Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling

Detalhes bibliográficos
Autor(a) principal: Cobuci, Jaime Araújo
Data de Publicação: 2011
Outros Autores: Costa, Claudio Napolis, Braccini Neto, José, Freitas, Ary Ferreira de
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/97310
Resumo: Os registros de produção de leite no dia do controle das três primeiras lactações de 25,5 mil vacas da raça Holandesa foram utilizados para estimar parâmetros genéticos para produção de leite usando duas alternativas de definição da regressão fixa dos modelos de regressão aleatória (MRA). Os polinômios de Legendre de ordens 4 e 5 foram usados para modelar as regressões das curvas fixas (definidas com base nas médias das produções de leite no dia do controle da população ou de múltiplas sub-populações formadas pelo agrupamento de animais que pariram na mesma idade e estação do ano) e aleatórias (genética aditiva e de ambiente permanente) de lactação. Os critérios de informação de Akaike (AIC) e Bayesiano (BIC) indicaram os modelos que consideraram múltiplas regressões das curvas fixas de lactação como os que melhor se ajustaram aos registros de produção de leite da primeira lactação e os modelos que utilizaram uma única regressão da curva fixa, como os melhores para ajuste das segunda e terceira lactações. As herdabilidades para produção de leite ao longo da lactação não variaram entre modelos, entretanto variaram de 0,22 a 0,34; 0,11 a 0,21 e 0,10 a 0,20, respectivamente, para as três primeiras lactações. Semelhantemente às estimativas de herdabilidade os valores das estimativas de correlações genéticas não variaram entre modelos. O uso de uma ou de múltiplas regressões das curvas fixas de lactação pelos MRA não influencia na estimação de parâmetros genéticos para as produções de leite ao longo das lactações de vacas da raça Holandesa.
id UFRGS-2_65ff57e6dd11f421676df4ee3eaac13b
oai_identifier_str oai:www.lume.ufrgs.br:10183/97310
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Cobuci, Jaime AraújoCosta, Claudio NapolisBraccini Neto, JoséFreitas, Ary Ferreira de2014-07-09T02:03:55Z20111516-3598http://hdl.handle.net/10183/97310000825024Os registros de produção de leite no dia do controle das três primeiras lactações de 25,5 mil vacas da raça Holandesa foram utilizados para estimar parâmetros genéticos para produção de leite usando duas alternativas de definição da regressão fixa dos modelos de regressão aleatória (MRA). Os polinômios de Legendre de ordens 4 e 5 foram usados para modelar as regressões das curvas fixas (definidas com base nas médias das produções de leite no dia do controle da população ou de múltiplas sub-populações formadas pelo agrupamento de animais que pariram na mesma idade e estação do ano) e aleatórias (genética aditiva e de ambiente permanente) de lactação. Os critérios de informação de Akaike (AIC) e Bayesiano (BIC) indicaram os modelos que consideraram múltiplas regressões das curvas fixas de lactação como os que melhor se ajustaram aos registros de produção de leite da primeira lactação e os modelos que utilizaram uma única regressão da curva fixa, como os melhores para ajuste das segunda e terceira lactações. As herdabilidades para produção de leite ao longo da lactação não variaram entre modelos, entretanto variaram de 0,22 a 0,34; 0,11 a 0,21 e 0,10 a 0,20, respectivamente, para as três primeiras lactações. Semelhantemente às estimativas de herdabilidade os valores das estimativas de correlações genéticas não variaram entre modelos. O uso de uma ou de múltiplas regressões das curvas fixas de lactação pelos MRA não influencia na estimação de parâmetros genéticos para as produções de leite ao longo das lactações de vacas da raça Holandesa.Records of test-day milk yields of the first three lactations of 25,500 Holstein cows were used to estimate genetic parameters for milk yield by using two alternatives of definition of fixed regression of the random regression models (RRM). Legendre polynomials of fourth and fifth orders were used to model regression of fixed curve (defined based on averages of the populations or multiple sub-populations formed by grouping animals which calved at the same age and in the same season of the year) or random lactation curves (additive genetic and permanent enviroment). Akaike information criterion (AIC) and Bayesian information criterion (BIC) indicated that the models which used multiple regression of fixed lactation curves of lactation multiple regression model with fixed lactation curves had the best fit for the first lactation test-day milk yields and the models which used a single regression of fixed curve had the best fit for the second and third lactations. Heritability for milk yield during lactation estimates did not vary among models but ranged from 0.22 to 0.34, from 0.11 to 0.21, and from 0.10 to 0.20, respectively, in the first three lactations. Similarly to heridability estimates of genetic correlations did not vary among models. The use of single or multiple fixed regressions for fixed lactation curves by RRM does not influence the estimates of genetic parameters for test-day milk yield across lactations.application/pdfengRevista brasileira de zootecnia= Brazilian journal of animal science [recurso eletrônico]. Viçosa, MG. Vol. 40, n.3 (mar. 2011), p. 557-567Vaca leiteiraProduçao de leiteMelhoramento