Escolar Documentos
Profissional Documentos
Cultura Documentos
2014
Captulo XIII
Modelos estadsticos de evaluacin gentica
Omar Verde
Luis F. Yez Cullar
Las evidencias disponibles sealan que los animales han desempeado desde
hace ms de 5000 aos, un papel importante en las actividades de la humanidad, tanto
para acompaamiento, como para trabajar la tierra o para la produccin de leche y
carne. Sin embargo, en el continente americano no existan caballos, bovinos, ovinos
y suinos, que fueron trados por los conquistadores hace unos 500 aos. En relativamente corto tiempo se logr pasar de unas vas rudimentarias de escogencia de reproductores a la aplicacin de metodologas cientficas. Se seala al ingls Robert Bakewell (1725-1795) como el iniciador de un programa sistemtico de utilizacin de
machos con caractersticas que consideraba acordes para sus ideales (Rice et al., 1967;
Johansson & Rendel, 1968). La creacin de asociaciones de productores, la incorporacin de la inseminacin artificial en los inicios del siglo XX y la superovulacin condujeron a la difusin masiva de los recursos genticos.
Por otro lado, los avances en los aspectos tericos de la gentica cuantitativa y poblacional, la estadstica aplicada a la evaluacin gentica, la creacin de microcomputadores, como en la capacidad y velocidad de los procesos y en el desarrollo de programas
computarizados dirigidos a obtener estimados de valores genticos, entre otros, han
permitido dar un salto significativo en los procesos de evaluacin gentica. El mejoramiento gentico tiene bsicamente dos componentes: el anlisis, que permite detectar
los mejores genotipos y la sntesis, que consiste en realizar las mejores combinaciones
de los materiales genticos, seleccin y apareamiento, respectivamente.
A continuacin, se presenta un resumen de las principales metodologas que se han
utilizado para escoger reproductores, desde la apreciacin visual hasta tcnicas genticoestadsticas, las cuales permiten sealar un valor numrico asociado con el estimado de la
capacidad gentica de un animal para una o varias caractersticas de relevancia.
107
109
Un sistema de codificacin para cada columna de X que permite obtener la desviacin del nivel asociado de cada factor incluido en el modelo, respecto al promedio general ajustado (m).
X 1 X 2
X 2 X 2
[1]
[2]
[3]
Por lo que:
b1
X . X
= 1 1
b2 X 2 . X1
X 1 . X 2
X 2 . X 2
X '1 . y
X' 2 . y
[4]
Se obtiene:
b1 = [ X 1 . X1 X '1 . X 2 (X 2 . X 2 ) 1 X ' 2 . X1 ] 1 * [ X '1 . y X '1 . X 2 (X ' 2 . X 2 ) 1 X ' 2 . y]
Considera uno de los efectos del modelo como efecto aleatorio y permite obtener
el componente de varianza asociado. Si este efecto es el padre del individuo que
produce un valor de respuesta, se estima, a travs de los medio-hermanos paternos, el ndice de herencia y su error estndar.
Anlisis de varias variables respuestas en forma simultnea y proporcionar correlaciones genticas entre los caracteres estudiados.
X' Z
b X' y
* =
Z' Z + a Z' y
[5]
111
Incorpor la matriz de parentesco entre los padres en evaluacin para, as, obtener mayor precisin en los estimadores en atencin a las relaciones entre ellos.
X' X
X' Z
Z X
Z' Z + A 1 .
b
a
X' y
[6]
Z' y
donde A-1 es la matriz inversa de las relaciones de parentesco asociadas con los
padres.
X Z m
Z d Z m + A 1 . 2
Z m Z m + A 1 . 3
X' Z d
Z d Z d + A 1 . 1
X W
Z dW
Z mW
b
a
X' y
Z d
*
=
m
Z m
W ' W + A 1 . 4 p W y
[7]
donde 1 = 2e / 2 ; 2 = 2e / m ; 3 = 2e / 2m ; y 4 = 2e / 2ap .
Incorpor en las matrices de trabajo los animales sin informacin directa para la
caracterstica en estudio (como, por ejemplo, becerros recin nacidos en peso a
548 das, toros en el caso de produccin de leche), de forma tal de poder obtener
estimados de valores genticos para ellos. Esto constituy un paso trascendental
para lo que fue denominado MODELO ANIMAL. Para este logro, se subdividi la matriz en dos grupos: animales con informacin y los que no la presentan, por lo que el sistema [6] puede ser representado por:
X X
Z X
0
X Z
Z' Z + A11 .
A 21 .
