ESTIMADO DEL VALOR GENÉTICO:

PREDICCIÓN GENÉTICA

Índices de Selección

Mejor predictor lineal insesgado(BLUP)

Conocimientos de estadística y matemática matricial

Cuando utilizarlos y de qué son capaces

ÍNDICES DE SELECCIÓN

Combinación lineal de información fenotípica y factores de ponderación

Datos de desempeño provienen de grupos contemporáneos genéticamente similares.

I = b1x1 + b2x2 + ......+ bnxn

I = Valor del índice de selección (predicción genética)

bi = factor de ponderación

xi = dato de información fenotípica

n = número total de datos con información fenotípica

Fuentes de información:

Desempeño propio del individuo

Registros de desempeño de los ancestros(datos de pedigree)

Registros de desempeño de los descendientes(datos de progenie)

Datos de pedigree

Información sobre el genotipo o desempeñode los ancestros y/o parientes colateralesde un individuo.

Datos de progenie:

Información sobre el genotipo o desempeñode los descendientes de un individuo.

Cantidad de información es variable

Antes del nacimiento o muy jóvenes = pedigree

A medida crecen = datos de ellos mismos

Si se seleccionan = datos de progenie

Cada dato expresado como desviacióndel grupo contemporáneo

Asume similaridad genética

Puede provocar sesgo

Solo con grupos G similares

Predicción utilizando Regresión

Predicción de un valor = coeficiente de regresión x evidencia

I = b1x1 + b2x2 + ......+ bnxn

Predicción utilizando una sola fuente de información

I = bx

Ejemplos de fórmulas:

Fuente de CoeficientePredicción información regresión Precisión

EBV un dato (no re-petido) de desem- h2 hpeño del individuo

EBV promedio de re-gistros de proge- 2lkh2 lkh2

nie de l camadas 4+(k-1)(2h2+4c2fs)+(l-1)kh2 4+(k-1)(2h2+4c2

fs)+(l-1)kh2

de tamaño k

MPPA promedio de nregistros del nr nrindividuo 1 + (n-1)r 1 + (n-1)r

Ejemplo:Cálculo de MPPA para una vacaFuente de información: información de la propia vacaPromedio 5 lactaciones, 1072 lbs sobre grupo contemp.

b = 5 (0.5) 1 + (5-1)0.5

b = 0.833

nr

1 + (n-1)r

b =

I = bx

MPPA = 0.833(1072)

MPPA = +893 libras

nr

1 + (n-1)r

5(0.5)

1 + (5-1)0.5

Precisión =

=

= 0.91

Regresión por cantidad de información

Predicción genética “conservativa”(cercana a la media),

dependiendo de la cantidad de información

utilizada en el cálculo.

Ejemplo: Vaca No.2Dos lactaciones con prom. 1024 lbs sobre la media

nr

1 + (n-1)rb =

2(0.5)

1 + (2-1)0.5b = = 0.667

I = 0.667(1024)

= +803

nr

1 + (n-1)r

2(0.5)1 + (2-1)0.5

Precisión =

=

= 0.82

Ejemplo: Vaca No. 3Sólo una lactancia, 918 lbs menos que la media

nr

1 + (n-1)rb =

1(0.5)

1 + (1-1)0.5b = = 0.5

I = 0.5(-918)

= -459

nr1 + (n-1)r

1(0.5)1 + (1-1)0.5

Precisión =

=

= 0.71

-918 -459 0 803 893 1072 1204

PA3 PA3 PA2 PA1 PA1 PA2

Factores que afectan la precisión de la predicción

1. Heredabilidad

heredabilidad precisión

2. Número de registros

Número de registros precisión

3. Relaciones de pedigree

Parentesco Precisión

Precisión de la predicción del BV con una fuente de información

Fuente de Relaciones de No. de heredabilidadInformación Pedigree Registros .05 .30 .70

Individuo 1.00 1 .22 .55 .84

Medios hermanos .25 1 .06 .14 .21 10 .17 .33 .41 20 .22 .39 .45 100 .37 .47 .49 1,000 .48 .49+ .49+

Progenie .50 1 .11 .27 .42 10 .34 .67 .82 20 .45 .79 .90 100 .75 .94 .98 1,000 .96 .99 .99+

Índice de selección de primerizas

I.S.=300+(3*Peso21días kg) - (Días 90kg) - (30*G.Dorsal pul.)

Ejemplos:

Primeriza 1= 300+(3*6.2)-180-(30*0.8) = 114.6

Primeriza 2= 300+(3*4.8)-210-(30*1.2) = 43.8

Primeriza 3= 300+(3*7.0)-158-(30*0.7) = 142.0

Indice de camada (OHIO)

I.C. = 6.5*No.Nacidos vivos+Peso 21 días ajustado

Ajuste Primerizas = 9 libras x lechón - 10 Adultas = 10 libras x lechón - 10

Comparación de animales utilizando información de

Grupos genéticamente diversos

Mejor Predictor Lineal Insesgado (BLUP)

Método de predicción genética que es particularmente apropiado cuando los

registros de desempeño provienen de grupos contemporáneos genéticamente diversos.