genetico animalHereditariedadeTest-day milk yieldGenetic correlationHeritabilityLegendre polynomialSelectionGenetic parameters for milk production by using random regression models with different alternatives of fixed regression modelingParâmetros genéticos para produção de leite usando modelos de regressão aleatória com diferentes alternativas de modelagem da regressão fixa info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000825024.pdf000825024.pdfTexto completo (inglês)application/pdf958718http://www.lume.ufrgs.br/bitstream/10183/97310/1/000825024.pdfc5261b4143a7b1e21558684b253eb862MD51TEXT000825024.pdf.txt000825024.pdf.txtExtracted Texttext/plain36587http://www.lume.ufrgs.br/bitstream/10183/97310/2/000825024.pdf.txt5e75a5f3d11fc4f2f84de9fe9ee9ddabMD52THUMBNAIL000825024.pdf.jpg000825024.pdf.jpgGenerated Thumbnailimage/jpeg1958http://www.lume.ufrgs.br/bitstream/10183/97310/3/000825024.pdf.jpg5734db4622843c556fd8924b23d02c52MD5310183/973102021-07-09 04:38:37.292474oai:www.lume.ufrgs.br:10183/97310Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2021-07-09T07:38:37Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
dc.title.alternative.en.fl_str_mv Parâmetros genéticos para produção de leite usando modelos de regressão aleatória com diferentes alternativas de modelagem da regressão fixa
title Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
spellingShingle Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
Cobuci, Jaime Araújo
Vaca leiteira
Produçao de leite
Melhoramento genetico animal
Hereditariedade
Test-day milk yield
Genetic correlation
Heritability
Legendre polynomial
Selection
title_short Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
title_full Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
title_fullStr Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
title_full_unstemmed Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
title_sort Genetic parameters for milk production by using random regression models with different alternatives of fixed regression modeling
author Cobuci, Jaime Araújo
author_facet Cobuci, Jaime Araújo
Costa, Claudio Napolis
Braccini Neto, José
Freitas, Ary Ferreira de
author_role author
author2 Costa, Claudio Napolis
Braccini Neto, José
Freitas, Ary Ferreira de
author2_role author
author
author
dc.contributor.author.fl_str_mv Cobuci, Jaime Araújo
Costa, Claudio Napolis
Braccini Neto, José
Freitas, Ary Ferreira de
dc.subject.por.fl_str_mv Vaca leiteira
Produçao de leite
Melhoramento genetico animal
Hereditariedade
topic Vaca leiteira
Produçao de leite
Melhoramento genetico animal
Hereditariedade
Test-day milk yield
Genetic correlation
Heritability
Legendre polynomial
Selection
dc.subject.eng.fl_str_mv Test-day milk yield
Genetic correlation
Heritability
Legendre polynomial
Selection
description Os registros de produção de leite no dia do controle das três primeiras lactações de 25,5 mil vacas da raça Holandesa foram utilizados para estimar parâmetros genéticos para produção de leite usando duas alternativas de definição da regressão fixa dos modelos de regressão aleatória (MRA). Os polinômios de Legendre de ordens 4 e 5 foram usados para modelar as regressões das curvas fixas (definidas com base nas médias das produções de leite no dia do controle da população ou de múltiplas sub-populações formadas pelo agrupamento de animais que pariram na mesma idade e estação do ano) e aleatórias (genética aditiva e de ambiente permanente) de lactação. Os critérios de informação de Akaike (AIC) e Bayesiano (BIC) indicaram os modelos que consideraram múltiplas regressões das curvas fixas de lactação como os que melhor se ajustaram aos registros de produção de leite da primeira lactação e os modelos que utilizaram uma única regressão da curva fixa, como os melhores para ajuste das segunda e terceira lactações. As herdabilidades para produção de leite ao longo da lactação não variaram entre modelos, entretanto variaram de 0,22 a 0,34; 0,11 a 0,21 e 0,10 a 0,20, respectivamente, para as três primeiras lactações. Semelhantemente às estimativas de herdabilidade os valores das estimativas de correlações genéticas não variaram entre modelos. O uso de uma ou de múltiplas regressões das curvas fixas de lactação pelos MRA não influencia na estimação de parâmetros genéticos para as produções de leite ao longo das lactações de vacas da raça Holandesa.
publishDate 2011
dc.date.issued.fl_str_mv 2011
dc.date.accessioned.fl_str_mv 2014-07-09T02:03:55Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/other
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/97310
dc.identifier.issn.pt_BR.fl_str_mv 1516-3598
dc.identifier.nrb.pt_BR.fl_str_mv 000825024
identifier_str_mv 1516-3598
000825024
url http://hdl.handle.net/10183/97310
dc.language.iso.fl_str_mv eng
language eng
dc.relation.ispartof.pt_BR.fl_str_mv Revista brasileira de zootecnia= Brazilian journal of animal science [recurso eletrônico]. Viçosa, MG. Vol. 40, n.3 (mar. 2011), p. 557-567
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/97310/1/000825024.pdf
http://www.lume.ufrgs.br/bitstream/10183/97310/2/000825024.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/97310/3/000825024.pdf.jpg
bitstream.checksum.fl_str_mv c5261b4143a7b1e21558684b253eb862
5e75a5f3d11fc4f2f84de9fe9ee9ddab
5734db4622843c556fd8924b23d02c52
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447546268483584