Efeito da interação reprodutor x rebanho sobre as produções de leite e de gordura na raça Pardo-Suíça

Dados de 4.959 lactações de 2.414 vacas da raça Pardo-Suíça, filhas de 70 reprodutores, distribuídos em 51 rebanhos, foram utilizados para se estimar o componente de variância para a interação reprodutor x rebanho das produções de leite e de gordura e verificar o efeito desta interação sobre a avaliação genética dos reprodutores, por meio de modelos que diferiam na presença e ausência do termo de interação. As produções de leite e de gordura foram ajustadas para duas ordenhas diárias, 305 dias de lactação e idade adulta da vaca. O teste da razão de verossimilhança foi utilizado na verificação da efetividade da inclusão da interação no modelo. As médias das produções de leite e de gordura foram 6085,79 ± 1629,73 kg e 225,61 ± 60,44 kg, respectivamente. A proporção da variância total decorrente da interação reprodutor x rebanho foi 0,4%, para a produção de leite, e 1%, para a produção de gordura. A estimativa de herdabilidade foi 0,38, para a produção de leite, utilizando-se ambos os modelos, e reduziu de 0,40 para 0,39, para a produção de gordura, quando o modelo com interação foi considerado. A função de verossimilhança aumentou significativamente com a inclusão da interação no modelo. A correlação de Spearman foi próxima de um para ambas as características, quando todos os reprodutores foram considerados. Houve redução de 1% na estimativa de acurácia dos valores genéticos preditos para ambas as características, porém, a correlação de Pearson estimada entre as acurácias obtidas para cada modelo estudado foi próxima à unidade. A interaçãoreprodutor x rebanho não afetou as estimativas de componentes de variâncias genética e residual e a ordem de classificação dos reprodutores para ambas as características.

Factors that cause genotype by environment interaction and use of a multiple-trait herd-cluster model for milk yield of Holstein cattle from Brazil and Colombia

Descriptive herd variables (DVHE) were used to explain genotype by environment interactions (G x E) for milk yield (MY) in Brazilian and Colombian production environments and to develop a herd-cluster model to estimate covariance components and genetic parameters for each herd environment group. Data consisted of 180,522 lactation records of 94,558 Holstein cows from 937 Brazilian and 400 Colombian herds. Herds in both countries were jointly grouped in thirds according to 8 DVHE: production level, phenotypic variability, age at first calving, calving interval, percentage of imported semen, lactation length, and herd size. For each DVHE, REML bivariate animal model analyses were used to estimate genetic correlations for MY between upper and lower thirds of the data. Based on estimates of genetic correlations, weights were assigned to each DVHE to group herds in a cluster analysis using the FASTCLUS procedure in SAS. Three clusters were defined, and genetic and residual variance components were heterogeneous among herd clusters. Estimates of heritability in clusters 1 and 3 were 0.28 and 0.29, respectively, but the estimate was larger (0.39) in Cluster 2. The genetic correlations of MY from different clusters ranged from 0.89 to 0.97. The herd-cluster model based on DVHE properly takes into account G x E by grouping similar environments accordingly and seems to be an alternative to simply considering country borders to distinguish between environments.

Buffalo milk production in brazil and colombia: Genotype by environment interaction

The objective of this study was to determine whether there is a genotype by environment interaction (GxE) for dairy buffaloes in Brazil and Colombia. The (co)variance components were estimated by using a bi-trait repeatability animal model with the REML method. Each trait consisted in the milk yield obtained in both countries. Contemporary group (herd, year and season of parity) and age at parity (linear and quadratic covariate) fixed effects, along with the additive genetic, permanent environment, and the residual random effects were included in the model. Genetic, permanent environmental and residual variance and heritabilities were different for both countries. The genetic correlations for milk yield between Brazil and Colombia were low (between 0.10 and 0.13), indicating a GxE interaction between both countries. Knowing that this interaction influences the genetic progress of buffalo populations in Brazil and Colombia, we recommend choosing sires tested in the country they will be used, along with conducting joint genetic evaluations that consider GxE interaction effects.

Comparison of random regression models to estimate genetic parameters for milk production in Guzerat (Bos indicus) cows

Random regression models have been widely used to estimate genetic parameters that influence milk production in Bos taurus breeds, and more recently in B. indicus breeds. With the aim of finding appropriate random regression model to analyze milk yield, different parametric functions were compared, applied to 20,524 test-day milk yield records of 2816 first-lactation Guzerat (B. indicus) cows in Brazilian herds. The records were analyzed by random regression models whose random effects were additive genetic, permanent environmental and residual, and whose fixed effects were contemporary group, the covariable cow age at calving (linear and quadratic effects), and the herd lactation curve. The additive genetic and permanent environmental effects were modeled by the Wilmink function, a modified Wilmink function (with the second term divided by 100), a function that combined third-order Legendre polynomials with the last term of the Wilmink function, and the Ali and Schaeffer function. The residual variances were modeled by means of 1, 4, 6, or 10 heterogeneous classes, with the exception of the last term of the Wilmink function, for which there were 1, from 0.20 to 0.33. Genetic correlations between adjacent records were high values (0.83-0.99), but they declined when the interval between the test-day records increased, and were negative between the first and last records. The model employing the Ali and Schaeffer function with six residual variance classes was the most suitable for fitting the data. © FUNPEC-RP.

Estimates of genetic parameters and eigenvector indices for milk production of Holstein cows

The objectives of the present study were to estimate genetic parameters of monthly test-day milk yield (TDMY) of the first lactation of Brazilian Holstein cows using random regression (RR), and to compare the genetic gains for milk production and persistency, derived from RR models, using eigenvector indices and selection indices that did not consider eigenvectors. The data set contained monthly TDMY of 3,543 first lactations of Brazilian Holstein cows calving between 1994 and 2011. The RR model included the fixed effect of the contemporary group (herd-month-year of test days), the covariate calving age (linear and quadratic effects), and a fourth-order regression on Legendre orthogonal polynomials of days in milk (DIM) to model the population-based mean curve. Additive genetic and nongenetic animal effects were fit as RR with 4 classes of residual variance random effect. Eigenvector indices based on the additive genetic RR covariance matrix were used to evaluate the genetic gains of milk yield and persistency compared with the traditional selection index (selection index based on breeding values of milk yield until 305 DIM). The heritability estimates for monthly TDMY ranged from 0.12 ± 0.04 to 0.31 ± 0.04. The estimates of additive genetic and nongenetic animal effects correlation were close to 1 at adjacent monthly TDMY, with a tendency to diminish as the time between DIM classes increased. The first eigenvector was related to the increase of the genetic response of the milk yield and the second eigenvector was related to the increase of the genetic gains of the persistency but it contributed to decrease the genetic gains for total milk yield. Therefore, using this eigenvector to improve persistency will not contribute to change the shape of genetic curve pattern. If the breeding goal is to improve milk production and persistency, complete sequential eigenvector indices (selection indices composite with all eigenvectors) could be used with higher economic values for persistency. However, if the breeding goal is to improve only milk yield, the traditional selection index is indicated. © 2013 American Dairy Science Association.

Estimación de parámetros genéticos para producción de leche en el día de control en búfalas de primer parto

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Diferentes abordagens para modelar a produção de leite de bovinos da raça Guzerá

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Critérios de seleção para incremento de uniformidade de produção em bovinos de corte

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Interação genótipo-ambiente para a produção de leite em bubalinos no Brasil e na Colômbia

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Comparação entre os estimadores de mínimos quadrados ordinários e mínimos desvios absolutos em modelos de regressão linear simples -: uma aplicação na energia na agricultura

Pós-graduação em Agronomia (Energia na Agricultura) - FCA

Parâmetros genéticos para produção de leite e persistência de lactações múltiplas na raça Gir

Pós-graduação em Genética e Melhoramento Animal - FCAV

Estudo genético quantitativo do fluxo lácteo em bovinos da raça Holandesa

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

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.

Persistência da lactação e Influência da estrutura de dados sobre a estimação de parâmetros genéticos para a produção de leite de bovinos da raça Holandesa

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Application of Reactions Norms in Study of Genotype Environmental Interaction for Milk Yield of Buffaloes

The aim of this study was to estimate genetic parameters for milk yield (MY) in buffaloes using reaction norms. Model included the additive direct effect as random and contemporary group (herd and year of birth) were included as fixed effects and cow age classes (linear) as covariables. The animal additive direct random effect was modeled through linear Legendre polynomials on environment gradient (EG) standardized means. Mean trends were taken into account by a linear regression on Legendre polynomials of environmental group means. Residual variance was modeled trough 6 heterogeneity classes (EG). These classes of residual variance was formed : EG1: mean = 866,93 kg (621,68 kg-1011,76 kg); EG2: mean = 1193,00 kg (1011,76 kg-1251,49 kg); EG3: mean = 1309,37 kg (1251,49 kg -1393,20 kg); EG4: mean = 1497,59 kg (1393,20 kg-1593,53 kg); EG5: mean = 1664,78 kg (1593,53 kg -1727,32kg) e EG6: mean = 1973,85 kg (1727,32 kg -2422,19 kg).(Co) variance functions were estimated by restricted maximum likelihood (REML) using the GIBBS3F90 package. The heritability estimates for MY raised as the environmental gradient increased, varying from 0.20 to 0.40. However, in intermediate to favorable environments, the heritability estimates obtained with Considerable genotype-environment interaction was found for MY using reaction norms. For genetic evaluation of MY is necessary to consider heterogeneity of variances to model the residual variance.