Estudo de simulação de modelos lineares mistos com distribuição normal contaminada no melhoramento genético animal

Abstract

Objetivou-se com esse trabalho comparar estimativas de componentes de variâncias obtidas por meio de modelos lineares mistos Gaussianos e Robustos, via Amostrador de Gibbs, em dados simulados. Foram simulados 50 arquivos de dados com 1.000 animais cada um, distribuídos em cinco gerações, em dois níveis de efeito fixo e três valores fenotípicos distintos para uma característica hipotética, com diferentes níveis de contaminação. Exceto para os dados sem contaminação, quando os modelos foram iguais, o modelo Robusto apresentou melhores estimativas da variância residual. As estimativas de herdabilidade foram semelhantes em todos os modelos, mas as análises de regressão mostraram que os valores genéticos preditos com uso do modelo Robusto foram mais próximos dos valores genéticos verdadeiros. Esses resultados sugerem que o modelo linear normal contaminado oferece uma alternativa flexível para estimação robusta em melhoramento genético animal.

The objective of this study was to compare Gaussian and Robust linear mixed models for the estimation of variance components by REML and Gibbs Sampling, using data from fifty simulated populations consisting of 1,000 animals distributed in 5 generations. Two levels of fixed effect and three hypothetical phenotypic values for a trait, with different levels of contamination were used in the simulations. Additive and residual variance estimates were similar for both REML and Bayesian inference using the Gaussian and Robust model. The best estimates of residual variance in the presence of contaminants were obtained by the Robust model. Estimates of heritability were similar for all models, but regression analyses indicated that predicted genetic values obtained by the robust model were more similar to real breeding values. These results suggest that the contaminated normal linear model is a flexible alternative for robust estimation in animal breeding.