Estimation of genetic parameters for test-day milk yield in first calving buffaloes

Naudin A Hurtado-Lugo, Severino C de Souza, Rúsbel R Aspilcueta, Swammy Y Gutiérrez, Mario F Cerón-Muñoz, Humberto Tonhati

Abstract


Summary

Background: the milk yield records measured along lactation provide an example of repeated measures; the random regression models are an appealing approach to model repeated measures and to estimate genetic parameters. Objective: to estimate the genetic parameters by modeling the additive genetic and the residual variance for test-day milk yield in first calving buffaloes. Methods: 3,986 test-day data from 1,246 first lactations of crossbred buffalo daughters of 23 sires and 391 dams between 1997 and 2008 from five farms were used. The model included the genetic and permanent environment additive as the random effect and the contemporary group (year, month of test-day) and age at calving as covariable (linear) fixed effects. The fixed (third order) and random (third to ninth order) regressions were obtained by Legendre polynomials. The residual variances were modeled with a homogeneous structure and various heterogeneous classes. The variance components were estimated using the WOMBAT statistical program (Meyer, 2006). Results: according to the likelihood ratio test, the best model included four variance classes, considering Legendre polynomials of the fourth order for permanent environment and additive genetic effects. The heritabilities estimates were low, varying from 0.0 to 0.14. The estimates of genetic correlations were high and positive among PDC1 and PDC8, except for PCD9, which was negative. This indicates that for any of the selection criteria adopted, the indirect genetic gain is expected for all lactation curves, except for PCD9. Conclusion: heterogeneity of residual variances should be considered in models whose goal is to examine the alterations of variances according to day of lactation.

Key words: biomodeling, genetic correlations, Legendre polynomials, random regression models.


Resumen

Antecedentes: los registros de producción de leche medidos a lo largo de la lactancia son un ejemplo de medidas repetidas, los modelos de regresión aleatoria presentan un enfoque atractivo para modelar medidas repetidas y para estimar parámetros genéticos. Objetivo: estimar parámetros genéticos a través de la modelación de la varianza genética y residual para producción de leche en el día de control en búfalas de primer parto. Métodos: fueron analizados 3986 controles de producción de leche en la primera lactancia de 1246 búfalas, hijas de 391 hembras y 23 toros, durante los años 1997 hasta 2008 en 5 fincas.  El modelo incluyó como efectos aleatorios genético aditivo y de ambiente permanente, como efectos fijos grupo contemporáneo compuesto por mes, año de control y la covariable de la edad de la búfala al parto (lineal). Las regresiones fijas (3er orden) y aleatorias (3er a 9no orden) fueron obtenidas mediante polinomios de Legendre. Las varianzas residuales fueron modeladas con una estructura  homogénea y varias clases heterogéneas. Los componentes de varianza fueron estimados utilizando el programa WOMBAT. Resultados: de acuerdo con la prueba de la razón de verosimilitud, el mejor modelo fue con 4 clases de varianzas residuales, siendo considerado un polinomio de Legendre de cuarto orden para el efecto de ambiente permanente y genético aditivo. Las heredabilidades fueron bajas, variando desde 0,00 hasta 0,14. Las correlaciones genéticas fueron altas y positivas entre los PDC1 a PDC8, excepto en el PDC9 que fue negativo con respecto a los demás controles. Conclusiones: es necesario considerar la heterogeneidad de varianzas residuales en los modelos estudiados, con el fin de modelar los cambios en las variaciones respecto a los días en lactancia.

Palabras clave: biomodelación, correlación genética, modelos de regresión aleatoria, polinomios de Legendre.


Resumo

Antecedentes: os registros da produção do leite medidos ao longo da lactação, apresentam um exemplo de medidas repetidas. Os modelos de regressão aleatória apresentam abordagem atraente para modelar medidas repetidas e estimar parâmetros genéticos. Objetivo: estimar parámetros genéticos mediante a modelação das variâncias genéticas e residual da produção do leite no dia do controle em búfalas de primeiro parto. Métodos: foram analisados 3986 controles de produção de leite em primeiras lactações de 1246 búfalas, filhas de 391 fêmeas e 23 touros, entre 1997 e 2008 em 5 fazendas. No modelo foram incluídos como efeitos aleatórios o genético aditivo e ambiente permanente, e como fixos o grupo contemporâneo (mês e ano de controle) e a covariável a idade da búfala ao parto (Lineal). As regressões fixas (3° ordem) e aleatórias (3° a 9° ordem) foram obtidas mediante polinômios ortogonais de Legendre. As variâncias residuais foram modeladas mediante estruturas homogêneas e diferentes classes heterogêneas. Os componentes de variância foram estimadas mediante o software WOMBAT. Resultados: de acordo com a prova da máxima verossimilhança, o melhor modelo foi com 4 classes de variâncias residuais, sendo considerado polinômios de Legendre de quarto ordem para o efeito de ambiente permanente e genético aditivo. As herdabilidades foram baixas, variando desde 0,00 até 0,14. As correlações genéticas foram altas e positivas entre o PDC1 e PDC8, a exceção do PDC9 que apresentou valores negativos com respeito aos outros controles. Conclusões: é necessário considerar heterogeneidade de variâncias nos modelos estudados, tentando modelar as mudanças nas variações respeito aos dias em lactação.

Palavras chave: biomodelagem, correlação genética, modelos de regressão aleatória, polinômios de Legendre.

 


Full Text:

PDF HTML
Abstract : 92 PDF : 68 HTML : 212

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM


Esta publicación hace parte del Sistema de Revistas de la Universidad de Antioquia
¿Quieres aprender a usar el Open Journal system? Ingresa al Curso virtual
Este sistema es administrado por el Programa Integración de Tecnologías a la Docencia
Universidad de Antioquia
Powered by Public Knowledge Project