ENTREGA N 2 EVALUACIONES GENETICAS

Prediccin del Valor de Cra empleando distintas Fuentes de Informacin

Eduardo Nstor Fernndez* Diego Rodriguez **
* J.T.P. Ctedra de Gentica Animal. F.C.A.- U.N.L.Z. ** Pasante Ctedra de Gentica Animal. F.C.A.- U.N.L.Z.

2006

Ya hemos establecido que la prediccin, y en particular la exactitud de los predictores, es funcin de los registros disponibles y del pedigree (informacin acerca de las relaciones de parentesco). La presente entrega tiene por objeto estimar el valor de cra y la exactitud de las predicciones cuando se emplean distintas fuentes de informacin. Se desarrollarn casos sencillos que pueden ser potencialmente importantes en las primeras etapas de un plan de mejora, cuando la informacin an es escasa. En todos los casos hay dos puntos importantes a tener en cuenta: 1- el anlisis de la exactitud de la prediccin en cada situacin considerada y 2- la respuesta a la seleccin esperada en cada caso. Este ltimo ser considerado en el mdulo de seleccin. INTRODUCCIN Con el objeto de comparar distintas estrategias de mejora, es usual predecir la respuesta a la seleccin de las distintas alternativas. Cuando se requiere efectivizar la seleccin, se pretende que el resultado logrado est en un rango aceptable respecto del predicho. El hecho de que nuestras predicciones se basan en modelos estocsticos, nos alerta de que raramente encontraremos concordancias plenas. Independientemente de esta situacin, la respuesta a la seleccin requiere de la prediccin del valor gentico de los animales candidatos; para que esta sea confiable, se debe: 1- Imponer prcticas de manejo que faciliten la distincin entre efectos genticos de ambientales, 2Ajustar los registros fenotpicos por aquellos efectos ambientales, cuyos factores de correccin sean conocidos y 3- Predecir los valores de cra. Las metodologas actuales pueden cumplir los pasos 2 y 3 en forma simultnea, como veremos adelante. Como se explic anteriormente, a los factores ambientales los podemos clasificar arbitrariamente en dos clases. La primera refiere a aquellos factores que nosotros no controlamos y que si bien producen su efecto sobre el fenotipo, los consideramos aleatorios. Un ejemplo podra ser la presencia en algunos animales de alguna enfermedad subclnica, que afecte al fenotipo, pero

que su presencia no es de nuestro conocimiento. La segunda, considera aquellos factores que conocemos y que tienen un efecto sobre el fenotipo. En muchos casos es posible estimar el efecto de dichos factores y por tanto, se puede proceder a ajustar el registro. Ejemplos de este tipo lo constituyen: el orden de parto, el tamao de camada, tipo de parto (simple, multiple), la edad de la madre, etc.. La primera clase de factores y aquellos de la segunda clase que no han podido removerse, contribuirn a la varianza ambiental. De lo anterior se infiere que para una buena comparacin entre animales, sera deseable que estos fueran del mismo sexo, alimentados de la misma manera, que tengan la misma edad, etc. A los animales que cumplen con estas premisas se los denomina animales contemporneos y constituyen lo que se conoce como grupos de contemporneos (GC). Hay que recordar que para estimar un efecto con cierta confianza, es necesario disponer de cierta cantidad de datos, lo que sugiere que cada grupo de contemporneos sea grande, sin embargo, muchas veces al intentar lograr esto, se incluyen animales que realmente no son verdaderos contemporneos (esto sucede cuando por ejemplo se arman grupos por edades y el rango para la edad es demasiado amplio). Informacin adicional sobre GC puede encontrarla en www.charolais.org.mx/upload/docs/Grupo%20de%20Contemporaneos%20(1). doc . Existen distintas metodologas de ajustes de registros para efectos ambientales, entre ellas: Factores de correccin Aditivos (FA), Factores de correccin Multiplicativos (FM) y Ajustes por Estandarizacin de registros (AE). Los FA son los ms sencillos y consisten en sumar una cantidad al registro. Esta cantidad a sumar surge de estimar la diferencia promedio que existe entre GC para un carcter. Por ejemplo los factores empleados en corderos Suffolk: FACTORES DE CORRECCIN Tipo de Nacimiento Edad de la Madre (aos) Carcter Simple Doble Triple 2 3 o ms P.V. (20 sem) -4.25 0 2.51 1.75 0 Grasa (mm) -0.52 0 0.21 0 Msculo (mm) -0.69 0 0.63 0 PARA: Edad de Scaneo (das) < 150 > 150 0.07 / d -0.07 / d 0.1 / d -0.1 / d

