Análise genética de escores de avaliação visual de bovinos com modelos bayesianos de limiar e linear

Pesquisa Agropecuária Brasileira

Carina Ubirajara De Faria²  Cláudio Ulhôa Magnabosco¹  Lúcia Galvão De Albuquerque¹  Arcadio De Los Reyes¹  Luiz Antônio Framartino Bezerra¹  Raysildo Barbosa Lobo¹ 

[1] ,Universidade Federal de GoiásJataí GO

关键词: amostragem de Gibbs;    características morfológicas;    gado de corte;    valores genéticos;    Gibbs sampling;    morphological traits;    beef cattle;    breeding values;   

DOI  :  10.1590/S0100-204X2008000700007

来源: SciELO

【 摘 要 】

O objetivo deste trabalho foi comparar as estimativas de parâmetros genéticos obtidas em análises bayesianas uni-característica e bi-característica, em modelo animal linear e de limiar, considerando-se as características categóricas morfológicas de bovinos da raça Nelore. Os dados de musculosidade, estrutura física e conformação foram obtidos entre 2000 e 2005, em 3.864 animais de 13 fazendas participantes do Programa Nelore Brasil. Foram realizadas análises bayesianas uni e bi-características, em modelos de limiar e linear. De modo geral, os modelos de limiar e linear foram eficientes na estimação dos parâmetros genéticos para escores visuais em análises bayesianas uni-características. Nas análises bi-características, observou-se que: com utilização de dados contínuos e categóricos, o modelo de limiar proporcionou estimativas de correlação genética de maior magnitude do que aquelas do modelo linear; e com o uso de dados categóricos, as estimativas de herdabilidade foram semelhantes. A vantagem do modelo linear foi o menor tempo gasto no processamento das análises. Na avaliação genética de animais para escores visuais, o uso do modelo de limiar ou linear não influenciou a classificação dos animais, quanto aos valores genéticos preditos, o que indica que ambos os modelos podem ser utilizados em programas de melhoramento genético.

【 授权许可】

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