Interação genótipo × ambiente para peso corporal de búfalos mediterrâneos utilizando modelos de norma de reação
DOI:
https://doi.org/10.17533/udea.rccp.v34n2a05Palavras-chave:
ambiente, avaliação genética, búfalos, correlação de classificação, genótipos, gradiente ambiental, inferência bayesiana, interação genótipo por ambiente, modelos de norma de reação, reação hierárquica, valor genéticoResumo
Antecedentes: A criação de búfalos aumentou significativamente no Brasil nos últimos anos. No entanto, eles raramente foram objeto de avaliações genéticas. Objetivo: Avaliar as interações genótipo x ambiente em búfalo Mediterrâneo criados no Brasil, para peso aos 205 dias de idade, utilizando modelos de reação por meio de regressão aleatória. Métodos: Os dados para búfalos de água do Mediterrâneo nascidos entre 1990 e 2014 foram coletados de cinco fazendas localizadas nas regiões Norte (1), Nordeste (1), Sul (2) e Sudeste (1) do Brasil. Todas essas fazendas participam do Programa Brasileiro de Melhoramento dos Búfalos. Nosso banco de dados inicial consistiu de 5.280 observações aos 205 dias de idade (P205). Nós avaliamos o ajuste usando dois modelos de norma de reação hierárquica: um de dois passos (HRNM2s) e um passo (HRNM1s). O ajuste do modelo foi estimado usando o Critério de informações do desvio, desvio baseado nos fatores de bayes e desvio baseado na ordenação preditiva condicional. Os descritores ambientais foram criados para agrupar indivíduos em ambientes de produção comuns baseados em ano, estação, rebanho e sexo. Resultados: O melhor ajuste foi obtido para o modelo de norma de reação hierárquica com um passo (HRNM1s). As estimativas de herdabilidade direta para este modelo variaram de 0,17 a 0,67 e a herdabilidade materna de 0,02 a 0,11 com gradiente ambiental crescente. As correlações mais baixas entre as classificações dos reprodutores foram obtidas em comparação com as HRNM1s, em ambientes com baixo e alto manejo, confirmando a presença de interações genótipo x ambiente. Conclusões: Recomendamos a aplicação mais ampla da avaliação genética em búfalos visando identificar genótipos ótimos em ambientes específicos.
Downloads
Referências
Ambrosini DP, Bracini Neto J, Martins Filho R, Malhado CHM, Afonso P, Carneiro P. Reaction norms of direct and maternal effects for weight at 205 days in Polled Nellore cattle in North-eastern Brazil. Arch Tierzucht 2014; 57:1-11. https://doi.org/10.7482/0003-9438-57-032.
Ambrosini DP, Carneiro P, Bracini Neto J, Malhado CHM, Martins Filho R, Cardoso FF. Genotype x environment interaction for yearling weight in Polled Nellore cattle in Northeast Brazil. Pesq agropec bras 2012; 47:1489-1495. https://doi.org/10.1590/S0100-204X2012001000011.
Bastianetto E. Water buffalo breed in Brazil: situation and perspective. R Bras Saud Reprod Anim 2009; 6:8-103. http://www.cbra.org.br/pages/publicacoes/rbra/download/p98-103.pdf.
Bernardes O. Buffaloes breeding in Brasil: position and economic relevancy. R Bras Saud Reprod Anim 2007; 31:293-298. https://doi.org/10.4081/ijas.2007.s2.162.
Brooks SP, Roberts GO. Convergence assessment techniques for Markov chain Montes Carlo. Stat Comp 1998; 8:319-335. https://link.springer.com/content/pdf/10.1023/A:1008820505350.pdf.
Cardoso FF. Application of Bayesian inference in animal breeding using the Intergen Program Manual of version 1. 2. Bagé-RS: Embrapa Pecuária Sul. 2010.
Cardoso FF, Tempelman RJ. Linear reaction norm models for genetic merit prediction of angus cattle under genotype by environment interaction. J Anim Sci 2012; 90:2130-2141. https://doi.org/10.2527/jas.2011-4333.
Cardoso LL, Barccini Neto J, Cardoso FF, Cobuci JA, Biassus IO, Barcellos JOJ. Hierarchical bayesian models for genotype x environment estimates in post-weaning gain of Hereford bovine via reaction norms. R Bras Zootec 2011; 40:294-300. https://doi.org/10.1590/S1516-35982011000200009.
Corrêa MBB, Dionello NJL, Cardoso FF. Genotype by environment interaction characterization and model comparison for post weaning gain adjustment of Devon cattle via reaction norms. R Bras Zootec 2009; 38:1468-1477. https://doi.org/10.1590/S1516-35982009000800010.
De Jong G. Phenotypic plasticity as a product of selection in a variable environment. Amer Nat 1995; 145:493-512. https://www.jstor.org/stable/2462965.
De Jong G. Bijma P. Selection and phenotypic plasticity in evolutionary biology and animal breeding. Livest Prod Sci 2002; 78:195-214. https://doi.org/10.1016/S0301-6226(02)00096-9.
Fikse WF, Rekaya R, Weigel KA. Assessment of environmental descriptors for studying genotype by environment interaction. Livest Prod Sci 2003; 82:223-231. https://doi.org/10.1016/S0301-6226(03)00009-5.
Garcia HA, Ramirez OJ, Rodrigues CMF, Sanchez RG, Bethencourt AM, Perez GDM, Minervino AHH, Rodrigues AC, Teixeira MMG. Trypanosoma vivax in water buffalo of the Venezuelan Llanos: An unusual outbreak of wasting disease in an endemic area of typically asymptomatic infections. Vet Parasitol 2016; 230:49-55. https://doi.org/10.1016/j.vetpar.2016.10.013.
Gelfand AE. Model determination using sampling-based methods. In: Markov Chain Monte Carlo in practice. (Eds: WR Gilks, S Richardson, DJ Spiegelhalter) pp. 145-161. (London: Champman and Hall). 1996.
Geweke J. Evaluating the accuracy of sampling-basead approaches to the calculation of posterior moments. In: Bayesian statisti. (Eds: JM Bernardo, JO Berger, AP Dawid, AFM Smit) pp. 1-21. (New York: Oxford University). 1992.
Heidelberger P, Welch P. Simulation run length control in the presence of an initial transient. Operat Res 1983; 31:1109-1144. https://www.jstor.org/stable/170841.
Knap PW, Su G. Genotype by environment interaction for litter size in pigs as quantified by reaction norms analysis. Anim 2008; 2:1742-1747. https://doi.org/10.1017/S1751731108003145.
Kolmodin R, Strandberg E, Madsen P, Jensen J, Jorjani H. Genotype by environment interaction in Nordic dairy cattle studied using reaction norms. Acta Agric Scand A Anim Sci 2002; 52:11-24. https://doi.org/10.1080/09064700252806380.
Malhado CHM, Rezende MPG, Malhado ACM, Azevedo DMMR, Souza JC, Carneiro PLS. Comparison of Nonlinear Models to Describe the Growth Curves of Jaffarabaddi, Mediterranean and Murrah buffaloes. J Agr Sci Tech 2017; 19:1485-1494. https://pdfs.semanticscholar.org/aa77/12ea8e271a886b8b1520030d06651e76241e.pdf?_ga=2.59968621.1129624986.1595351376-1607104821.1592931039.
Malhado CHM, Ramos AA, Carneiro PLS, Azevedo DMMR, Martins Filho R, Souza JC. Improvement and population structure of Mediterranean water buffaloes raised in Brazil. Pesq agropec bras 2008; 43:215-220. https://doi.org/10.1590/S0100-204X2008000200009.
