aula17

Information about aula17

Published on December 28, 2007

Author: BAWare

Source: authorstream.com

Content

Avaliação genética:  Avaliação genética Slide2:  Existem duas formas clássicas de se promover mudanças na constituição genética da população: seleção e sistemas de acasalamento. Seleção é a escolha de animais que serão pais da próxima geração, determinando quantos descendentes deverão produzir e por quanto tempo deverão permanecer em reprodução na população. Para fazer seleção é necessária a identificação dos animais geneticamente superiores, isto é que possuam maior valor como pais da próxima geração. Slide3:  Em geral, as características de importância econômica são poligênicas, isto é, são determinadas por vários pares de genes com pequeno efeito individual e sofrem grande influência do ambiente. Em conseqüência, o valor fenotípico de um animal – uma categoria observada ou nível de desempenho medido para determinada característica – não reflete exatamente o seu valor como pai, que é o seu valor genético. Slide4:  Os pais não transmitem o seu genótipo aos descendentes e sim uma amostra aleatória de genes. Slide5:  Os diferentes gametas produzidos por um mesmo animal vão possuir materiais genéticos diferentes. Slide6:  A DEP – diferença esperada na progênie - é a predição da média do valor genético (A) de todos os gametas produzidos por um animal. Slide7:  Corresponde ao efeito aditivo médio dos genes de um animal que são transmitidos para um grande número de filhos, uma progênie de tamanho infinito. A DEP é também uma indicação da Habilidade de Transmissão do indivíduo, ou a metade do seu valor genético como indivíduo. Para que servem as DEP’s?:  Para que servem as DEP’s? Servem para comparar e classificar animais. Elas devem ser interpretadas como a diferença esperada entre o desempenho médio dos filhos de um animal e o desempenho médio dos filhos de outro animal com DEP zero (base), dado que todos os outros fatores sejam iguais. Slide9:  Diferenças esperadas na progênie e respectivas acurácias para peso a um ano de idade Slide10:  Os diferentes valores de DEP estão indicando que: dado que os touros sejam acasalados com um grande número de vacas com o mesmo valor genético médio, as diferenças das DEPs entre os touros vão refletir as diferenças esperadas entre as médias dos seus filhos para a característica. Slide11:  Espera-se que a média da progênie do touro A seja superior às médias das progênies dos outros touros em: +3,44 kg em relação a B +4,64 kg em relação a C +2,24 kg em relação a D Slide12:  Os diferentes valores de DEP indicam as diferenças esperadas entre as médias das progênies dos diferentes touros. DEPs não são uma predição dos desempenhos das progênies dos diferentes touros, pois estes dependem, além dos valores genéticos, das combinações gênicas e dos ambientes nos quais esses animais foram criados. Slide13:  O valor absoluto da DEP têm pouco significado. Sua utilidade depende da base genética na qual aquela DEP foi obtida e do mérito genético da população na qual os animais foram avaliados. Em geral, a base genética tem valor zero, ou próximo de zero, dependendo do modelo estatístico empregado para avaliação e de diversas características dos dados. Base Genética:  Base Genética Pode também ser escolhida de forma arbitrária como: A DEP de um determinado touro referência; A média das DEP’s dos animais nascidos em determinado ano; A média das DEP’s dos animais com pais desconhecidos etc. Importante!!:  Importante!! Alterando-se a base genética, os valores das DEP’s também mudam, mas as diferenças entre as DEP´s dos vários animais avaliados em conjunto permanecem as mesmas. Slide16:  Esta é uma das razões de não ser correto comparar DEP’s de animais de raças diferentes ou de animais de uma mesma raça avaliados em programas de avaliação diferentes. Acurácia:  Acurácia Os valores de DEP são uma predição do valor genético do animal, isto é do valor real dos genes do animal para a característica de interesse, o qual é desconhecido. A diferença entre o valor genético verdadeiro (o qual nós não conhecemos) e o predito é conhecida como erro de predição (acurácia). Slide18:  A acurácia varia de zero a um ou de zero a 100%. Baixas acurácias indicam que a DEP foi obtida com base em pequena quantidade de informação e que pode sofrer alterações, na medida que novas informações sejam incluídas na avaliação. Slide19:  Os valores de DEP de animais jovens, que não possuem progênie e, as vezes nem mesmo manifestaram a característica, têm acurácias