Identidade de modelos não lineares e regressão aleatória para o estudo da curva de crescimento de codornas de corte em diferentes gerações sob seleção

• Ano de defesa: 2014
• Autor(a) principal: Ribeiro, Jeferson Corrêa
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Genética e Melhoramento de Animais Domésticos; Nutrição e Alimentação Animal; Pastagens e Forragicul; Doutorado em Zootecnia; UFV
• Palavras-chave em Português: Codornas; Coturnix coturnix; Codornas - Aspectos genéticos; Codornas - Peso corporal; Polinômios de Legendre; quail; Quails - Genetic aspects; Quails - Body weight; Legendre polynomials; CNPQ::CIENCIAS AGRARIAS::ZOOTECNIA
• Link de acesso: http://locus.ufv.br/handle/123456789/1887

O objetivo deste estudo foi comparar a modificação da curva de crescimento utilizando modelos de regressão não linear, com o uso do teste de identidade de modelos e através de modelos de regressão aleatória, com o uso de polinômios de Legendre em um conjunto de dados de 15 gerações de codornas de corte, em seleção para o maior peso aos 28 dias.O conjunto de dados foi separado em três grupos de gerações, inicial (G1), intermediário (G2) e final (G3), cada um com cinco gerações, sendo que a população fundadora continha 227 animais da linhagem UFV1 e 185 animais da linhagem UFV2, resultando em uma matriz de parentesco com 18.766 e 18.456 animais, de ambos os sexos, das linhagens UFV1 e UFV2, respectivamente.Para o estudo através de modelos de regressão não linear foram utilizados cinco registros de peso corporal, onde os animais, além do peso ao nascimento, foram pesados individualmente com 7, 14, 21 e 28dias de idade. Inicialmente, buscou-se identificar qual o melhor modelo não linear que descrevesse a curva de crescimento usando os modelos de von Bertalanffy, Brody, Gompertz, Logístico, Richards e regressão linear segmentada (spline) com um nó aos 14 dias.Para o estudo da curva de crescimento através de modelos de regressão aleatória, os pesos individuais foram analisados com o uso do modelo animal, onde as idades foram descritas em termos de polinômios ortogonais de Legendre, com geração e sexo como efeito fixo.Dentre os modelos analisados, o modelo de Gompertz foi o mais adequado para descrever a curva de crescimento de codornas de corte para ambos os sexos nos três grupos de gerações. A partir do melhor modelo identificado, foi possível fazer a análise de identidade de modelos para verificar se houve mudanças na curva de crescimento dos animais. O resultado dos testes de razão de verossimilhança para a identidade de modelos indicou que o peso adulto e a taxa de maturidade foram significativamente diferentes entre os três grupos de gerações, para ambos os sexos, não sendo possível o uso de um único modelo que descreva o crescimento nos três grupos de gerações.Nos modelos de regressão aleatória, as estimativas de variância fenotípica tiveram desempenho semelhante para os três grupos, nas duas linhagens. No entanto, a variância genética aditiva diminuiu ao longo das gerações, enquanto houve aumento da variância de ambiente permanente e residual, à medida que a seleção atuou. A herdabilidade (h2) diminuiu ao longo das gerações, sendo alta nos pesos ao nascimento, reduzindo nas idades intermediárias e aumentando à medida que o animal se aproximou da fase adulta.Assim, conclui-se que houve mudança na curva de crescimento dos animais ao longo das gerações, com aumento do peso assintótico e redução da taxa de maturidade dos animais, demonstrando que o processo de seleção foi eficiente.Recomenda-se a seleção dos animais aos 28 dias de vida, pois é a idade com maior valor da estimativa de h2. Como há diferenças entre os grupos de gerações, recomenda-se também utilizar apenas os dados das últimas gerações para características relacionadas ao peso dos animais ao invés de utilizar toda a informação contida no conjunto de dados, principalmente, quando há grande número de animais nas gerações iniciais, tanto para modelos de regressão não linear, quanto para regressão aleatória, reduzindo assim, erros de estimação.