Upload
others
View
15
Download
0
Embed Size (px)
Citation preview
Dr. José Gallardo. Resistencia genética a patógenos en acuicultura.
Dr. José A. Gallardo
OBJETIVOS TERMINALES
1.- Conocer principios generales de la mejora genética.
2.- Conocer estructura y resultados de un programa de mejora genética de salmones.
3.- Conocer software de apoyo y nuevos desafíos.
Genotipo Fenotipo
Carácter cualitativo
Pigmentado v/s no pigmentado
Pigmentación del cuerpo
Carácter cualitativo:Expresa una cualidad; Controlados por pocos genes; Sin influencia del ambiente sobre su expresión.
Carácter cuantitativo:Expresa una cantidad; Controlados por muchos genes; Gran influencia del ambiente sobre su expresión.
Genotipo + Ambiente (manejo productivo) = Fenotipo
Carácter cuantitativo
Según los genetistas :Son técnicas y procedimientos de genética que permiten modificar caracteres biológicos (cualitativos o cuantitativos), de importancia económica, para mejorar la eficiencia de los sistemas productivos en la empresa.
Mejora genética
Paso 1: Formular los objetivos del mejoramiento.Identificar rasgos de importancia económica para mi sistema de producción.Establecer ponderaciones económicas.¿Los puedo medir?, ¿Dónde estoy?, ¿Dónde quiero llegar en el mediano y largo plazo? , ¿Qué me piden mis clientes?Seleccionar unos pocos caracteres es mejor.
Paso 2: Definir población baseUsar la mejor disponible, realizar líneas sintéticas.
Paso 3: Estimar parámetros genéticos.Heredabilidad, correlaciones genéticas, interacción genotipo-ambiente, etc.¿Qué es eso?, ¿Para qué sirven?,¿Qué diseño debo utilizar para estimarlos?
Heredabilidad (h 2)
Muy bueno: h2 > 0,50.Bueno: 0,20 < h2 > 0,40.Muy malo: h2 < 0,10 (usar otras rasgos o marcadores genéticos).
Heredabilidad (h 2)
Correlaciones genéticas (r g)
Correlaciones genéticas (r g)Muy bueno: Correlación positiva crecimiento y resistencia a patógenos.
Bueno: Sin correlación.Malo: Correlación negativa crecimiento y resistencia a patógenos.
Muy malo: Sin información
Diseño estándar para mejora genética de salmones
Full sib
Full sib
Full sib
Full sib
Full sib
Full sib
Full sib
Full sib
Full sib
Peces para selección
Peces para evaluación
Núcleo
Centros de prueba
Piscicultura 1 Piscicultura 2
Pez Fam A Fam B Fam C Fam D
1 130 110 70 90
2 100 90 70 50
3 80 60 60 30
4 50 60 40 30
Promedio 90 80 60 50
Promedio 70
¿Elegir 4 mejores animales de 16 candidatos posible s?
Modelo animal requiere:
1.- Matriz de fenotipos ( y).
2.- Matriz de parentesco ( A): genealogía.
3.- Matrices de diseño ( XZ): Año, Piscicultura, Estanque, Fecha desove, etc.
4.- Parámetros genéticos y fenotípicos (λ): varianzas (h 2), covarianzas ( rg).
