Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Genetica UACH PDF
Genetica UACH PDF
GENETICA PECUARIA
ZOOT - 244
2001
Hctor Uribe
PREFACIO
Estos apuntes de clases han sido preparados para el curso
de Gentica Pecuaria dictado por el Instituto de Zootecnia de la
Facultad de Ciencias Veterinarias de la Universidad Austral de
Chile. Gran parte del contenido est basado en notas de clases
dictadas en el Departamento de Ciencia Avcola y Animal de la
Universidad de Guelph, Ontario, Canad por los profesores: Jack
Dekkers, Larry Schaeffer, Ian McMillan y Brian W. Kennedy. Si el
lector encuentra en estos apuntes alguna informacin til se la
debo a las personas arriba mencionadas, por los errores, que
con seguridad existen, asumo total responsabilidad.
La intencin de estos apuntes servir como una gua de
estudios para los alumnos y liberarlos en parte de la tediosa
tarea de tomar apuntes en clases. El contenido de estos apuntes
debe cubrir la mayor parte de los temas a tratar en este curso,
pero en ningn caso reemplaza a un buen texto de estudio.
La aplicacin prctica es enfatizada. Muchas de las
demostraciones estadsticas, matemticas y algebraicas se
asumen que han sido probadas y no estn incluidas en estas
notas. Para aquellos estudiantes interesados en demostraciones
y pruebas de los conceptos usados en estas notas se ha incluido
una bibliografa donde se puede profundizar la teora de los
principios usados. Para los alumnos no familiarizados con estos
conceptos las frmulas y smbolos parecern un poco extraas al
principio, esto no debera causar frustracin ni entorpecer el
aprendizaje. Segn mi experiencia, Gentica y Mejoramiento
Animal es el clsico tipo de asignatura en la cual la discusin
con otros estudiantes y el estudio grupal es fundamental en el
entendimiento de esta.
Estos apuntes estn diseados como un curso basico de
introduccin al mejoramiento animal, para estudiantes cuya
principal formacin es biolgica y muchas veces su base
matemtico-estadstica es limitada. He tratado de simplificar
al mximo los temas presentados. Estoy consiente de que esta
I
Hctor Uribe
II
TABLA DE CONTENIDOS
CAPITULO 1. ........................................................................................................................ 1
1.1. Introduccin................................................................................................................. 1
1.1.1. Gentica Molecular: ............................................................................................. 2
1.1.2. Gentica de Poblaciones:...................................................................................... 2
1.1.3. Gentica Cuantitativa: .......................................................................................... 2
1.1.4. Bases de la Herencia............................................................................................. 4
CAPITULO 2. ........................................................................................................................ 7
2.1. Deteccin de Recesivos ............................................................................................... 7
2.1.1. Nacimientos Mltiples........................................................................................ 11
2.1.2. Bio-Tecnologa ................................................................................................... 11
2.1.3. Genes Letales...................................................................................................... 11
CAPITULO 3. ...................................................................................................................... 13
3.1. Frecuencia Gnica y Genotpica................................................................................ 13
3.1.1. Equilibrio de Hardy - Weinberg ......................................................................... 14
3.1.2. Frecuencias de Apareamientos ........................................................................... 16
3.1.3. Cambios de la Frecuencia Gnica ...................................................................... 18
CAPITULO 4. ...................................................................................................................... 25
4.1. Parentesco y Consanguinidad.................................................................................... 25
4.1.1. Mtodo Lineal .................................................................................................... 27
4.1.2. Mtodo Tabular .................................................................................................. 29
4.1.3. Aplicaciones del Parentesco Gentico y Consanguinidad.................................. 32
CAPITULO 5. ...................................................................................................................... 35
5.1. Revisin de Estadstica.............................................................................................. 35
5.1.1. Media .................................................................................................................. 35
5.1.2. Varianza.............................................................................................................. 36
5.1.3. Coeficiente de Variacin .................................................................................... 37
5.1.4. Distribucin Normal ........................................................................................... 37
5.1.5. Parmetros de Asociacin entre dos Variables................................................... 41
5.1.5.1. Covarianza ................................................................................................... 41
5.1.5.2. Correlacin .................................................................................................. 42
5.1.5.3. Regresin Lineal.......................................................................................... 43
5.1.6. Anlisis de Varianza........................................................................................... 47
CAPITULO 6. ...................................................................................................................... 51
6.1. Algebra Matricial....................................................................................................... 51
6.1.1. Suma de Matrices ............................................................................................... 52
6.1.2. Multiplicacin de Matrices................................................................................. 52
6.1.3. Inversin de Matrices ......................................................................................... 54
6.1.3.1. Matrices Singulares ..................................................................................... 58
6.1.4. Introduccin a Modelos Lineales ....................................................................... 62
6.1.4.1. Modelo Verdadero: ...................................................................................... 62
6.1.4.2. Modelo Ideal:............................................................................................... 62
6.1.5. Mnimos Cuadrados............................................................................................ 64
III
VI
CAPITULO 1.
1.1. Introduccin
Gentica es una rama de la ciencia dedicada al estudio de los
mecanismos de la herencia, en otras palabras, como las caractersticas se
transmiten de una generacin a la siguiente.
La gentica como ciencia se inici en 1865 con el monje Austriaco
Gregor Mendel, quien realiz cruzamientos con arvejas. Desgraciadamente
sus resultados no fueron publicados hasta el ao 1900 por otros botnicos
europeos quienes repitieron los experimentos de Mendel. Existi mucha
controversia a principios de este siglo con respecto a la gentica
mendeliana la cual no siempre daba los resultados esperados, estas
controversias se explicaban ms tarde por los descubrimientos de
fenmenos como co-dominancia o dominancia parcial y epistaxis. A
principios de este siglo tambin naci una gran parte de la terminologa
usada hoy en gentica.
1.1.2.Gentica de Poblaciones:
Basada en las leyes de Mendel y el equilibro de Hardy-Weinberg.
Este rama estudia los caracteres cualitativos los cuales estn regulados
por un nmero pequeo de genes. La gentica de poblaciones no solo se
preocupa de la estructura gentica de la poblacin, tambin se preocupa
de como se transmiten los genes a la prxima generacin.
CAPITULO 2.
2.1. Deteccin de Recesivos
Muchas veces es importante saber si un animal que presenta un
fenotipo dominante en un carcter es portador del alelo recesivo, es decir
es heterocigoto. Esto es ms importante cuando el homocigoto recesivo
expresa alguna caracterstica indeseable. En las especies de importancia
en ganadera los progenitores machos producen un nmero de
descendientes mayor que las hembras por esto los criadores consideran
importante detectar a aquellos machos que puedan portar un gen
indeseado. Muchas de estas caractersticas pueden ser expresadas en una
gran variedad de ambientes pero algunas veces la expresin de estas
depende del ambiente en el cual el animal se encuentre. Dos animales
pueden ser genticamente iguales para un cierto carcter pero uno puede
expresar el carcter y el otro no si estn en diferentes ambientes.
Un ejemplo de lo anterior se produce con el color de la regin tarsal
de las aves. El color en esta regin est regulado por un par de genes en
el cual el blanco es dominante (WW). Individuos homocigotos recesivos
(ww) presentaran un color amarillo. Si tenemos dos individuos recesivos
(ww), uno criado con suficiente caroteno (maz amarillo) expresar el
carcter y la regin tarsal ser amarilla, si el otro se cra con una restriccin
en caroteno no desarrollara el color aunque genticamente son iguales. El
color amarillo solo se expresa en presencia de caroteno. En este caso la
expresin del genotipo depende del ambiente en el cual se desarrolla el
ave.
Algunas caractersticas cualitativas como la presencia de cuernos
en Herefords o el color rojo o negro en ganado bovino son reguladas por la
accin de un par de genes. La segregacin de estos genes sigue
caractersticas mendelianas y presenta dominancia completa.
Un animal Hereford que presenta cuernos tiene un genotipo que es
pp el cual es recesivo al genotipo PP. P presenta completa dominancia
sobre p, entonces los animales portando una combinacin de genes Pp,
tampoco presentarn cuernos. En este caso P es dominante sobre p y
basta la presencia de un gene P para que el carcter se manifieste (nocuernos). Un animal con cuernos slo puede tener un genotipo pp, esta
condicin se conoce como homocigosis. Entonces el genotipo de un animal
se refiere a composicin gentica y el fenotipo es la expresin de ese
genotipo, es lo que podemos observar o medir. Por ahora solo diremos que
el fenotipo es la expresin del genotipo ms la influencia del ambiente.
La raza de animales Polled Hereford no presenta cuernos, sin
embargo algunos de ellos pueden portar el gen p en su genotipo (Pp). Una
manera de saber si el reproductor porta el recesivo es examinar la
informacin de sus progenitores, si alguno de los padres es homocigoto
recesivo se asume que el reproductor porta el gen recesivo.
Cuadro 1
P
Pp (25 %)
Pp (25 %)
Pp (25 %)
Pp (25 %)
Cuadro 2
P
Pp (25 %)
Pp (25 %)
pp (25 %)
pp (25 %)
Cuadro 3
AA (25 %)
Aa (25 %)
Aa (25 %)
aa (25 %)
10
= (1/2)km = (1/2)n
2.1.2. Bio-Tecnologa
Modernos avances en bio-tecnologa permiten a travs de pruebas
de acidos nucleicos distinguir los tres genotipos en algunos caracteres
como es el caso del sndrome de stress porcino. Este tipo de deteccin de
recesivos est fuera del alcance de este curso.
11
Cuadro 4
BB (25 %)
Bb (25 %)
Bb (25 %)
bb (25 %)
12
CAPITULO 3.
3.1. Frecuencia Gnica y Genotpica
Los mamferos son organismos diploides, es decir en un determinado
locus un gen paterno y otro materno deben estar presente para que una
caracterstica se manifieste. Para que sea posible la transmisin de los
genes a la prxima generacin, los genotipos de los padres deben separarse
en sus respectivos genes para luego juntarse con sus homlogos
provenientes del otro padre. De esta manera una nueva combinacin
gentica se forma en la nueva generacin lo cual da origen a diferentes
genotipos.
Supongamos que en una determinada poblacin existen 100
animales Holstein, entonces en el locus que determina el color rojo o negro
existen 200 genes. El color negro es dominante sobre el rojo. Podemos
llamarlo gen N si es dominante y gen n si es recesivo.
Un estudio previo nos ha indicado que esta poblacin est compuesta
de la siguiente manera:
- 65 animales negros (NN)
- 20 animales negros (Nn)
- 15 animales rojos (nn)
La frecuencia gnica ser:
frecuencia de N = p = [(65 x 2) + 20 + 0] / 200 = 0,75
frecuencia de n = q = [0 + 20 + (15 x 2] / 200 = 0,25 = 1 - p
La frecuencia de los genotipos es simplemente el nmero de
animales con un determinado genotipo dividido por el nmero total de
animales.
frecuencia de NN = 65/ 100 = 0,65 = P
frecuencia de Nn = 20/100 = 0,20 = H
frecuencia de nn = 15/100 = 0,15 = Q
Total
=1
Frecuencias gnicas se representan como p y q y las frecuencias
genotpicas se conocen como P, H y Q. Algunas relaciones entre frecuencias
gnicas y genotpicas que son importantes son las siguientes:
p+q=1
13
p = P + 1/2 H
q = Q + 1/2 H
P+H+Q=1
a (q ) 0,4
A (p ) 0,6
AA (p 2 ) = 0,36
Aa (pq ) = 0,24
A (q ) 0,4
Aa (pq ) = 0,24
aa (q 2 ) = 0,16
Entonces:
AA = p2,
P
0,36
Aa = 2pq ,
H
0,48
aa = q2
Q
0,16
14
H = 2 PQ
2 pq = 2 p 2 q 2
2=
2 pq
p2q2
=2
P
0,49
0,64
H
0,42
0,11
Q
0,09
0,25
= 0,42/0,21= 2
equilibrio
= 0,11/0,40 = 0,275 no en equilibrio
Ejercicios:
a) El sndrome de stress en cerdos se considera que est controlado
por un gen recesivo (h), este en su estado homocigoto recesivo puede ser
detectado con la administracin de una anestesia llamada halotano. Con
esta prueba de deteccin se estima que la frecuencia de h es 0.2 (20 %)
entonces la frecuencia de H es 0.8. En una poblacin en apareamiento
aleatorio se puede esperar lo siguiente:
Genotipo
Fenotipo
Frecuencia
HH
Hh
hh
Normal
Normal
Sensible
p2 = 0,64
2pq = 0,32
q2 = 0,04
15
Padres
P2
PH
PQ
PH
H2
HQ
PQ
HQ
Q2
16
AA x AA = P x P = P2 p2 x p2 = p4
aa x aa = Q x Q = Q2 q2 x q2 = q4
Aa x Aa = H x H = H2 2pq x 2pq = 4p2 q2
AA x aa = 2(P x Q)
AA x Aa = 2(P x H)
aa x Aa = 2(Q x H)
17
Genotipo
Frecuencia antes
de la Seleccin
Fraccin que
no se
reproduce
Adaptabilidad
Frecuencia en la
poblacin
seleccionada
AA
p2
p2
Aa
2pq
2pq
Aa
q2
(1 - 1)q2
18
q1 =
q1 =
2pq0
2 (p + 2pq0 )
q1 =
pq0
p + 2 pq0
pq0
q1 =
q1 =
p + 2 pq0
pq0
p( p + 2 q0 )
q1 =
q0
p + 2 q0
q1 =
q0
(1 - q0 ) + 2 q0
q1 =
q0
1 - q0 + q0 + q0
19
q1 =
q0
1 + q0
qn =
qo
(1 + n qo )
q0 = qn( 1+ nq0 )
q0 = (qn + qn nq0 )
q0 qn = (qn nq0 )
n=
n=
q0 q n
q n q0
qn
q0
qo qn qo qn
n=
1
1
qn
q0
q = q1 qo =
qo
qo
(1 + qo )
20
qo
q
o
(1 + qo ) 1
q =
q =
qo
q (1 + q0 )
o
(1 + qo )
1(1 + q0 )
qo
( q0 + q02 )
q =
(1 + qo )
(1 + q0 )
q0 ( q0 + q02 )
q =
(1 + q0 )
q =
q0 q0 q02
(1 + q0 )
q02
q =
(1 + q0 )
De la misma forma el cambio de la frecuencia gnica (delta q) en n
generaciones es:
qn = qn qo =
qo
qo
(1 + n qo )
n q2o
qn =
(1 + n qo )
Ejemplo:
21
n=
(0,2 0,05)
= 15
(0,2) (0,05)
Genotipo
AA
Aa
Frecuencia
Nmero de animales
Adaptabilidad
Frec. Despus de Sel.
p
810
1
810
2pq
180
1
180
Antes de la seleccion = p =
Despues de la seleccion = p =
aa
q2
10
(1 0,9)
1
810 + 90
= 0,900
1000
810 + 90
= 0,9081735
991
22
23
24
CAPITULO 4.
4.1. Parentesco y Consanguinidad
Parentesco en estas notas se refiere a parentesco gentico aditivo
el cual es la relacin gentica ms comn entre dos individuos. Existen
otros tipos de parentescos genticos los cuales han sido menos estudiado,
estos son: parentesco gentico dominante y parentesco gentico
episttico.
El parentesco (aditivo) es una medida de la proporcin de genes en
comn entre dos animales. El grado de parentesco es una indicacin de
la confiabilidad con que el valor reproductivo o gentico de un individuo se
puede predecir basado en el genotipo de sus parientes. Otra manera de
definir parentesco aditivo es: la probabilidad de que un gen escogido al
azar de un animal este tambin presente en el otro animal.
El parentesco de un animal con si mismo es de un 100 % lo cual es
obvio visualizar ya que este comparte todos sus genes con el mismo y la
probabilidad de que todos sus genes se encuentren en este animal es 100
%. La relacin aditiva de un animal con su progenie es de un 50 % (0,5)
porque este pasa el 50 % de sus genes a sus hijos (la otra mitad viene del
otro padre). Esta disminucin de parentesco de 50 % se produce en cada
generacin. Entonces la relacin gentica de un individuo con sus abuelos
es 25 %, en otras palabras abuelo y nieto tienen un 25 % de genes en
comn. Despus de algunas generaciones, debido a la disminucin de un
50 % en cada generacin, cualquier antepasado solo contribuir en una
pequea fraccin al total de genes de un animal. Esta regla de parentesco
solo es va,lida cuanto los antepasados no son parientes, si los
antepasados tienen algn grado de parentesco el ca,lculo de relacin
gentica es ms complicado.
