Modelos de análise de dados de provas de ganho em peso de bovinos da raça Nelore

Abstract

dados de prova de ganho em peso (PGP) em confinamento, visando aumento na resposta à seleção pela inclusão de informações de parentesco nas estimativas dos parâmetros genéticos, assim como na acurácia dos valores genéticos estimados e na classificação final dos animais. As características analisadas foram o peso ao final da PGP (P378), o ganho em peso após o período de adaptação (G112), um índice considerando P378 e G112 (IPGP), além do peso inicial e dois pesos intermediários. Foram utilizadas 18.825 mensurações de pesos de 4.758 animais. Os modelos de dimensão finita considerados incluíram os efeitos fixos de mês e ano de nascimento (1977 a 2006) e classe de idade da mãe ao parto (2 a ≥12 anos), além do efeito linear da idade do animal no início da PGP como covariável. Quanto aos efeitos genéticos, foram considerados dois modelos, um só com o efeito genético direto e outro incluindo o efeito de ambiente permanente materno. Os modelos de regressão aleatória incluíram, como aleatórios, os efeitos genéticos aditivos direto, de ambiente permanente direto e materno e, como fixos, os efeitos de grupo de contemporâneos, a classe de idade da vaca ao parto e o polinômio ortogonal de Legendre da idade do animal (regressão quadrática), como covariáveis. Para comparar os resultados obtidos pelos modelos de regressão aleatória, foram conduzidas análises multicaracterísticas. Um total de 13 modelos de regressão aleatória, aplicando polinômios de segunda a quinta ordem foram considerados para modelar os efeitos genéticos aditivos direto e de ambiente permanente direto e materno. O resíduo foi modelado considerando 1, 3, 4, 6 e 9 classes de variâncias. O modelo contendo 4 classes de variâncias foi o que melhor descreveu o comportamento da trajetória para o efeito...

This work was carried through with the objective of study different analysis forms of datasets regarding weight gain test (PGP) in feedlot, aiming improve in selection response through the inclusion of kinship information on estimates of genetic parameters, as well as in the estimated breeding values accuracy and in the final classification of the animals. We analyzed the characteristics weight at the end of PGP (P378), the weight gain after adaptation period (G112), an index considering P378 and G112 (IPGP), as well as the initial weight and two intermediate weights. 18,825 records of weights from 4.758 animals had been used. The considered models of finite dimension had included the fixed effects of year of birth (1977 to 2006) and cow age at birth class (2 ≥12 years), as well as the linear effect of the age of the animal at the PGP beginning as covariate. In spite the genetic analyses, we considered two models: one only with the direct genetic effect and another one including the maternal permanent environment effect. The random regression models included, as random, the additive direct genetic effect, the permanent direct and maternal environment effect, and, as fixed effects, the contemporary group, age of cow at birth class and the Legendre orthogonal polynomial of the animal age (quadratic regression), as covariates. In order to compare the achieved results for the models of random regression, we precede multicharacteristic analysis. A total of 15 models of random regression, applying polynomials of second to fifth order had been considered to fit the additive direct genetic effect and direct and maternal permanent environment effects. The residual was fitted considering 1, 3, 4, 6 and 9 variance classes. The model containing 4 variance classes was the ones that better described the trajectory... (Complete abstract click electronic access below)