mais baixas do que as DEP´s de animais mais velhos, obtidas com base em maior quantidade de informação. Importante!!:  Importante!! A classificação e a seleção dos animais deve ser feita de acordo com os valores das DEP, sem levar em conta os valores de acurácia. Esta deve ser utilizada com uma medida de risco, permitindo tomar decisões sobre a intensidade de uso de um determinado reprodutor. Slide21:  É possível determinar intervalos de confiança para as DEP´s (IC), que são uma medida da possível diferença entre a DEP e a verdadeira diferença na progênie. O IC indica a amplitude de valores dentro da qual espera-se, com uma determinada probabilidade, que o valor verdadeiro da diferença na progênie de um touro esteja contido. O IC depende do erro padrão da predição, o qual é a raiz quadrada da variância do erro de predição, de um valor (t) associado à probabilidade desejada para o intervalo de confiança e do desvio padrão da variância genética aditiva (σa), IC = DEP  t (1-acurácia) σa/2. IC = DEP  erro :  IC = DEP  t (1-acurácia) σa/2. IC = DEP  erro Exemplo: dois touros com o mesmo valor de DEP (+10 kg) para peso a um ano de idade e acurácias de 0,20 (animal A) e de 0,80 (animal B). :  Exemplo: dois touros com o mesmo valor de DEP (+10 kg) para peso a um ano de idade e acurácias de 0,20 (animal A) e de 0,80 (animal B). Considerando um intervalo de confiança de 68%, o valor de t seria 1,0 (um) e os erros-padrão da predição seriam 4,8 e 1,20 kg, respectivamente para os animais A e B O intervalo de confiança para o animal A seria de 5,2 a 14,8 kg, enquanto que para o animal B seria de 8,8 a 11,2 kg. :  O intervalo de confiança para o animal A seria de 5,2 a 14,8 kg, enquanto que para o animal B seria de 8,8 a 11,2 kg. A Predição de diferenças esperadas na progênie :  Predição de diferenças esperadas na progênie A partir da década de 80 as avaliações genéticas começaram a ser realizadas utilizando-se a teoria dos modelos mistos e a metodologia da Máxima Verrossimilhança Restrita, com procedimentos que permitem obter BLUP (best linear unbiased prediction ou melhor preditor linear não-viezado) das DEPs. Slide27:  Essa metodologia tem como principal característica a estimação concomitante dos efeitos fixos (efeito de grupos contemporâneos, por exemplo) e dos efeitos aleatórios, como os efeitos genéticos de touros (modelos touro) e de animais (modelos animais). Isto possibilitou a realização de avaliações genéticas em grande escala, considerando informações de animais em rebanhos, regiões e mesmo países diferentes. Este modelo, além de propriedades estatísticas importantes para a obtenção de predições confiáveis, tem várias características desejáveis a uma avaliação genética, como se segue: :  Este modelo, além de propriedades estatísticas importantes para a obtenção de predições confiáveis, tem várias características desejáveis a uma avaliação genética, como se segue: Slide29:  possibilita a comparação de animais de grupos contemporâneos e/ou rebanhos diferentes uma vez que faz estimação simultânea dos efeitos de meio e genéticos. corrige para os efeitos de seleção quando todos os dados utilizados para a seleção forem incluídos nas análises. Pesquisas mostram que, mesmo quando isto não acontece, este método é menos viezado por seleção que os índices de seleção. Slide30:  Utiliza todas as informações disponíveis; isto é informações de desempenho do próprio animal e de seus parentes, como seus pais, irmãos e progênies; Leva em conta acasalamentos dirigidos. Normalmente o produtor tende a acasalar os melhores touros com a melhores vacas o que pode interferir na estimação genética da DEP do touro. Com modelo animal o valor genético do touro é ajustado para o valor genético da vaca com que ele foi acasalado. Slide31:  possibilita a comparação de animais de grupos contemporâneos e/ou rebanhos diferentes uma vez que faz estimação simultânea dos efeitos de meio e genéticos. corrige para os efeitos de seleção quando todos os dados utilizados para a seleção forem incluídos nas análises. Pesquisas mostram que, mesmo quando isto não acontece, este método é menos viezado por seleção que os índices de seleção. Slide32:  permite predizer os componentes genéticos direto e materno das características. Slide34:  Fornece DEP´s para todos os animais, inclusive para aqueles sem desempenho próprio; Quando a seleção é feita de forma seqüencial, isto é o produtor seleciona parte dos animais à desmama e somente aqueles que foram mantidos à desmama estarão disponíveis para serem avaliados