PARÁMETROS GENÉTICOS PARA PRODUCCIÓN DE LECHE EN DOS POBLACIONES DE GANADO HOLSTEIN EN MÉXICO Toledo AHO 1 *, Berruecos VJM 1, Vásquez PCG 1, Ruiz LFJ.

Slides:



Advertisements
Presentaciones similares
Variación en el consumo de FDN en vacas lactando en el trópico
Advertisements

MEJORAMIENTO GENETICO DEL GANADO LECHERO
La lógica de covarianza
Un Programa de Mejoramiento Genético para Ovinos de Leche
IMPORTANCIA DEL MEJORAMIENTO GENETICO
Requerimientos de Energía y Proteína Metabolizables
Argentina, 2002 (1) Ventajas de la IA, toros probados y las comparaciones internacionales Rex L. Powell Laboratorio de Programas de Mejoramiento.
ESTADISTICA TEMA 12.
HERENCIA DE LOS PRINCIPALES PARÁMETROS PRODUCTIVOS Y REPRODUCTIVOS EN VACAS MESTIZAS ( 5/8 PARDO SIUZO- 3/8 CRIOLLO ) TIPO CARORA A. Valle y F.A. Moura.
Análisis de la Varianza
Ing. Zoot. Juan José Jorrat
PARÁMETROS GENÉTICOS Y RESPUESTA A LA SELECCIÓN EN UNA POBLACIÓN DE GALLINAS DE RAZA CASTELLANA NEGRA Archivos de Zootecnia vol. 55, Nº 209, Pág
REGRESIÓN LINEAL MÚLTIPLE.
Parámetros genéticos.
PRONÓSTICOS EFICIENTES Y RACIONALES DR. LUIS MIGUEL GALINDO.
Selección. Temas Definición e importancia de la selección Métodos de selección Respuesta a la selección.
Departamento de Anatomía, Embriología y Genética. El programa informático PQGen está diseñado para ser el complemento.
Objetivo 3 (Práctica I) Evaluación Formativa:
Programa Piloto Nacional de Ganadería Baja en Emisiones Línea Base Febrero 2016 Elaborado por: Departamento de Proyectos, CORFOGA 2016.
REGRECION LINEAL SIMPLE, MULTIPLE Y CORRELACION. REGRECION LINEAL SIMPLE.
Situación de la Infraestructura Escolar y Calidad de la Educación Básica en América Latina: Jesús Duarte, Carlos Gargiulo y Martin Moreno Un análisis a.
Cuestionario CP-IDEA: conclusiones y perspectivas de aplicación 2013 Equipo de Coordinación GTplan.
Estadística descriptiva
Un criterio para detectar outliers. Otro criterio para detectar errores groseros (outliers)
MEJORAMIENTO GENÉTICO DEL GANADO BOVINO LECHERO
Indicadores de Sustentabilidad Ambiental. ¿QUÉ ES UN INDICADOR?  Es una medida que nos permite ir observando el parámetro de avance en el cumplimiento.
La Unidimensionalidad 2ª Presentación borrador, Realizado: Carmen Calatayud Fernández (Enviada el día 29/04/08)
Instituto Mexicano del Transporte (IMT) Hacia un observatorio del transporte carretero de carga en México Instituto Mexicano del Transporte (IMT) Hacia.
Generalidades del Proyecto El software educativo EduFis Educación Física para TODOS, fomenta la realización de ejercicio físico evaluando las capacidades.
ELEMENTOS BÁSICOS DE MUESTREO. ¿Cómo obtener muestras representativas? 02/06/2016 ELEMENTOS BÁSICOS DE MUESTREO ¿Cómo lograr que un estudio tenga validez.
TEORÍA DEL MUESTREO El muestreo implica seleccionar a un grupo de personas, acontecimientos u otros elementos que usamos para dirigir un estudio. Se espera.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Medidas de dispersión. Acción A 10% 25% 9 % 17% 5% Rendimiento anual de dos tipos de acciones en los últimos 5 años Acción B 11% 9% 10% 11% 9% Media de.
PRESENTADO POR: JOHANNA ANDREA RODRIGUEZ MORENO.  Descubierta por William S. en 1908, la distribución de T normalmente se llama distribución de t de.
Encuesta de Opinión Pública de Receptores de Remesas en México Ciudad de México, D.F., México 2 de Febrero del 2007.
Experimentos con un solo factor: anÁlIsis de varianza