0
b
X
A . * a con = Z y
0
A 22 . a sin
12
[8]
donde A11 es la submatriz de la inversa de la matriz de parentesco asociada con los animales con informacin directa, A22 es la submatriz de la inversa de la matriz de parentesco asociada con los animales sin informacin directa, A12 es la submatriz de la inversa de la matriz de parentesco que relaciona animales con informacin y animales
sin informacin directa, A21 es la traspuesta de A12, b son las soluciones para los efectos
fijos, a con son las soluciones (valores genticos) para los animales con informacin directa a sin y son las soluciones (valores genticos) para los animales sin informacin
directa.
El Modelo Animal tiene grandes ventajas, entre las que se pueden mencionar:
Ajusta para los efectos que se considera pueden influir en la variacin del carcter
en estudio (sexo del becerro, ao y mes de nacimiento, edad de madre al parto, etc.).
Las relaciones de parentesco completas entre todos los animales son utilizadas
para predecir con una cantidad de informacin mayor cada valor gentico.
No requiere apareamiento aleatorio entre toros y vacas, pues al incluir los vientres en el modelo, se ajusta por el mrito gentico de cada uno de estos.
113
predicciones de valor gentico con mayor exactitud. Es decir, desde el punto de vista
terico, esta metodologa constituye un refinamiento o avance en las evaluaciones genticas, por lo que es de esperar mayor progreso.
La Regresin Aleatoria permite proyectar la evolucin de la trayectoria del crecimiento, an cuando los datos de cada animal son registrados a edades diferentes.
Toma en cuenta el tiempo entre las edades en las que se registraron los datos y proporciona un mtodo para analizar el patrn de variacin gentica que pudiera revelar
cambios potenciales en la trayectoria del crecimiento. Es decir, produce un valor gentico estimado para cada una de las edades de inters, y por lo tanto, es posible obtener las curvas de crecimiento desde el punto de vista de sus parmetros genticos.
Las capacidades de memoria virtual requeridas para realizar anlisis por Regresin Aleatoria son elevadas. Los avances tecnolgicos han hecho posible la difusin
de programas de computacin dirigidos a este fin, disponibles y de acceso libre. Aun
cuando la correlacin entre los valores genticos obtenidos por Regresin Aleatoria y
por Modelo Animal para el carcter peso corregido a 548 das o produccin de leche
total en la lactancia pueden ser elevadas, los resultados muestran, en algunos casos, diferencias considerables, tanto de magnitud como del signo.
Con esta metodologa es posible detectar reproductores con valor gentico elevado en toda la trayectoria (patrn estable), mientras que otros pueden presentar valores bajos al inicio y elevados al final (patrn dinmico), con una tendencia o pendiente ms pronunciada. En crecimiento se prefieren estos ltimos, ya que afecten lo menos posible el peso al nacer y generen progreso en las etapas finales del crecimiento;
mientras que en produccin de leche, un patrn estable favorecera la persistencia de
la lactancia, ms que valores elevados en el pico de produccin. Entonces, la informacin obtenida facilitar la seleccin, que ser ms precisa tomando en cuenta la evolucin de los valores genticos a lo largo del tiempo y la forma de la curva del carcter en
consideracin.
Mtodos bayesianos
Gianola & Fernando (1986) propusieron usar el enfoque bayesiano como mtodo general de estimacin, basado en el impulso generado por los mtodos de las Cadenas de Markov Monte Carlo, con un algoritmo muy difundido como lo es el muestreo
Gibbs. Bajo esta alternativa, se estima la distribucin posterior de valores de cra mediante mtodos muestrales y el valor resultante se usa para actualizar los parmetros
de los efectos fijos y (co)varianzas. Luego, se obtienen valores de cra de la distribucin recin actualizada, y se usa ese valor para actualizar efectos fijos y (co)varianzas,
repitindose el proceso un gran nmero de veces, digamos m. Si ciertas condiciones se
cumplen, estas iteraciones crean una cadena de Markov. Si se acumula un nmero razonablemente grande de muestras, de manera tal que las inferencias tengan un error
de simulacin pequeo, es posible estimar, por ejemplo, la media, mediana, varianza
de cualquier valor de cra.
115
117
Genmica
Un inters creciente se observa en la utilizacin del anlisis estadstico de la informacin molecular en la inferencia sobre valores genticos y en mapeo de locus de caractersticas cuantitativas (quantitative trait loci o QTL). Esto ha permitido generar mtodos que involucran varios marcadores y el mapeo gentico, disponindose de recursos
poderosos estadsticos y computacionales para el estudio y localizacin de QTL. Los
mtodos computacionales ms utilizados son REML y mtodos Bayesianos, los cuales
toman en consideracin la presencia de marcadores QTL en la genealoga.
