ESTIMADO DEL VALOR GENÉTICO:

PREDICCIÓN GENÉTICA
 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 desempeño

de los ancestros y/o parientes colaterales
de un individuo.

Datos de progenie:

Información sobre el genotipo o desempeño

de los descendientes de un individuo.
 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 Coeficiente
Predicción información regresión Precisión

EBV un dato (no re-

petido) de desem- h2 h
peño 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+4c2fs )+(l-1)kh2
de tamaño k

MPPA promedio de n
registros del nr nr
individuo 1 + (n-1)r 1 + (n-1)r
Ejemplo:
Cálculo de MPPA para una vaca
Fuente de información: información de la propia vaca
Promedio 5 lactaciones, 1072 lbs sobre grupo contemp.

b= nr
1 + (n-1)r

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

b = 0.833
 I = bx
MPPA = 0.833(1072)

MPPA = +893 libras

Precisión = nr
1 + (n-1)r
5(0.5)
=
1 + (5-1)0.5

= 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.2
Dos lactaciones con prom. 1024 lbs sobre la media
nr
b=
1 + (n-1)r

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

I = 0.667(1024)

= +803
Precisión = nr

1 + (n-1)r

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

= 0.82
Ejemplo: Vaca No. 3
Sólo una lactancia, 918 lbs menos que la media
nr
b=
1 + (n-1)r

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

I = 0.5(-918)

= -459
Precisión = nr
1 + (n-1)r
1(0.5)
=
1 + (1-1)0.5

= 0.71
 ∧ ∧ ∧
PA3 PA3 PA2 PA1 PA1 PA2

-918 -459 0 803 893 1072 1204

 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 heredabilidad

Información 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
.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 animal

1. Niveles genéticos de grupos contemporáneos

Diferencias en la media del BV de grupos

contemporáneos.

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?

BLUP - modelo animal

X Abuelo 1

Padre 1

Y Abuela

Madre

Abuelo 2

Z Padre 2
Ìndice de Selección, modelo del padre

X Abuelo 1

Padre 1

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

Carac. X Carac. Y

Genes pleiotrópicos
Correlación Genética

Relación entre BV de una característica

y el BV de otra característica.

Importancia relativa de los efectos

pleiotrópicos sobre dos características
Ejemplo:

Largo de la quilla y peso corporal en pavo

corr. 0.5

Peso corporal y número de huevos

0.05

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
actores que afectan la respuesta correlacionad

Respuesta directa a la selección

Cambio genético en la característica

resultado de la selección para esa caract.

Precisión
Intensidad de selección
Intervalo generacional
2. Correlación genética entre las característica
(X y Y) y la variación genética en Y

Correlación alta o baja?

Variación alta o baja?

 Selección por respuesta correlacionada

elección indirecta

1. Mediciones difíciles o muy caras

Conversión alimenticia

2. Precisión de selección mayor en carac.

correlacionada que en la caract. de interé
3. Intensidad de selección

Carac. correlacionada = continua

Carac. 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 características

a seleccionar.
 +49

EPD Peso

al año
+33

+17

-4 0 +4

EPD Peso al nacimiento

Muy popular (atractivo por la intuición)

Conveniente cuando se selecciona a

diferentes 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
 +49

EPD Peso

al año
+33

+17

-4 0 +4

EPD Peso al nacimiento