Heterogeneidade de variâncias na avaliação genética de búfalas no Brasil

Abstract

Registros de produção de leite de 754 búfalas da raça Murrah foram utilizados com o objetivo de avaliar o efeito da heterogeneidade de variâncias na avaliação genética. Os componentes de covariância foram estimados pelo método da máxima verossimilhança restrita utilizando-se quatro modelos bicaracterísticos, considerando, como efeitos fixos, estação de parto e rebanho-ano de parto, e idade da vaca como covariável (efeito linear e quadrático). Os quatro modelos utilizados foram: modelo aditivo; modelo de repetibilidade; modelo aditivo com inclusão interação reprodutor x rebanho-ano; modelo de repetibilidade com inclusão da interação reprodutor x rebanho-ano. Os rebanhos foram classificados em duas classes de desvio-padrão fenotípico para produção de leite e análises bicaracterísticas foram realizadas considerando cada classe de desvio-padrão como característica diferente. Foi conduzida também uma análise unicaracterística desconsiderando as classes de desvio-padrão fenotípico, incluindo o efeito da interação reprodutor x rebanho-ano. As estimativas de componentes de variância genética aditiva foram maiores na classe de alto desvio-padrão, comparadas às de baixo desvio-padrão. A maioria dos animais selecionados nos arquivos sem estratificação foi selecionada para alto desvio-padrão. Apesar do aumento nas variâncias aditivas e do erro nas de classes de alto desvio-padrão, suas herdabilidades foram menores, com exceção do modelo 2, cujo herdabilidade foi maior para a classe de alto desvio-padrão. Quando rebanhos são classificados em alto e baixo desvio-padrão fenotípico e a produção de leite nas diferentes classes é avaliada em modelo multicaracterística, a avaliação genética considera a heterogeneidade de variâncias entre rebanhos.

Milk yield records of 754 Murrah female buffaloes were used to evaluate the effects of heterogeneity of variance among herds on genetic evaluation. The restricted maximum likelihood method was used to estimate the (co)variance components using four bi-trait models, considering season and herd-year of birth as fixed effects and age of the cow as covariable (linear and quadratic effects). The following models were used: additive; repeatability; additive with sire x herd-year interaction; and repeatability with sire x herd-year interaction. The herds were classified in two classes of phenotipic standard deviation for milk production and bi-traits analyses were carried out considering each class of standard deviation as a different characteristic. A single trait analysis was also carried out, disregarding phenotypic standard deviation classes, including sire x herd-year interaction effect. The estimates of additive genetic variance components were higher in the high standard deviation class than those of low standard deviation. Most of the animals selected from files without stratification was selected for high standard deviation. Despite of the increase in additive variances and the error in high standard deviation classes, their heritability were lower, except for model 2, whose heritability was higher for the class with high standard deviation. When herds are classified into high and low phenotypic standard deviation and milk production in the different classes is evaluated in a model trait, genetic evaluation takes into account the heterogeneity of variances among herds.