Habilidade de predição genômica para características de emissão de metano em bovinos da raça Nelore

• Processo: 23/14482-9
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de setembro de 2024
• Situação: Interrompido
• Área de conhecimento: Ciências Agrárias - Zootecnia - Genética e Melhoramento dos Animais Domésticos
• Pesquisador responsável: Maria Eugênia Zerlotti Mercadante
• Beneficiário: Tainara Luana da Silva Soares
• Instituição Sede: Instituto de Zootecnia. Agência Paulista de Tecnologia dos Agronegócios (APTA). Secretaria de Agricultura e Abastecimento (São Paulo - Estado). Nova Odessa , SP, Brasil
• Bolsa(s) vinculada(s): 25/08156-7 - Efeitos multicaracterísticos e não aditivos na predição genômica da emissão de metano em bovinos Nelore, BE.EP.DR
• Assunto(s): Melhoramento genético animal
• Palavra(s)-Chave do Pesquisador: genomic accuracy | Genomic models | Melhoramento genético animal

Resumo

O objetivo desse estudo será avaliar a habilidade de predição genômica de características de emissão de metano na raça Nelore utilizando diferentes modelos de predição genômica, estratégias de validação e variável resposta. O banco de dados, atualmente, é composto por 1050 animais da raça Nelore provenientes de quatro rebanhos distintos com informações fenotípicas para: emissão de metano (CH4; g/dia), emissão de metano por kg de matéria seca consumida (CH4CMS; g/kgCMS/dia), emissão de metano por unidade de ganho médio diário (CH4GMD; g/kgGMD/dia), emissão de metano por unidade de peso vivo médio (CH4PVM; g/kgPVM/dia) e metano residual (CH4RES; g/dia). Os animais foram genotipados com BovineHD BeadChip (770k) e GGP Indicus (50 e 70k). Os animais genotipados com menor densidade serão imputados para o HD. Os grupos de contemporâneos serão definidos considerando os grupos de coleta de metano composto por animais que participaram do teste de eficiência alimentar, do mesmo sexo e ano de nascimento. Serão avaliadas a acurácia de predição genômica dos métodos: GBLUP, BayesA e BayesB. Para avaliar a habilidade de predição desses modelos serão utilizadas diferentes abordagens de validação: cross-validação aleatória, idade e grupos não relacionados. As variáveis respostas utilizadas para avaliar a acurácia e o viés da habilidade de predição dos modelos será: y corrigido para os efeitos fixos, valor genético tradicional (EBV) e valor genético desrregredido (DEBV). A habilidade de predição será dada pela correlação (r) entre os GEBV estimado na população de validação e as variáveis respostas. O viés de predição será obtido regredindo as variáveis respostas sobre o GEBV e o quadrado médio do erro de predição (QME) será utilizado para verificar o ajuste dos modelos.