Dos publicaciones que se consideran de importancia en este punto son las de
Fernando & Grossman (1989) y Hoeschele et al. (1997). Se hace aplicacin del BLUP
en un modelo lineal mixto con efecto aditivo para alelos en un marcador MQTL y
efecto aditivo en los restantes QTL. Se obtiene la estimacin de efectos fijos, de los
alelos MQTL y de los alelos QTL mediante las relaciones de parentesco y mediciones
fenotpicas. El modelo permite trabajar con individuos sin informacin o con informacin parcial. Sealan la posibilidad de trabajar con marcadores multiples.
RECURSOS COMPUTACIONALES
En la actualidad, existen numerosos programas disponibles para la estimacin
de componentes de varianza y prediccin de valores genticos de animales, algunos
en forma gratuita; otros requieren la cancelacin de una cuota. La gran mayora estn
bien documentados. Entre ellos podemos mencionar: LSMLMW y MIXMDL PC-2
(Harvey); DFREML (Meyer); PEST y VCE (Groeneveld, Kovacs y Wang); JAA,
MTC, etc. (Misztal); ASREML (Gilmore); WINBUGS; MTDFREML (Boldman,
Kriese, Van Vleck Van Tassell y Kachman); SAS; R; ABTK (Golden, Snelling y Mallinckrodt); DMU (Jensen y Madsen); GFCAT (Konstantinov); SURVIVAL KIT
(Ducrocq y Solkner); MATVEC (Wang, Fernando y Kachman); MTGSAM (Van
Tassell y Van Vleck); WOMBAT (Meyer); por slo mencionar algunos.
anotacin de los eventos productivos que suceden, evaluacin sanitaria del rebao,
examen ginecolgico y androlgico, eliminacin de animales improductivos, creacin y divisin de potreros, introduccin de pastos, desarrollo de planes reproductivos y sanitarios permanentes, programa de conservacin de pastos, etc. Si estos subprogramas no funcionan de manera adecuad, cualquier subprograma gentico que se
ponga en marcha tendr reducidas o nulas posibilidades de xito.
REFERENCIAS BIBLIOGRFICAS
Boldman KG, Kriese LA, Van Vleck L D, Van Tassell CP. Kachman SD. 1995. A manual for use of MTDFREML. A set of programs to obtain estimates of variances and covariances (Draft). United States Department of Agriculture. Agricultural Research
Service. Clay Center. NE. 114 pp.
Cunningham EP, Henderson CR. 1968. An iterative procedure for estimating fixed
effects and variance components in mixed model situations. Biometrics 24: 13.
Elzo MA. 1996. Unconstrained procedures for the estimation of positive definite covariance matrices using restricted maximum likelihood in multibreed populations. J Anim
Sci. 74:317-328.
Elzo MA. 2006. Evaluacin gentica de animales en poblaciones multirraciales de bovinos utilizando modelos lineales. Arch Latinoam Prod Anim. 14. Supl 4:154-160.
Elzo MA, Wakeman DL. 1998. Covariance components and prediction for additive and
nonadditive preweaning growth genetic effects in an Angus-Brahman multibreed herd.
J Anim Sci. 76:1290-1302.
Fernando RL, Grossman M. 1989. Marker Assisted Selection Using Best Linear Unbiased Prediction. Genet Sel Evol. 21: 467-477.
Gabriel KR. 1963. Analysis of variance of proportions with unequal frequencies. J Am
Stat Assoc. 58:1133.
Gianola D, Fernando RL. 1986. Bayesian methods in animal breeding theory. J Anim
Sci. 63:217-244.
Graser HU, Smith SP, Tier B. 1987. A derivative-free approach for estimating variance components in animal models by restricted maximum likelihood. J Anim Sci. 64:1362 1370.
Harvey W. 1960. Least-squares Analysis of Data with Unequal Subclass Numbers. ARS
20-8, Agricultural Research Service, U.S. Dept. of Agriculture, Room 13, NAL Bldg.,
Beltsville, Maryland 20705.
Harvey W. 1982. Least-squares analysis of discrete data. J Anim Sci. 54(5):1062.
Harvey W. 1990. Users guide for LSMLMW and MIXMDL PC-2 version. Mixed Model Least-squares and Maximum Likelihood Computer Program. 91 pp.
Harville DA. 1977. Maximum likelihood approaches to variance component estimation
and to related problems. J Am Stat Assoc. 72:320-340.
Henderson CR. 1948. Estimation of general, especific and maternal abilities. Ph.D. Thesis. Iowa State University.
Henderson CR. 1984. Aplications of Linear Models in Animal Breeding. Univ. Guelph,
Ontario, Canada. 462 pp.
Henderson CR. 1988. Theoretical basis and computational methods for a number of
different animal models. Proceedings of the animal model workshop. J Dairy Sci 71 Supl
2:1-16.
119