Se ajusta por tipo de Nacimiento, por la edad de la madre y por la edad del animal al momento del sacanning. Los corderos de partos dobles y de madres mayores a 3 aos, fueron los ms numerosos y no se ajustaron sus registros. Para ajustar el peso vivo a un cordero de parto simple se debe restar 4,25 a su peso y si su madre tiene menos de 3 aos, a este resultado se le sumar 1.75. Si bien es una manera sencilla de ajustar y no hace supuestos acerca del mrito gentico entre GC, requiere gran cantidad de datos y por otro lado se puede sobreestimar (subestimar) a los efectos al enmascararse con factores genticos. Los FM corrigen multiplicando el registro y comparten las ventajas y desventajas de los FA. Son ms apropiados cuando la escala de la correccin

depende del nivel medio del rodeo (rebao) y por lo tanto son ms eficientes cuando se ajustan registros de distintos rodeos. En los AE, se arman GC segn edad de nacimiento y dentro de cada GC se arman subgrupos acorde a los factores que se requiera corregir. A cada subgrupo se les calcula la media y el desvo estndar y a cada dato se le resta su media y se divide por el desvo. Luego pueden compararse todos los registros dentro del rebao o rodeo. No requiere conocer los factores de correccin, pero asume igual mrito gentico entre los subgrupos y necesita gran cantidad de datos. PREDICCIN DEL VALOR DE CRA: EXPRESIONES GENERALES Una expresin general para estimar el valor de cra de un animal i, en relacin a a la fuente de informacin disponible para tal fin es la siguiente:
A i b AP (Pk )

[1]

en donde A i es el valor de cra estimado del animal i, b AP es el coeficiente de regresin del valor gentico aditivo (verdadero) sobre la fuente de informacin considerada (Pk) y representa la media de la poblacin para la variable P k. Recuerde que el coeficiente de regresin, mide cuanto vara la variable dependiente (valor de cra) cuando se incrementa en una unidad la variable independiente (Pk). La expresin para este coeficiente vara de acuerdo a la fuente de informacin (k) considerada. Sin embargo, b puede expresarse en una forma general y es como sigue:
bAP nh 2 aij 1 (n 1)rP
J

[2]

donde n es el nmero de registros considerados en Pj , h2 es la heredabilidad del carcter, aij es la relacin aditiva entre el individuo i (al cual queremos predecir el valor de cra) y el (los) individuo(s) que aporta(n) la fuente de informacin j, y rpi es la correlacin entre los registros Pj. La precisin o exactitud de la prediccin puede calcularse en general como:

rAP bAP aij

[3]

APLICACIONES PRCTICAS CASO 1: Un registro del propio animal Cuando se dispone de un solo registro, medido sobre el propio animal i, el valor de cra predicho ( a i ) puede ser calculado como:

 ai b( yi )

[4]

en donde b es el coeficiente de regresin entre el verdadero valor de cra y el fenotipo de i. Como mencionamos en la entrega N1, representa la media de los animales pertenecientes a un mismo grupo de manejo, y se asume conocida. Puede demostrarse fcilmente que en este caso b = h2. De esta manera, la prediccin es simplemente el registro ajustado ponderado por la heredabilidad. Conceptualmente, nos podemos hacer la siguiente pregunta: toda la diferencia entre yi y se debe a efectos aditivos y por ende transmisible a la descendencia de i ?. La repuesta es clara: depende de la heredabilidad del carcter ya que la misma mide cuanto de las diferencias fenotpicas son atribuibles a la variacin de los efectos aditivos. As, podemos expresar a [4] como:
ai h 2 ( y i )

