Guía rápida de análisis genéticos bajo modelos mixtos con WOMBAT
DOI:
https://doi.org/10.71112/pw47g958Palavras-chave:
WOMBAT, valor genético, modelo animal, modelo mixto, REMLResumo
La identificación de los mejores individuos se basa en la obtención de los valores genéticos (VG), o mejores predictores lineales insesgados (BLUP) como también se les conoce, los cuales, permiten la identificación de animales genéticamente superiores o inferiores en el rebaño. Un programa informático muy utilizado a nivel mundial para calcular los VG es el WOMBAT, el cual fue escrito en FORTRAN95 por la doctora Karin Meyer y lanzado al mercado en el año 2005. El WOMBAT utiliza la metodología de modelos lineales mixtos bajo el método REML. Se utilizó una base de datos de peso al destete en ganado vacuno, para mostrar el uso del WOMBAT en el cálculo de los VG utilizando 3 modelos diferentes. Para los 3 modelos se encontraron resultados diferentes para los VG. Se puede concluir que, el WOMBAT-REML, puede predecir los VG de los animales para las características usando algoritmos eficientes bajo modelos mixtos, se recomienda su uso para la evaluación genética de características de interés zootécnico en poblaciones de animales.
Downloads
Referências
Aranguren, A., & Román, R. (2014). El modelo animal simple: una metodología para los genetistas. Logros & Desafíos de la Ganadería Doble Propósito, GIRAZ, 120-136.
Aranguren, A., Román, R., Villasmil, Y., & Yañez, F. (2007). Evaluación genética de la ganadería mestiza doble propósito en Venezuela. Archivos Latinoamericanos de Producción Animal, 15(1), 241-250.
Becker, W. (1986). Manual de genética cuantitativa. Academic Enterprises.
Blasco, A. (2017). Bayesian data analysis for animal scientists: The basics. Springer. DOI: https://doi.org/10.1007/978-3-319-54274-4
Blasco, A. (2021). Mejora genética animal. Editorial Síntesis.
Boldman, K. G., Kriese, L. A., Van Vleck, L. D., Van Tassell, C. P., & Kachman, S. D. (1995). A manual for use of MTDFREML: A set of programs to obtain estimates of variances and covariances [Draft]. U.S. Department of Agriculture, Agricultural Research Service.
Castejón, O. (2008). Diseño y análisis de experimentos con Statistix. Colección de Textos Universitarios. Ediciones del Vicerrectorado Académico.
Elzo, M., & Garay, O. (2012). Modelación aplicada a las ciencias animales: II. Evaluaciones genéticas. Editorial Biogénesis.
Falconer, D. (2001). Introducción a la genética cuantitativa. Longman.
Fernández, N., Herrera, J. C., Pérez, N. G., Doria, M. R., Mestra, L. V., & Lucero, C. (2021). Heredabilidades para características de crecimiento a través de los años en la raza Blanco Orejinegro. Revista de Investigaciones Veterinarias del Perú, 32(5). DOI: https://doi.org/10.15381/rivep.v32i5.19294
Gilmour, A. R. (2021). Echidna Mixed Model Software. Recuperado de www.EchidnaMMS.org.
Gutiérrez, P. (2010). Iniciación a la valoración genética animal: Metodología adaptada al EEES. Editorial Complutense.
Henderson, C. (1953). Estimation of variance and covariance components. Biometrics, 9(2), 226-252. DOI: https://doi.org/10.2307/3001853
Henderson, C. (1973). Sire evaluation and genetic trends. En Proceedings of the Animal Breeding Genetics Symposium in Honor of J.L. Lush (pp. 10-41). American Society of Animal Science. https://doi.org/10.1093/ansci/1973.Symposium.10 DOI: https://doi.org/10.1093/ansci/1973.Symposium.10
Johnson, D., & Thompson, R. (1995). Restricted maximum likelihood estimation of variance components for univariate animal models using sparse matrix techniques and average information. Journal of Dairy Science, 78, 449-456. DOI: https://doi.org/10.3168/jds.S0022-0302(95)76654-1
Legates, E., & Warwick, J. (1992). Cría y mejora del ganado. Interamericana McGraw-Hill.
Littell, R., Milliken, G., Stroup, W., Wolfinger, R., & Schabenberger, O. (2006). SAS for mixed models. SAS Press.
Lourenco, D., Tsuruta, S., Masuda, Y., Bermann, M., Legarra, A., & Misztal, I. (2022). Actualizaciones recientes en el paquete de software BLUPF90. Congreso Mundial de Genética Aplicada a la Producción Ganadera.
Meyer, K. (1989). Restricted maximum likelihood to estimate variance components for animal models with several random effects using a derivative-free algorithm. Genetics Selection Evolution, 21, 317-340. DOI: https://doi.org/10.1051/gse:19890308
Meyer, K. (1997). An ‘average information’ restricted maximum likelihood algorithm for estimating reduced rank genetic matrices or covariance functions for animal models with equal design matrices. Genetics Selection Evolution, 29, 97-116. DOI: https://doi.org/10.1051/gse:19970201
Meyer, K. (2007). WOMBAT: A tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML). Journal of Zhejiang University Science B, 8(11), 815-821. DOI: https://doi.org/10.1631/jzus.2007.B0815
Misztal, I., Tsuruta, S., Lourenco, D. A. L., Aguilar, I., Legarra, A., & Vitezica, Z. (2014). Manual para la familia de programas BLUPF90.
Mrode, R., & Thompson, P. (2005). Linear models for the prediction of animal breeding values (2ª ed.). CABI Publishing. DOI: https://doi.org/10.1079/9780851990002.0000
Patterson, H., & Thompson, R. (1971). Recovery of inter-block information when block sizes are unequal. Biometrika, 58, 545-554. DOI: https://doi.org/10.1093/biomet/58.3.545
Pérez, J. (2024). Estadística aplicada al mejoramiento genético animal. Fondo Editorial Universidad Rafael Urdaneta.
Pérez, J., Jiménez, E., & Morales, D. (2024). Repetibilidad del intervalo entre parto en ganado Carora en Venezuela. RECITIUTM, 10(2).
Pérez, J., & Morales, D. (2023). Theory of estimation of parameters and genetic values under mixed models. International Journal of Avian & Wildlife Biology, 8(1), 27-33. https://doi.org/10.15406/ijawb.2024.08.00210 DOI: https://doi.org/10.15406/ijawb.2024.08.00210
Román, R., & Aranguren, A. (2014). Evaluación genética de reproductores: Logros y desafíos. GIRAZ.
Searle, S. R., Casella, G., & McCulloch, C. E. (1992). Variance components. Wiley. DOI: https://doi.org/10.1002/9780470316856
Solarte, C., Martínez, C., & Cerón, M. (2024). Modelos lineales para evaluación genética en animales. Editorial UTP.
Sorensen, D., & Gianola, D. (2002). Likelihood, Bayesian, and MCMC methods in quantitative genetics. Springer. DOI: https://doi.org/10.1007/b98952
Vega, P. (1998). Introducción a la teoría de genética cuantitativa con especial referencia al mejoramiento de plantas. UCV-Ediciones de la Biblioteca.
Verde, O., & Yañez, F. (2014). Modelos estadísticos de evaluación genética. Logros & Desafíos de la Ganadería Doble Propósito, GIRAZ, 107-119.
Vilela, J. (2014). Mejoramiento genético animal en animales domésticos. Editorial Macro. Lima, Perú.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Revista Multidisciplinar Epistemologia das Ciências
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