El parentesco gentico aditivo (indicado como axy) entre parientes
cercanos es:
Padres - hijos 0,5 porque los padres pasan la mitad de sus genes a
la progenie.
Abuelo - nieto
Medios hermanos
Hermanos
25
26
Fz = 1/2 abx
Donde abx
indica el coeficiente de
parentesco
entre los animales b y x.
27
del
Ejemplo:
28
29
A
A
B
A-?
B
A-?
C
B-C
D
C-D
Y
1
1
30
A_
B
A_
C
B-C
D
C-D
Y
1/2
1/2
1/2
1/2
1/2
1/2
1/2
1
1
1
A_
B
A_
C
B-C
D
C-D
Y
1/2
1/2
1/2
1/2
1+ 0
5/8
7/16
1/2
1/4
5/8
13/16
1/2
5/8
5/8
1 1/8
7/8
1/2
7/16
13/16
7/8
1 5/16
31
aAY =
aBB =
aBC =
aBD =
aBY =
aCC =
aCD =
aCY =
aDD =
aDY =
aYY =
= aYA
= aCB
= aYB
= aYB
= aDC
= aDC
= aDC
32
33
34
CAPITULO 5.
5.1. Revisin de Estadstica
El objetivo de este capitulo es revisar conceptos bsicos de
estadstica. Una breve revisin de los conceptos ms usados en este curso
ser presentada.
Si se quiere describir un carcter cuantitativo de una poblacin de
animales, por ejemplo, el peso al nacimiento de los terneros machos de una
poblacin de animales de carne se obtienen los siguientes datos.
Ternero (i)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
5.1.1. Media
35
(x
i= 1
5.1.2. Varianza
En la mayora de los textos de estadstica se habla de s2, esto se
refiere a la varianza de la muestra cuando la varianza poblacional no se
puede determinar. En la prctica lo ms comn es determinar s2 ya que la
poblacin total no se puede medir o no se conoce, s2 no es un parmetro de
la poblacin ya que este cambia de acuerdo a la muestra, s2 es conocido
como un estadstico.
La varianza de la poblacin (2) es un parmetro el cual es fijo para
la poblacin en un momento determinado, este parmetro puede ser
estimado de la muestra de la siguiente forma:
n
Var(x) = 2x =
( x
- )2
i=1
(n 1)
36
[x
n
Var(x) = =
2
x
2
i
n( 2 )
i =1
n 1
N( , 2)
La distribucin normal estndar se describe como sigue:
37
N (0 , 1)
Esto indica que la distribucin es normal (N) con una media igual 0 y
una varianza igual a 1. Existen otros tipos de distribucin (Chi-cuadrado;
distribucin de t; distribucin binomial, distribucin gama, etc) las cuales no
son descritas en estos apuntes.
En la Figura 1 se presenta un grfico de la distribucin normal
estndar, esto es la frecuencia de observaciones en un eje y la medida del
carcter en el otro eje. La unidad de medida es desviacin estndar lo cual
tambin se conoce como valor z.
Figura 1
-3
-2
-1
38
Valor - z
33,06
-2
34,85
-1,5
36,3
-1
40,2
43,77
45,55
1,5
47,34
39
40
Ternero
Nmero: (i)
Peso al
Nacimiento (xi)
kg
Ganancia Diaria
(yi) grs/da
xi yi
40
1000
40000
42
900
37800
35
850
29750
36
950
34200
45
920
41400
47
950
44650
40
810
32400
43
870
37410
41
930
38130
10
38
870
33060
11
44
1000
44000
12
38
870
33060
13
41
900
36900
14
37
810
29970
15
36
950
34200
Total
603
13580
546930
41
(x
Cov(x, y) = x y =
yi ) - n x. y .
i=1
(n 1)
i=1
Entonces :
xy =
(x x ) - n
i
Cov(x, x) = x x =
i=1
(n 1)
xx
= 2x
5.1.5.2. Correlacin
La covarianza nos da un indicacin de como dos variables varan en
forma conjunta, esta asociacin puede ser cero, negativa o positiva. Una
desventaja de la covarianza es que esta se expresa con las unidades en
que se mide la caracterstica, la comparacin de caractersticas con
distintas unidades de medidas es, muchas veces, difcil y sin significado. El
grado de asociacin entre dos variables puede ser descrito usando un
parmetro estadstico estandarizado, es decir que no considere las
unidades con que las variables fueron medidas.
Correlacin entre dos variables se define de la siguiente forma:
r xy =
xy
x y
42
r xy =
72,57
xy
=
= 0,3412
(12,74) (3555,23)
x y
43
donde:
xi y i
( xi yi ) n x y yx
n
= 2
b =
=
2
xi2 n (x )2
( xi )
x
2
xi
n
xi y i
el valor de a es :
a = y bx
en este caso y y x representan una estimacin de las media de las
variables y y x respectivamente.
44
b y.x =
yx
2x
b y.x =
yx 72,74
=
= 5,68 (grs/da)/kg.
2x 12,74
45
yi = y +by.x(xi x)
la cual es lo mismo que:
y i = a + b y.x ( xi )
En este caso y,- y x,- representan la media de las variable y y x
respectivamente.
Por ejemplo, si tenemos un ternero con un peso al nacimiento de
43,5 kilos su ganancia diaria, con la primera ecuacin ser:
(con
la
primera
ecuacin).
Con la segunda ecuacin, (primero necesitamos calcular a ):
la
segunda
ecuacin)
Se debe notar que debido al pequeo tamao de la muestra (n = 15)
la confiabilidad de esta prediccin es muy baja. Incluso con esta
informacin (solo 15 observaciones) puede que peso al nacimiento no tenga
influencia significativa en predecir la ganancia diaria.
Usando el coeficiente de regresin calculado (5,68) para predecir la
ganancia diaria del animal nmero 10 del ejemplo tenemos:
46
Total = SCT = y i2
Media = SCM = N ( y )2
xi y i
xi y i
Regresion =
2
( xi )
xi2
N
47
Efecto
Media
12294418
Prueba de F
12294427
Regresin
5765,77
5763,43
Error
13
44009,90
3385,38
Total
15
12344200
822946,67
5763,43
= 1,7
3385,38
e2 =
SCE
44009,9
=
= 3385,38
(N 2)
(15 2)
F(R) =
SCR / 1
donde F (1, N 2)
2e
48
SCR
5763,43
=
= 0,115
(SCT - SCM) (12344200 2294427)
r xy = 0,34 = R
(0,34 )2 = 0,1156
Esto significa que el 88,44 % de la variacin en ganancia diaria no
es explicada por peso al nacimiento en estos datos, solo un 11,56 % es
explicado por peso al nacimiento. Es importante notar que el coeficiente de
determinacin nos indica el grado de confiabilidad del modelo de regresin
usado para predecir la variable dependiente (y).
49
50
CAPITULO 6.
6.1. Algebra Matricial
Una matriz es un conjunto de elementos ordenados en filas y
columnas.
a b
A =
c d
A = b
a b
B=
c d
Una matriz diagonal es una matriz cuadrada cuyos elementos fuera
de la diagonal son ceros:
a 0 0
C = 0 d 0
0 0 c
51
1 0 0
D = 0 1 0
0 0 1
Una matriz simtrica es aquella que tiene los elementos sobre la
diagonal igual a los elementos bajo la diagonal:
2 1 0
E = 1 1 3
0 3 4
a b 1 2 a +1 b+ 2
B + A=
+
=
c d 3 4 c +3 d +4
a b 1 2 (a x 1) + (b x 3) (a x 2) + (b x 4)
B x A=
x
=
c d 3 4 (c x 1) + (d x 3) (c x 2) + (d x 4)
Si el orden de B es fxc y el orden de la matriz A es rxz el producto
solo existe si c = r. El orden de la matriz final es fxz.
Ejemplo:
52
6 4 3
1 1
C = 3 9 7 , D = 2 0
3 1
8 5 2
entonces CxD:
1 2 3 6
(3) A = 3
=
3 4 9 12
La transpuesta del producto de dos o ms matrices es el producto de
la transpuesta de cada matriz en forma individual pero alternando el orden
de multiplicacin. Esto es:
(CD)' = D'C'
A diferencia de la multiplicacin en escalares, el orden en que las
matrices se multipliquen es importante:
Ejemplo:
2 3 4
5 6
A = 5 6 7 , B = 1 2
8 9 10
7 3
41 30
AB = 80 63
119 96
53
Si
a b
A=
c d
1
A =
1 d b
| A | c
a
donde | A |= ad bc = determinante de A
La divisin por cero no existe, entonces si la determinante de una
matriz es cero, esta no tiene inversa.
Ejemplo:
54
2 6
A =
1 4
1
A =
2 3
1 4 6
=
2 1
1
2 1/2
2 3 2 6 1 0
1
=
A A =
1 1 4 0 1
1/2
A continuacin se muestra una manera como invertir una matriz de
tercer orden. Existen tambin otros algoritmos para inversin de matrices.
La determinante de la matriz se puede reducir a una serie de
determinantes de matrices de orden 2:
2
6 1
A= 3
4 5
0 2
1
La determinante de A es:
A =6
4 5
0 2
1 ( 1)
3 5
1 2
+2
A = 6 ( 8) + 1 ( 1) + 2 ( 4)
A = 57
55
3 4
1 0
A = ( 1 )i + j bij M ij
j=1
4 5
= 8
M 11 = + 1
0 2
3 5
=+ 1
M 12 = 1
1 2
3 4
= 4
M 13 = + 1
1 0
2
1
= 2
M 21 = 1
0 2
2
6
= 14
M 22 = + 1
1 2
6 1
= 1
M 23 = 1
0
1
2
1
= 3
M 31 = + 1
4 5
56
2
6
= 36
M 32 = 1
3 5
6 1
= 27
M 33 = + 1
4
3
M = 2
1
14
36
27
La inversa de A es:
A-1 = |A|-1 M
es decir, la inversa de la determinante de la matriz A multiplicada por
la transpuesta de la matriz adjunta.
8
1
1
2
A =
57
3
1
14
36
27
'
2
6 1
1
A ( A 1 ) = 3
4 5 *
57
0 2
1
57
1
14
36
'
4
1 0 0
1 = 0 1 0
27
0 0 1
C-1B-1A-1 (ABC) = I
Ejemplo:
Si
4 0 0
A= 0 3 0
0 0 5
0
0
1/4
1
=
0
1/3
0
0 1/5
0
Existen programas computacionales los cuales usando diferentes
algoritmos pueden invertir matrices de mayor orden.
Ejemplo:
58
1 2 3
P= 4 5 7
5 7 10
La determinante de P es:
|P| = 1x(50-49) - 2x(40-35) + 3x(28-25) = 1 - 10 + 9 = 0
Claramente se aprecia en la matriz P que al sumar, en cada
columna, las filas 1 y 2 estas resultan en la fila 3. Esto es dependencia lineal
entre las filas de la matriz. El rango de una matriz se refiere al nmero de
filas o columnas linealmente independientes. El rango mximo que esta
puede tener es igual al orden de la matriz, en este caso se habla de matriz
con rango completo. Cuando el rango de una matriz cuadrada es menor al
orden de esta se habla de una matriz singular. Existen programas
computacionales que determinan el rango de una matriz.
Aunque las matrices singulares no pueden invertirse es posible
obtener una inversa generalizada de estas matrices. A diferencias de la
inversa de una matriz, la cual es nica, existen infinitas inversas
generalizadas. La inversa generalizada de P se escribe P-. Una inversa
generalizada cumple la siguiente propiedad:
PP-P = P
es decir la inversa generalizada pre y post multiplicada por la matriz
original es igual a la matriz original. Uno de los algoritmos para obtener una
inversa generalizada es el siguiente:
a) Determine el rango de la matriz (esto se puede hacer con
programas computacionales).
b) Obtenga una submatriz (Pi) la cual es cuadrada, de rango
completo y tenga un orden igual al rango de P.
c) Invertir Pi, se obtiene Pid) Las filas y columnas de P que no se incluyeron en Pi se
reemplazan por ceros y se obtiene P-.
e) Comprobar que P- es una inversa generalizada de P mediante:
PP-P = P
Ejemplo:
59
1 2 3
P = 4 5 7
5 7 10
a) El orden de esta matriz es 3 pero el rango es 2, es decir hay 2
filas o columnas que son linealmente independiente.
b) Una submatriz (Pi) de rango completo, igual al rango de P (2) se
puede obtener eliminando la primera fila y primera columna de la
matriz P.
5 7
Pi =
7 10
c) La inversa de Pi es:
1
Pi =
1
50 49
10 7
5
7
10 7
1
Pi =
5
7
d)
0
0
0
P = 0 10 7
5
0 7
e)
PP-P = P
0
0 1 2 3 1 2 3
1 2 3 0
4 5 7 0 10 7 4 5 7 = 4 5 7
5 5 7 10 5 7 10
5 7 10 0 7
60
PP-P = P
61
y = bo x1 + b1 x 2 + ...... + bk x k + e
en este caso bi representan los parmetros desconocidos, xi son las
variables independientes las cuales pueden indicar la cantidad actual de la
variable medida (regresin) o pueden indicar la ausencia o presencia de un
efecto en el modelo (modelos de clasificacin).
Un modelo lineal describe los datos y debe reflejar el sistema de
muestreo de la informacin, tambin debe reflejar la naturaleza del
problema en estudio.
El mtodo matemtico mas usado para describir la relacin entre
dos o mas variables es regresin lineal. La propiedad de linealidad se usa
ya que es la asociacin ms comn entre dos o ms variables y porque es
la ms fcil de manejar. Si la relacin entre dos o mas variables no es lineal
existen algunas transformaciones de los datos que pueden producir esta
relacin lineal. Modelos no lineales tambin existen pero su teora y
aplicacin son ms complejas.
Schaeffer (1993) describe tres tipos de modelos par una
determinada situacin:
62
y Xb
E =
e 0
La varianza de e es:
V(e) = R
63
64
65
y = a + b1 ( Edad ) + b2 ( Edad ) 2
en este modelo los parmetros estimadores del vector y, que son a, b1 y
b2, representan una funcin lineal del vector de observaciones que es y.
Esto aunque el factor edad se use en el modelo al cuadrado (o al cubo). La
lnea que grafica esta asociacin no es recta pero el modelo es lineal.
Un ejemplo de modelo no lineal sera: (Wood, 1967)
y = a + n b e cn
donde:
y = es la produccin de leche en la semana n
n = es la semana
e = base del logaritmo
a, b y c = son los parmetros estimadores del vector y.
En este caso b y c no representan una funcin lineal del vector de
observaciones ya que b es la potencia del nmero de semanas y c es uno
de los componentes a la cual se eleva la base e.
Para simplificar algunas situaciones muchos de los modelos no
lineales pueden ser lineal izados. Este es el caso del modelo de Wood
(1967), el cual se transforma de la siguiente forma:
log( y ) = a + b log(n ) cn
en este nuevo modelo los parmetros a (intercepto) b y c son funciones
lineales del vector de observaciones el cual ha sido transformado. De esta
66
Harina de Carne y
Hueso
Afrecho de Trigo
Protena (%)
9,0
49,8
16,8
Energa
(kcal)
3,34
2,66
2,51
Fibra (%)
2,2
2,0
11,51
67
9 49,8 16 ,8 x 17
w 4
2,2
2
0
11
5
,
,
0,05762 17
x 0,018346 0,3867893
3,2
z
=
0
0235962
0
047741
0
024051
,
,
,
w 0,000594 0,065692 0,1021623 4
x 0,6953
z = 0,1521
w 0,1883
Entonces al mezclar 69,53 kilogramos de maz con 15,21 kilogramos
de harina de carne y hueso y 18,83 kilogramos de afrecho de trigo, se
obtienen 103,57 kilogramos de la racin con la composicin de protena
energa y fibra cruda deseada.