ao sobreano. Em conseqüência, a avaliação de touros para esta característica pode ter um viés. A utilização de modelos multi-características pode corrigir para efeitos de seleção seqüencial. Quando se prediz DEP’s..:  Quando se prediz DEP’s.. Alta acurácia, alto ganho (best) alta correlação entre valor verdadeiro e valor estimado Ausência de enviesamento, para comparações justas (unbiased) Os valores verdadeiros estão distribuídos ao redor do valor verdadeiro O BLUP maximiza a acurácia pois...:  O BLUP maximiza a acurácia pois... Calcula as DEP’s utilizando toda a informação disponível Utiliza ponderadores adequados Causas de viez:  Causas de viez Alguns animais são de parto único, outros de partos duplos ou múltiplos correção: corrigir para tipo de parto Animais distribuídos em diversos rebanhos correção: o fenótipo é tomado como desvio da média Causas de viez:  Causas de viez Animais são medidos em diferentes idades correção: ajustar para idade padrão Animais distribuídos em diversos rebanhos que apresentam médias genéticas distintas correção: usar reprodutores referência para fazer a ligação entre os rebanhos Causas de viez:  Causas de viez Alguns reprodutores são acasalados com as melhores matrizes correção: Os sistemas de avaliação devem encorajar a avaliação das fêmeas e, caso seus valores genéticos sejam desconhecidos, devem ser considerada uma “media” Causas de viez:  Causas de viez Seleção e descarte preferencial correção: informação de animais descartados devem ser incluídas na avaliação; assim como links entre rebanhos são necessários, devem ser feitos links entre anos Slide41:  Tendência Genética Requisitos para o uso do BLUP:  Requisitos para o uso do BLUP Informação do Pedigree dados do pai e da mãe Informação fenotípicas medições devem ser precisas definição precisa de efeitos fixos (manejo, sexo, rebanho..etc) O uso das avaliações genéticas pelos técnicos e criadores:  O uso das avaliações genéticas pelos técnicos e criadores Tudo começa a nível de rebanho  informações dos animais:  Tudo começa a nível de rebanho  informações dos animais Slide45:  Da qualidade da informação depende a integridade das avaliações O grau de aproximação entre a DEP e a habilidade de transmissão é conhecida como a acurácia da DEP Slide46:  O conceito de acurácia é um fator importante para as decisões do criador, pois indica o ‘risco da decisão” . Se o criador tiver um pequeno rebanho de alto valor genético, não deve usar um reprodutor cujo valor genético tenha baixa acurácia, pois o valor não é muito confiável e quando aumentarem as informações a respeito daquele reprodutor, aquele valor genético previsto poderá mudar. Criadores de maior porte poderão correr riscos e apostar em tourinhos de alto valor genético e acurácia baixa, que em geral são mais baratos, e usar este material genético em parte do rebanho.. Slide48:  As DEP’s são resultados de amplos programas informatizados de controle e avaliação de reprodutores. Podem ser relativos a qualquer característica que se possa medir com precisão. Seus valores podem mudar de uma avaliação para outra, à medida que outras informações são agregadas. Tem uma distribuição Normal, o que quer dizer que a maioria dos animais tem valores ao redor da média, com poucos exemplares nos extremos. Slide49:  As Deps são validas para a população onde foram estimadas, não sendo válidas comparações entre populações diferentes ou raças. Ao comparar DEP’s de dois animais, não devem ser comparados os valores em si, mas sim sua diferença. Nas avaliações devem ser incluídos todos os animais nascidos. Slide50:  Devem ser identificados os fatores de ambiente com efeitos definidos para as características. A maneira ideal para comparar animais levando em conta os fatores de ambiente é a formação de grupos contemporâneos. Cada animal é comparado com outros animais criados nas mesmas condições, sujeitos ao mesmo ambiente. Para que haja progresso genético é necessário que os animais de diferentes grupos contemporâneos possam ser comparados entre si. Para tal é necessário haver ligação entre os grupos. Número Efetivo de Progênie:  Número Efetivo de Progênie Procura conciliar o número, a distribuição e a qualidade dos dados de progênie de uma reprodutor Slide54:  Práticas de manejo que podem afetar os resultados das avaliações genéticas e o progresso genético em programas de melhoramento Encurtamento da estação de monta Distribuições das progênies ao longo da estação de montas Controle seletivo Tratamento diferenciado Mudanças de tipo de manejo.

Related presentations


Other presentations created by BAWare

Integration into the SDLC
30. 08. 2007
0 views

Integration into the SDLC

hot topic
28. 09. 2007
0 views

hot topic

hispanics
01. 10. 2007
0 views

hispanics

zhang
10. 10. 2007
0 views

zhang

schwa
30. 08. 2007
0 views

schwa

aocc
30. 08. 2007
0 views

aocc

Pedersen
30. 08. 2007
0 views

Pedersen

Mining Sciences
30. 08. 2007
0 views

Mining Sciences

Intelligence Gathering mallorca
30. 08. 2007
0 views

Intelligence Gathering mallorca

ppt00021
30. 08. 2007
0 views

ppt00021

hoe wat over adsl
30. 11. 2007
0 views

hoe wat over adsl

The Healthy Potato
04. 12. 2007
0 views

The Healthy Potato

KINDS OF NOUNS
05. 11. 2007
0 views

KINDS OF NOUNS

CUPA 2007 Adv HW part 3
07. 11. 2007
0 views

CUPA 2007 Adv HW part 3

p Javier Carrillo
14. 11. 2007
0 views

p Javier Carrillo

High Intensity Interval Training
13. 12. 2007
0 views

High Intensity Interval Training

measurement
17. 12. 2007
0 views

measurement

OWASP AppSecEU2006 AJAX Security
30. 08. 2007
0 views

OWASP AppSecEU2006 AJAX Security

Feb05Sepracor
29. 11. 2007
0 views

Feb05Sepracor

lab 04
11. 12. 2007
0 views

lab 04

cattle2000
31. 12. 2007
0 views

cattle2000

Mechanized Logging
02. 01. 2008
0 views

Mechanized Logging

Lightning Safety
03. 01. 2008
0 views

Lightning Safety

water problems
21. 11. 2007
0 views

water problems

mideastmaps
07. 01. 2008
0 views

mideastmaps

schulze
12. 10. 2007
0 views

schulze

Sept 17 03B
19. 11. 2007
0 views

Sept 17 03B

Empowerment2
29. 10. 2007
0 views

Empowerment2

LIU MIT 2006
28. 11. 2007
0 views

LIU MIT 2006

USFS Tourism
22. 11. 2007
0 views

USFS Tourism

omni partner guide pps
02. 10. 2007
0 views

omni partner guide pps

convergence
28. 12. 2007
0 views

convergence

sal mauro 061128
28. 02. 2008
0 views

sal mauro 061128

lec05
29. 02. 2008
0 views

lec05

nypss nsta nov 2003
26. 06. 2007
0 views

nypss nsta nov 2003

Movies MC 061129 3
26. 06. 2007
0 views

Movies MC 061129 3

MOUG 08 2002
26. 06. 2007
0 views

MOUG 08 2002

mold
26. 06. 2007
0 views

mold

moilanen movies
26. 06. 2007
0 views

moilanen movies

MMC Bonato
26. 06. 2007
0 views

MMC Bonato

mm class 8
26. 06. 2007
0 views

mm class 8

Oceans 2005
26. 06. 2007
0 views

Oceans 2005

C3A6
04. 01. 2008
0 views

C3A6

Session8Massimiliano Claps
21. 03. 2008
0 views

Session8Massimiliano Claps

paper Columbia pipelines
30. 08. 2007
0 views

paper Columbia pipelines

CDW Ches99 Talk
05. 01. 2008
0 views

CDW Ches99 Talk

Marketing Mix IPG Presentation
26. 03. 2008
0 views

Marketing Mix IPG Presentation

Moab Marketing
27. 03. 2008
0 views

Moab Marketing

0Kim
30. 08. 2007
0 views

0Kim

Coglx to cultlx
22. 11. 2007
0 views

Coglx to cultlx

