Genomic information for breed determination, multibreed evaluation, and estimation of variance components in large populations

• Autor(a) principal: Junqueira, Vinícius Silva
• Data de Publicação: 2018
• Tipo de documento: Tese
• Idioma: eng
• Título da fonte: LOCUS Repositório Institucional da UFV
• Texto Completo: http://www.locus.ufv.br/handle/123456789/21565
• topic: Bovinos de corte - Genética; Algoritmos genéticos; Variação genética; Polimorfismo de nucleotídeo único; Genética e Melhoramento dos Animais Domésticos

A disponibilidade de uso de informações genômicas trouxe grandes oportunidades de aumento do ganho genético em sistemas produtivos de gado de corte. Apesar dos benefícios já conhecidos, implementação em larga escala nas condições nacionais ainda é um grande desafio principalmente pelo relativo alto custo de genotipagem. Uma alternativa economicamente viável é o desenvolvimento de painéis de marcadores SNP customizados para objetivos de melhoramento estrategicamente estabelecidos para características de interesse. A implementação dessa proposta tem maior impacto para os animais jovens. O objetivo desse estudo foi identificar o menor número necessário de marcadores do tipo SNP para diferenciar animais das raças Hereford, Nelore, Brahman e Braford genotipados com o painel 777K chip HD para bovinos. Adicionalmente, comparou-se o impacto na predição da proporção racial utilizando-se diferentes painéis reduzidos de marcadores do tipo SNP. Para isso, foram utilizados quatro diferentes métodos para a seleção de marcadores altamente informativos para a diferenciação racial. O software Admixture foi utilizado para os cálculos de proporção racial utilizando os painéis customizados. Os resultados observados nesse estudo sugerem a possibilidade de definir indivíduos às respectivas raças utilizando um painel de 24 marcadores do tipo SNP (isto é, 8 marcadores por raça pura). Informações de pedigree são por natureza incompletas e comumente não são bem definidas porque varias das ligações genéticas existentes não são conhecidas. A genômica trouxe grandes oportunidades para o cálculo do parentesco entre os indivíduos de uma população. Um dos principais desafios em implementações genômicas é a correta definição da população referência para o uso simultâneo das informações de pedigree e genômica. O conceito de metafundadores é baseado na definição de pseudo-indivíduos que descrevem os relacionamentos entre e dentre os indivíduos da população base. O objetivo desse estudo foi avaliar os impactos do uso de metafundadores ao estimar valores genéticos e sua habilidade preditiva utilizando a metodologia single- step GBLUP (ssGBLUP) em uma população multirracial. Três diferentes cenários foram adotados nesse estudo para a estimação de componentes de variância e predição dos valores genéticos: BLUP tradicional, ssGBLUP e ssGBLUP com inclusão de metafundadores. Um total de 28 metafundadroes foram definidos no modelo ssGBLUP+metafundadores. De forma geral, os modelos genômicos apresentaram maior habilidade preditiva. Sendo o modelo com inclusão de metafundadores o que apresentou maior habilidade preditiva. O método da máxima verossimilhança restrita (REML) é um método comumente utilizado para a estimação de componentes de variância. Por ser implementado em modelos mistos, apresenta estimativas corrigidas para efeitos de seleção. De forma geral, todos os animais genotipados são utilizados nos cálculos para a predição dos valores genéticos. O objetivo desse estudo foi avaliar quantas gerações são necessárias para acurada estimação de componentes de variância com o algoritmo para animais provados e jovens (APY) em uma população simulada com restrições de seleção. O uso de menor número de gerações reduziu a habilidade do modelo BLUP em estimar a herdabilidade simulada (0.30). A redução na estimação da herdabilidade pelos modelos genomicos são menores do que os modelos baseados em informações de pedigree. Os modelos genômicos apresentaram em média maior correlação que os modelo BLUP. Os resultados desse estudo sugerem que não é necessário grande número de gerações para acurada estimação dos componentes de variância e dos valores genéticos. O algoritmo APY não afeta a estimação dos componentes de variância. Duas gerações extras de animais não genotipados são suficientes para acurado cálculo dos componentes de variância, valores genéticos e também acurácia de predição dos valores genéticos.