[5]

A la correlacin entre el criterio de seleccin (en este caso el valor fenotpico del animal i) y el verdadero valor de cra, se la conoce como exactitud de la prediccin (r). Los distintos criterios de seleccin pueden evaluarse a travs de sus respectivos r. La mayor correlacin provee el mejor criterio para predecir el valor de cra. Las predicciones encontradas en los catlogos deberan siempre estar acompaadas de sus correspondientes r. En algunas oportunidades se informa el coeficiente de repetibilidad (r 2). Para un registro nico, la exactitud es:

ra , y

cov(a, y ) a2 h a . y a . y

[6]

y consecuentemente, la repetibilidad es igual a h2. Observe que la prediccin del mrito gentico aditivo mediante un nico registro fenotpico, tiene sentido en caracteres de alta heredabilidad. CASO 2: Registros repetidos sobre un mismo carcter Existen circunstancias, en las que es posible obtener mediciones de una misma variable en repetidas oportunidades sobre un mismo individuo. Es el caso de lactancias sucesivas en vacas lecheras, sucesivas esquilas en ovejas, etc. Bajo estas condiciones es factible predecir el valor de cra empleando el promedio de 4

dichas mediciones, pero existen algunas complicaciones extras en el anlisis de estos casos que deben ser salvadas. Los distintos registros de un mismo animal tienden, en promedio, a parecerse mas entre s que con los registros de otros animales. Este fenmeno, no es casual: 1- Es bastante lgico suponer que el genotipo que acta en las distintas mediciones es el mismo (hay evidencias de que esto no es siempre as) y 2- pueden existir circunstancias no genticas que afecten los registros de un animal en forma sistemtica denominadas ambiente permanente (ep). En otras palabras existe una asociacin o covarianza adicional entre los distintos registros de un individuo debida a efectos ambientales permanentes. Si miramos la poblacin en su conjunto podemos atribuirle a la varianza entre animales dos componentes: una gentica y otra ambiental permanente. La varianza dentro de animales (la varianza de sucesivas mediciones) es debida al ambiente temporal o aleatorio (et). La varianza de las observaciones (V(y)), se puede particionar de la siguiente manera: V(y) = V(g) + V(ep) +V(et) Lo explicado en el prrafo anterior puede ilustrarse de la siguiente manera [7]

Animal 1 2 3

Registro 1 Ambiente 1 G1 + E1 G2 + E1 G3 + E1 Dif. Gent. en E1

Registro Registro 2 3 Ambiente Ambiente 2 3 G1 + E2 G1 + E3 G2 + E2 G2 + E3 G3 + E2 G3 + E3 Dif. Dif. Gent. Gent. en E2 en E3

Media de las Dif. Gent. Indiv.

Registro n Ambiente 4 G1 + E4 Dif. E en G1 G2 + E4 Dif. E en G2 G3 + E4 Dif. E en G3 Dif. Media de Gent. las Dif. E en E4 Var. Dentro Indiv. Var. Entre Varianza fenotipica

A la fraccin de la varianza total, atribuible a los efectos permanentes (genticos y ambientales) se la conoce como coeficiente de correlacin intraclase o repetibilidad (t) y mide la correlacin (asociacin lineal) entre registros repetidos.

t=(V(g) + V(ep))/ V(y) = Var. Entre Individuos / Var. Fenotpica

de donde se deduce que V(et)/V(y)= 1-t.