68
y= X b+e
donde:
y = vector de observaciones (ganancia diaria)
X = Matriz de diseo (contiene la media y las observaciones de
peso al nacimiento)
b = vector desconocido (contiene la media y el coeficiente de
regresin)
e = vector de errores
69
1000 1 40
900 1 42
850 1 35
950 1 36
920 1 45
950 1 47
810 1 40
870 = 1 43
930 1 41
870 1 38
1000 1 44
870 1 38
900 1 41
810 1 37
950 1 36
e1
e2
e3
e4
e5
e6
e7
+ e8
b
y.x
e9
e10
e11
e12
e13
e14
e15
603
15
X' X =
603 24419
Donde:
70
- 15 = Es el nmero de observaciones.
- 603 = Es la sumatoria de la variable peso al nacimiento
- 24419 = Es la sumatoria de peso al nacimiento al cuadrado.
X'y es la multiplicacin de la matriz X transpuesta por el vector y.
1000
900
850
950
920
950
810
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
X y =
870
40 42 35 36 45 47 40 43 41 38 44 38 41 37 36
930
870
1000
870
900
810
950
13580
X y =
546930
603
15
b =
603 24419
71
13580
546930
9,125186846 0,225336322
b =
0
225
0
0056
,
336322
,
=
546930 5,68
72
CAPITULO 7.
7.1. Caractersticas
Cuantitativas
73
74
P=G+E
Donde
P = es el fenotipo o expresin que observamos o medimos de la
caracterstica (Valor fenotpico).
G = es la influencia del genotipo en lo que observamos. Esta
influencia est dada por la dotacin gentica del animal. (Valor
Genotpico)
E = es la influencia del ambiente en la expresin de la caracterstica.
La influencia del ambiente son todas los efectos no genticos
que estn afectando la expresin del fenotipo. (Desviacin
Ambiental).
La media de la desviacin ambiental (E) se asume que es igual a
cero. En otras palabras el ambiente, en una poblacin grande, afecta a
algunos animales en forma positiva y a otros en forma negativa, el
promedio esperado es cero. Entonces la media del valor genotpico (G) y
la media del valor fenotpico (P) son iguales,
esto es la media
poblacional.
Para deducir la media poblacional es necesario volver al modelo de
un locus con tres genotipos y crear un valor genotpico ficticio para cada
uno de ellos:
Genotipo
A1A
Valor Genotpico
-a
A1A
A2A2
+a
A1A1
A1A2
A2A2
Valor Genotpico
-a
+a
Frecuencia
q2
2pq
p2
Frec. x Valor
-q2a
2pqd
p2a
75
76
M = ap - aq + 2a (1 - q)q
M = a(1 - q) - aq + 2aq - 2aq2
M = a - aq - aq + 2aq - 2aq2
M = a - 2aq2
M = a(1 - 2q2)
Lo que se ha mostrado hasta ahora es el efecto de un locus en
forma separada sobre la media poblacional de una caracterstica. Se ha
mencionado que la expresin gentica de una caracterstica determinada
se debe a la accin de muchos loci (genes), entonces la media poblacional
de la caracterstica cuantitativa estar dada por el efecto aditivo de cada
uno de los loci. Es decir por la suma de los efectos separados de cada loci
en una caracterstica determinada. Por ahora se asume que la accin de
los genes en diferentes loci es solo aditiva, por simplicidad se ignora la
accin dominante y episttica las cuales sern descritas ms adelante.
Ejemplo:
En una poblacin en equilibrio, de una caracterstica cualquiera se
conoce la siguiente informacin:
- valor genotpico del homocigoto A2A2 =
- valor genotpico del heterocigoto =
- valor genotpico del homocigoto A1A1 =
- frecuencia del alelo recesivo =
21 grs.
16 grs.
5 grs.
0,2
A1A1
A1A2
A2A2
Valor
Genotpico
-a = 5 -13 = - 8
d = 16 -13 = 3
+a = 21-13 = 8
Frecuencia
q2 = 0,22 = 0,04
2pq =2(0,8)(0,2)
=0,32
p2 = 0,82 = 0,64
2pqd =
2(0,8)(0,2)(3) =
0,96
p2a = (0,64)(8) =
5,12
-q a = -(0,04)(8) = 0,32
Frec. x Valor
77
78
79
Tipo de
Gameto
Valores y
frecuencias de
los genotipos
producidos
Valor medio
de los
Media
genotipos
producidos Poblacional
Efecto medio
del Gen
pa + qd
-[a(p - q) +
2pqd]
-qa + pd
-[a(p - q) +
2pqd]
q
p
80
A1A2 A2A2
da
(a d)
p
A1A1 A1A2
ad
(a + d)
q
81
p(a - d) + q(a + d)
pa - pd + qa + qd
(1 - q)a - pd + qa + qd
a - qa - pd + qa + qd
a - pd + qd
a + d(-p + q)
= a + d(q - p)
82
21 grs.
16 grs.
5 grs.
0,2
83
5,6
6,2
6,8
7,4
8,0
84
85
Con la informacin del ejemplo anterior los valores de cra para los
tres genotipos son:
Genotipo
Valor de cra
A2A2
A1A2
A1A1
86
87
Desviacin de Dominancia
A2A2
-2q2d
A1A2
2pqd
A1A1
-2p2d
Desviacin de
Dominancia
Valor genotpico
(corregido por la
media)
A2A2
2,48
-2q2d = -0,24
2,24
A1A2
-3,72
2pqd = 0,96
-2,76
88
A1A1
-9,92
-2p2d = -3,84
-13,76
89
CAPITULO 8.
8.1. Variacin Fenotpica, Gentica y
Ambiental
En cualquier poblacin de animales se encuentran algunos que son
sobresalientes en alguna caracterstica de importancia econmica y otros
con un rendimiento muy bajo. Entre estos dos extremos existe todo un
espectro de animales con diferentes rendimientos, es decir existe variacin
dentro de la poblacin. Un ejemplo es peso a una determinada edad en
animales de carne, algunos tendrn un peso aceptable y otros tendrn un
peso inferior. Esta variacin en el fenotipo est determinada por una
variacin gentica (los animales tienen diferentes genotipos) y por una
variacin ambiental.
Una observacin fenotpica de un animal se puede representar de
la siguiente manera:
P=G+E
Esta simple representacin de una observacin fenotpica (Ej.
produccin de leche a los 305 das), puede ser subdividida en otros
componentes. En el Capitulo anterior se mencion que el valor genotpico
(G) est formado por el valor de cra (o valor gentico aditivo), desviacin
dominante y desviacin episttica:
G = GA + GD + GI
Entonces la descripcin lineal de una observacin fenotpica se
puede expandir de la siguiente forma:
P = GA + GD + GI + E
Como se ha indicado en pginas anteriores de toda la estructura
gentica de un animal solo se transmite a la prxima generacin el valor de
cra o valor gentico aditivo. La desviacin dominante y episttica se
producen de combinaciones especificas de genes dentro de los loci e
interacciones de genes entre loci. De esta forma, uno de los desafos de
los genetistas cuantitativos es determinar con la mayor exactitud posible la
90
porcin gentica aditiva (GA) que est presente en lo que observamos (P).
El fenotipo, el cual es observado en el animal en cuestin y los parientes,
es la nica informacin disponible sobre la cual se deben hacer decisiones
de seleccin.
Nuevamente, los efectos genticos (G) se pueden subdividir en
efectos genticos aditivos (GA), efectos genticos dominantes (GD) y
efectos genticos epista,ticos (GI). Es importante recalcar que los
caracteres cuantitativos estn influenciados por un gran nmero de genes
y el valor gentico aditivo de un animal esta dado por la suma de los
efectos individuales de cada gen. Los efectos gentico aditivos son los que
se transmiten a la prxima generacin y es por eso que los genetistas
estn interesados principalmente en estos efectos. El efecto gentico
aditivo de un animal es lo que tambin se conoce como valor de cra,
valor reproductivo o valor gentico.
El mayor inters en este curso se centra en efectos genticos
aditivos (valor reproductivo) los que son transmitidos a la prxima
generacin.
Los efectos ambientales (E),(P = GA + GD + GI + E), que influencian
un registro de produccin (fenotipo) pueden ser separados en efectos
ambientales temporarios y efectos ambientales permanentes.
De la ecuacin anterior,
P = GA + GD + GI + E
se desprende que un fenotipo superior puede ser el resultado de un
genotipo superior o porque el animal ha recibido una mejor contribucin
ambiental.
Los factores ambientales permanentes afectan todas las
observaciones de un animal, por ejemplo si medimos produccin de leche
en varias lactancias la perdida de un cuarto es un efecto ambiental
permanente que esta afectando a todas las lactancias. Otros ejemplos de
efecto ambiental permanente son: disponibilidad de alimentos en etapa
temprana de vida, enfermedades que pueden dejar secuelas, etc.
Los factores ambientales temporarios afectan solo a una
observacin. Ejemplo: un caso de mastitis afectara, solo la produccin de
esa lactacin (asumiendo que esta enfermedad no deje dao permanente
en el tejido mamario).
91
8.1.1. Varianzas
La varianza de los valores fenotpicos de la poblacin se puede
calcular de la siguiente manera:
n
P2 =
( P - )
i=1
P2
=
varianza fenotpica
G2
+
E2
= varianza gentica + varianza ambiental
92
G2 = A2 + D2 + I2
A2 = corresponde a la varianza de los valores de cra
D2 = es la variacin observada en las desviaciones de dominancia
I2 = es la varianza originada por las desviaciones epistticas.
8.1.3. Heredabilidad
Al observar un grupo de animales vemos diferencias (variacin) entre ellos.
Si consideramos una caracterstica cualquiera es importante saber que
proporcin de la variacin observada es de origen gentico, o que
proporcin es de origen ambiental.
El parmetro gentico que nos indica la proporcin de la varianza
fenotpica la cual es debido a varianza de origen gentico es la
heredabilidad la cual flucta entre 0 y 1. Heredabilidad en el sentido
amplio simplemente mide la proporcin de la varianza genotpica en
relacin al total de la varianza fenotpica, algebraicamente se puede
representar de la siguiente forma:
G
2
H = 2=
2
2A + 2D + 2I
( 2A + 2D + 2I ) + ( 2E + 2E )
P
93
A
2
h = 2=
2A
( 2A + 2D + 2I ) + ( 2E P + 2ET )
Si
D2 = I2 = E2 = E2 = 0,
P
entonces h2 = 1.
Esto indica que la variacin observada en el fenotipo de los
animales es exclusivamente debida a variacin en los valores de cra de la
poblacin (efecto gentico aditivo).
Si A2 = 0, entonces la heredabilidad es 0.
94
8.1.4. Repetibilidad
Algunas caractersticas cuantitativas como produccin de leche, o
nmero de lechones por camada, se expresan ms de una vez en la vida
del animal. La repetibilidad (t) mide la proporcin del fenotipo la cual ser
en promedio repetida en futuros registros. Representa el grado de
asociacin (correlacin) entre mediciones en el mismo animal para
caracteres que son medidos ms de una vez. En este caso se considera
que el carcter que se est midiendo ms de una vez est regulado por el
mismo genotipo, es decir la primera y segunda lactancia estaran
reguladas por los mismos genes. Esto ltimo es bastante discutible. Como
en el caso de la heredabilidad la repetibilidad se define en funcin a
proporciones de componentes de varianza.
95
Para entender este concepto es necesario tener claro los dos tipos
de variacin ambiental, permanente y temporario. Los efectos ambientales
temporarios varan de un perodo a otro y se asume que son
independientes, algunas veces sern positivos y otras veces negativos, si
pudieran medirse en varios perodos (lactancias por ejemplo) su promedio
debera ser cercano a cero. La varianza de produccin de leche en cada
lactacin por ejemplo, puede ser analizada como componentes dentro del
animal, midiendo las diferencias de produccin en un mismo animal, y un
componente entre animales, midiendo las diferencias entre diferentes
individuos. Las diferencias dentro de un individuo son de origen
completamente ambiental temporal ya que es el mismo genotipo y
ambiente permanente los que estn determinando la produccin. El
componente de varianza entre animales es causado por los diferentes
genotipos y la accin del ambiente permanente. Los efectos ambientales
permanentes ms el genotipo del animal son los que determinan el
potencial o habilidad de produccin del animal durante su vida. Entonces
repetibilidad es definida de la siguiente manera:
t=
G2 + 2E
G2 + 2E
=
( 2A + 2D + 2I ) + ( 2E + 2E )
2P
P
96
y i = + t ( xi x )
donde:
= es el promedio de los registros a predecir (y)
x = es el promedio de los primeros registros (x) en el rebao .
t = repetibilidad de la caracterstica o coeficiente de regresin
Cuando existen ms de un registro en el mismo animal la frmula es:
yi = + b ( xi x )
donde b es:
97
b=
nt
1 + (n 1) t
n = nmero de registros
t = repetibilidad
Note que si solo existe un registro (n = 1) el valor de b es igual al
valor de t y ambas frmulas son iguales.
A continuacin se muestran algunos ejemplos de estimacin de
habilidad de produccin ms probable.
Una estimacin de repetibilidad del tamao de la camada en cerdos
es:
t = 0,20
Una cerda con 4 partos tiene un promedio de 12 lechones (xi).
El promedio del plantel considerando todos los partos son 10
lechones ( x ).
El problema es estimar el nmero de lechones ms probables para
el prximo parto :
Usando la frmula primero hay que estimar b
b=
4 ( 0,20 )
= 0,5
1 + ( 4 1 ) ( 0,20 )
98
Cerda #
Registros
12
10
15
10
15
x = 10,625
La media del plantel al tercer parto es (solo una observacin):
x = 12
La media del plantel considerando los dos primeros partos es:
x = 10,50
Primero se debe estimar la habilidad de produccin ms probable
de cada cerda.
Cerda # 1:
El promedio de este animal considerando los cuatro partos es: x1 = 9
b=
4 (0,20)
= 0,5
1 + (4 1) (0,20)
99
Cerda # 2
El promedio de este animal considerando 2 partos es: x1 = 12.5
b=
2 (0,20)
= 0,3334
1 + (2 1) (0,20)
100
101
A
2
h = 2
2
rP G A =
PG
PG
(indicado anteriormente)
Multiplique las dos funciones:
(P)(GA) = (GA + E) (GA) = G2A + EGA
102
b)
c)
r P ,G A =
G2 A = G = 2
h
PG P
A
bG A ,P =
G ,P G2
= 2 = h2
2
P
P
A
103
CAPITULO 9.
9.1. Estimacin de Heredabilidad
En el Capitulo anterior se present el concepto de heredabilidad
la cual fue definida como la proporcin de la varianza gentica aditiva en
relacin a la varianza fenotpica. Tambin se puede decir que es el
porcentaje de la varianza fenotpica que es atribuido al efecto promedio
de los genes. Es la heredabilidad la cual determina el grado de parecido
entre parientes. Quizs la propiedad ms importante de la heredabilidad
es su valor como predictor del valor gentico aditivo cuando conocemos
el valor fenotpico de una caracterstica. En una caracterstica cualquiera
lo que observamos es el fenotipo pero es el valor de cra (o valor
gentico aditivo) lo que determina la influencia de un animal en la
prxima generacin.
El objetivo de este Captulo es mostrar simples mtodos de
estimacin de heredabilidad. El problema consiste en estimar los
componentes de varianza en registros fenotpicos. Existen otros mtodos
de estimacin de varianza los cuales estn fuera de los objetivos de un
curso de gentica ganadera aplicada a nivel de pre-grado.
Existen varios mtodos para estimar la heredabilidad de una
caracterstica cuantitativa, estos mtodos se basan en principios de
regresin lineal. El mtodo a usar depende del tipo de registros que se
dispongan. Para caractersticas comunes de produccin (leche, carne,
huevos etc.) existen muchas estimaciones de heredabilidad en la
literatura las cuales se pueden usar en un programa de seleccin,
entonces su estimacin no siempre es necesaria. Sin embargo, como se
mencion anteriormente la heredabilidad no es un parmetro esttico,
aunque las diferencias no son grandes, este cambia en cada poblacin al
cambiar la frecuencia gnica ya sea por seleccin o migracin
(importacin de semen). Entonces se desea trabajar con parmetros
genticos confiables, que sirvan en la poblacin con la que se va a
trabajar, estimacin de heredabilidad debe hacerse siempre cuando esto
es posible.