Mérito genetico total para varios rasgos
Ecuaciones modelo animal
Selección BLUP y Consanguinidad Optimización de cru zamientos
E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D
CLASE AÑO IMPAR B L U P B L U P B L U P B L U P B L U P
BASE G1 G2 G3 G4 G5
CLASE AÑO PAR B L U P B L U P BLUP B L U P
BASE G1 G2 G3 G4
AÑO 1998 AÑO 1999 AÑO 2001AÑO 2000AÑO 1991 AÑO 1992 AÑO 1993 AÑO 1994 AÑO 1995 AÑO 1996 AÑO 1997
Objetivo de selección = Peso a la cosecha + desove temprano
Correlación con otros rasgos reproductivos y de calidad en planta
Even population Odd population
Year
class
Sires Dams Harvest
weight
Spawn
Day
Year
Class
Sires Dams Harvest
weight
Spawn
day
1992 22 50 851 208 1993 36 99 1.632 331
1994 33 93 951 198 1995 32 102 1.746 283
1996 27 103 1.796 349 1997 33 100 4.070 309
1998 30 100 4.458 232 1999 31 98 2.220 364
2000 34 99 3.796 1285 2001 43 100 2.159 60
Total 144 445 11.852 2272 Total 174 498 9.668 1.347
Animal Padre Madre Jaula Sexo Peso
2000001 1190 190 1 1 8500
2000002 1190 190 1 2 3800
2000003 1190 190 1 2 3900
2000004 1190 190 2 1 7000
2000005 1190 190 2 2 3500
2000006 1190 190 2 1 4700
2000007 1190 200 1 1 4800
2000008 1190 200 1 1 4300
2000009 1190 200 1 1 7300
2000010 1190 200 2 2 5000
2000011 1190 200 2 2 5600
2000012 1190 200 2 1 6400
Propósito: Permite estimar parámetros genéticos (heredabilidad, ganancia genética) y elaborar ranking de peces (análisis BLUP).
0
1000
2000
3000
4000
5000
1 2 3 4 5
Generaciones
Pes
o a
la c
osec
ga (
g)
0
1000
2000
3000
4000
5000
1 2 3 4 5
Generación
Pes
o a
la c
osec
ha (
g)
Fenotipo
Fenotipo
Respuesta genética: 302 g por generación (9 %).
Respuesta genética: 383 g por generación (10%).
h2 peso cosecha = 0,21-0,37
Respuesta fenotípica (DP) y genética (∆∆∆∆G) a la selección para desove temprano en salmón Coho.
∆∆∆∆P ∆∆∆∆G
Even -13 d - 2.7 d
Odd -15 d - 4.4 d
h2 fecha de desove: 0,44
0
5
10
15
20
25
Base G1 G2 G3 G4
Inbr
eedi
ng (
%)
EvenOdd
Pop. Sires Dams Ne ∆F
Even 22 50 61 2.4 %
Odd 36 99 106 1.1 %
Cruzamientos que minimizan el parentezco de los padres seleccionados
Software ASREML: Permite estimar componentes de varianza y valores de cría (BLUP) usando modelos mixtos complejos.
Software PEDIGREE Viewer: Permite evaluar genealogías, calcular consanguinidad y estimar valores de cría (BLUP) usando modelos simples.
Software LINDO: Permite optimizar cruzamiento mediante programación lineal. Simple pero efectivo.
Software SAS: Permite manejar y evaluar datos de genealogía y de producción antes de realizar análisis genéticos usando diseños complejos.
Software ACCCES: Permite almacenar grandes cantidades de datos de genealogía y de producción.
GIMS: Permite manejar y evaluar distintas fuentes de información de genealogías y datos de producción, genes, etc. Creado para animales de granja en Australia.
GenDataSave: Permite manejar y evaluar distintas fuentes de información de genealogías y datos de producción, especies, etc. Creado para acuicultura en Chile.
Estimación de heredabilidad para resistencia a Caligus en salmón del Atlántico.
Trait h2 + EE
Sessile lice by fishWith BW as covariable
With-out BW as covariable
SLF 0,34 ± 0,07** 0,42 ± 0,08 **
TESL 0,34 ± 0,07** 0,42 ± 0,08 **
Mobile lice by fish
ML 0,06 ± 0,06 ns 0,18 ± 0,08 ns
� �
Software BLUPF90: Desarrollado en USA. Permite estimar valores de cría (BLUP) usando modelos mixtos complejos. Actualmente permite incorporar información genómica. Muyusado en USA.
www.joseandresgallardo.wordpress.com
www.red.cyted.gicpa.ucv.cl