Malhado CHM, Ramos AA, Carneiro PLS, Souza JC, Piccinin A. Genetic and phenotypic parameters for milk production of Murrah buffaloes. R Bras Zootec 2007; 36:376-379. https://doi.org/10.1590/S1516-35982007000200014.
Mattar M, Silva LOC, Alencar MM, Cardoso FF. Genotype x environment interaction for long-yearling weight in Canchim cattle quantified by reaction norm analysis. J Anim Scienc 2011; 89:2349-2355. https://doi.org/10.2527/jas.2010-3770.
Oroian T, Orain R, Pascalãu S, Oroian E, Dronca D. Aspects of the Genotype-Environment Interaction at the Japanese Quail (Coturnix-Coturnix Japonica). Anim Scienc Biotechnol 2010; 43:195-198. http://spasb.ro/index.php/spasb/article/view/756/713.
R Development Core Team. R: A language and environment for estatistical computing. Viena 2008, Áustria: R foundation for statistical computing: [http://www.R-project.org].
Raftery AE, Lewis SM. One long run with diagnostics: implementation strategies for markov chain Monte Carlo. Stat Scienc 1993; 7:493-497. https://projecteuclid.org/download/pdf_1/euclid.ss/1177011143.
Rezende MPG, Ferraz PC, Carneiro PLS, Malhado CHM. Phenotypic diversity in buffalo cows the Jafarabadi, Murrah and Mediterranean breeds. Pesq agropec bras 2017; 52:663-669. https://doi.org/10.1590/s0100-204x2017000800012
Rezende MPG, Malhado CHM., Biffani S, Carneiro PLS, Carrilo JÁ, Bozzi R. Genotype-environment interaction for age at first calving in Limousine and Charolais cattle raised in Italy, employing reaction norm model. Livest Sci 2020; 232;103912. https://doi.org/10.1016/j.livsci.2019.103912
Roso VM, Schenkel FS. AMC: a computer program to assess the degree of connectedness among contemporary groups. In: World Congress on Genetics Applied to Livestock Production. 2006. pp. 26-27. (Belo Horizonte). https://www.researchgate.net/publication/285687222_AMC_-_A_computer_program_to_assess_the_degree_of_connectedness_among_contemporary_groups.
SAS Institute Inc. SAS/STAT. SAS Institute Inc., 2019.
Sesana RC, Baldi F, Borquis RRA, Bignard AB, Hurtado-Lugo NA, El Faro L, Albuquerque LG, Tonhati H. Estimates of genetic parameters for total milk yield over multiple ages in Brazilian Murrah buffaloes using different models. Genet Mol Res 2014; 13:2784-2795. DOI http://dx.doi.org/10.4238/2014.April.14.7.
Smith BJ. Bayesian output analysis program (BOA) version 1.1.7.2 user’s manual. Iowa: University Of Iowa. 2007.
Spiegelhalter DJ, Best NG, Carlin BP, Van der Linde A. Bayesian measures of model complexity and fit (with discussion). J R Stat Soc B 2002; 64:583-639. https://rss.onlinelibrary.wiley.com/doi/pdf/10.1111/1467-9868.00353.
Streit M, Reinhardt F, Thaller G, Bennewitz J. Reaction norms and genotype-by-environment interaction in the German Holstein dairy cattle. J Anim Breed Genet 2012; 129:380-389. https://doi.org/10.1111/j.1439-0388.2012.00999.x.
Su G, Madsen P, Lund MS, Sorensen D, Korsgaard IR, Jensen J. Bayesian analysis of the linear reaction norm model with unknown covariates. J Anim Scienc 2006; 84:1651-1657. https://doi.org/10.2527/jas.2005-517.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Revista Colombiana de Ciencias Pecuarias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Os autores autorizam a RCCP a reimprimir o material nela publicado.
A revista permite que o(s) autor(es) detenham os direitos autorais sem restrições, e permitirá que o(s) autor(es) mantenham os direitos de publicação sem restrições.