Strategies to improve the efficiency of genomic selection in animal breeding programs

Abstract

Esta tese compreende quatro diferentes estudos conduzidos a fim de avaliar estratégias alternativas para aumentar a eficiência de seleção genômica (GS) em programas de melhoramento animal. Um primeiro estudo foi desenvolvido com a finalidade de avaliar a performance preditiva de diferentes métodos estatísticos com base na informação de painéis de marcadores densamente distribuídos ao longo do genoma. Cinco diferentes características de uma população real de camundongos foram analisadas. Verificou-se que métodos com grandes diferenças conceituais apresentaram performance preditiva similar em algumas situações, também havendo variação na performance relativa dos métodos em função da característica analisada. O uso de diferentes variáveis resposta (pseudo-fenótipos) para estimação de efeitos de marcadores foi avaliado num segundo estudo, por meio da simulação de uma grande população de bovinos de corte, para a qual predições genômicas foram obtidas usando um procedimento de múltiplas etapas. Houve evidência de que provas desregredidas (dEBV) são mais apropriadas do que valores genéticos preditos (EBV) e médias ajustadas de desempenho da progênie (PYD), tanto para o treinamento de modelos quanto para a validação de predições genômicas. No terceiro estudo, procurou-se avaliar consequências em longo-prazo da aplicação de GS numa população de bovinos de corte sob seleção. Verificou-se grande benefício da aplicação de GS em cenários simulando seleção para características de qualidade de carne e reprodução de fêmeas. Houve evidência de que pode-se esperar maior benefício para GS, quando comparada à seleção por BLUP, no caso de características oligogênicas. Também foi possível inferir que em aplicações de GS, o uso de um critério de seleção em que se atribui maior peso a alelos favoráveis de menor frequência poderia proporcionar...

Improvements in production levels and product quality are needed in livestock systems to meet the growing world demand for animal-source foods. Besides this increasing demand, the productive sector must deal with constraints related to competition for land, greenhouse gas emissions and also due to hardening legislation in the fields of environment and animal welfare (FAO, 2011). In this context, animal breeding has played and will continue to play an important role to improve the efficiency of such production systems, especially in terms of competitiveness, safety, sustainability and biodiversity conservation (Harlizius et al., 2004). The main objective of animal breeding programs is to improve the performance of the next generations, through identification and reproduction of the animals with better genetic pool to efficiently produce in a specific environment (herein, superior animals). In the last decades, animal breeders succeeded in achieving this goal, mostly through the application of statistical tools grounded in quantitative genetics theory, what could be called as 'classical animal breeding'. In this case, the traditional prediction of the genetic merit of individuals (estimated breeding values, EBV) is obtained based on information of pedigree and phenotypes (own records and measures on relatives). With the advent of dense molecular marker panels, the implementation and design of breeding programs, especially in dairy cattle, had changed dramatically as a consequence of incorporating this new information to identify superior animals earlier and more precisely. Pioneer simulation studies drew attention of animal breeders to the possibility of making accurate predictions of the genetic merit of individuals by using genotypic information from dense marker panels, a process known as genomic selection (GS) (Nejati-Javaremi et al., 1997; Meuwissen et al., 2001). Other influential work ...