104
b y.x =
y.x
2x
bo.p =
o.p 1/2 2A
= 2
= 1/2 h 2
2
P
P
Padre
Padre
bo. p =
105
b)
Efecto
Grados de
Libertad
Componentes de la
Media de los Cuadrados
Entre Machos
m1
W2 + n m2
Dentro de machos
m(n - 1)
W2
Total (corregido)
mn 1
106
m2 = A2 . En la tabla de
anlisis de varianza, si se suman las dos varianzas calculadas ( m2 y
W2 ) obtendremos una estimacin de la varianza fenotpica, el cual es el
varianza gentica aditiva. Luego, 4 veces
h =
4 2m
2A
=
2m + 2w 2P
107
Efecto
Grados de
Libertad
Media de
los
Cuadrados
Componentes de
la Media de los
Cuadrados
Entre
Machos
M - 1 = 59
W2 + n m2
Dentro de
machos
m(n - 1 ) =
300
W2
Total
(corregido)
Nm - 1 = 359
108
Macho
Registro de la
progenie
Total
5,2
3,5
5,4
4,5
3,2
2,5
Total
13,8
21
SCM = n (y )2 = 6(
21 2
) = 73,5
6
STC = y 2 = 52 + 22 + ......+ 32 + 22 = 83
Este valor se debe corregir por la media:
83 73,5 = 9,5
El nmero de grados de libertad es el total de observaciones (6)
menos 1 ya que est corregido por la media.
109
SCER =
7 9 5
+ + = 24,5 + 40,5 + 12,5 = 77 ,5
2 2 2
110
Efecto
Media de Componentes
Grados de
Suma
los
de la Media de
Libertad Cuadrados Cuadrados los Cuadrados
Entre
Reproductores m - 1 = 2
W2 + 3 m2
Dentro de
m(n - 1 ) =
Reproductores
3
5,5
1,83
W2
Total
(corregido)
nm - 1 = 5
9,5
W2 + 3 m2
esto es la varianza dentro de reproductores ms 2 veces la
varianza entre reproductores. Entonces la varianza entre reproductores
es:
2
h =
2A = 0,34 = 0,177
2P 1,915
111
un nmero muy bajo de datos para seguir este ejemplo con una
calculadora de bolsillo y entender de donde vienen las sumas de
cuadrados de la tabla de anlisis de varianza.
Para analizar datos reales existen varios programas
computacionales los cuales, una vez procesada la informacin de
acuerdo al modelo que hemos diseado, entregan la tabla de anlisis de
varianza y varias pruebas estadsticas. Sin embargo, al usar programas
estadsticos es fundamental conocer como se genera una tabla de
anlisis de varianza, por eso se recurri al ejemplo simple presentado
anteriormente.
Existen varios procedimientos estadsticos para calcular el error
estndar de la estimacin de heredabilidad dependiendo del tipo de
informacin usado, estos mtodos no son discutidos en las notas. Un
detalle de algunos de estos mtodos se puede encontrar en Falconer,
Capitulo 10.
112
Efecto
Grados de
Libertad
Entre Machos
m-1
Componentes de la
Media de los Cuadrados
W2 + n m2
Dentro de
Machos
m(n - 1)
W2
Total (corregido)
mn - 1
MCEM 2w = n 2m
MCEM 2w
= 2m
n
1
2
1
4
2m = P(hermanos) = 2A + 2D
1
2
2A + 2D
2
m
2
2
=
h = 2
m + 2w
2P
Se puede ver en la frmula anterior que la heredabilidad esta
exagerada al incluir la mitad de la varianza gentica dominante. Como la
covarianza fenotpica entre hermanos contiene la mitad de la varianza
113
gentica aditiva, esta se debe multiplicar por dos para obtener el total de
la varianza gentica aditiva. Al hacer esto tambin estamos doblando la
varianza gentica dominante (1/4) contenida en esta covarianza
fenotpica entre hermanos, finalmente se obtiene 1/2 de la varianza
gentica dominante. Lo anterior es la razn por la cual la estimacin de
heredabilidad usando datos de hermanos es ms alta que la estimacin
usando datos de medios hermanos.
9.1.5. Anlisis
Hermanos
de
Hermanos
Medios
114
Efecto
Grados de
Libertad
Componentes de la
Media de los Cuadrados
Entre Machos
m1
W2 + p h2 + ph m2
Entre Hembras
Dentro de Machos
m(h 1)
W2 + p h2
Dentro de la
Progenie
mh(p 1)
W2
Total (corregido)
mhp 1
Heredabilidad estimada
componente paterno.
115
usando
en
el
numerador
el
h =
4 2m
2A
=
2m + 2h + 2w 2P
2
h =
4 2h
2A + 2D
=
2m + 2h + 2w
2P
h =
2 ( 2m + 2h )
2m + 2h + 2w
Ejemplo:
El siguiente es un ejemplo tomado de Falconer, pgina 168
(fourth edition).
Existe informacin en la siguiente poblacin de animales:
- 468 machos, 2 hembras por macho, 2 cras por hembra.
Un anlisis de varianza de datos de hermanos y medios
hermanos es el siguiente:
116
Efecto
Grados de
Libertad
Entre Machos
m - 1 = 467
Entre Hembras
Dentro de
Machos
m(h - 1) = 468
Dentor de la
Progenie
mh(p - 1) = 936
Total
(corregido)
mhp - 1 = 1871
Media de
los
Cuadrados
6,03
Componentes de la
Media de los
Cuadrados
2
W + p h2 + ph m2
3,81
W2 + p h2
2,87
W2
h2 =
3,81 - 2,87
= 0,47
2
117
6 ,03 = 2w + 2 h2 + 4 m2
2w + 2 h2 = 3,81
4 m2 = 6 ,03 - 3,81
m2 =
6,03 - 3,81
= 0,56
4
h machos =
2
hembras
2
machos y hembras
4 m2
2
P
4 h2
2
P
4(0,56)
= 0,57
3,9
4(0,47)
= 0,48
3,9
2( h2 + m2 )
2
P
2(0,47 + 0,56)
= 0,53
3,90
118
G2 + 2E
G2 + 2E
t=
= 2
( A + 2D + 2I ) + ( 2E + 2E )
2P
P
t = r yi1 , y y2 =
y ,y
y y
i1
i1
i2
i2
2y 1 = 2y 2 = 2P
i
119
GiEETi2 = G,ET =
120
EEPiEETi1 = EP,ET =
porque se
ambientales
los efectos
y segundo
t = r yi1 . y y2 =
y ,y
2 + 2
= G 2 E
y y
P
i1
i2
i1
i2
Ejemplo:
Cerda #
1
2
3
4
5
Total
Primer
Parto
5
7
12
3
6
33
Segundo Parto
9
10
12
8
7
46
Total por
Cerda
14
17
24
11
13
79
121
t = r y i1, y y2 =
y ,y
5,35
2 + 2
= G 2 EP =
= 0,71
7 ,5
y y
P
i1
i1
i2
i2
122
Comp. Media
de Cuadrados
16,9
16,9
2
e2 + 5 parto
51,4
12,85
2
e2 + 2 cerda
8,6
2,15
e2
Efecto
Total
G.L.
9
S. C.
76,9
Entre Parto
Entre Cerda
Error
2
La varianza entre cerda ( cerda
) es:
2
12,85 = e2 + 2 cerda
2
cerda
2
=
cerda
12,85 e2
2
12,85 2,15
= 5,35
2
123
2
2
P2 = cerda
+ Parto
+ e2
Primer Parto
Segundo Parto
2
P2 2 = cerda
+ e22
b)
c)
124
e,e2 = 0
Por ejemplo:
C1,e2 es la covarianza entre el genotipo ms el
ambiente permanente de la cerda en el primer parto con el residual del
segundo parto, se presume que estos dos efectos son independientes.
2
Entonces: Y1Y2 = cerda
= Covarianza entre primer y segundo parto
2
) esta
Por el tipo de modelo usado la varianza entre cerdas ( cerda
125
r yx =
yx
y x
yx = r yx y x
Regresion ha sido definida como :
b xy =
xy
2y
b xy =
r yx y x
2y
b xy =
r yx x
126
b yi2 . yi1 =
y .y r y
=
2y
i2
i1
i2 . y i1
i2
y y r y .y y
y
=
=t
=t
2
y
y
y
i1
i2
i2
i2
i1
i2
i2
i2
i2
2y = 2y = 2P
i2
i1
b y i2 . y i1 =
y . y 5,35
=
= 0,71 = repetibilidad
7 ,5
2y
i2
i1
i2
127
CAPITULO 10.
10.1. Seleccin
Gentico
Mejoramiento
128
129
Bovinos
3-4
4.5 - 6
Ovinos
3-4
4.5 - 6
Equinos
2-3
4-5
Cerdos
1,5 - 2
1,5 - 2
Aves
1,5 - 2
1,5 - 2
r A A =
A.A
A A
130
Por definicion :
A.A = 2A
Entonces
2A
= A
r A.A =
A A A
A = r A.A A
2
2A = ( r A.A ) 2A
Entonces la varianza de los valores genticos estimados es
igual al cuadrado de la seguridad de prediccin multiplicada por la
varianza de los valores genticos verdaderos (varianza gentica
aditiva). Como la varianza gentica aditiva es ms o menos constante
esta frmula muestra la importancia de la seguridad de prediccin: a
mayor seguridad de prediccin mayor ser la varianza (y dispersin)
de los valores genticos estimados de los animales en la poblacin.
Esto permitir distinguir ms claramente los animales genticamente
superiores del resto de los individuos de la poblacin. En un caso
extremo, si la seguridad de prediccin es 0 la varianza de los valores
genticos estimados ser 0 lo que indica que todos los animales en la
poblacin tendrn el mismo valor gentico aditivo. Naturalmente en
este caso no podemos practicar seleccin gentica. El otro extremo
es, si la seguridad de prediccin es 1 significa que la varianza de los
valores genticos verdaderos es igual a la varianza de los valores
genticos estimados. Esto significa que los valores genticos se
predicen sin error ( = A). El cuadrado de la seguridad de estimacin
( r 2 ^ ) se conoce como confiabilidad o repetibilidad (no confundir con la
AA
131
Progreso Gentico/Ao = G = r A A
i A
L
132
10.1.6. Respuesta
Fenotpicos
Basada
en
Valores
R = ih 2 P
donde:
P = es la desviacin estndar fenotpica de la caracterstica en
esa poblacin.
i = es la intensidad de seleccin la cual es el promedio del
nmero de desviaciones estndar que los animales
seleccionados tienen sobre la media poblacional.
La intensidad de seleccin depende de la proporcin de
individuos seleccionados, a menor nmero de individuos
seleccionados la distancia entre la media poblacional y el punto de
truncacin es mayor.
La frmula que precede claramente indica que a mayor
heredabilidad de la caracterstica mayor ser la respuesta fenotpica a
la seleccin. Lo mismo pasa al aumentar la varianza fenotpica y la
133
10.1.7. Respuesta
Genticos
Basada
en
Valores
i A
L
G/ao =
r A A m i m A + r A A f i f A
Lm + L f
134
%
seleccionado
rA
Machos
2,063
0,707
2 + 0,5
Hembras
55
0,72
0,707
1,5 + 0,5
G =
r A A m i m A + r A A f i f A
Lm + L f
135
G/ao =
30,93 + 10,796
= 9,2 kilogramos/ao
4,5
10.1.8.
Respuesta
Produccin Futura
Expresada
Como
136
137
CAPITULO 11.
11.1. Estimacin de Valores
Genticos
En las ltimas dcadas los mtodos estadsticos han
experimentado un gran desarrollo los cuales permiten predecir valores
reproductivos con bastante precisin. Es necesario mencionar ac que
mucho de estos avances han sido desarrollados por los profesores J.
L. Lush y C. R. Henderson. Todos los mtodos que se estudiarn en
este captulo estn basados en los principios mencionados
anteriormente como regresin, heredabilidad, repetibilidad y
parentesco gentico aditivo.
La base de la informacin son los registros fenotpicos los
cuales pueden ser del propio animal a evaluar o pertenecer a alguno
de los parientes genticos. Un ejemplo de esto ltimo es la evaluacin
de toros de leche la cual se basa en registros de sus parientes
hembras (abuela, madre, hermanas e hijas).
En este Captulo se presentarn algunos mtodos de
estimacin de valores reproductivos basados en diferentes tipos de
registros. La principal caracterstica de estos mtodos es que estos
nos dan una estimacin insesgada de los valores reproductivos. Una
estimacin insesgada indica que el promedio del error de prediccin
en todos los animales es igual a cero. El error de prediccin es la
diferencia entre el valor gentico estimado y el valor gentico
verdadero.
En general, mejoramiento gentico se realiza seleccionando los
genotipos superiores, es decir los animales que tienen el ms alto
valor gentico o reproductivo. Como se indicaba anteriormente en la
prctica lo que observamos o medimos es el fenotipo del animal y no
su valor gentico entonces el proceso no es necesariamente simple. El
fenotipo del animal nos indica su valor gentico ms el efecto del
ambiente el cual puede ser positivo o negativo. Los factores
ambientales (permanentes o temporales) estn enmascarando el
verdadero valor gentico del animal. Uno de los desafos ms
importante en mejoramiento animal es la prediccin de los valores
138
genticos de los animales usando datos fenotpicos. Una vez que los
valores genticos han sido estimados los animales se pueden
clasificar de acuerdo a su potencial y se seleccionan los mejores como
padres de la prxima generacin.
G .P G2
2
bG .P = 2 = 2 = h
P
P
A
A i = ( bG A .P ) p i
2
A i = ( h ) p i
139
2
r A A = h = 0,25 = 0,5
r A A =
A A =
A A
140
A A = ( h 2 P ) (A)
Anteriormente se ha indicado que:
P=G+E
P= A+ e
es decir el fenotipo es igual a la accin gentica ms el efecto del
ambiente.
Reemplazando algunos trminos:
A A = ( h2 ) (A + e) (A)
A A= ( h2 ) ( A2 + A e)
Considerando que el genotipo (A) es independiente del
ambiente (e):
A e=0
A A= ( h2 ) A2
Reemplazando productos por covarianzas y cuadrados por
varianzas (el trmino h2 es una constante) el numerador de la frmula
de seguridad de estimacin es:
A A = h 2 2A
Derivando el denominador de la frmula de seguridad de
estimacin. Este contiene la desviacin estndar del valor gentico
real y estimado:
La varianza de la estimacin del valor gentico (i = h2pi) la
cual es una funcin lineal de h2 y pi es:
2
2A = [( h2 ) P ]
141
A = ( h P) = h P
2
A A = ( h P ) A
2
A A = (h (A + E) ) A
A A = (h (A + 0) ) A
A A = (h A ) A
A A = h A A
A A = h 2A
Finalmente la correlacin entre el valor gentico verdadero y el
valor gentico estimado es:
r A A =
A A = h2 2A = h = 2
h
A A h 2A
142
A i =
n h2
(p i )
1 + (n - 1) t
A i =
(3) (0,25)
(6900 - 6000)
1 + (2) (0,45)
143
r A.A i =
2
(3) (0,25)
nh
=
1 + (n - 1) t
1 + (3 - 1) 0,45
G = r A A
i A 0,50 i A
=
= 0,166 i A
L
3
G = r A A
i A 0,628 i A
=
= 0,1256 ( i ) A
L
5
144
0,1256 (i ) A
= 0,7566
0,166 (i) A
Esto significa que seleccin basada en la tercera lactancia
produce solo un 75 % del progreso gentico que se puede obtener al
seleccionar basndose en los registros de la primera lactancia.
