RESUMO: Os objetivos foram avaliar os efeitos das estações e latitude na contagem de carrapatos e determinar o melhor modelo para estimar parâmetros genéticos para contagem de carrapatos e pelame. Foram utilizados registros de animais expostos naturalmente a carrapatos em fazendas em vários estados brasileiros e no Paraguai. A ANOVA foi utilizada para verificar os efeitos das estações e da latitude na característica de contagem de carrapatos. A primavera foi a estação com a maior média, seguida pelo verão e outono, que não mostraram diferenças entre eles. O inverno apresentou os menores valores médios. A latitude -11° teve o maior valor médio seguido pela latitude -18°. A abordagem bayesiana foi usada para avaliar a contagem de carrapatos e o pelame e identificar o modelo adequado para estimar parâmetros genéticos e para uso em avaliações genéticas. Os dados foram analisados usando um modelo animal com quatro especificações diferentes para efeitos “fixos”. A inferência foi baseada em uma cadeia de Markov Monte Carlo (MCMC). Os critérios de seleção do modelo bayesiano indicaram que o modelo M1, que considerou a composição racial no grupo contemporâneo, foi superior aos demais modelos, tanto na contagem de carrapatos e para pelame. As estimativas de herdabilidade para contagem de carrapatos e pelame obtidas usando o modelo M1 foram de 0,14 e 0,22, respectivamente. As correlações de ranking entre os modelos para a contagem de carrapatos e pelame foram estimadas e a reordenação foi verificada para a contagem de carrapatos. A correlação genética estimada entre a contagem de carrapatos e pelame foi negativa (-0,12). Esses achados sugerem que genes diferentes regulam a contagem de carrapatos e pelame.

ABSTRACT: This study evaluated the effects of seasons and latitude on tick counting and determined the best model to estimate genetic parameters for tick count and hair coat. Records of animals naturally exposed to ticks on farms in several Brazilian states and in Paraguay were used. The ANOVA was used to verify the effects of seasons and latitude on the tick count trait. Spring was the season with the highest average, followed by summer and autumn, which showed no differences between them. The winter presented the lowest average values. Latitude -11° had the highest mean value followed by latitude -18°. The Bayesian approach was used to evaluate tick count and hair coat and to identify a suitable model for estimating genetic parameters for use in genetic evaluations. The data were analyzed using an animal model with four different specifications for “fixed” purposes. The inference was based on a Markov chain Monte Carlo (MCMC). The criteria for selection of the Bayesian model indicated that the M1 model, which considered the breed composition in the contemporary group, was superior to the other models, both for tick count and hair coat. Heritability estimates for tick count and hair coat obtained using the M1 model were 0.14 and 0.22, respectively. The rank correlations between the models for tick count and hair coat were estimated and reordering was verified for tick count. The estimated genetic correlation between tick count and hair coat traits was negative (-0.12). These findings suggest that different genes regulate tick count and hair coat.

RESUMO: Objetivou-se testar diferentes estruturas de matrizes de (co)variâncias genotípicas e residuais em modelos de regressão aleatória para modelar a produção de ovos do 5o ao 12o mês de idade de poedeiras das raças Plymouth Rock Barrada e Plymouth Rock Branca, bem como estimar a herdabilidade no sentido amplo e as correlações ambientais e genotípicas. Foram avaliados seis modelos de regressão aleatória e, para todos os modelos, foram testadas 12 estruturas das matrizes genotípicas e residuais. O modelo de regressão aleatória com intercepto linear com estrutura de (co)variância desestruturada (UN) para a matriz de efeitos aleatórios e correlação desestruturada (UNR) para a matriz de resíduos, modela adequadamente a curva de produção de ovos das aves das duas raças estudadas. As correlações genotípicas variaram de 0.15 (entre o 5o e o 12o mês) a 0.99 (entre o 10o e o 11o mês), aumentando conforme a proximidade entre os meses. As herdabilidades para a produção de ovos entre o 5o e o 12o mês de idade aumentam com o avanço da idade, variando de 0.15 a 0.51. A partir do nono mês de idade a herdabilidade é moderada com estimativas de correlações genotípicas superiores a 90% nos meses 10, 11 e 12. Sugere-se a seleção das poedeiras através de critérios fenotípicos a partir do 9o mês de idade das aves.

