Avaliação genética na presença de heterogeneidade utilizando dados simulados

Abstract

Os objetivos deste trabalho foram simular estruturas de dados similares às condições reais observadas em rebanhos bovinos em relação a heterogeneidade; comparar os resultados das análises que consideram ou não a presença da heterogeneidade; quantificar o real efeito da heterogeneidade sobre a avaliação genética e seleção de touros, vacas e progênies, além de verificar a relação entre heterogeneidade e conexidade genética dos dados. Foram simulados vários conjuntos de dados formados por 75 touros, 3750 vacas e 7500 progênies, distribuídos em 15 rebanhos, por intermédio do programa Genesys (EUCLYDES, 1996). Quatro estruturas de heterogeneidade foram simuladas: rebanhos com heterogeneidade para todos os parâmetros tanto genéticos quanto fenotípicos - RHTP; rebanhos com médias genéticas similares e demais parâmetros heterogêneos - RMGS; rebanhos com heterogeneidade fenotípica - RHF e rebanhos sem heterogeneidade - RSH. Os rebanhos foram agrupados em três níveis: alta, média e baixa variabilidade. Foram simulados quatro graus de conexidade genética entre os níveis de variabilidade: 0%, 20%, 40% e 100% de conexidade genética (CG-0, CG-20, CG-40 e CG-100). Os arquivos de dados foram utilizados em análise de característica única que não considerava a heterogeneidade. Também, efetuou-se análise de características múltiplas, onde a produção em cada nível de variabilidade foi analisada como uma característica diferente, considerando- se, portanto, a heterogeneidade. As estimativas de variância genética e herdabilidades foram subestimadas para a estrutura de dados RHTP, mesmo nas análises de características múltiplas e para conjuntos de dados com alto grau de conexidade. Para as estruturas de dados que não apresentavam heterogeneidade para médias genéticas (RMGS, RHF e RSH), estas estimativas foram próximas dos valores simulados. Os valores genéticos preditos nas diferentes estruturas de dados foram comparados com os valores genéticos verdadeiros, através das correlações de ordem e de Pearson. Para RHTP, estas correlações foram inferiores a 50%, exceto para os valores genéticos de touros com 100% de conexidade entre os níveis de variabilidade. Para RMGS e RHF, as correlações foram altas e próximas às obtidas para dados sem heterogeneidade (RSH). Valores baixos para as correlações de Pearson indicam baixa acurácia na predição dos valores genéticos, enquanto baixas correlações de ordem indicam que a ordem de classificação dos animais com base nos valores genéticos preditos e verdadeiros é diferente. Conseqüentemente, classificados, animais com menor incorretamente, entre os valor animais genético poderão geneticamente ser superiores, prejudicando a eficiência da seleção. A heterogeneidade de média genética entre rebanhos prejudicou a acurácia da predição dos valores genéticos de touros e, principalmente de vacas e progênies, mas a heterogeneidade para outros parâmetros, não influenciou a avaliação genética dos animais. A análise de características múltiplas não foi eficiente para eliminar os problemas da heterogeneidade sobre a avaliação genética e o grau de conexidade dos dados influenciou os resultados das análises, apenas quando os rebanhos tinham médias genéticas heterogêneas. Assim, verificou-se que o problema da heterogeneidade sobre as avaliações genéticas é devido, basicamente à presença de médias genéticas diferentes entre rebanhos.

The objectives of this study were to simulate data structures similar to the real conditions observed in bovine herds according to parameters heterogeneous; to compare the results of the analysis that account or not for heterogeneity; to quantify the true effect of heterogeneity on the genetic evaluation and selection of bulls, cows and progenies, and to verify the relationship between parameters heterogeneous and genetic connectness of the data. It were simulated several groups of data formed by 75 bulls, 3750 cows and 7500 progenies, distributed in 15 herds, through the program Genesys (EUCLYDES, 1996). Four parameters heterogeneous structures were simulated: herds with heterogeneity for all the parameters, genetic and phenotypic - RHTP; herds with genetic means similar and the other parameters heterogeneous - RMGS; herds with heterogeneity phenotypic - RHF and herds without heterogeneity - RSH. Herds were grouped in three levels: high, mean and low variability. It were simulated four degrees of genetic connectness between the variability levels: 0%, 20%, 40% and 100% of genetic connectness (CG-0, CG-20, CG-40 and CG-100). Data files were used in single-trait analysis that didn't account for parameters heterogeneous. Also, it was carried out a multiple-trait analysis in which the production in each variability level was analyzed as a different trait. The estimates of genetic variance and heritability were underestimated for the data structure RHTP, even in the multiple-trait analysis and for groups of data with high connectness degree. For the structures of data that didn't present heterogeneity for genetic means (RMGS, RHF and RSH), these estimates were close to the simulate values. The estimated breeding values in the different structures of data were compared with the true breeding values, through rank correlations and Pearson correlations. For RHTP, these correlations were lower than 50%, except for the breeding values of bulls with 100% of connectness between the variability levels. For RMGS and RHF, correlations were high and close to values obtained for data without heterogeneity (RSH). Low values for Pearson correlations indicate low accuracy in the prediction of breeding values, while low rank correlations indicate that the ranking of animals based on estimated and true breeding values is different. Consequently, animals with smaller breeding value may be included, incorrectly, among the animals genetically superiors, harming the efficiency of selection. The heterogeneity of genetic mean between herds harmed the accuracy of breeding value predictions of bulls and, mainly of cows and progenies, but the heterogeneity for other parameters, didn't influence the genetic evaluation of the animals. The multiple- trait analysis was not efficient to eliminate the problems of parameters heterogeneous on genetic evaluation. The degree of connectness of the data influenced the results of the analysis, just when the herds had heterogeneous genetic means. Like this, it was verified that the problem of parameters heterogeneous about the genetic evaluations is due, basically to the presence of different genetic means between herds.