El simple ejemplo anterior no considera el aporte gentico de
los machos los cuales tienen diferente intervalo generacional. En la
realidad la expectacin de progreso gentico por ao depende de
ambos sexos la cual se debe calcular en forma separada y luego
combinarlos de la siguiente manera:
G =
( r A.A i A )M + ( r A.A i A )H
L M + LH
145
Nmero de
Registros
h2 = 0,20
Repetibilidad
h2 = 0,50
Repetibilidad
0,20
0,50
0,80
0,50
0,80
0,45
0,45
0,45
0,71
0,71
0,58
0,52
0,47
0,82
0,75
0,71
0,57
0,49
0,89
0,77
10
0,85
0,60
0,49
0,95
0,78
100
0,98
0,63
0,50
0,99
0,79
A x = b Ax . yn ( y n )
En este caso la regresin del valor gentico en el promedio de
los registros de los parientes ( yn ) es:
146
b A x . yn =
A y
2y
x
A y = a x y ( 2A )
x n
y2 =
n
[1 + (n 1) r] 2p
n
2
2
2
a xy A n
a xy h n
a xy A
=
=
b Ax y n =
[1 + (n 1) r] 2p [1 + (n 1) r] 2p [1 + (n 1) r]
A x = [
2
a xy h n
] yn
[1 + (n 1) r]
147
r A A = a xy h
n
[1 + (n 1) r]
r A A = a xy h
En la frmula anterior el valor gentico se calcula multiplicando
el grado de parentesco gentico entre los dos animales por la
heredabilidad de la caracterstica y por el registro fenotpico ajustado
del pariente que tiene la informacin. La seguridad de prediccin es
simplemente el coeficiente de parentesco multiplicado por la raz
cuadrada de la heredabilidad del carcter. Las frmulas anteriores
muestran que la seguridad de estimacin aumenta a medida que
aumenta el grado de parentesco gentico aditivo entre los individuos.
Mientras ms lejano es el parentesco gentico menor informacin se
puede obtener de los registros fenotpicos de los parientes.
148
r xy =
r P1 P 2 =
xy
x y
a12 2A
P P
1
se asume : P1 = P2
a12 A
2
r P1 P 2 =
P2
= a12 h 2
A x = [
0,5 h 2 n
] y
[1 + (n 1) (0,25) h 2 ] n
r A A = 0,5 h
n
[1 + (n 1) (0,25) h 2 ]
Ejemplo:
149
A x = [
r A A = (0,5) (0,5)
25
[1 + (25 1) (0,25) (0,25)]
r A A = 0,25 10 = 0,79
Para condiciones practicas la seguridad de estimacin en este
caso es relativamente alta (79 %). Como se deduce de la frmula, la
seguridad de estimacin vara de acuerdo a la heredabilidad y al
nmero de hijas que contribuyen en la informacin. El siguiente cuadro
muestra los cambios de la seguridad de estimacin con diferentes
heredabilidades y nmero de hijas:
150
rAA,^
n
h 2 = 0, 1
h 2 = 0, 2
h 2 = 0, 5
0,16
0,22
0,35
0,22
0,31
0,47
0,30
0,42
0,60
10
0,45
0,59
0,77
50
0,75
0,85
0,94
100
0,85
0,92
0,97
11.1.4. Evaluacin
Hermanos Enteros
con
informacin
de
A x = [
0,5 h 2 n
]yn
[1 + (n 1) (0,5) h 2 ]
151
r A A = 0,5 h
n
[1 + (n 1) (0,5) h 2 ]
h 2 = 0, 1
h 2 = 0, 2
h 2 = 0, 5
0,16
0,22
0,35
0,22
0,30
0,45
0,29
0,39
0,53
10
0,42
0,51
0,62
50
0,60
0,65
0,69
100
0,65
0,68
0,70
11.1.5. Evaluacin
Medios Hermanos
con
informacin
de
152
A x = [
0,25 h 2 n
]y
[1 + (n 1) (0,25) h 2 ] n
r A A = 0,25 h
n
[1 + (n 1) (0,25) h 2 ]
h 2 = 0, 1
h 2 = 0, 2
h 2 = 0, 5
0,08
0,11
0,18
0,11
0,15
0,24
0,15
0,21
0,30
10
0,23
0,29
0,38
50
0,37
0,43
0,47
100
0,42
0,46
0,48
153
r Ax
A x
= 0,5 ( r AM
A M
154
2
) + ( r AH
A H
A = b (y n )
donde b es el coeficiente de regresin o la ponderacin que se
le asigna a los correspondientes registros corregidos. En otras
palabras b representa las frmulas revisadas anteriormente que
incluyen heredabilidad, repetibilidad y nmero de registros.
155
A = b1 (y1 ) + b2 (y 2 ) + ...+ bt (y t )
en trminos estadsticos esto es regresin mltiple.
En matrices esto se puede escribir de la siguiente forma:
A = b y
donde:
b es un vector desconocido que contiene las ponderaciones de
cada fuente de informacin.
y es un vector conteniendo los registros fenotpicos corregidos
de los diferentes parientes (o propios).
El vector y es conocido ya que son los registros o datos de
produccin. El vector b debe ser estimado de tal manera que el ndice
de seleccin tenga las siguientes propiedades:
-
156
2y b1 + y . y b 2 = y . A
1
y . y b1 + 2y b2 = y
1
2 . A
Donde:
yi. A
157
2y1 y1. y 2 b1 y1 A
=
2
y 2 b2 y 2 A
y 1. y 2
Con algunos presuntos las ecuaciones se pueden expresar en
trminos de heredabilidad y repetibilidad.
Por ejemplo:
2
y1.y2 = a12h2 P
a2
y1.y2 = a12 h2
158
P2
y1.A = a1h2 P
Demostracin:
y1 = A1 + E1
y1A = (A1 + E1) A
y1A = (A1A) + (E1 A)
2
y1.A = a1 a + 0
2
y1.A = a1h2 P + 0
y2.A = a2h2 P
P2
a h 2 2
P
12
2 2
a12 h 2 P2 b1 a 1 h P
=
P2 b 2 a 2 h 2 2P
159
P2
P
a h 2 2
12 2 P
P
2
a12 h 2 P2
P2
P2
P2
b1 a1 h 2 p
p
a1 h 2 2p
b2 2
p
2
1 a 12 h 2 b1 a 1 h 2
2
2
1 b 2 a 2 h
a 12 h
Sin embargo, lo ms comn es que y (el registro corregido) sea
un promedio de registros en uno o ms animales. Si las fuentes de
informacin son un animal con varios registros o varios animales con
uno o ms registros:
2y 1 y 2y 2 no son iguales a P2
En este caso la derivacin de la varianza del promedio de
registros en uno o ms animales es ms complicada. Usando algunos
presuntos y luego de bastante lgebra los elementos de la diagonal de
las ecuaciones del ndice de seleccin (cuando 2y 1 y 2y 2 no son
iguales a P2 ) se pueden presentar en trminos de heredabilidad,
repetiblidad y parentesco aditivo.
Sin mostrar la derivacin completa las ecuaciones se simplifican a:
2
2
k1
a12 h b1 a1 h
=
2
a
h
k
12
2
b2 a 2 h 2
donde:
160
[1 + ( n i 1) t]
ki =
donde:
ni
+ ( mi 1) a i i h 2
mi
a12 h 2
k2
b2
a1 h 2
2
a 2 h
161
k b1 + a 2 h b2 = a h
2
a 2 h b1 + k 2 b2 = a 2 h
1 0,15
0,15 1
b1 0,3
=
0,15
b2
La solucin de b se obtiene:
b1 1
0,15
=
0,15
1
b2
0,3
0,15
b1 0,283
=
0,107
b
2
Se debe notar que el peso o la importancia del registro propio
(b1) es mayor que el peso del registro del pariente (padre).
162
r A A = b1 a1 + b2 a 2 = (0,284)(1) + (0,107)(0,50)
r A A = 0,3375 = 0,58
Si el toro joven se evala solamente usando su propio registro
la seguridad de la evaluacin sera:
2
r A A = h = 0,30 = 0,55
163
ki =
[1 + ( n i 1) t ]
ni
y b2
[1 + ( n1 1) t]
n1
b1 + a 2 h b2 = a1 h
a 2 h b1 + k 2 b2 = a 2 h
[1 + (3 1) (0,45)]
b1 + (0,5) (0,25) b2 = (1) (0,25)
3
(0,5) (0,25) b1 + 1 b2 = (0,5) (0,25)
a)
b)
164
1 b2 0,125
0,125
La solucin de b se obtiene:
1
b1 0,633 0,125 0,25
=
0,125
1
0,125
b2
b1 1,619
=
0,2024
b2
0,2024
1,0253
0,25
0,125
b1 0,379
=
0,078
b2
La ponderacin de la observacin propia (b1) en este ejemplo
es mayor que en el ejemplo anterior (toro joven) ya que en este caso
se cuentan con tres observaciones propias comparadas con solo una
en el ejemplo anterior.
El ndice de seleccin en este ejemplo es:
= (6900-6000) b1 + (5000 - 5200) b2 = 900 b1 - 200 b2
= 900 (0,379) - 200 (0,078) = 341,1 15,6 = 325,5 kilogramos
Anteriormente, el valor gentico de esta vaca fue de 355,26
kilogramos (pgina 143). Este valor gentico se ha reducido al incluir
165
r A A = b1 a1 + b2 a 2 = (0 ,379)(1) + (0,078)(0,50)
r A A = 0,418 = 0,65
Cuando anteriormente se evalu esta vaca sin incluir la
informacin de su hija la seguridad de estimacin fue de 0,628, esta
seguridad aument a 0,65 al incluir el nuevo registro. Anteriormente
(pgina 143) un animal fue evaluado usando un solo registro propio,
en ese caso la seguridad fue solamente de 50 %.
ki =
[1 + ( mi - 1) aii h2 ]
mi
donde:
mi es el nmero de parientes en el grupo que esta generando
la informacin y aii es el parentesco gentico aditivo entre los
individuos del grupo.
Ejemplo:
Se desea evaluar la vaca alfa del ejemplo anterior usando esta
166
b1 + a 2 h b2 = a1 h
2
a 2 h b1 +
[1 + ( m2 - 1) a 22 h2 ]
m2
b 2 = a 2 h
a)
b)
b1 + (0,0625) b2 = (0,25)
(0,0625) b1 + 0,09375 b2 = (0,0625)
167
1 0,0625
0,0625 0,09375
b1 1,043
=
0,695
b2
b1 0,25
=
0,0625
b2
0,695
11,13
0,25
0,0625
b1 0,2173
=
0,5217
b2
La ponderacin del registro de la vaca alfa (b1) disminuy en
este caso ya que se trata solo de una observacin. La importancia de
la informacin en las medias hermanas es aparente ya que el nmero
de ellas es alto. La estimacin del valor gentico es:
= (6900-6000) b1 + (6200 - 5800) b2 = 900 b1 + 400 b2
= 900 (0,21) + 400 (0,52) = 397 kilogramos de leche
El valor gentico aditivo en este caso es mayor a los calculados
anteriormente debido al excelente rendimiento de las medias
hermanas. La seguridad de la estimacin es:
r A A = b1 a1 + b2 a 2 = (0,2173)(1) + (0,5217)(0,25)
r A A = 0,3477 = 0,59
La seguridad es menor que en el caso anterior ya que hay un
solo registro propio con lo que el peso de esta informacin es menor.
168
169
y = Xb + Za + e
y = es un vector con las observaciones fenotpicas
X = es una matriz de ceros y unos indicando la presencia o
ausencia de un determinado efecto en el registro
correspondiente.
b = es un vector desconocido con el valor de los efectos
ambientales incluyendo la media poblacional.
Z = es una matriz de ceros y unos indicando la presencia o
ausencia de un determinado animal en la observacin
fenotpica.
a = es un vector desconocido de valores genticos aditivos, el
cual sigue una distribucin normal con media igual a
cero y una varianza igual a la varianza gentica aditiva
del carcter.
e = es un vector de residuales, el cual se asume que sigue una
distribucin normal con una media de cero y una varianza
igual a la varianza residual.
170
a G
V =
e 0
171
= ZGZ + R + 0 + 0
La covarianza entre el vector de observaciones y el de valores
genticos es:
Cov(y,a) = ZG
Cov(y,e) = R
Al resolver un modelo animal se obtienen soluciones a las
ecuaciones lineales, es decir estima o predice los valores del vector b
y los valores del vector a, estos ltimos son los llamados mejores
estimadores lineales insesgados (BLUP). El trmino mejor se debe a
que los valores de a maximizan la correlacin (o seguridad de
estimacin) entre el valor gentico verdadero y estimado.
X V 1 X
1
Z V X
1
b X V y
=
Z V 1 Z + A1 G 1 a Z V 1 y
X V 1 Z
Donde:
A = es la matriz de parentesco gentico aditivo
G = es la matriz de varianzas Genticas.
Normalmente se asume que existe una varianza comn ( a2 )
entre los animales, en este caso G es:
G = I 2a
La inversa de G es:
1
G =I
172
a2
V = I 2e
y la inversa de V es:
1
V =I
e2
1
XI 2 X
e
1
Z I 2 X
e
Z
XI 2
b
e
=
1
1 a
1
Z I 2 Z + A1 I
Z I 2
e
a
e
X I
2
e
I 2e
2
X I e2 X
e
2
Z I e X
e2
2
X I e2 Z
X I e2
e b
e
=
2
2
2 a
Z I e
Z I e2 Z + A1 I e
e
a
e2
X X
Z X
X Z
1
Z Z + A
173
b
=
a
X y
Z y
Donde:
= 2e
a
b X X
=
a Z X
X Z
1
Z Z + A
X y
Z y
174
175
A Padre + A Madre
+ b2 ( R animal i [corregido] ) +
A animal = b1
2
b3 ( A Progenie i
i =1
- b1, b2, y b3
1
)
A
2 Otro Padre
176
A Padre + A Madre
2
Esta es la informacin del pedigr del animal. La cual es estimada
basada en los valores genticos de los padres. Estos tambin vienen
del modelo animal luego contienen informacin de los padres de los
padres (abuelos), abuelos de los padres (bisabuelos) etc.
b) Informacin propia se refiere a registros propios de
produccin el cual es corregido por factores ambientales.
( Ranimal i (corregido))
c) La informacin de la progenie considera que la mitad del
valor gentico de la progenie viene del otro padre, entonces la
estimacin es ajustada por el valor gentico del otro padre. Esto ltimo
es una propiedad importante de un modelo animal ya que minimiza el
sesgo cuando a un reproductor, al cual se le quiere en forma
fraudulenta subir su estimacin gentica, solo se le cruza con hembras
genticamente superiores.
n
b3 ( A Progenie i
i=1
1
)
A
2 Otro Padre
177
178
Registro
30
38
33
28
179
y Xb
E a= 0
e 0
Las (co)varianzas son:
a G 0
V =
e 0 R
en este caso G y R son matrices cuadradas no singulares y los
elementos se asumen conocidos. Si los residuales son independientes
y con varianza homognea entonces R es una matriz diagonal con el
mismo elemento a travs de su diagonal:
R = I 2e
G = A 2a
donde:
A = matriz de parentesco gentico aditivo
La varianza del vector y esta dada por:
V(y) = Z GZ + R
180
X X
Z X
X Z
1
Z Z + A
b
=
a
X y
Z y
donde es:
= 2e
a
2P = 2a + 2e
entonces
2e = 2P 2a
2p a2 2P a2
= 2 2
=
a2
a a
=
1
h
1=
1
1= 2
0,33
181
b X X
=
a Z X
X Z
1
Z Z + A
X y
Z y
1
1
X =
1
1
X'X = 4
30
38
y=
33
28
1
0
Z=
0
0 0 0
1 0 0
0 1 0
0 0 1
0
Z Z =
0
0 0 0
1 0 0
0 1 0
0 0 1
X Z = (1 1 1 1)
182
0
A=
0
0 0 0
1 0 0
0 1 0
0 0 1
0
1
A =
0
Z Z + A1
0 0 0
2 0 0
0 2 0
0 0 2
0
=
0
0 0 0
3 0 0
0 3 0
0 0 3
183
1
1
1 1 1 1 129
3 0 0 0 a1 30
0 3 0 0 a 2 = 38
0 0 3 0 a 3 33
0 0 0 3 a4 28
184
4
a 1 1
a 2 = 1
a 3 1
a 4 1
1 1 1 1
3 0 0 0
0 3 0 0
0 0 3 0
0 0 0 3
129
30
38
33
28
0,125
0,125
0,125
0,125
0,375
a 1 0,125
0,375 0,0416667 0,0416667 0,0416667
a 2 = 0,125 0,0416667
0,375 0,0416667 0,0416667
0,375
a 4 0,125 0,0416667 0,0416667 0,0416667
129
30
38
33
28
32,25
a 1
0,75
a 2 = 1,9167
a 3
0,25
a 4 1,4167
Se debe notar que la suma de las soluciones de los efectos
aleatorios (gentico aditivo) es cero.
La seguridad o confiabilidad de estimacin puede ser derivada
usando los elementos de la diagonal de la inversa de la matriz de
coeficientes. Por ejemplo, el elemento diagonal de la matriz de
coeficientes correspondiente al animal 1 es: 0,375.
185
r A A = 1 elemento diagonal * k
r A A = 1 (0,375) (2) = 0,5
El cuadrado de la seguridad se conoce como la repetibilidad de
la estimacin:
repetibilidad del animal 1 es : (0.5)2 = 0,25
Se debe observar que la seguridad depende del valor de k el
cual a su vez depende de la heredabilidad de la caracterstica.
donde:
186
Animal
Madre
Padre
Registro
Fenotpico
11
10
Rebao
E(y) = Xb
La varianza del vector y es:
187
V(y) = ZAZ` 2a + I 2e
donde:
A = matriz de parentesco gentico aditivo.
I = es una matriz idntica con orden igual al nmero de observaciones
Con los datos de la tabla anterior el modelo es:
y = Xb + Za + e
11 1
7 1
10 = 1
9 1
8 1
1 0
0
0 1 0
1 0 R1 + 0
0 1 R2 0
0 1
0
1 0 0 0 0
0 0
1 0 0
0 0 0
1 0
0 0 0 0
0 0 0 0 0
a1
0 a 2 e2
0 a 3 e4
0 a 4 + e5
0 a 5 e6
1 a6 e7
a7
Con los datos del ejemplo los elementos de las matrices son:
1 1 1 1 1 1
X X = 1 0 1 0 0 1
0 1 0 1 1 1
188
1 0
0 1
1 0
0 1
0 1
5 2 3
2 2 0
3 0 3
0 1 0 0 0 0 0
1 1 1 1 1 0 0 0 1 0 0 0 0 1 0 1 1 1 1
X Z = 1 0 1 0 0 0 0 0 0 1 0 0 = 0 1 0 0 1 0 0
0 1 0 1 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1
0 0 0 0 0 0 1
0 0 0
110
0 0 0
Z X = (X Z) = 1 0 1
110
1 0 1
1 0 1
0 0 0 0 0
0 0 0 0 0 0 0
1 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0
0
0
0
0
0
0
0
0
1
0
0
0
0 0 0 0 0 0 0
Z Z = 0 1 0 0 0 0 0 0 0 1 0 0 = 0 0 0 1 0 0 0
0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0
0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0
0 0 0 0 1
0 0 0 0 0 0 1
La matriz de parentesco aditivo computada usando el mtodo
tabular es:
189
0
0
0 0,5 0,5
0
1
0
1
0
0 0,5 0,5
0
0
1
0
0
0 0,5
0
A= 0
0
0
1
0
0 0,5
0
0
1 0,5
0
0,5 0,5
0
0 0,5
1
0
0,5 0,5
0
0 0,5 0,5
0
0
1
1
0
0 1 1
0
2
2
0
0 1 1
0
1
0 1,5 0,5
0
0 1
0
1
0 0,5 1,5
0
0 1
A = 0
0
0
2
0
0
1 1
1 1
0
0
0
2
0
0 1 1
0
0
2
0
= 2e
a
190
2P = 2a + 2e
entonces
2e = 2P 2a
2p a2 2P a2
= 2 2
a2
a a
1
h
1=
0
Z Z + A1 = 0
1
1= 2
0,33
2 0 0 2 2 0
5 0 0 2 2 0
0 3 1 0 0 2
0 1 4 0 0 2
2 0 0 5 0 0
2 0 0 0 5 0
0 2 2 0 0 5
1 1 1 1 1
X y = 1 0 1 0 0
0 1 0 1 1
191
11
7 45
10 = 21
9 24
8
0 0 0 0 0
10 0 0 0
0 0 0 0 0
Z y = 0 1 0 0 0
0 0 10 0
0 0 0 10
0 0 0 0 1
0
11 11
7 0
10 = 7
9 10
8 9
8
3
0
1
1
2 3 0
1 0
2 0 0
1 0
0 3 0 0 0
0 0 4 2 0
1 0 2 5 0
0 0 0 0 3
0 1 0 0
1 0 2 2 0
0 1 2 2 0
0 1 0 0 2
1 1 1 1
0 1 0 0
1 0 1 1
0 2 2 0
0 2 2 0
1 0 0 2
4 0 0 2
0 5 0 0
0 0 5 0
2 0 0 5
45
R1
21
R2
24
a 1 0
a 2 11
=
a 3 0
a 4 7
10
a 5
9
a 6
8
a7
192
5
R1
2
R2
3
a 1 0
a 2 1
=
a 3 0
a 4 1
1
a 5
1
a 6
1
a7
0
0
R 1
0
.848
R 2
.092
0
a 1 0 .098
a 2 0 .348
=
a 3 0 .013
a 4 0 .039
0 .348
a 5
0 .197
a 6
0 .039
a 7
2 3 0
1 0
2 0 0
1 0
0 3 0 0 0
0 0 4 2 0
1 0 2 5 0
0 0 0 0 3
0 1 0 0
1 0 2 2 0
0 1 2 2 0
0 1 0 0 2
.092 .098
.34
1 1 1 1
0 1 0 0
1 0 1 1
0 2 2 0
0 2 2 0
1 0 0 2
4 0 0 2
0 5 0 0
0 0 5 0
2 0 0 5
45
21
24
0
11
0
7
10
9
8
.23 .09
.18
.092
.448
.001
.013
.039
.198
.197
.092
.001
.448
.013
.039
.248
.197
.078
.013
.013
.468
.005
.013
.026
.236
.039
.039
.005
.415
.039
.078
.092
.198
.248
.013
.039
.448
.197
.184
.197
.197
.026
.078
.197
.394
.236
.039
.039
.205
.215
.039
.078
.03
.02
.039
.039
.205
.215
.039
.078
.415
193
45
21
24
0
11
0
7
10
9
8
0
R 1
10.342
R 2
8.052
a 1 .057
a 2 .257
=
a 3 .021
a 4 .336
.057
a 5
.315
a 6
.136
a 7
Los animales 1 y 3 no tenan registros productivos, sin embargo
su valor gentico fue estimado usando el parentesco de estos con los
animales con registros.
La seguridad de estimacin puede ser derivada usando los
elementos de la diagonal de la inversa de la matriz de coeficientes.
Ejemplo:
El elemento diagonal de la
correspondiente al animal 1 es: 0,448.
matriz
de
coeficientes
r A A = 1 elemento diagonal * k
r A A = 1 (0.448) (2) = 0.3224
El cuadrado de la seguridad se conoce como la repetibilidad de la
estimacin:
repetibilidad del animal 1 es : (0.3224)2 = 0.104
La varianza del error de prediccin es:
194
Var( A i Ai ) = d i 2e
di = es el elemento diagonal correspondiente al animal i.
Ejemplo:
la varianza del error de prediccin del animal 1 es:
Var( a 1 a1 ) = (0,448) e2
Una estimacin de la varianza residual es:
2e =
(y y b X y a Z y)
n r(X)
donde:
n = nmero de observaciones
r(X) = rango (rank) de la matriz X
e2 =
195
Animal
Valor Gentico
Estimado
Var( - A)
Seguridad
0,05789
0,2530
0,3224
0,25789
0,2530
0,3224
0,02105
0,,2737
0,2529
-0,33684
0,2427
0,4106
0,05789
0,2530
0,3224
0,31578
0,2304
0,4589
-0,1368
0,2427
0,4106
196
197
CAPITULO 12.
12.1. Modelo para Produccin del da
de Control
12.1.1. Introduccin
El desarrollo y aplicacin de gentica molecular avanza muy
rpidamente identificando genes o grupos de ellos y sus acciones sobre
caractersticas productivas, sin embargo, la mayor parte del avance
gentico en ganado de leche an debe sus logros al desarrollo e
implementacin de herramientas estadsticas aplicadas a gentica
cuantitativa. Estas tcnicas estadsticas, que a primera vista parecen
abstractas, han probado su efectividad y tremendo potencial a nivel
prctico. El avance gentico en produccin de leche de ganado Holstein
en pases desarrollados ha sido de aproximadamente 100 kilogramos de
leche por ao, es decir en promedio las terneras nacidas en este ao
tienen un potencial gentico de producir 100 kilogramos mas de leche, en
la primera lactancia, que las nacidas hace un ao atrs. Estos logros
incentivan a los investigadores quienes, financiados por productores y
asociaciones de criadores, prueban nuevas teoras las cuales puedan
ayudarlos a separar el componente ambiental del componente gentico
basados en registros de produccin y genealgicos.
Una nueva tecnologa, desarrollada en Canad, est siendo
usada en evaluacin gentica en algunos pases desarrollados, se trata
de los modelos para produccin del da de control (Ali y Schaeffer, 1987;
Ptak y Schaeffer, 1993; Reents et al., 1994; Jara, 1999). Este tipo de
modelos ya est en uso en el sistema de evaluacin gentica de
Alemania desde agosto de 1998. Aunque la tecnologa estadstica para
los modelos de produccin del da de control fue desarrollada en Canad
(Ptak y Schaeffer, 1993), este es el segundo pas en usarlos en forma
comercial; desde la evaluacin gentica de febrero de 1999 Canad est
expresando los valores genticos de sus animales de leche basados en
resultados de modelos para produccin del da de control. Espaa est
trabajando en la implementacin de un modelo del da de control y
pareciera ser el tercer pas que usar en forma comercial este tipo de
modelos. En Chile, el uso de un modelo para el da de control usando
198
12.1.2. Propiedades
En ganado de leche, los modelos estadsticos tradicionales de
evaluacin gentica, usan un registro de produccin el cual proviene de
una combinacin de entre 4 a 10 controles lecheros realizados durante la
lactacin del animal (Misztal et al., 1992). Estos controles individuales
son generalmente corregidos por otros factores como poca de parto,
nmero de lactancia, etc. Luego los registros de produccin son
estandarizados a una lactancia de 305 das en un animal adulto usando
frmulas que muchas veces no han sido generadas con informacin
local. A las vacas cuyas lactancias estn en progreso se les extrapola su
produccin asumiendo una curva de lactancia estndar (Wood, 1967).
Entre otras cosas, este procedimiento asume que los factores no
genticos afectando todos los controles lecheros dentro de una misma
lactancia son los mismos, al analizar el manejo de un rebao en
produccin de leche es claro que el presunto anterior no se cumple. Sin
embargo, con todas sus limitaciones, este sistema de evaluacin
tradicional ha hecho un gran trabajo considerando el avance gentico
obtenido en las dos ltimas dcadas en la produccin de leche, grasa y
protena. Sin embargo, el sistema es dbil al no considerar que las
condiciones ambientales cambian desde el inicio al final de la lactancia.
La nueva metodologa para analizar la produccin del da de control
considera el hecho de que cada vaca est sometida a un manejo
(alimentacin, clima, etc.) que cambia a travs de su lactancia, considera
que sus contemporneas no son las mismas a travs de una misma
lactancia. La implementacin de modelos de produccin del da de
control no requiere controles de leche adicionales, es decir, no involucra
nuevas inversiones o trabajo adicional para las empresas de control
199
12.1.3. Metodologa
El modelo de evaluacin gentica Canadiense usa regresiones
fijas y aleatorias (Henderson, 1984; Jamrozik y Schaeffer, 1997; Uribe,
1998), esto permite obtener valores genticos para cada da de lactancia.
Un subproducto de esta metodologa es una evaluacin por persistencia
de cada animal. Persistencia es una caracterstica presentada como una
funcin de la pendiente de la curva de produccin de leche entre los das
60 y 280 de lactancia. Refleja la produccin de leche, grasa o protena en
el da 280 en proporcin al da 60 (mxima produccin). En otras
palabras describe la disminucin de leche, grasa o protena despus de
alcanzar el mximo de produccin el cual ocurre aproximadamente a los
60 das de lactancia. El modelo usado en Alemania no tiene regresores
aleatorios por lo tanto no es posible obtener una medida de persistencia.
Para ilustrar el mtodo se presenta un ejemplo numrico. Los
datos del Cuadro 12.1.3.1. son datos ficticios de produccin de leche del
da de control de 4 vacas en dos rebaos, tambin se conoce el nmero
de das de lactacin al momento de cada control. En total son 10
registros ya que la vaca nmero 1, 3 y 4 tienen mas de un control de
produccin de leche. En los datos del ejemplo la vaca nmero 4 tiene 4
controles de produccin, dos fueron hechos en el segundo rebao y los
ltimos fueron hechos en el primer rebao. El Cuadro 12.1.3.2. muestra
la estructura del pedigr de los animales. En ste caso la madre de la
vaca 1 es desconocida.
200
201
a Ag aa
Ag
V 1 = 1a
Ag
2 1a
e 0
Ag a1
Ag11
Ag 21
Ag a 2
Ag1 2
Ag 2 2
0
A*G
=
0
D e2
D e2
0
0
0
donde:
A = es la matriz de parentesco gentico aditivo entre los animales
involucrados en el anlisis (Son siete animales ya que es un modelo
animal y se incluyen todos los animales del archivo de pedigr,
Cuadro 2).
G = es una matriz que contiene las (co) varianzas entre los regresores
aleatorios incluidos en el modelo (gij)
D = es una matriz diagonal la cual puede tener diferentes valores
permitiendo que la varianza residual sea diferente a medida que la
lactancia progresa.
202
e2 = es la varianza residual
De acuerdo al modelo los regresores aleatorios, los cuales
representan el efecto gentico aditivo, no son independientes y existen
covarianzas entre ellos las cuales estn ponderadas segn el grado de
parentesco gentico aditivo entre los animales. Adems, el modelo
asume que los efectos residuales son independiente de los efectos
genticos aditivos.
Una de las complicaciones de este tipo de modelos es la
estimacin de los elementos de la matriz G y la varianza residual. En la
actualidad estos parmetros genticos se estiman usando principios
derivados del teorema de Bayes mediante el muestreo de Gibbs
(Jamrozik y Schaeffer, 1997; Jamrozik et al., 1997; Uribe, 1997; Uribe,
1998; Jara, 1999).
