Estimação de parâmetros genéticos para período de gestação em bovinos da raça holandesa

Abstract

A inclusão do período de gestação (PG) nos programas de melhoramento da raça de bovinos Holandesa pode ser importante para selecionar animais com um PG ideal, com objetivo de reduzir partos distócicos e abortos. A modelagem genética do PG tem sido variada, definindo-o como fenótipo da vaca ou do bezerro. Neste contexto, considera-se avaliar essa característica como fenótipo do bezerro para se proporcionar maior oportunidade de resposta à seleção. Assim, o objetivo deste estudo foi estimar componentes de variância e parâmetros genéticos utilizando diferentes modelos para ajustar período de gestação como fenótipo da vaca ou do bezerro em bovinos da raça Holandesa no Brasil. O banco de dados incluindo informações de 339.510 registros de PG foi fornecido pela Associação Brasileira de Criadores de Bovinos da Raça Holandesa (ABCBRH) e disponibilizado pela Embrapa Gado de Leite. Para definir o melhor modelo para avaliar o PG, foram contrastados um total de 16 modelos, nos quais o PG foi definido em dois conjuntos de oito modelos: como fenótipo da vaca (MOD1 a MOD8) ou como fenótipo do bezerro (MOD9 a MOD16). Os modelos diferiram em relação aos efeitos maternos, efeitos do touro de serviço, efeito ambiental permanente da vaca e efeito ambiental permanente paterno e foram comparados por: qualidade do ajuste usando o Deviance Information Criterion (DIC), estimativas de parâmetros genéticos e capacidade preditiva (usando o método de regressão linear – LR). O coeficiente de correlação de classificação de Spearman entre os valores genéticos preditos (EBVs) foi usado para avaliar a potencial reclassificação de animais entre os modelos. A contribuição de informações genômicas, por meio da abordagem da ssGBLUP, na predição genética para o PG também foi avaliada. As estimativas de herdabilidade diferiram entre os modelos, variando de 0,20 a 0,21 para os modelos em que o PG foi avaliado como fenótipo da vaca e de 0,14 a 0,69 para os modelos em que PG foi avaliado como fenótipo do bezerro. O MOD4 (que incluiu os efeitos genético aditivo direto da vaca e ambiental permanente do touro de serviço) e MOD16 (que incluiu os efeitos genético aditivo direto do bezerro, materno, paterno, ambiental permanente materno e ambiental permanente paterno) apresentaram melhores resultados para o DIC e capacidade preditiva. O MOD16 apresentou maior acurácia (0,38) e menor viés (0,55) em comparação com o MOD4 (acurácia de 0,31 e viés de 0,68). Os modelos MOD15 e MOD16, apresentaram os maiores valores de correlação de rank com os demais modelos, variando de 0,71 a 0,94 e 0,68 a 0,95, respectivamente. A inclusão de informação genômica nos modelos resultou em maior acurácia e dispersão, menor viés e maior correlação entre os valores genéticos-genômicos (GEBVs) preditos usando o arquivo de dados reduzidos e GEBVs preditos usando os dados completos. No contexto geral, o MOD16, considerando o PG como fenótipo do bezerro, resultou em melhor ajuste e melhor capacidade preditiva para a avaliação genética de bovinos Holstein no Brasil. Os resultados com a inclusão de informação genômica reforçam sua importância nas avaliações genéticas. Palavras-chave: avaliação genética. componentes de variância. efeito materno. eficiência reprodutiva. parâmetros genéticos. seleção genômica.The inclusion of gestation length (GL) in Holstein cattle breeding programs can be crucial for selecting animals with an optimal GL, aiming to reduce dystocia and abortion rates. Genetic modeling of GL has varied, with some approaches defining it as a trait of either the cow or the calf. Here, we focus on evaluating GL as a calf phenotype to enhance selection response opportunities. This study aimed to estimate variance components and genetic parameters using various models to adjust GL as either a cow or calf phenotype in Holstein cattle in Brazil. The dataset, comprising 339,510 GL records, was provided by the Associação Brasileira de Criadores de Bovinos da Raça Holandesa (ABCBRH) and made available by Embrapa Gado de Leite. Sixteen models were tested to determine the optimal model for evaluating GL, divided into two sets of eight models each: one where GL was defined as a cow phenotype (MOD1 to MOD8) and another as a calf phenotype (MOD9 to MOD16). Models differed in terms of maternal effects, service sire effects, permanent environmental effects of the cow, and permanent paternal environmental effects. Model comparisons were based on the Deviance Information Criterion (DIC), genetic parameter estimates, and predictive capacity (using linear regression - LR). The Spearman rank correlation coefficient between predicted genetic values (EBVs) was used to assess potential animal reclassification between models. The contribution of genomic information through the ssGBLUP approach was also evaluated for genetic prediction of GL. Heritability estimates varied by model, ranging from 0.20 to 0.21 for models where GL was considered a cow phenotype, and from 0.14 to 0.69 where GL was evaluated as a calf phenotype. MOD4 (including direct additive genetic effects of the cow and permanent environmental effects of the service sire) and MOD16 (including direct additive genetic effects of the calf, as well as maternal, paternal, permanent maternal environmental, and permanent paternal environmental effects) showed superior results in terms of DIC and predictive capacity. MOD16 achieved higher accuracy (0.38) and lower bias (0.55) than MOD4 (accuracy of 0.31 and bias of 0.68). Models MOD15 and MOD16 had the highest rank correlation values with other models, ranging from 0.71 to 0.94 and 0.68 to 0.95, respectively. Including genomic information in the models led to higher accuracy and dispersion, reduced bias, and higher correlation between genomic breeding values (GEBVs) derived from reduced and complete datasets. Overall, MOD16, considering GL as a calf phenotype, provided a better fit and predictive capacity for genetic evaluation of Holstein cattle in Brazil. Results underscore the importance of genomic information in enhancing genetic evaluations. Keywords: genetic evaluation. variance components. maternal effect. reproductive efficiency. genetic parameters. genomic selection.