Modelos de dimensão infinita para estimação de parâmetros genéticos da produção de leite de búfalos da raça Murrah

Abstract

Parâmetros genéticos para a produção de leite no dia do controle de primeiras lactações de búfalas da raça Murrah foram estimados por meio de modelos de regressão aleatória, utilizando a metodologia da máxima verossimilhança restrita e Bayesiana. Para descrever as mudanças nas variâncias com o decorrer dos dias em lactação foram utilizados 17.935 registros da produção de leite no dia do controle, provenientes da primeira lactação de 1.433 búfalas. Os modelos incluíram os efeitos fixos de grupo contemporâneo, número de ordenhas e a covariável idade da vaca ao parto. Primeiramente foram analisados 27 modelos de regressão aleatória e os efeitos genético aditivo e de ambiente permanente foram modelados usando a função de Wilmink, Ali e Schaeffer e polinômios ortogonais de Legendre. Também foram avaliadas diferentes formas de ajuste do efeito residual. Os modelos foram comparados usando o critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), Log da função de máxima verossimilhança (LMV), medida da informação teórica da complexidade do modelo (ICOMP), percentagem relativa da redução da complexidade (PRRC) e variância residual ponderada (VRP). Na segunda parte do trabalho, foram testados 12 modelos que usaram diferentes combinações dos polinômios ortogonais de ordens três, quatro, cinco, seis e sete para os efeitos genético aditivo e de ambiente permanente. Os modelos foram comparados pelas estimativas do quadrado médio do resíduo, componentes de variâncias, herdabilidades, correlações, autovalores e autofunções. Os resultados obtidos indicam que: os modelos de regressão aleatória foram adequados em descrever a variação genética da produção de leite, com exceção do início e final da lactação, sendo que os seguintes modelos de regressão aleatória podem ser indicados para modelar a produção de leite no dia do controle de búfalas, em programas de avaliação genética: modelo que usou a função de Ali e Schaeffer com variância residual homogênea (AS_HO); e o modelo que utilizou a ordem de ajuste do polinômio para o efeito genético aditivo e de ambiente permanente igual quatro e seis, respectivamente, com seis classes de variâncias residuais (PL466).

Genetic parameters for first lactation test-day milk yields of buffaloes Murrah breed were estimated using random regression models, using restricted maximum likelihood and Bayesian methods. A total of 17,935 test-day milk records of 1,433 buffaloes were used to describe the changes that happen in the variances along lactation curve. The models included fixed effects of contemporary group, milking number and age of buffaloe as covariable. Firstly were analyzed twenty seven random regression models using Wilmink, Ali & Schaeffer function or Legendre orthogonal polynomial to fit additive genetic and permanent environmental effects. The models were compared by Akaike s information criterion (AIC), Bayesian information criterion (BIC), Log likelihood function, information-theoretic measure of model complexity (ICOMP), percentage relative reduction of complexity (PRRC) and weighted residual variance (VRP). In second part of this work, were tested 12 models, varying the orders of the orthogonal polynomial (third, fourth, fifth, sixth and seventh orders) for the additive and permanent environmental effects. The models were compared by residual mean square errors, variances components, heritabilities, correlations, eigenvalues and eigenfunctions estimates. The results indicated that random regression models were adequate to describe the genetic variation for test-day milk yield, except for the beginning and at the end of the lactation, and the following random regression models can be recommended to fit test- day milk yields of buffaloes in evaluation genetic programs: model using Ali and Schaeffer function with homogeneous residuals variances (AS_HO) and models using fourth and sixth order for additive genetic and permanent environmental effect , respectively, with six residuals variances classes (PL466 ).