[8]

En este modelo se asume que cualquier par de mediciones sobre un mismo individuo, mide el mismo carcter y por ende la correlacin gentica entre pares de mediciones es igual a 1. Tambin se asume que la varianza de todos los registros tienen igual varianza y que las correlaciones ambientales entre todos los pares es la misma. Si yi representa la media de n registros del animal i, su valor de cra puede estimarse como sigue:
ai b( yi )

[9]

donde b

nh 2 [1 (n 1)t ]

Note que b, no solo depende de h2, sino del nmero de registros y del coeficiente de correlacin intraclase. La exactitud del valor de cra estimado es:

ra , y b

[10]

Al comparar este resultado con el obtenido para un solo registro, vemos que hay una ganancia en la exactitud la cual depende del nmero de registros y del valor de la repetibilidad. Esta ganancia se debe bsicamente a la reduccin de la varianza dentro de individuos (V(et)), lo que modera la incertidumbre (recuerde que la varianza de la media es menor que la varianza de la variable). Si t es bajo la ganancia es importante si el n es grande, cuando t es alto existe poca ganancia respecto a utilizar un solo registro. En la tabla siguiente se observa porcentaje de aumento en la exactitud con medidas repetidas respecto a un solo registro: Valores de t 0.2 0.5 0.8 2 29 15 5 Nmero de registros 4 6 8 58 73 83 26 31 33 8 10 10 10 89 35 10

CASO 3: Registros provenientes de la progenie Este caso es particularmente importante cuando el carcter a medir se expresa nicamente en las hembras y se desea predecir el valor de cra de un macho, como sucede en el mejoramiento de toros lecheros. Si y es el promedio de n hijas del toro i , y asumiendo que todas las hijas son medio hermanas paternas, el valor de cra del macho i puede predecirse como:

 ai b( y )

[11]
con k 4 h2 h2

donde b

2n nk

[12]

Note que b depende de h2 y el nmero de hijas. Adems b se aproxima a 2 cuando n es grande. La exactitud de la prediccin de a es:

n nk y se aproxima a 1 cuando n es muy grande. ra , y

Intervalo de confianza para los valores de cra predichos

[13]

En ciertas situaciones podemos preguntarnos cuan cerca est nuestro valor de cra predicho ( a i ) , del verdadero valor de cra del animal (ai), esta pregunta no puede ser respondida con exactitud ya que ai es siempre desconocido. Sin embargo podramos plantear otra pregunta de inters que s tendra respuesta: Cul es el rango que asegura incluir a con una confianza por ejemplo del 80% , cuando la prediccin de ai es a i ? Este rango, llamado usualmente intervalo de confianza, es un rango simtrico, donde la diferencia entre el limite superior y a i es idntica a la existente entre a i y el lmite inferior. Este depende de:

a i , o sea la prediccin de ai,

ra,P, la exactitud de la prediccin de a (donde P es la fuente de informacin empleada) 2a = h2 2p , la varianza aditiva, donde h2 es la heredabilidad, 2a es la varianza aditiva, y 2p es la varianza fenotpica, t, valor proveniente de tabla correspondiente al porcentaje de confianza elegido. El rango de confianza para ai comprende todos valores que se encuentran entre el lmite inferior (LI) y superior (LS) del intervalo. Los lmites son como sigue:

2 LI= ai t (1 ra,P ) 2 a

2 y LS= ai t (1 ra,P ) 2 a

En la tabla siguiente se detallan a modo de referencia los valores de t que corresponden a los diferentes porcentajes de confianza:

Porcentajes de confianza 50% 60% 68% 70% 80% 90% 99%

t .67 .84 1.00 1.04 1.28 1.65 2.58

La siguiente ilustracin muestra el intervalo de confianza de un verdadero valor aditivo basndose en el valor de la prediccin de dicho valor.

