Foi utilizada uma análise de segregação com o uso da inferência Bayesiana para estimar componentes de variância e verificar a presença de genes de efeito principal (GEP) influenciando duas características de carcaça: gordura intramuscular (GIM), em %, e espessura de toucinho (ET), em mm; e uma de crescimento, ganho de peso (g/dia) dos 25 aos 90 kg de peso vivo (GP). Para este estudo, foram utilizadas informações de 1.257 animais provenientes de um delineamento de F2, obtidos do cruzamento de suínos machos Meishan e fêmeas Large White e Landrace. No melhoramento genético animal, os modelos poligênicos finitos (MPF) podem ser uma alternativa aos modelos poligênicos infinitesimais (MPI) para avaliação genética de características quantitativas usando pedigrees complexos. MPI, MPF e MPI combinado com MPF foram empiricamente testados para se estimar componentes de variâncias e número de genes no MPF. Para a estimação de médias marginais a posteriori de componentes de variância e de parâmetros, foi utilizada uma metodologia Bayesiana, por meio do uso da Cadeia de Markov, algoritmos de Monte Carlo (MCMC), via Amostrador de Gibbs e Reversible Jump Sampler (Metropolis-Hastings). Em função dos resultados obtidos, pode-se evidenciar quatro GEP, sendo dois para GIM e dois para ET. Para ET, o GEP explicou a maior parte da variação genética, enquanto, para GIM, o GEP reduziu significativamente a variação poligênica. Para a variação do GP, não foi possível determinar a influência do GEP. As herdabilidades estimadas ajustando-se MPI para GIM, ET e GP foram de 0,37; 0,24 e 0,37, respectivamente. Estudos futuros com base neste experimento que usem marcadores moleculares para mapear os genes de efeito principal que afetem, principalmente GIM e ET, poderão lograr êxito.

A Bayesian marker-free segregation analysis was applied for the estimation of variance components and to search for evidence of segregation genes affecting two carcass traits: intramuscular fat (IMF), %, and backfat thickness (BF), mm ; and one growth trait: body weight gain (LG) from 25 to 90 kg, approximately, g/day. In this study, 1,257 animals from the F2 design produced by breeding among pigs Meishan (male) and Dutch Large White and Landrace lines (female) were used. In animal breeding, finite polygenic models (FPM) may be an alternative to the infinitesimal polygenic model (IPM) for genetic evaluation of populations with multiple-generations pedigree for quantitative traits. FPM, IPM and FPM combined with IPM were empirically tested for estimation of variance components and number of genes in FPM. Estimation of marginal posteriori means of variance components and parameters were performed by using Markov Chain Monte Carlo techniques with the Gibbs sampler and the reversible Jump sampler (Metropolis-Hastings). The results showed evidence for four Major Genes (MG), i.e., two for IMF and two BF. For BF, the MG explained almost all of genetic variance, while for IMF, MG reduced the polygenic variance significantly. The LG was not likely influenced by MG. The polygenic heritability estimates for IMF, BF and LG were 0.37, 0.24 and 0.37, respectively. Further molecular genetic research, based on the same experimental data, aiming to map the major genes estimated for IMF and BF has a high probability of success.

O conhecimento do genoma pode auxiliar na identificação de regiões cromossômicas e, eventualmente, de genes que controlam características quantitativas (QTLs) de importância econômica. Em um experimento com 1.129 suínos resultantes do cruzamento entre machos da raça Meishan e fêmeas Large White e Landrace, foram analisadas as características gordura intramuscular (GIM), em %, e ganho dos 25 aos 90 kg de peso vivo (GP), em g/dia, em 298 animais F1 e 831 F2, e espessura de toucinho (ET), em mm, em 324 F1 e 805 F2. Os animais das gerações F1 e F2 foram tipificados com 29 marcadores microsatélites. Estudou-se a ligação entre os cromossomos 4, 6 e 7 com GIM, ET e GP. Análises de QTL utilizando-se metodologia Bayesiana foram aplicadas mediante três modelos genéticos: modelo poligênico infinitesimal (MPI); modelo poligênico finito (MPF), considerando-se três locos; e MPF combinado com MPI. O número de QTLs, suas respectivas posições nos três cromossomos e o efeito fenotípico foram estimados simultaneamente. Os sumários dos parâmetros estimados foram baseados nas distribuições marginais a posteriori, obtidas por meio do uso da Cadeia de Markov, algoritmos de Monte Carlo (MCMC). Foi possível evidenciar dois QTLs relacionados a GIM nos cromossomos 4 e 6 e dois a ET nos cromossomos 4 e 7. Somente quando se ajustou o MPI, foram observados QTLs no cromossomo 4 para ET e GIM. Não foi possível detectar QTLs para a característica GP com a aplicação dessa metodologia, o que pode ter resultado do uso de marcadores não informativos ou da ausência de QTLs segregando nos cromossomos 4, 6 e 7 desta população. Foi evidenciada a vantagem de se analisar dados experimentais ajustando diferentes modelos genéticos; essas análises ilustram a utilidade e ampla aplicabilidade do método Bayesiano.

Genome scans can be used to identify chromosomal regions and eventually genes that control quantitative traits (QTL) of economic importance. In an experimental cross between Meishan (male) and Dutch Large White and Landrace lines (female), 298 F1 and 831 F2 animals were evaluated for intramuscular fat (GIM), % and growth trait: body weight gain (GP) from approximately 25 to 90 kg, g/day and 324 F1 and 805 F2 for backfat thickness, mm (ET). The animals of generations F1 and F2 were typed for 29 microsatellite markers. Linkage was studied among chromosomes 4, 6, 7 and GIM, ETand GP. QTL analyses using Bayesian methodology was applied under three genetic models: infinitesimal polygenic model (MPI); finite polygenic model (MPF) with three loci and MPF combined with MPI. The number of QTL, their map positions in the three chromosomes, and phenotypic effects were all estimated simultaneously within the same framework. The summaries of the estimated parameters were based on the marginal posterior distributions, that were obtained through Markov chain Monte Carlo (MCMC) methods. The results showed two QTLs for GIM on chromosomes 4 and 6 and two for ET on chromosomes 4 and 7. QTLs on chromosome 4 for ET and GIM were detected only under the PMI. Failure of theses approaches to detect weight gain QTL was possibly due to insufficient power from marker data or due to absence of segregating QTL on the chromosomes 4, 6 and 7 for this population. This study shows the benefit of analyzing experimental data under different genetic models and these analyses clearly illustrate the utility and wide applicability of Bayesian methodology.