Requiere proceso de cálculo intensivos

Involucra la solución simultánea de un número de ecuaciones

Provee predicciones para una población entera

Es el método preferido para evaluaciones genéticas a gran escala

Modelos (Tipos) de BLUP

Modelos estadísticos

Modelos de padres

Modelos de Abuelos Maternos del padre

Modelo Animal

Modelo para medidas repetidas

Capacidades de modelos BLUP avanzados

BLUP-modelo animal1. Niveles genéticos de grupos contemporáneos

Diferencias en la media del BV de gruposcontemporáneos.

Efectos del grupo contemporáneo

Índices de selección no consideran esta diferencia

2. Dirección genética

Población con selección efectiva por períodos largos

Problema con los índices de selección

BLUP puede comparar diferentes grupos

3. Uso de todos los datos

Índices de selección = registros de pocas fuentes

BLUP = registros de todos los animales

Que tan beneficioso incluir tanta información?

X Abuelo 1

Padre 1

Y Abuela

Madre

Abuelo 2

Z Padre 2

BLUP - modelo animal

Ìndice de Selección, modelo del padre

X Abuelo 1

Padre 1

Y

Abuelo 2

Z Padre 2

4. Montas No-al azar

Los machos no se asignan al azar a las hembras

BLUP ajusta predicciones de animales por el mérito de sus montas

Evita que se vea un individuo superior a lo que es

RESPUESTA CORRELACIONADA

A LA SELECCIÓN

¿QUÉ CAUSA LA RESPUESTA CORRELACIONADA?

Mecanismos Genéticos

1. Ligamiento

Causa temporal

2. Pleiotropía

Un gen afecta más de una característica

Gen del halotano

HYYP en caballos

Características poligénicas relacionadas

Genes pleiotrópicos

Carac. X Carac. Y

Correlación Genética

Relación entre BV de una característicay el BV de otra característica.

Importancia relativa de los efectospleiotrópicos sobre dos características

Ejemplo:

Largo de la quilla y peso corporal en pavoscorr. 0.5

Peso corporal y número de huevos0.05

Producción de leche y % de grasa-0.3

Días a 230 libras e ICA en cerdos+0.7

Ganancia diaria de peso e ICA-0.7

Factores que afectan la respuesta correlacionada

1. Respuesta directa a la selección

Cambio genético en la característicaresultado de la selección para esa caract.

PrecisiónIntensidad de selecciónIntervalo generacional

2. Correlación genética entre las características (X y Y) y la variación genética en Y

Correlación alta o baja?

Variación alta o baja?

Selección por respuesta correlacionada

Selección indirecta

1. Mediciones difíciles o muy caras

Conversión alimenticia

2. Precisión de selección mayor en carac. correlacionada que en la caract. de interés

3. Intensidad de selección

Carac. correlacionada = continuaCarac. de interés = umbral

Peso al nacimiento y dificultad de parto

“Característica Indicadora”

SELECCIÓN PARA

MÚLTIPLES CARACTERÍSTICAS

Valor de cría agregado

El valor de cría de un individuo para una combinación de características.

“mérito neto”

¿Cuál es el mejor animal?

Métodos de selección para múltiples características

Categorías de selección

• Selección “tandem”

• Niveles de descarte independientes

• Índices de selección económicos

1. Selección “tandem”

Selección en orden cronológico

“Objetivo (blanco) de la selección”

Efectividad depende de Gr

2. Niveles de descarte independientes

Estándares mínimos en las característicasa seleccionar.

+4

+33

EPD Peso al nacimiento

EPD Peso

al año

0-4

+17

+49

Muy popular (atractivo por la intuición)

Conveniente cuando se selecciona adiferentes edades

Dificultades:

Determinar el nivel adecuado

Pueden descartarse animales buenos

Índices de selección económicos

I = b1x1 + b2x2 + .... + bn xn

I = valor del índice o predicción genética

b1 = factor de ponderación

x1 = pieza de información o evidencia

n = número total de piezas de información

Índices de selección fenotípica

Ej. Peso al año y peso al nacimiento

H = 1.1PA – 6.52PN

I = PA – 5.8PN

Grupo contemporáneo de toretes

Peso al año Peso nac. Valor Índice Orden

1,125 80 661 1 1,066 77 619 2 1,050 79 592 3 1,202 108 576 4 1,058 84 571 5 1,100 94 555 6 980 75 545 7 922 68 528 8 976 87 471 9 1,034 102 442 10

+4

+33

EPD Peso al nacimiento

EPD Peso

al año

0-4

+17

+49