Avaliação de modelos para estimativa de componentes de (co)variância em características reprodutivas de suínos

Revista Brasileira de Zootecnia

Aldrin Vieira Pires²  Paulo Sávio Lopes²  Robledo De Almeida Torres²  Ricardo Frederico Euclydes²  Adair José Regazzi¹  André Ribeiro Corrêa Da Costa² 

[1] ,UFV DZO Viçosa MG

关键词: efeito materno;    modelo animal;    REML;    teste da razão de verossimilhança;    animal model;    likelihood ratio test;    maternal effect;    REML;   

DOI  :  10.1590/S1516-35982000000600013

来源: SciELO

【 摘 要 】

Foram analisados dados de características reprodutivas de três raças de suínos, Duroc, Landrace e Large White, para avaliar a importância de inclusão dos efeitos genético materno e comum de leitegada em modelos animais. As características tamanho de leitegada ao nascimento, tamanho de leitegada ao desmame, peso de leitegada ao nascimento, peso de leitegada aos 21 dias de idade e taxa de mortalidade foram avaliadas pelo método da máxima verossimilhança restrita (REML), obtendo-se um valor de verossimilhança para cada característica e raça. O teste da razão de verossimilhança foi aplicado para se verificar qual o modelo mais adequado na avaliação genética animal: o modelo 1, que continha o efeito genético direto; o modelo 2, que continha os efeitos genéticos direto e materno; o modelo 3, que continha o efeito genético direto e o efeito comum de leitegada; e o modelo 4, que incluía os efeitos genéticos direto e materno, e o comum de leitegada. Diferentes modelos foram indicados para diferentes características e raças, sendo que o modelo 4 foi o mais indicado para a maioria das características e raças. Estes resultados evidenciam a importância da inclusão dos efeitos genético aditivo materno e comum de leitegada, na avaliação de características de leitegada em suínos para se estimarem, com maior precisão, os parâmetros genéticos destes rebanhos.

【 授权许可】

CC BY   
 All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License