Intervalo de confianza simtrico Posible ai verdadero

Distribucin muestral de

Valores Mejor Predictor de ai LI LS

de

2 ai t (1 ra,P ) 2 a

2 ai t (1 ra,P ) 2 a

Predictor de ai Factor correspondiente al % de confianza Cuadrado de la exactitud de la prediccin Varianza aditiva del tratamiento

Interpretacin de los lmites del intervalo de confianza Como se vio anteriormente los lmites dependen de distintos factores, la mayora de ellos desconocidos. El argumento de la raz es llamado valor residual y deriva de la correlacin existente entre dos variables aleatorias. Por ejemplo, si tomamos a X e Y como variables aleatorias, y decimos que ambas poseen entre si un factor de correlacin rXY, entonces tenemos que la proporcin de la varianza de Y que es explicada por su asociacin con X est dada por r2XY (coeficiente de determinacin). Obviamente, (1- r2XY) es la proporcin de la varianza de Y no explicada por su asociacin con X, es decir, la proporcin de la varianza inicial de Y que esperamos encontrar entre los valores de Y observados en un nivel dado de X (variabilidad residual). As, podemos descomponer la varianza de Y en dos partes: V(Y) = [(proporcin explicada por X) + (proporcin no explicada por X)] V(Y) V(Y) = [(r2XY) + (1- r2XY)] V(Y) Esto quiere decir que la varianza esperada en Y cuando X asume un determinado valor ser: V(Y/X) = (1- r2XY) V(Y) Llevando este razonamiento a trminos de valores de cra tenemos que:
2 2 Valor residual = (1 - ra,P )a

Es muy importante el concepto de varianza residual; de l se desprende que para un mismo valor predicho, existen distintos valores de cra verdaderos. Como ejemplo, suponga que la fuente de informacin considerada (P) es el propio fenotipo y que dos animales tienen el mismo valor observado para esa fuente. Al realizar la prediccin, los dos animales obtendrn el mismo valor de cra predicho, pero an as es probable que los valores aditivos verdaderos sean diferentes. La magnitud de estas diferencias es cuantificada por la varianza residual. La interpretacin grfica es como sigue:

ai bAP (Pi )

Verdaderos valores de cra

Distribucin de a para un valor dado de P

Pi

Valores de la fuente de informacin (P)

De todo esto se deduce que: 1) a mayor varianza residual, el rango de confianza ser ms amplio y 2) a mayor varianza residual, la prediccin de a es menos confiable.

Cuestionario 1- Si el peso de una vaquillona al primer parto es de 320 kg., en un rodeo cuya media es de 250 Kg. Cul ser el valor de cra predicho para esa vaquillona?. Asuma una h2=0.45. 2- En un rodeo lechero, una vaca obtuvo un promedio de 8000 Kg. de leche en sus dos primeras lactancias. La media en ese tambo es de 6000Kg. Si el desvo estndar fenotpico, la correlacin entre ambas lactancias y la h 2 son de 600Kg., 0.3 y 0.5 respectivamente Cul ser el valor de cra predicho para esa vaca y la exactitud de la misma? 3- La produccin de grasa de 25 medias hermanas de un toro en un tambo, fu de 250 Kg. Si la h2 es de 0.30 y la media del rodeo es de 200 Kg., estime el valor de cra del toro y la exactitud de la estimacin. 4- Para el caso N 1 demuestre que b=h2.

nh 2 5- Para el caso N 2 demuestre que b [1 (n 1)t ]

6- Para el caso N 2 demuestre que ra , y b

BIBLIOGRAFA CONSULTADA - Linear Models for the Prediction of Animal Breeding Values. R.A. Mrode (1996). CAB International, UK. - Mejoramiento Gentico Animal. R. Cardellino y J. Rovira (1988). - Falconer D.S. (1990). Introduccin a la Gentica Cuantitativa. Comp.Edit. Continental, S.A. de C.V., Mxico.

10

- l Curso Iberoamericano de Actualizacin en Tcnicas de Mejora Gentica de Razas Locales. CYTED Subprograma Xll: Diversidad Biolgica Red Xll-H: Red Iberoamericana sobre la conservacin de la biodiversidad de animales domesticos locales para el desarrollo rural sostenible. C.D ISBN:84-95609-05-3 - Melhoramiento Gentico Animal. Luis Telo da Gama (2002). Escolar Editora. -Genetics Improvement of cattle and sheep (1998). Geoff Simm. Farming Press. United Kingdom.
NOTA: La bibliografa consultada est se encuentra a disposicin de los alumnos y deber solicitarse en la ctedra.

11