En notacin matricial el modelo estadstico es:
y = Xb + Za a + Z11 + Z2 2 + e
donde:
y = es el vector de observaciones de producciones del da de control
X = es una matriz relacionando cada observacin con el rebao donde se
hizo la observacin, adems, esta matriz contiene los elementos de
x1 y x2
b = es un vector desconocido que contiene las estimaciones para los dos
rebaos y los coeficientes de regresin 1 y 2
Za = es una matriz de diseo, conteniendo ceros y unos, que relaciona
cada observacin con el animal que la hizo
a = es un vector desconocido que contiene el intercepto del efecto
gentico aditivo para cada animal
Z1 = es una matriz relacionando cada observacin con los das de
lactancia (x1)
Z2 = es una matriz relacionando cada observacin con x2
1 y 2 = son dos vectores desconocidos que contienen los regresores
aleatorios, para cada animal, de produccin del da de control
sobre x1 y x2 respectivamente
e = es un vector de efectos residuales no explicados por los efectos
incluidos en el modelo
Con los datos del ejemplo la matrices X, Za, Z1 y Z2 son:
203
1
1
1
1
X=
1
1
1
1
1
1 0 35 2,16
1 0 64 1,56
1 0 98 1,14
1 0 60 1,63
0 1 60 1,63
0 1 95 1,17
0 1 35 2,17
0 1 65 1,55
1 0 95 1,17
1 0 124 0,9
0
0
0
0
Z1 =
0
0
0
0
0 0 35 0 0 0
0 0 64 0 0 0
0 0 98 0 0 0
0 0 0 60 0 0
0 0 0 0 60 0
0 0 0 0 95 0
0 0 0 0 0 35
0 0 0 0 0 65
0 0 0 0 0 95
0 0 0 0 0 124
0
0
0
0
Za =
0
0
0
0
0
0
0
0
Z2 =
0
0
0
0
0 0 1 0 0 0
0 0 1 0 0 0
0 0 1 0 0 0
0 0 0 1 0 0
0 0 0 0 1 0
0 0 0 0 1 0
0 0 0 0 0 1
0 0 0 0 0 1
0 0 0 0 0 1
0 0 0 0 0 1
0 0 2,16 0 0 0
0 0 1,56 0 0 0
0 0 1,14 0 0 0
0 0 0 1,63 0 0
0 0 0 0 1,63 0
0 0 0 0 1,17 0
0 0 0 0 0 2,17
0 0 0 0 0 1,55
0 0 0 0 0 1,17
0 0 0 0 0 0,90
X' Z a
X' X
'
'
1
Z a X Z a Z a + A k aa
Z ' X Z ' Z + A 1k
1 a
1a
'1
'
1
+
Z
X
Z
Z
A
k
2 a
2a
2
X' Z1
X' Z 2
b X' y
'
1
1
Z Z1 + A k a1 Z a Z 2 + A k a2 a Z 'a y
=
Z Z1 + A 1k11 Z1' Z 2 + A 1k 12 1 Z1' y
Z Z1 + A 1k 21 Z '2 Z 2 + A 1k 22 2 Z '2 y
'
a
'
1
'
2
204
donde:
A-1 = es la inversa de la matriz de parentesco gentico aditivo
kij = es el ij-simo elemento de la matriz G invertida multiplicado por
e2
entonces:
16 2,8
9
G -1 e2 = 16 5500 48
2,8 48
376
205
)
b X' X
X' Z a
) '
1
'
a Z a X Z a Z a + A k aa
) = Z ' X Z ' Z + A 1k
1 a
1a
) 1 1
Z ' X Z ' Z + A 1k
2 a
2a
2 2
X' Z1
X' Z 2
1
1
'
'
Z a Z1 + A k a1 Z a Z 2 + A k a2
Z1' Z1 + A 1k11 Z1' Z 2 + A 1k12
Z '2 Z1 + A 1k 21 Z '2 Z 2 + A 1k 22
X' y
'
Zay
Z' y
'1
Z2y
206
V. G. = k 'i j
donde:
k i' = (1 i ln(305/i))
'j = (a 1 2 )j
Por ejemplo, la obtencin del valor gentico del animal 1 en el da
60 de lactancia se hace de la siguiente manera:
V. G.1.60
- 0,123276
V. G.(1).(305)
- 0,123276
207
V. G.(4).(305)
- 0,049128
12.1.4. Persistencia
Persistencia se defini como el potencial productivo del da 280
de lactancia en relacin a la produccin del da 60.
208
% Persistencia =
Produccin da 280
x 100
Produccin da 60
Prod.(1).(60)
47,16
23,97
23,18
- 0,268
= 19,64 kg.
= (1 1 0 60 1,62 1 60 1.62)
- 20,84
- 0,123
- 0,0224
- 0,0033
Prod.(1).(60)
47,16
23,97
23,18
- 0,268
- 0,0224
- 0,0033
% Persistencia =
16,15
x 100 = 82,23 %
19,64
209
210
50
Vaca A
Produccin Diaria
(Kg)
Producccin no Considerada
con el Sistema de Evaluacin
Actual
Vaca B
40
30
20
Vaca A
10
Vaca B
0
60
Das en Leche
280
305
Figura 12.1.4.1.
211
212
12.1.5. Conclusiones
213
CAPITULO 13.
13.1. Seleccin Considerando ms
de una Caracterstica.
Si el objetivo es mejorar un rebao por una sola caracterstica
se pueden seguir los siguientes pasos:
- estimar los valores reproductivos de los animales para la
caracterstica que nos interesa.
- seleccionar los animales con los valores genticos ms altos
para que sean los padres de la prxima generacin.
Si los valores genticos se han estimado con una alta
seguridad los pasos indicados anteriormente nos permitirn maximizar
el progreso gentico y mejorar la poblacin en cada generacin.
En la realidad la situacin es ms complicada que esto y el
mejoramiento gentico en una poblacin de animales involucra ms de
una caracterstica. Por ejemplo en ganado de leche Holstein se
selecciona por 15 a 30 caractersticas de conformacin corporal ms
produccin de leche, grasa y protena. La seleccin gentica debe
tener una direccin y metas a largo plazo ya que los resultados de las
decisiones tomadas ahora se vern recin en la prxima generacin.
La seleccin por varias caractersticas reduce el potencial de avance
gentico.
En la prctica el valor econmico de un animal, est
determinado no solo por un carcter sino por el valor econmico
aditivo de varias caractersticas productivas y de conformacin. Se
puede deducir entonces que la seleccin gentica tiene como objetivo
final un rendimiento econmico ptimo de los animales del rebao.
Este ptimo rendimiento economico puede ser distinto de un ambiente
a otro.
Existen diferentes alternativas para seleccionar por varias
caractersticas:
214
- Seleccin Tndem
- Niveles de eliminacin independientes
- Indice de seleccin.
13.1.2.
Niveles
Eliminacin
Independientes
de
215
T = v1 A1 + v 2 A2 + ......+ vt At
donde:
vi =
Aj =
t=
T = b1 A 1 + b2 A 2 + ......+ bt A t
donde:
bi =
i =
216
T = v1 A 1 + v 2 A 2 + ......+ vt A t
En la prctica se cuenta solamente con registros de produccin
(fenotpicos). En este caso la estimaciones de las ponderaciones de
un ndice de mrito total se pueden obtener haciendo uso de teora de
ndice de seleccin.
La estimacin de b se discutir en estas notas con un simple
ejemplo de dos caractersticas en las cuales el animal a evaluar solo
tiene un registro.
Considere dos caractersticas: 1 y 2.
P21 = Varianza fenotpica del primer carcter = 400
217
T = v1 A1 + v 2 A2 + ......+ vt At
A1
T = 2.5 A1 + 10 A2 = (2.5 10 ) = vu
A2
donde :
v = es un vector de ndices econmicos
u = es un vector de los verdaderos valores genticos
La tarea consiste en estimar T usando un ndice de mrito total de la
siguiente forma:
p1
T = b1 p1 + b2 p 2 = (b1 b2 )
p
2
donde:
pi = son registros fenotpicos ajustados de las caractersticas 1 y 2.
bi = son las ponderaciones para las caractersticas 1 y 2.
Las ponderaciones (b) se pueden obtener modificando las
ecuaciones de un ndice de seleccin de la siguiente manera:
La teora de ndice de seleccin ha demostrado que:
Pb = Gv
la solucin de b es
b = P-1Gv
En estas ecuaciones:
218
P=
G=
b=
v=
2P 1 p1.2 400 8
=
P=
8 8
p
1
.
2
P2
g 12 g 12 100 2
=
G=
12
2
2
1
2
g
2.5
v =
10
-1
=
b =
- 0.0025 0.1275 2 1 10 1.22
219
220
221
CAPITULO 14.
14.1. Efectos Maternos
Se ha indicado anteriormente que las caractersticas mtricas estn controladas
por un efecto gentico y por un componente ambiental.
y=A+E
Existen caractersticas de importancia econmica en produccin animal en las
cuales una proporcin importante del efecto ambiental es proporcionado por la madre. El
clsico ejemplo es peso al destete. En ganado de carne, por ejemplo, el peso al destete
de un ternero esta influenciado por la constitucin gentica del ternero para ganar peso y
por el ambiente provisto por la madre. Esto se refiere a la habilidad materna la cual
principalmente se refiere a la capacidad para producir leche. Se puede deducir que peso
al destete est influenciado por la madre de dos maneras:
-
por los genes que el ternero ha heredado de su madre, esto es el efecto directo
por la habilidad materna, esto se conoce como efecto materno.
222
223
y ijkmn = Ri + S j + a k + mm + p m + eijkmn
donde:
y = Xb + Z 1 a + Z 2 m + Z 3 p + e
donde:
224
a A
m
A
V =
p
0
e 0
a ,m
A
A
a ,m
0
0
0
0
I
0
0
0
I
2
0
0
0,5
0,5
0,25
0,5
0,5
0,75
0,5
1
1
0
0,5
0
0,25
0,5
0,25
0
0,5
0
0
0
1
0
0,5
0,5
0
0,25
0,25
0
0
1
0,25
0,5
0,5
0,625 0,375 0,75
0,5 0,5
0,5
0
0,5 0,25
1
0,375
0,25 0,625
0,75
0,25
A=
0,25 0,25 0,5
0,5 0,375
1
0,25 0,4375 0,3125 0,375
0
0,5
0,25
0,25
1
0,375 0,375 0,75
0,5 0,5
0,5 0,25 0,25 0,625 0,625 0,43125 0,375 1,125 0,5625 0,5
0
0,25 0,375 0,75 0,3125 0,375 0,5625 1,25 0,375
0,75
0,5 0,5
0
0,75 0,25
0,375
0,75
0,5
0,375 1,25
X X
Z X
Z X
Z X
1
XZ
+A
ZZ
Z Z + A
Z Z
1
12
21
XZ
ZZ
Z Z
Z Z + I
3
11
XZ
+A
ZZ
Z Z + A
Z Z
22
b X y
Z
y
a
=
m Z y
p Z y
1
33
Donde:
los elementos 11 , 12 , 21 y 22 son:
2
11 12
= e2 a
21 22
a ,m
a ,m
m2
11 12
1800 250
= 6000
250 1100
21 22
33 = e
2p
= 6000
400
226
miles de animales involucrados. Los elementos del vector del lado derecho se presentan
en el Cuadro 6:
Cuadro 6: Elementos del Vector del Lado Derecha del Sistema de Ecuaciones
X y
Z 1 y
Z 2 y
Z 3 y
1640
730
910
990
650
0
0
0
260
220
250
230
245
200
235
0
490
470
0
445
0
235
0
0
0
0
490
470
0
445
0
235
0
0
0
b X X
a Z 1 X
= Z X
m 2
p Z X
3
X Z 1
Z 1Z 1 + A 1 11
Z 2 Z 1 + A 1 21
X Z 2
Z 1Z 2 + A 1 12
Z 2 Z 2 + A 1 22
Z 3 Z 1
Z 3 Z 2
X Z 3
Z 1Z 3
Z2Z3
Z 3 Z 3 + I 33
X y
Z 1 y
Z y
2
Z y
2
De esta manera b contiene estimaciones de los efectos fijos del modelo (rebao y
y p contienen predicciones de los efectos genticos directos y maternos y
sexo); a , m
efectos ambientales permanentes, respectivamente.
227
y = Xb + Z 1 a + Z 2 m + Z 3 p + e
200 1
240 1
210 1
250 = 1
220 1
200 1
235 1
1
1
1
0
0
0
0
0
0
0
1
1
1
1
1
0
1
0
1
0
1
0
0
1 0
0 R1 0
1 R2 + 0
0 S1 0
1 S 2 0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
1
0
a1
a2
0 0
a3
0 0
a4
0 0
a5
0 + 0
a6
0 0
a7
0 0
a8
1 0
a9
a
10
1
0
0
1
0
0
0
Ecuacin 1
228
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
m1
m2
0
0
m3
0
0
m4
0
0
m5
+ 0
0
m6
0
0
m7
0
m8
0
0
m9
m
10
1
0
0
1
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
p2
0
p3
0
0
0
p5
0
0
0
p7
0
0
0
0
0
Solucin
63,76
52,84
72,52
44,08
229
230
231
CAPITULO 15.
Endogamia 15.1.
En captulos anteriores se ha definido consanguinidad y se han
mostrado frmulas de como calcular el coeficiente de endogamia o
consanguinidad. En pocas palabras la endogamia ocurre cuando se
aparean animales emparentados. La endogamia es una de las
herramientas usadas en gentica para cambiar la constitucin genotpica
de la poblacin. Los efectos negativos de la consanguinidad en la
capacidad reproductiva de los animales son bien conocidos por los
criadores de animales los cuales tratan de evitar cruzamientos entre
animales emparentados.
Endogamia ocurre como consecuencia del apareamiento de
animales con un grado de parentesco gentico mayor que el promedio
poblacional. El resultado es una progenie la cual es homozigota en un
nmero mayor de loci comparada a una poblacin la cual se aparea en
forma aleatoria. El coeficiente de endogamia (F), como se ha definido
anteriormente, es la probabilidad de que dos genes en un determinado
locus sean idnticos por descendencia como resultado de antepasados
comunes por el lado paterno y materno. El clculo del coeficiente de
consanguinidad se indic como la mitad del parentesco gentico aditivo
de los padres, en otras palabras si los padres no son parientes el animal
en cuestin no es consanguneo.
Se ha definido a un animal homozigoto (para un locus
determinado) al individuo que tiene los dos alelos iguales (AA o aa), en
otras palabras el efecto del gen recibido del padre es igual al efecto del
gen recibido de la madre. Esto es un homozigoto comn. En el caso de
consanguinidad estos dos genes (AA o aa) se han originado en alguna
generacin anterior por un antepasado comn y tanto el padre como la
madre (si son parientes) llevan una copia del mismo alelo. Al cruzarse
pasan ese alelo a la descendencia la cual no solo es homozigota sino
que tambin tiene ambos alelos que son idnticos por descendencia,
estos son una copia de un mismo gen presente en un antepasado comn
del padre y de la madre. Estos dos alelos se conocen como idnticos por
descendencia y el homozigoto se conoce como homozigoto idntico o
autozigoto, (Falconer, Captulo 3).
232
F = Ho Hn
Ho
donde:
Hn = es la frecuencia de heterocigotos en la generacin n. Esta
expresin solo indica la disminucin de heterocigotos con relacin a la
poblacin base.
Despejando el valor de Hn este es:
Hn = Ho - HoF
tomando el factor comn Ho:
Hn = Ho (1 - F)
233
234
AA
Genotipo
Aa
aa
Frecuencia Antes de
la Endogamia
p2
2pq
q2
Frecuencia Despus
de la Endogamia
p2 + pqF
2pq(1 - F)
q2 + pqF
Valor Genotpico
-a
Frecuencia x Valor
a(p2 + pqF)
d[2pq(1 - F)]
-a(q2 + pqF)
235
236
237
238
Media Armnica =
1
1 1
1
+
2 NM NH
Ne=
2
1 1
1
+
2 NM NH
N e (N M N H ) =
2 NM NH
1 1
1
+
2 NM NH
2 NM NH
1 1
1
+
2 NM NH
Ne =
NM NH
Ne =
2 NM NH
1 NM NH NM NH
+
2 NM
NH
239
Ne =
2 NM NH
1
(N H + N M )
2
Ne =
4 NM NH
NH + NM
Ne=
4 N m N h 4(6) (6)
=
= 12
6 +6
Nm+ Nm
Ne=
4 N m N h 4(5) (300)
=
= 19,67
5 + 300
Nm+ Nh
240
F =
1
2 Ne
F =
1
2 Ne
F =
F =
1
4
2( N m N h )
Nm+ Nh
Nm+ Nh
8 Nm Nh
Nm +
Nh
8 Nm Nh 8 Nm Nh
F =
F =
1
8 Nm Nh
(
)
Nm+ Nh
1
8 Nm
1
8 Nh
241
F =
1
1
+
= 0,0416 + 0,00083 = 0,04243
8(3) 8(150)
1
F/Ao =
8 Nm
1
8 Nh
F1=
1
2 N e (1)
242
F2=
1
2 N e( 1 )
+ (1
1
2 N e( 1 )
) F1
Fn =
1
1
+ (1
) F n 1
2 N n 1
2 N n 1
243
15.1.2.1. Seleccin
Cuando se seleccionan individuos de una poblacin como padres
de la prxima generacin automticamente est disminuyendo el tamao
efectivo de la poblacin. Esto, como se explic anteriormente acarrea un
aumento en la acumulacin de consanguinidad. Al seleccionar animales
de acuerdo a su valor reproductivo se estn seleccionando familias
superiores lo que lleva al cruzamiento de animales emparentados.
