número desigual de proles por reprodutor nos estratos, provocou superestimação dos componentes de variância. Porém mesmo havendo alteração na magnitude dos valores genéticos preditos para os reprodutores, a heterogeneidade de variância não alterou a classificação entre os reprodutores todas as correlações de ordem foram próximas à unidade. O efeito da heterogeneidade de variância, oriunda de fatores ambientais, ocasiona em maiores distorções sobre a avaliação genética animal, em relação, quando a mesma é proveniente de causas genéticas. A conexidade genética entre diferentes ambientes, dilui o efeito da heterogeneidade de variância, tanto de origem genética, quanto ambiental, na predição de valores genéticos dos reprodutores.

Genetic polymorphism and relationships among several swine populations of landrace, large white and duroc breeds

Para estudar o relacionamento genético entre as raças suínas Landrace, Large White e Duroc foram utilizados os dados sobre três polimorfismos protéicos, investigados em três amostras brasileiras e em 13 populações de outros países, incluindo uma população de Landrace Belga. O dendrograma, construído a partir da matriz dos coeficientes de distância genética, mostrou três grandes grupos reunidos por raça. Os agrupamentos de Landrace e os de Large White mostraram em média maior semelhança entre si (D = 0,203) do que entre eles e os de Duroc (D = 0,241). Nas três raças, as menores distâncias genéticas foram verificadas entre as populações brasileiras e as cubanas (Landrace: D = 0,060; Large White: D = 0,052; Duroc: D = 0,065), apesar de não haver relatos de trocas de animais entre estes dois países.

Caracterização genética de avestruzes (Struthio camelus) usando marcadores RAPD

O objetivo deste trabalho foi avaliar a variabilidade genética de populações de avestruzes (Struthio camelus) por meio de marcadores RAPD (Polimorfismos de DNA amplificado ao acaso). Foram coletadas 121 amostras de indivíduos procedentes dos estados do Pará, Maranhão, Tocantins e Minas Gerais. O DNA genômico foi extraído a partir de sangue total. A triagem de iniciadores permitiu a seleção de 15 entre os 60 analisados que foram amplificados pelo método PCR. Os produtos da PCR foram visualizados em gel de agarose 1,5% e foi gerada uma matriz binária para os fragmentos amplificados com presença (1) e ausência (0) de banda. Para a verificação do número ótimo de bandas polimórficas foi realizada a análise de bootstrap por meio do software GQMOL. Para a análise dos dados foi utilizado o programa NTSYS-pc (Numerical Taxonomy and Multivariate Analysis Sistem), versão 2.02. A similaridade entre as amostras foi analisada através do coeficiente de Jaccard. Foi gerada uma matriz de distância cofenética, usando o módulo Sahncof, do programa NTSYS 2.2. Para realização da estruturação gênica o procedimento empregado foi a análise de variância molecular (AMOVA), processada no software Arlequin 2.0 (Schneider et al., 2000). Os 15 iniciadores geraram um total de 109 bandas polimórficas. A análise de bootstrap mostrou que a partir de 100 bandas o trabalho já se torna mais confiável, uma vez que a magnitude da correlação foi bem próxima do valor máximo (r=0,99), como também a soma de quadrados dos desvios (SQd) atingiu valor baixo 1,25 e o valor do estresse (E) foi de 0,05. Na análise entre pares de grupos, foi verificado que a maior e menor similaridade estão em torno, respectivamente, de 0,86 e 0,00. No que diz respeito à distribuição de freqüência das similaridades obtidas entre os 5.644 pares formados na matriz genética, pode-se verificar que 32,69 % dos pares ficaram incluídos nas classes com similaridades variando de 0,01 a 0,10. Nota-se que a maior porcentagem (85,59%) dos pares ficou distribuídos nas três primeiras classes das extremidades e que a minoria deles (14,41%) apresentou similaridades variando de 0,21 a 1,00. O teste de Mantel mostrou correlação de 0,81 e o dendrograma gerou 67 grupos delimitados pela Sm que foi de 0,49. A maior similaridade foi de 0,86 e a menor de 0,06. Os dados relativos à análise de variância molecular mostraram que a porcentagem de variação genética entre procedências foi baixa e significativa (24,03%, p < 0,0001), evidenciando que grande parte da variação encontra-se dentro das populações (75,97 %). Os marcadores RAPD foram eficientes na caracterização da similaridade genética.

Wavelength assignment using a hybrid evolutionary computation to reduce cross-phase modulation

In this paper, we propose a hybrid methodology based on Graph-Coloring and Genetic Algorithm (GA) to solve the Wavelength Assignment (WA) problem in optical networks, impaired by physical layer effects. Our proposal was developed for a static scenario where the physical topology and traffic matrix are known a priori. First, we used fixed shortest-path routing to attend demand requests over the physical topology and the graph-coloring algorithm to minimize the number of necessary wavelengths. Then, we applied the genetic algorithm to solve WA. The GA finds the wavelength activation order on the wavelengths grid with the aim of reducing the Cross-Phase Modulation (XPM) effect; the variance due to the XPM was used as a function of fitness to evaluate the feasibility of the selected WA solution. Its performance is compared with the First-Fit algorithm in two different scenarios, and has shown a reduction in blocking probability up to 37.14% when considered both XPM and residual dispersion effects and up to 71.42% when only considered XPM effect. Moreover, it was possible to reduce by 57.14% the number of wavelengths.