Simulação de dados longitudinais para estudo de características indicadoras de bem-estar em programas de melhoramento genético animal

• Ano de defesa: 2023
• Autor(a) principal: Queiroz, Alexandre de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Programação genética (Computação); Estudos longitudinais; Animais - Proteção; Melhoramento genético de animais; Método de decomposição; Genetic programming (Computing); Longitudinal studies; Animals - Protection; Genetic improvement of animals; Decomposition method
• Link de acesso: http://hdl.handle.net/11449/243100

Com o crescimento da população mundial, surgem diversos problemas que atingem muitos países, inclusive o Brasil, que produz alimentos em larga escala, para abastecer a necessidade interna e outros países. A preocupação com o meio ambiente e o bem-estar animal vem sendo um assunto muito abordado, nos últimos anos, com a conscientização da população. Os cuidados com os animais, na cadeia produtiva, influenciam os negócios, principalmente, quando se trata de exportação. Este trabalho visou o estudo de indicadores de bem-estar animal e buscou uma implementação, para simuladores de melhoramento genético animal. Esses indicadores devem ser longitudinais, ou seja, os dados se alteram ao longo do tempo, de acordo com a situação em que o animal se encontra e devem ser correlacionados. Foram implementados algoritmos para simular tais características e aplicada a decomposição de Cholesky, que permitiu a correlação de uma matriz, simétrica e positiva definida, gerada aleatoriamente forçando que a correlação fosse diminuindo no tempo, conforme seu distanciamento. Embora essa simulação permita a utilização de apenas uma característica e a complexidade dos algoritmos não sejam lineares, os resultados se mostraram muito promissores com relação aos efeitos longitudinais esperados para cada indivíduo.