Autor(es)

Mota, Lucio F. M. ; Arikawa, Leonardo M. ; Valente, Julia P. S. ; Fonseca, Larissa F. S. ; Mercadante, Maria E. Z. ; Cyrillo, Joslaine N. S. G. ; Oliveira, Henrique N. ; Albuquerque, Lucia G.

• Tipo de documento: Artigo Científico
• Fonte: SCIENTIFIC REPORTS; v. 15, n. 1, p. 15-pg., 2025-07-01.

Resumo

Genomic selection (GS) has become a widely used tool in breeding programs, enhancing selection accuracy and leading to faster genetic progress. However, in small populations, GS faces challenges due to limited data and a large number of markers potentially leading to biased predictions. Implementing feature selection strategies is essential to improve prediction accuracy and avoid overfitting. Hence, we compared the predictive ability of genomic best linear unbiased prediction (GBLUP), Bayesian B (BayesB), and elastic net (ENet) models, using all markers and feature selection via GWAS and fixation index (FST) to reduce marker numbers, for growth and ultrasound carcass traits in three Nellore cattle populations differentially selected for yearling body weight (YBW). The populations evaluated included: Nellore Control (NeC), selected for YBW; Nellore Selection (NeS), selected for maximum YBW; and Nellore Traditional (NeT), selected for maximum YBW and lower residual feed intake (RFI) since 2013. Comparing the statistical approaches using GBLUP as the reference, ENet improved prediction accuracy by 10% for growth traits and 12% for carcass traits, while BayesB showed no improvement for growth traits but achieved a 3% gain for carcass traits. When comparing models using all markers to those with variable selection, both GWAS and FST improved prediction accuracy across models, with FST outperforming GWAS in stratified populations. A stricter GWAS threshold (> 1.0% explained variance), compared to a less conservative criterion (> 0.5%), reduced BayesB prediction accuracy (6.8%), while slightly increasing accuracy for GBLUP (1.3%) and ENet (2.4%). Similarly, a more restrictive FST threshold (> 0.2) against a less conservative (> 0.1) resulted in smaller gains for GBLUP (4%) and ENet (5%), but reduced BayesB accuracy (- 4%). Overall, selecting markers through GWAS and FST improves prediction accuracy for both growth and carcass traits, particularly in stratified populations. However, stricter thresholds can negatively impact accuracy, highlighting the need for optimized marker selection strategies. (AU)

• Processo FAPESP: 17/50339-5 - Plano de desenvolvimento institucional de pesquisa do Instituto de Zootecnia (PDIp)
• Beneficiário: Lenira El Faro Zadra
• Modalidade de apoio: Auxílio à Pesquisa - Programa Modernização de Institutos Estaduais de Pesquisa
• Processo FAPESP: 09/16118-5 - Ferramentas genômicas no melhoramento genético de características de importância econômica direta em bovinos da raça Nelore
• Beneficiário: Lucia Galvão de Albuquerque
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 18/20026-8 - EMU concedido no processo 2017/10630-2: servidor
• Beneficiário: Lucia Galvão de Albuquerque
• Modalidade de apoio: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
• Processo FAPESP: 17/10630-2 - Aspectos genéticos da qualidade, eficiência e sustentabilidade da produção de carne em animais da raça Nelore
• Beneficiário: Lucia Galvão de Albuquerque
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 06/58092-4 - Estudo de caracteristicas de carcaca de animais nelore e caracu, de um ano ate a idade adulta, utilizando ultra-sonografia.
• Beneficiário: Maria Eugênia Zerlotti Mercadante
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 22/11852-7 - Modelo de equação estrutural como uma ferramenta para interpretar a interação genótipo-ambiente e estudos de associação genômica (GWAS) para características de crescimento e reprodução em novilhas da raça Nelore usando dados de sequência completa
• Beneficiário: Lúcio Flávio Macedo Mota
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado