Comparação de metodologias de predição de valores genéticos utilizando dados simulados

• Autor(a) principal: Braccini Neto, José
• Data de Publicação: 2004
• Outros Autores: Silva, Martinho de Almeida e, Euclydes, Ricardo Frederico, Lopes, Paulo Sávio, Torres, Robledo de Almeida, Regazzi, Adair Jose
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/97041
• topic: Reprodução animal; Genética animal; mixed-model; sire model; GenSys; animal model

Foram simuladas, utilizando o programa GENESYS, sete populações com diferentes médias genéticas e estruturas de dados resultantes da substituição de 0, 10, 25, 50, 75, 90 e 100% de reprodutores, com o objetivo de comparar a metodologia de modelos mistos (MMM) com a metodologia GenSys, por meio de suas acurácias e variâncias do erro de predição (PEV), estimadas com base no modelo de reprodutor e no modelo animal. No modelo de reprodutor, à medida que se aumentava a intensidade de seleção, ocorriam diminuição na acurácia e aumento da PEV de ambas as metodologias, em razão da menor acurácia na estimação dos níveis do efeito fixo e da diminuição do número médio de progênies/reprodutor. A superioridade da MMM no modelo de reprodutor foi atribuída à maior acurácia de estimação dos efeitos fixos. No modelo animal, as tendências foram diferentes. Na MMM, à medida que se aumentava a intensidade de seleção, a acurácia se elevava e a PEV permanecia praticamente constante, enquanto, na GenSys, ocorriam diminuição da acurácia e aumento da PEV. O aumento da acurácia, na MMM, decorreu do maior número de conexões genéticas, enquanto a diminuição, na GenSys, foi atribuída à menor acurácia de estimação dos níveis do efeito fixo. A superioridade da MMM foi decorrente da maior acurácia na estimação dos níveis do efeito fixo e do uso da matriz de parentesco completa, que inclui a população-base com indivíduos nãoaparentados, não-endogâmicos e não-selecionados. Conclui-se que a MMM foi superior à GenSys, quanto à acurácia e à PEV, para a estrutura de dados selecionados simulada, principalmente para o modelo animal.