ABSTRACT: This study aimed to test different genotypic and residual covariance matrix structures in random regression models to model the egg production of Barred Plymouth Rock and White Plymouth Rock hens aged between 5 and 12 months. In addition, we estimated broad-sense heritability, and environmental and genotypic correlations. Six random regression models were evaluated, and for each model, 12 genotypic and residual matrix structures were tested. The random regression model with linear intercept and unstructured covariance (UN) for a matrix of random effects and unstructured correlation (UNR) for residual matrix adequately model the egg production curve of hens of the two study breeds. Genotypic correlations ranged from 0.15 (between age of 5 and 12 months) to 0.99 (between age of 10 and 11 months) and increased based on the time elapsed. Egg production heritability between 5- and 12-month-old hens increased with age, varying from 0.15 to 0.51. From the age of 9 months onward, heritability was moderate with estimates of genotypic correlations higher than 90% at the age of 10, 11, and 12 months. Results suggested that selection of hens to improve egg production should commence at the ninth month of age.

RESUMO: Objetivou-se comparar as funções de Wilmink e Ali e Schaeffer com polinômios de Legendre em modelos de regressão aleatória, utilizando variâncias residuais heterogêneas, para modelar parâmetros genéticos ao longo da primeira lactação na raça Holandesa. Foram utilizados cinco mil oitocentos e oitenta registros quinzenais de produção de leite no dia do controle. Os modelos incluíram os efeitos fixos de grupo de contemporâneos e a idade da vaca ao parto como covariável. Os critérios estatísticos apontaram as funções WF.33_HE2, LEG.33_HE2 e a LEG.55_HE4 como as melhores em descrever as mudanças nas variâncias que ocorrem ao longo da lactação. As herdabilidades estimadas pelos modelos WF.33_HE2 e LEG.33_HE2 foram semelhantes, variando de 0,31 a 0,50. O LEG.55_HE4 divergiu destes, no início da lactação, com estimativas superiores e, a partir da 16ª quinzena, com estimativas inferiores. O LEG55_HE4, entre os três melhores modelos indicados pelo índice, é o mais parametrizado (14 vs 34) e resultou em menores estimativas de variância residual no início e no final da lactação, mas superestimou a herdabilidade na primeira quinzena e apresentou maior dificuldade em modelar as correlações genéticas e de ambiente permanente entre os controles. Os modelos de regressão aleatória que usaram a função de Wilmink e Polinômios de Legendre com duas classes de variâncias residuais descreveram adequadamente a variação genética ao longo da lactação de vacas da raça Holandesa, criadas no Rio Grande do Sul.

ABSTRACT: The objective of this study was to compare the functions of Wilmink and Ali and Schaeffer with Legendre polynomials in random regression models using heterogeneous residual variances for modeling genetic parameters during the first lactation in the Holstein Friesian breed. Five thousand eight hundred and eighty biweekly records of test-day milk production were used. The models included the fixed effects of group of contemporaries and cow age at calving as covariable. Statistical criteria indicated that the WF.33_HE2, LEG.33_HE2, and LEG.55_HE4 functions best described the changes in the variances that occur throughout lactation. Heritability estimates using WF.33_HE2 and LEG.33_HE2 models were similar, ranging from 0.31 to 0.50. The LEG.55_HE4 model diverged from these models, with higher estimates at the beginning of lactation and lower estimates after the 16th fortnight. The LEG55_HE4, among the three better models indicated by the index, is the one with highest number of parameters (14 vs 34) and resulted in lower estimation of residual variance at the beginning and at the end of lactation, but overestimated heritability in the first fortnight and presented a greater difficulty to model genetic and permanent environment correlations among controls. Random regression models that used the Wilmink and Legendre polynomials functions with two residual variance classes appropriately described the genetic variation during lactation of Holstein Friesians reared in Rio Grande do Sul.

RESUMO: Objetivou-se identificar o modelo de regressão não linear que melhor descreve as curvas de produção de leite e de porcentagens de gordura e proteína; a estação e idade ao parto que resultam em maiores produções. Nas análises, foram utilizados 8047 registros de produção de leite e porcentagens de gordura e proteína provenientes de 1330 vacas da raça Holandesa, criadas no Rio Grande do Sul, nascidas de 1989 a 2011. Após a definição do modelo de regressão não linear mais adequado, procedeu-se à realização do teste de identidade de modelos e de igualdade de parâmetros para as diferentes classes de estação e idade da vaca ao parto. O quadrado médio do resíduo, desvio médio absoluto, erro quadrático médio de predição e a porcentagem de curvas estimadas por animal apontaram a Função Linear Hiperbólica (FLH) como a mais adequada para descrever as curvas de produção de leite e teores de gordura e proteína. Vacas com ocorrência de partos nas estações de outono e inverno produzem maior quantidade de leite e menor teor de gordura e proteína do leite do que aquelas que parem nas estações de primavera e verão. Vacas com idades ao parto entre 46 e 93 meses produzem maior quantidade de leite e as com 94 a 118 meses, maior teor de gordura do leite.