Al revisar este captulo es fcil entender que con el uso de
seleccin e inseminacin artificial el tamao efectivo de la poblacin
disminuye. En el caso de inseminacin artificial en bovinos son muy
pocos los machos que se usarn como padres de la prxima generacin.
Los niveles de consanguinidad en las poblaciones de animales
domsticos son poco conocidos pero se estima que estn aumentando
en forma considerable. En todas las especies el nivel de consanguinidad
variar de una poblacin a otra cuando estas son sub-poblaciones
reproducindose en forma independiente.
En el caso de la poblacin lechera Holstein el problema es
diferente. Con el uso generalizado de la inseminacin artificial se puede
considerar a la poblacin de leche como una sola poblacin desde un
punto de vista reproductivo. En Amrica del Norte el nmero de machos
seleccionados cada ao como reproductores es bajo comparado con la
poblacin de vacas. Por ejemplo en Canad con una poblacin de 1.2
millones de vacas, se seleccionan para prueba de progenie 400 toros
cada ao, de estos un 10 - 20 % se seleccionan como reproductores.
En otras especies, como equinos y caninos, aunque no se conoce
exactamente el nivel de consanguinidad se estima que esta es alta.
Existen razas de perros las cuales se han originado de una poblacin
base pequea y no se ha permitido el ingreso de nuevos miembros, esto
a travs del tiempo a acumulado consanguinidad a niveles en los cuales
se pueden observar problemas reproductivos. Esto es tambin bastante
comn en las poblaciones de caballos de raza.
244
15.1.4.
Consanguinidad
Herramienta Gentica
Como
Una
245
246
15.2. Exogamia
Hasta ahora se ha considerado en este captulo la endogamia. El
proceso inverso a la endogamia es la exogamia el cual consiste en
cruzar animales los cuales no son parientes o son genticamente
distantes. Tcnicamente se define como el apareamiento de individuos
con menos parentesco que el promedio de la poblacin. El efecto es
contrario al que se produce con la endogamia. En este caso se aumenta
la formacin de heterozigotos con lo cual se mejoran las caractersticas
de fertilidad y viabilidad de la poblacin (vigor hbrido). Los genotipos
heterozigotos, como se ha indicado anteriormente, generalmente tienen
ventajas comparados con los homozigotos, esto se puede explicar por
efectos de dominancia, sobre-dominancia y epistasis. Los homozigotos
recesivos indeseados disminuyen en frecuencia con lo que la
presentacin de individuos con caractersticas indeseadas disminuye.
El mejoramiento en fertilidad y rendimiento que se observa en la
descendencia de cruzamientos exogmicos se conoce como vigor
hbrido o heterosis. El porcentaje de heterosis se puede cuantificar de
la siguiente forma:
de los Hibridos
de los Padres * 100
% Heterosis =
Promedio fenotpico de los Padres
El promedio fenotpico del hbrido se refiere al promedio de
produccin de la F1 para una carcter determinado.
Ejemplo:
Una lnea macho de pavos A tiene un peso a las 18 semanas de
edad 20 kilos, la lnea hembra B pesa 12 kilos a las 18 semanas de
edad. Al cruzar las dos lneas la F1 pesa 18 kilos a las 18 semanas de
edad. Cual es el porcentaje de heterosis?.
Promedio de los padres = (20 + 12) /2 = 16
% Heterosis =
18 - 16
* 100 = 12.5%
16
247
Promedio
Producci n
% vigor hibrido de la cruza
=
de los * 1 +
100
Esperada
Padres
En muchos casos los efectos maternos son importantes, por
ejemplo como lo es en produccin de carne en bovinos y produccin de
cerdos. En este caso heterosis maternal tambin es importante. Tambin
existen en la literatura estimaciones de heterosis maternal.
En presencia de heterosis maternal la produccin esperada es es:
248
% vigor
%
vigor
hibrido
de
la
hibrido
Promedio
Produccin
Efecto
=
de los +
* 1 + cruza + materno
100
100
Esperada
materno
Padres
Ejemplo:
La siguiente tabla entrega informacin de peso al destete en tres
razas de cerdos (A, B y C):
Raza
Efecto
% Vigor Hbrido
Directo
6,2 kg.
5,0 kg.
5,8 kg.
Materno
-0,3 kg.
+0,4 kg.
Produccin 6 ,2 + 5,0
=
+ .4 * (1 + 0,05 + 0) = 6 ,3 kgs.
2
Esperada
249
5,0 + 5,8
Produccin 6 ,2 +
4
+
0
0
,
2
* (1 + 0,05 + 0,05) = 6 ,6 kgs.
=
+
2
2
Esperada
250
251
Prom.
3,66
6,00
10
6,30
12
Prom.
3,00
6,00
7,00
8,00
8,00
252
100 %. Esto es muy usado en ganado de carne como una cruza terminal,
es decir la F1 es el producto comercial que va ha mercado como carne.
En cerdos tambin es comn para producir por ejemplo una lnea
materna, esto es cruzar Landrace y Yorkshire, ambas razas son
conocidas por su habilidad maternal. La F1 tendra todas las ventajas de
la heterosis en el nmero lechones, vitalidad, etc. El progreso gentico
en este caso se hace dentro de cada raza.
Los problemas que existen con este tipo de cruzamiento es que
se necesita mantener las dos razas como dos poblaciones ncleos
separadas. Esto se puede evitar comprando los reproductores a
criadores lo cual involucra un costo quizs ms elevado y un riesgo
sanitario al estar introduciendo nuevos animales reproductores
constantemente. Con uso de inseminacin artificial en ganado de carne
es posible reducir a solamente una lnea la necesidad de importacin o
mantencin de animales.
Este mtodo se puede extender incorporando otra raza pura la
cual se puede cruzar con la F1 producida en el primer cruzamiento.
253
Generacin
1
2
3
4
5
N
67 % A: 33 % B
Heterosis
Directa (%)
0
100
62,5
81,25
83,5
Heterosis
Materna (%)
0
0
100
62,5
81,5
83,5
83,5
254
255
CAPITULO 16.
16.1. Interaccin Gentico Ambiental1
16.1.1. Introduccin
Una de las principales herramientas con la que cuentan los
productores de leche para tomar decisiones en mejoramiento gentico,
son las evaluaciones genticas disponibles en los catlogos de
reproductores. Estos son ofrecidos por las diferentes empresas
involucradas en la comercializacin de gentica crio-preservada. El
mrito gentico de los reproductores se expresa como la desviacin
promedio de produccin de sus hijas esto se conoce como diferencia
predicha o PD segn su abreviacin en el idioma ingls. Esta desviacin
expresada en kilogramos o libras de leche, grasa o protena, es lo que
los productores creen que en condiciones locales debera esperarse.
Existen pocos estudios en el pas que cuantifiquen el grado en que las
diferencias predichas indicadas en los catlogos se materialicen en
condiciones locales. Sin embargo, pareciera existir la intuicin de que el
mejoramiento gentico obtenido es bastante menor a aquel esperado (y
financiado) por los productores de leche. Una de las explicaciones a esta
diferencia entre lo esperado y obtenido es la existencia de interaccin
entre el genotipo de un animal y el ambiente al que este est expuesto.
El objetivo de este documento es presentar algunas bases del
concepto interaccin gentico ambiental y discutir su importancia en
produccin de leche.
256
16.1.2. Concepto
En general el trmino interaccin gentico ambiental se usa para
describir situaciones en las cuales las diferencias entre dos o ms
genotipos no son iguales en diferentes ambientes. Este fenmeno puede
llevar a interpretaciones errneas del mrito o bondad de algunos
genotipos los cuales han sido evaluados en condiciones ambientales
diferentes a aquellas donde se espera deben producir.
En forma grfica interaccin gentico ambiental se puede
representar de la siguiente manera: el primer Grfico muestra la
produccin de dos genotipos en dos ambientes diferentes. El ambiente 1
es superior al ambiente 2 y los dos genotipos aumentan su produccin
en la misma proporcin al cambiar del ambiente 1 al ambiente 2. En este
caso no existe interaccin gentico ambiental ya que la superioridad del
genotipo B se expresa con la misma magnitud en ambos ambientes.
Sin Interaccin
257
Interaccin
Interaccin
258
16.1.3. Aplicacin
En general, los productores de carne y leche no estn
interesados en clasificaciones y nomenclaturas acadmicas de los
diferentes tipos de interaccin gentico ambiental. Su preocupacin es
llevar a sus predios la gentica que har un uso eficiente de los recursos
disponibles, la cual bajo sus sistemas de manejo y condiciones
econmicas locales les entregue el mximo retorno a sus inversiones. La
principal importancia de interacciones gentico ambientales para
productores de ganado es que estas pueden causar conflictos entre los
resultados predichos y reales. Estos conflictos pueden explicar las
diferencias entre lo que el ganadero espera de las hijas de un
reproductor y lo que realmente obtiene de ellas (Hohenboken, 1985).
En pases desarrollados, donde la produccin de alimentos es
protegida a travs de subsidios y/o cuotas de produccin, los productores
de leche tienen cierta capacidad de uniformar el ambiente donde los
animales expresarn su potencial productivo. En produccin de leche, los
259
260
261
262
16.1.4. Conclusin
En presencia de interaccin gentico ambiental las diferencias
predichas de mrito gentico de reproductores no son aplicables en
poblaciones que no tengan el mismo nivel de manejo (ambiente). Incluso
las pruebas de reproductores obtenidas a escala local pueden no
expresarse en hijas que produzcan en predios alejados del nivel
promedio de manejo de la regin.
Evaluacin gentica de los reproductores, realizada localmente
ayudara a minimizar las diferencias entre los valores genticos
predichos y lo observado en la realidad.
La informacin contenida en catlogos extranjeros debe
interpretarse con mucha cautela. Esta generalmente no aporta
informacin del impacto gentico de un reproductor en condiciones
locales.
263
CAPITULO 17.
17.1. Programas de Mejoramiento
Gentico
En este captulo se discutirn brevemente algunos de los
programas de seleccin que actualmente se usan en las especies de
animales domsticos. En los pases desarrollados los programas
genticos se desenvuelven a nivel nacional. Con esto la seguridad de
prediccin debido al gran nmero de parientes en el sistema es alto. Esto
lleva a que el avance gentico en las caractersticas de importancia sea
considerable. Las especies con mayor avance gentico en los ltimos
aos en caractersticas de inters econmico son bovinos, cerdos y
aves.
264
265
266
17.1.3. Aves
La gentica de las aves est en manos de grandes empresas
privadas las cuales venden reproductores en todo el mundo. Estas
empresas usan la endogamia y exogamia como herramientas genticas.
De una manera general el sistema funciona de la siguiente
manera:
267
268
17.1.4. Cerdos
El esquema de mejoramiento gentico en cerdos es muy similar
al de las aves. Las lneas o razas puras que forman la lnea materna son
Yorkshire y Landrace. Estas dos razas se seleccionan por habilidad
nmero de lechones y materna (produccin de leche). Adems se
aprovecha el vigor hbrido al cruzar las dos razas. La lnea paterna se ha
desarrollado del cruzamiento de Duroc y Hampshire. Los machos se
seleccionan por ganancia de peso y bajo contenido de grasa dorsal.
Existen empresas genticas que mantienen las lneas reproductoras y
venden los hbridos como padres de los cerdos de engorda.
Generalmente los porcicultores desarrollan sus propios programas de
gentica casera basada en observaciones fenotpicas y seleccionan
reproductores de reemplazo de la poblacin de cerdos comerciales. La
cuantificacin de resultados de esta prctica se desconoce.
Los caracteres de importancia son grasa dorsal y edad a los 100
kilos de peso. La inseminacin artificial no es muy usada en porcinos
porque los niveles de fertilidad no son tan altos como es el caso en
bovinos. La tendencia gentica es reducir la grasa dorsal y los das a 100
kilos. Esta ltima caracterstica se ha reducido en 1.5 das por ao. El
mercado demanda carne magra por lo cual la selecciona se ha dirigido
en esa direccin.
El siguiente cuadro muestra algunas de las caractersticas y sus
heredabilidades, por la cuales se puede hacer seleccin gentica en
cerdos:
269
.50
.60
.60
.50
Reproduccin
Edad a la pubertad
Tamao de Camada
Paso de Camada al
nacimiento
Fertilidad
.35
.10
.15
.05
Conformacin
Nmero de pezones
Pezones invertidos
.20
.20
270
271
BIBLIOGRAFIA
Ayala, F. J. 1982. Population and Evolutionary Genetics, A Primer. The
Benjamin/Cummings Publishing Company, Inc. California.
Becker, W. A. 1984. Manual of Quantitative Genetics. Academic Enterprises. Pullman.
USA.
Barra, N., Jara, A., Martinez, V. 1997. Gentica Cuantitativa Aplicada a Mejoramiento
Animal. (Apuntes de Clases). U. de Chile. Stgo. Chile.
BOURDON, R. M. 1997. Understanding Animal Breeding. Second Ed. Prentice Hall,
NJ. USA
Cochran, W. y Snedecor, G. 1966. Mtodos Estadsticos Aplicados a Agricultura y
Biologa. The Iowa University Press. Ames, Iowa. USA
Falconer, D. S. 1989. Introduction to Quantitative Genetics. Longman. London
Falconer, D. S., T. F. C. Mackay. 1996. Introduction to Quantitative Genetics.
Longman. London
Kinghorn, B. P., Van der Werf, J. and Ryan, M. 2000. Animal Breeding: Use of New
Technologies. Post Graduate Foundation in Veterinary Science, University of
Sydney.
Jamrozik, J., and L. R. Schaeffer. 1997. Estimates of genetic parameters for a test
day model with random regressions for yield traits of first lactation Holsteins. J.
Dairy Sci. 80:762-770.
Lasley, J. F. 1978. Genetics of Livestock Improvement. Prentice-Hall, Inc. New Jersey.
Paginas 111 - 126.
Legates, J. E., Warwick, E. J. 1990. Breeding and Improvement of Farm Animals.
McGraw-Hill Publishing Company. Toronto. .
Mrode, R. A. 1996. Linear Models for the Prediction of Animal Breeding Values. CAB
International, UK.
Henderson, C. R. 1950. Estimation of genetic parameters. Ann. Math. Stat. 21:309.
(Abstr.).
Henderson, C. R. 1973. Sire Evaluation and Genetic Trends. Page 10 in Proc.
Animal Breeding and Genetics Symposium in Honor of Dr. J. L. Lush, ADSA
Am. Soc. Anim. Sci., Champaign, IL.
Henderson, C. R. 1976. A Simple Method for Computing the Inverse of a Numerator
Relationship Matrix Used in Prediction of Breeding Values. Biometrics 32:69.
NICHOLAS, F. W. 1980. Veterinary Genetics. Clarendon Press, Oxford, UK.
272
Ptak E., and L. R. Schaeffer. 1993. Use of Test Day Yields for Genetic Evaluation of
Dairy Sires and Cows. Livest. Prod. Sci.; 34: 23-34.
Schaeffer, L. R. 1991. C. R. Henderson: Contributions to Predicting Genetic Merit. J.
Dairy Sci. 74:4052-4066.
SNEDECOR, G. W., COCHRAN,
University Press. Ames.
W. G. 1989.
Statistical Methods.
Iowa State
Uribe, H. A. 1997. Estimation of genetic merit for conformation traits using random
regression in Holstein. Doctor of Philosophy Thesis. Dept. Of Animal and
Poultry Science, University of Guelph. Guelph, Ontario, Canada.
Uribe, H. A. 1998. Uso de Regresiones Aleatorias en Prediccin de Mrito Gentico
en Caractersticas de Produccin de Leche. XXIII Reunin Anual Sociedad
Chilena de Produccin Animal A. G. Chilln-Chile. pp:207-208.
Van Vleck, L. D., Pollack, E, J., and Brantford Oltenacu, E. A. 1987. Genetics for
the Animal Sciences.
Walsh, B. and M. Lynch. 1999. Evolution and Selection of Quantitative Traits. (En
prensa)
273