Modelos LALDA para predição genômica de características de crescimento e de conversão alimentar em suínos

Abstract

Recentemente, as duas principais fontes de informações para estudos genéticos via marcadores moleculares (LA - linkage analysis, e LDA - linkage disequilibrium analysis) foram combinadas (originando o termo “LALDA”) para fins de seleção genômica (SG). Os resultados foram satisfatórios, inclusive superando o modelo LDA (tradicional de SG) em termos de capacidade preditiva em diferentes aplicações a dados simulados e reais. A característica conversão alimentar (CA), e seus componentes (consumo de ração-CR e ganho de peso diário-GPD), são de grande importância econômica para a suinocultura moderna, uma vez que os custos com alimentação representarem a maior parte do custo total de produção. Desta forma, a utilização da SG para tais características se justifica e deve ser motivo de pesquisas na área de Melhoramento Genético Animal. Neste sentido, objetivou-se propor uma metodologia para implementação dos modelos LALDA para predição genômica utilizando softwares livres, bem como aplicar a referida proposta a dados reais de GPD, CR e CA em uma população F2 (Piau x comercial) de suínos. A proposta foi implementada em dois passos distintos. No primeiro, foram identificados efeitos significativos de QTL em posições específicas do genoma para as características GPD, CR e CA via ajuste de modelos que consideraram o efeito aleatório de QTL via matriz IBD (identity by descent) genotípica. No segundo, estas matrizes calculadas nas posições em questão foram utilizadas para inserir o efeito aleatório genotípico de QTL adicionalmente aos feitos aleatórios de marcadores SNPs e poligênico aditivo (baseado em matriz de parentesco tradicional) nos modelos Bayesianos de predição genômica (Bayesian Ridge Regression - BRR, Bayes A - BA, Bayes B - BB, Bayes C – BC e Bayesian LASSO - BL). Foram realizadas análises de qualidade de ajuste e de capacidade preditiva a fim de comprovar a eficiência dos modelos propostos. Em síntese, o modelo LALDA via BA mostrou a melhor qualidade de ajuste via DIC (Deviance Information Criterion) e maior capacidade preditiva quando comparado com os demais modelos LALDA (BRR, BB, BC e BL) para todas características estudadas. Embora de forma discreta, esta superioridade também se verificou ao comparar o modelo em questão com modelos alternativos que não contemplaram o efeito aleatório de QTL (modelos LDA tradicionais de SG), ou seja, o modelo LALDA proposto mostrou-se eficiente e plausível de ser implementado por meio de softwares livres (QXPAK e R).

Recently, the two main sources of information for genetic studies via molecular markers (LA - linkage analysis, and LDA - linkage disequilibrium analysis) has been combined (emerging the term "LALDA") for genomic selection (GS) purposes. The results were satisfactory, even outperforming LDA model (traditional GS) in terms of predictive capacity in different applications to simulated and real data in animal breeding. The trait feed conversion ratio (FCR) and its components (feed intake – FI, weight daily gain – WDG) are very important for the modern pig industry, since the feed costs represent the largest part of the total production costs. Thus, the use of GS for these traits can be justified and represents an interesting research topic into the area of Animal Breeding. In this context, we aimed to propose a LALDA methodology for genomic prediction using free software, as well as to apply the proposed model to real data of WDG, FI and FCR from an F2 pig population (Piau x commercial). LALDA methodology was implemented in two different steps. At the first one, significant QTLs were identified for all traits by using mixed models that considered the QTL random effect via genotypic IBD (identity by descent) matrix. At the second, these matrices calculated at the positions of significant QTLs were used to insert the genotypic QTL random effect additionally to random SNPs markers (traditional GS model) and polygenic additive (based on traditional pedigree relationship matrix) effects in Bayesian models of genomic prediction (Bayesian Ridge Regression - BRR, Bayes a - BA, Bayes B - BB Bayes C - BC and Bayesian LASSO - BL). The goodness of fit and predictive capacity analyses was realized to test the efficiency of the proposed LALDA models. In summary, the LALDA model via BA showed the best fitting through DIC (Deviance Information Criterion) and higher predictive capacity when compared to other LALDA models (BRR, BB, BC and BL) for all traits. Although slightly, the superiority of the LALDA models was verified in relation to alternative models that did not included the genotypic QTL random effect (traditional LDA models for GS). In summary, the proposed LALDA model was efficient and available to be implemented through free software (QXPAK e R).