12 Igra 4pm
06. 12. 2007
0 views

12 Igra 4pm

Rao
28. 03. 2008
0 views

Rao

Goorevich Richard
30. 03. 2008
0 views

Goorevich Richard

06MYMRes2
09. 04. 2008
0 views

06MYMRes2

quickreview
10. 04. 2008
0 views

quickreview

MontanaDDpresentatio n060105a
13. 04. 2008
0 views

MontanaDDpresentatio n060105a

The Happy Monkey
29. 11. 2007
0 views

The Happy Monkey

cnea 376
20. 11. 2007
0 views

cnea 376

e know GV Presentation
17. 04. 2008
0 views

e know GV Presentation

SustainabilityCaseSt udies
22. 04. 2008
0 views

SustainabilityCaseSt udies

mark
30. 08. 2007
0 views

mark

Dialectal Differentiation
24. 11. 2007
0 views

Dialectal Differentiation

Chapter01
30. 08. 2007
0 views

Chapter01

n0102 SPIE1
26. 06. 2007
0 views

n0102 SPIE1

tues RMI cloonan
07. 12. 2007
0 views

tues RMI cloonan

Modi
26. 06. 2007
0 views

Modi

mne tools scripts kskassam
26. 06. 2007
0 views

mne tools scripts kskassam

hausmesse vortrag meyer
16. 11. 2007
0 views

hausmesse vortrag meyer

sjw
21. 12. 2007
0 views

sjw

stew cartons
17. 06. 2007
0 views

stew cartons

stellmach tim
17. 06. 2007
0 views

stellmach tim

Twelfth Night 2
17. 06. 2007
0 views

Twelfth Night 2

tuebingen seminar nov 04
17. 06. 2007
0 views

tuebingen seminar nov 04

TNG Presentation1
17. 06. 2007
0 views

TNG Presentation1

THE SCIENCE OF LOVE
17. 06. 2007
0 views

THE SCIENCE OF LOVE

t06B Functions Examples
17. 06. 2007
0 views

t06B Functions Examples

Sunny
17. 06. 2007
0 views

Sunny

28 1330 HARP rohacs hideg
18. 03. 2008
0 views

28 1330 HARP rohacs hideg

Water way Awareness
17. 06. 2007
0 views

Water way Awareness

Watergate Political Cartoons
17. 06. 2007
0 views

Watergate Political Cartoons

Valentine s PPT
17. 06. 2007
0 views

Valentine s PPT

USB FunctionDrv
17. 06. 2007
0 views

USB FunctionDrv

urban legends
17. 06. 2007
0 views

urban legends

unti 17Le 1 Funny stories
17. 06. 2007
0 views

unti 17Le 1 Funny stories

Understanding Political Cartoons
17. 06. 2007
0 views

Understanding Political Cartoons

Week2 Augustineandhisera
17. 06. 2007
0 views

Week2 Augustineandhisera

Tee
09. 10. 2007
0 views

Tee

seshun
13. 11. 2007
0 views

seshun

Locke 1 07
30. 08. 2007
0 views

Locke 1 07

ames tornado
05. 10. 2007
0 views

ames tornado

TEAM 9
08. 11. 2007
0 views

TEAM 9

Ferragina
23. 11. 2007
0 views

Ferragina

robo wk 4 controls
07. 01. 2008
0 views

robo wk 4 controls

ScottStroup
02. 11. 2007
0 views

ScottStroup

dyer w ref
04. 03. 2008
0 views

dyer w ref

act31sld
30. 08. 2007
0 views

act31sld

WA Final
17. 06. 2007
0 views

WA Final

EnB presentatie Fischbacher
30. 08. 2007
0 views

EnB presentatie Fischbacher

What to do in Harrisonburg
17. 06. 2007
0 views

What to do in Harrisonburg