ABSTRACT: The objective of this study was to identify a nonlinear regression model that better describes the milk production and the percentages of fat and protein curves, and to identify the season and age of calving that result in higher productions. For the analysis, 8,047 records of milk production and percentages of fat and protein obtained from 1,330 Holstein breed cows raised in Rio Grande do Sul, born from 1989 to 2011, were used. After determining the most appropriate nonlinear regression model, the identity of models and the equality of parameter tests for the different classes of season and age of calving were performed. Residual mean square, mean absolute deviation, mean squared prediction error and percentage of estimated curves per animal, indicated the Linear Hyperbolic Function (LHF) as the most appropriate to describe the milk production and the levels of fat and protein curves. Cows calving in the autumn and winter seasons yield higher quantities of milk and lower fat and protein content than those calved in the spring and summer seasons. Cows aged between 46 and 93 months at calving yield higher milk quantities, and those with calving age between 94 and 118 months produced more fat.

Objetivou-se comparar um modelo multi-característica padrão com modelos de análise de fatores (AF) e de componentes principais (CP) para estimar parâmetros genéticos para a produção de leite no dia do controle (PLDC) de vacas da raça Holandesa. O arquivo de trabalho constituiu-se de 4.616 registros mensais de PLDC de primeiras lactações de vacas da raça Holandesa. As PLDC foram agrupadas em dez classes mensais, entre o 5o e 305o dia da lactação (PLDC1 a PLDC10). Foram realizadas análises considerando 11 modelos diferentes, como segue: multi-característica padrão (MC); cinco modelos de posto reduzido, para a matriz de covariância genética, ajustando um a cinco (CP1 ... CP5) componentes principais; e dois modelos utilizando análise de fatores (F1, F2, F3, F4 e F5). Para todos os modelos, foram considerados como aleatórios os efeitos genético aditivo e o residual e como fixos os de grupo de contemporâneos, da idade da vaca ao parto (linear e quadrático) e dias em lactação (linear). Os valores de Log L, AIC e BIC melhoraram com o aumento do número de parâmetros até CP4 e AF4. Comparando CP4 e AF4, observa-se que CP4 resultou em melhores valores de Log L, AIC e BIC. As estimativas de herdabilidade e correlações genéticas utilizando os modelos MC, CP4 e AF4 foram similares, variando de 0,06 (PL6) a 0,65 (PL10) e de 0,05 (PL4xPL10) a 0,94 (PL2xPL3), respectivamente, indicando que a estrutura de covariâncias genéticas entre as produções de leite no dia do controle pode ser ajustada utilizando um modelo de posto reduzido, contendo quatro componentes principais ou quatro fatores

The objective was to compare a standard multi-trait (MT) analysis model with factor (FA) and principal components (PC) analyses models to estimated genetic parameters for Holstein cows test day milk production (TD). The data file was composed by 4.616 TD at first lactation registers. The TD was grouped into ten monthly classes of lactation, from the 5th and the 305th day of lactation (TD1 to TD10). Analyses were performed considering 11 different models: standard multi-traits (MT), five reduced rank models to genetic covariance matrix adjusting one (PC1), two (PC2), three (PC3), four (PC4) and five (PD5) principal components and five models using factor analyses (F1, F2, F3, F4 and F5). To all the models the effects additive genetic and residual were considered as random and the effects of contemporary group, age of cow at parturition (linear and quadratic) and days in lactation (linear) were considered as fixed. The values of Log L, AIC e BIC improved with the augment of the number of parameters until CP4 and AF4. Comparing CP4 and AF4 is possible to verify that CP4 proportioned better values to Log L, AIC e BIC. The heritabilities and genetic correlations estimated to the ten test day milk production using MC, CP4 and AF4 models were similar ranging from 0.06 (PL6) to 0.65 (PL10) and from 0.05 (PL4xPL10) to 0.94 (PL2xPL3), respectively, indicating that the structure of the genetic covariance between the TD milk productions can be adjusted using a reduced rank model with four principal components or four factors