MÉTODOS DE SELEÇÃO GENÔMICA AMPLA APLICADOS A DADOS SIMULADOS PARA OVINOS COM DISTRIBUIÇÃO GAMA

Abstract

RESUMO: A distribuição de algumas características de importância econômica em animais apresenta comportamento assimétrico; neste caso, os métodos usuais de seleção genômica, baseados em expectativas condicionais impossibilitam a previsão de todas as distribuições de valores fenotípicos, podem sub ou superestimar os efeitos dos marcadores e, consequentemente, os valores genômicos. Objetivou-se com esta pesquisa verificar a sensibilidade e a capacidade preditiva dos métodos genômicos RR-BLUP, BLASSO e ssGBLUP, quando a pressuposição de normalidade da variável resposta não é atendida, com diferentes tamanhos amostrais, números de animais genotipados e níveis de variância fenotípica, para verificar o efeito dessa premissa sobre a predição de valores genéticos e sobre a acurácia preditiva. Dados genômicos foram simulados no software QMSIM, com uso de um genoma com tamanho idêntico ao genoma real da espécie Ovis Aries. Marcadores bialélicos foram distribuídos de acordo com o número de QTLs já conhecidos na literatura com efeito sobre a característica área de olho de lombo (AOL), e supondo no mínimo um QTL por cromossomo caso não houvesse relação com essa característica descrita na literatura. As estimativas de herdabilidade para a característica simulada e para o QTL foram 0,30 e 0,18, respectivamente. Foram considerados três níveis de variação fenotípica (5, 10 e 15) e três tamanhos populacionais (400, 1.000 e 5.000). No capítulo 1, foi realizada a comparação dos métodos RR-BLUP e BLASSO nos diferentes cenários. Quando os dados fenotípicos apresentaram distribuição gama, essa comparação foi feita através da análise de resíduos e da acurácia preditiva. As acurácias apresentaram redução de 6,6 e 10,9% para os métodos RR-BLUP e BLASSO, respectivamente, quando aplicados a dados fenotípicos com distribuição gama, porém analisados assumindo distribuição normal. Uma leve superioridade na acurácia foi verificada com o uso do método RR-BLUP, quando comparado ao BLASSO. No capítulo 2, foi verificada a sensibilidade do método ssGBLUP com diferentes números de animais de genotipados e com dados que apresentavam distribuição gama analisados assumindo distribuição normal. Ao quebrar a pressuposição de normalidade, a capacidade preditiva do método ssGBLUP diminuiu. Quando a pressuposição de normalidade para a variável resposta nos métodos de seleção genômica avaliados não foi atendida, a acurácia preditiva diminuiu.

ABSTRACT: The distribution of some traits of economic importance in animals presents asymmetrical behavior; in this case, the usual methods of genomic selection, based on conditional expectations, make impossible the prediction of all distributions of phenotypic values, may under- or overestimate marker effects and, consequently, affect the prediction of genomic breeding values. The objective of this study was to verify the sensitivity and predictive capacity of the genomic methods RR-BLUP, BLASSO and ssGBLUP, when the assumption of normality of the response variable is not met, considering different sample sizes, number of genotyped animals and levels of phenotypic variance to verify the effect of this premise on the prediction of breeding values and predictive accuracy. Genomic data were simulated using the QMSIM software, with a genome with length identical to the real genome of the Ovis Aries species. Biallelic markers were distributed according to the number of QTLs known in the literature with effect on the loin eye area (LEA), and assuming at least one QTL per chromosome if there was no relationship with LEA described in the literature. The heritability estimates for the simulated trait and QTL were 0.30 and 0.18, respectively. Three levels of phenotypic variance (5, 10, and 15) and three population sizes (400, 1,000, and 5,000) were considered. In chapter 1, the RR-BLUP and BLASSO methods were compared in different scenarios. When the phenotypic data had a gamma distribution, the methods were compared based on residual analysis and predictive accuracy. The accuracies reduced by 6.6 and 10.9% for the RR-BLUP and BLASSO methods, respectively, when they were applied to phenotypic data with gamma distribution that were analyzed assuming normal distribution. A slight superiority in accuracy was verified with the use of the RR-BLUP method, when compared to BLASSO. In chapter 2, the sensitivity of the ssGBLUP method was verified with different numbers of genotyped animals and with data that presented a gamma distribution, but were analyzed assuming normal distribution. Violating the assumption of normality for the response variable decreased the predictive capacity of the genomic methods.