Métodos de avaliação da eficiência da multiplicação genética por produção de embriões bovinos

Abstract

O objetivo deste trabalho foi avaliar estratégias de incremento da eficiência da produção in vitro de embriões bovinos (PIVE). Dois artigos foram desenvolvidos, o primeiro objetivou avaliar se o volume ovariano, a presença e o diâmetro do corpo lúteo (CL) têm efeito sobre o número e a qualidade de oócitos bovinos recuperados. O segundo artigo teve como objetivo comparar diferentes métodos estatísticos para predizer a probabilidade de gestação em um programa comercial de PIVE. Artigo 1: Foram obtidos em abatedouro 110 ovários. Os complexos cumulus-oócitos foram aspirados e avaliados em microscópio estereoscópico. Os oócitos foram contados e classificados de acordo com sua qualidade (grau I, II, III e IV). O volume do ovário foi correlacionado com o número de oócitos de boa qualidade (r = 0.33; P < 0.05). Os ovários com CL mostraram maior número de oócitos de boa qualidade do que ovários sem CL (P < 0.05). Além disso, a presença do CL e o seu diâmetro influenciaram positivamente a probabilidade de recuperação de oócitos de boa qualidade (P < 0.05). Em conclusão, o volume ovariano não é um bom parâmetro para predizer características ovarianas importantes; além disso, a análise do CL, a sua presença e seu diâmetro, pode ser uma boa ferramenta para melhorar a eficiência em programas de PIVE. Artigo 2: Redes neurais artificiais (RNA) e árvores de decisão têm provado ser bem sucedidas em diferentes áreas de estudo, tais como medicina, genética e produção animal. No entanto, a utilização destas metodologias na área de reprodução bovina ainda é muito escassa. No presente estudo, um conjunto de dados reais foi usado, composto por 9.697 transferências de embriões produzidos in vitro, 6.788 observações foram utilizadas no modelo de treinamento e 2.909 foram utilizadas para validação. O conjunto de dados foi analisado por meio de regressão logística, rede neural feed-forward, multilayer percepetron com uma e com duas camadas ocultas, e uma árvore de decisão baseada no algoritmo ID3. Todas as cinco análises foram comparadas pela curva ROC, capacidade preditiva, teste de Kolmogorov-Smirnov e correlação ponto bisserial. Em conclusão, todas as análises foram muito semelhantes. No entanto, a análise pela rede neural feed-forward classificou corretamente mais de 70% das gestações positivas. Apesar de ter classificado incorretamente quase 60% das não gestações, este resultado se torna interessante porque não detectar uma gestação positiva é mais prejudicial a um programa comercial que não detectar uma gestação negativa. Ainda assim, são necessários estudos com conjuntos de dados maiores, incluindo não somente variáveis categóricas, mas também variáveis quantitativas para garantir resultados mais precisos.

The objective of the present study was to evaluate some strategies for increasing the efficiency of bovine in vitro embryo production (IVP). Two articles were developed, first one aimed to evaluate whether ovarian volume, presence and diameter of the CL have effect on the number and quality of bovine recovered oocytes. The second article aimed to compare different statistical methods to predict pregnancy in a commercial program of IVP. Article 1: one hundred and ten ovaries were obtained from slaughterhouse. Cumulus oocytes complex were aspirated and evaluated under stereomicroscope. Oocytes were counted and classified according to their quality (Grade I, II, III and IV). Ovarian volume was weakly correlated to the number of good quality oocytes (P < 0.05). Ovaries with CL show greater number of good quality oocytes than ovaries without CL (P < 0.05). Besides, presence of CL and its diameter positively influenced the probability of recovering good quality oocytes (P < 0.05). In conclusion, ovarian volume is not a good parameter itself to predict important ovarian characteristics; moreover, analysis of CL, its presence and diameter, may be a good tool to improve efficiency on IVP programs. Article 2: Artificial neural networks (ANN) and decision trees have proved to be very successful in different fields of study such as medicine, genetics and animal production. However, the use of these methodologies in bovine reproduction is still very scarce. In this study, a real dataset was used, consisting of 9,697 embryo transfers, 6,788 observations were used in training model and 2,909 were used for validation. Dataset was analyzed by logistic regression, feed-forward neural network, multilayer perceptron with one and two hidden layers, and a based on ID3 algorithm decision tree. All analyses were compared by ROC curve, predictive capacity, Kolmogorov-Smirnov test, and point biserial correlation. In conclusion, all analyzes were very similar. Nevertheless, analysis by the feed-forward neural network correctly classified more than 70 % of positive pregnancies. Despite having incorrectly classified almost 60 % of non-pregnancies, this result becomes interesting because not detect a positive pregnancy is more harmful to a commercial program than not detect a negative pregnancy. Still, studies with larger dataset and more explanatory variables are required, including not only categorical variables, but also quantitative variables to ensure more accurate results.