VERIFICACIÓN DEL SUPUESTO: DE IGUALDAD DE VARIANZAS: OBSERVACIÓN GRÁFICA Y PRUEBA DE BARTLETT.
1 Diciembre 2015, Bogotá, Colombia Congreso Latinoamericano de Evaluación Ampliando la mirada de Calidad Desarrollo personal y social: Desafíos técnicos.
La estadística descriptiva es la ciencia de analizar y comprar datos por medio de tablas las cuales después se grafican lo que permite realizar una descripción.
Prueba de Friedman Vanessa Restrepo Viviana Sanchez Luisa Arroyave
Teoría de la Generalizabilidad
Diagramas de control CONSIDERACIONES BÁSICAS. DIAGRAMAS DE CONTROL  El Control Estadístico de Proceso (Statistical Process Control SPC) es la herramienta.
EVALUATION OF CANE MOLASSES AS SUBSTRATE FOR L ACTOBACILLUS PLANTARUM GROWTH Ana Paulina Flores García Juliana Andrea Ossa, María Consuelo Vanegas,
Maestría en Gestión Educativa UPN SUBSEDE DELICIAS Septiembre de 2008 Asesor: Efrén Viramontes Anaya.
ESTUDIOS TRANSVERSALES CORRELACIONALES LINDA BARRAZA FABIAN BELEÑO WILLIAM MORENO DANIELA NÚÑEZ JOHANN PERRET GENTIL DIEGO VASQUEZ.
Diplomado en Lectura y Escritura a través del Currículo en el Nivel Superior CENTRO DE EXCELENCIA PARA LA INVESTIGACIÓN Y DIFUSIÓN DE LA LECTURA Y ESCRITURA.
PRONOSTICOS CON REGRESION LINEAL MULTIPLE En la regresión lineal simple se investiga la relación entre una variable independiente y otra dependiente. A.
INSTRUMENTACION ELECTRONICA OCTUBRE Planificación Evaluación Nº1:  Examen Parcial (33%). Evaluación Nº2:  Examen Parcial (33%)‏ Evaluación Nº3:
Línea base y Transición De FONEDE a MPC. Metodología cuantitativa a través de un cuestionario completamente estructurado – máximo seis preguntas.
Obesidad e hipertensión en los adultos mayores uruguayos Juan Pablo Pagano Máximo Rossi Patricia Triunfo Febrero de 2007.
REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios.
BANCO INTERAMERICANO DE DESARROLLO TALLER SOBRE EVALUACIÓN DEL PRECIO Y LA CALIDAD EN LAS ADQUISICIONES (BEST VALUE FOR MONEY)
Componentes Genéticos y Heredabilidad en pimientos.
LA METODOLOGIA BOX-JENKINS
Slide 1 Regulación y medición de remesas PANEL 1A 6 de mayo de 2010.
Componentes Genéticos y Heredabilidad en pimientos.
Sistemas de cruzamientos
36 Indicadores 30 Operaciones 13 Instituciones Tasa de inflación anual. Porcentaje de la población bajo la línea de pobreza extrema nacional. Tasa de.
Factores que influyen en el precio de la tierra en la provincia de Talca. Javier L. Troncoso C. Medardo Aguirre G. Paula Manríquez N. Varinia Labarra P.
INFORMÁTICA APLICADA A LA ESTADÍSTICA COES
INFERENCIA EN LOS MODELOS ARIMA ECONOMETRÍA II CAPÍTULO VI D to de Economía Aplicada Cuantitativa I Basilio Sanz Carnero.
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, Decana de América) FACULTAD DE MEDICINA - UPG MAESTRÍA EN NEUROCIENCIAS Curso: Bioestadística.
APLICACIONES TAI EN TELEFORMACIÓN. ¿Qué es la teleformación? La Teleformación o el e-learning permite realizar acciones formativas a través de Internet.
ANALISIS DE FRECUENCIA EN HIDROLOGIA (3)
Indicadores y criterios de evaluación
¿Qué es un Proyecto Educativo? Un proyecto educativo es un proceso para alcanzar una meta educativa, objetivos de aprendizaje. Esto implica desde la selección.
Estadística y Biometría Modelación Estadística Regresión lineal.
Menendez-Buxadera, J.M. Serradilla, A. Molina
REGRESION LINEAL SIMPLE
REGRESION LINEAL SIMPLE
Transcripción de la presentación:

PARÁMETROS GENÉTICOS PARA PRODUCCIÓN DE LECHE EN DOS POBLACIONES DE GANADO HOLSTEIN EN MÉXICO Toledo AHO 1 *, Berruecos VJM 1, Vásquez PCG 1, Ruiz LFJ 2, Elzo AM 3 1 FMVZ-UNAM, 2 CENID-Fisiología, INIFAP, 3 Animal Sciences- UF 1

Introducción Las evaluaciones genéticas para la población de ganado Holstein en México son realizadas por la Asociación Holstein de México (AHM) y el CENID-Fisiología del INIFAP. En el año 2008 se inició el Programa Nacional de Mejoramiento Genético de Bovinos Productores de Leche (PNMG) en México. El PNMG incluye un Banco Nacional de Información Lechera (BNIL) que cuenta con información adicional de ganaderías productoras de leche en diferentes partes del país que no está incluida en las evaluaciones de la AHM. 2

Problemática No se está considerando toda la información disponible para la evaluación de animales lecheros en México, por lo que es importante evaluar la posible utilización de esta información adicional de la población y su impacto en las evaluaciones genéticas nacionales. 3

Objetivos 1)Estimar la variabilidad genética aditiva y la heredabilidad de la producción de leche total y estandarizada (305 d, equivalente adulto) para la primera lactancia en las tres poblaciones: AHM, BNIL y PNMG (AHM y BNIL juntas) 2)Estimar la variabilidad genética aditiva y de ambiente permanente y sus correspondientes parámetros (heredabilidad y repetibilidad) para producción de leche total y estandarizada considerando las primeras cinco lactaciones por vaca en las tres poblaciones: AHM, BNIL y PNMG. 3)Comparar la precisión y el ordenamiento de los sementales en común en estas tres poblaciones. 4

Materiales y Métodos Bases de datos BNIL: 120,217 vacas hijas de 1,528 toros (66 registro mexicano) Base de datos AHM: 43,668 vacas hijas de 767 toros (119 registro mexicano) Base de datos PNMG:163,885 vacas hijas de 1,694 toros (601 sementales con hijas en ambas bases de datos) 5

Materiales y Métodos Pedigrí del BNIL tuvo 250,282 registros Pedigrí de la AHM contó con 124,044 registros. Pedigrí del PNMG tuvo 368,827 registros. Las bases de datos y los archivos de pedigrí se crearon con un programa escrito en lenguaje C# y el Sistema de Análisis Estadístico (SAS) 6

Estimación de Componentes de Varianza Se uso el programa ASREML para realizar los cómputos de estimación de componentes de varianza genéticos aditivos, ambientales permanentes y residuales. El criterio de convergencia se alcanzó cuando el valor del logaritmo de máxima verosimilitud cambió menos de en 3 iteraciones sucesivas. 7

Modelos Mixtos en Forma Matricial 8

9 ModeloCaracterísticaEfectos 1 Producción de leche total a la 1ª lactanción (PL1) Fijos: Hato-año-estación, tipo de ordeña (2x o 3x), días en lactación (Lineal y cuadrático) edad al parto (lineal y cuadrático); Aleatorios: animal 2 Producción de leche estandarizada a 305 días y a equivalente maduro de la 1ª lactación (P1Lstd) Fijos: Hato-año-estación ; Aleatorios: animal 3 Producción de leche total de las 5 primeras lactanciones (PL5) Fijos: Hato-año-estación, tipo de ordeña (2x o 3x), número de lactación, días en lactación (Lineal y cuadrático) edad al parto (lineal y cuadrático); Aleatorios: animal, ambiente permanente. 4Producción de leche estandarizada a 305 días y a equivalente maduro de las 5 primeras lactaciones (PL5std) Fijos: Hato-año-estación; Aleatorios: animal, ambiente permanente. Efectos fijos y aleatorios incluidos en los modelos para estimar los componentes de varianza

Precisión y ordenamiento de los sementales en común 10

Se ordenaron los valores genéticos dentro de cada set de datos (AHM, BNIL, y PNMG). Se calculó la correlación de Spearman entre los valores genéticos para: 1)Todos los sementales en común (AHM, BNIL, y PNMG) 2)Para el 10 % superior dentro de la población AHM (AHM vs BNIL), BNIL (BNIL vs AHM), y PNMG (PNMG vs AHM y PNMG vs BNIL) 11 Precisión y ordenamiento de los sementales en común

12 BNILAHMPN h2h2 SEt h2h2 T h2h2 t PL P1Lst PL P5Lst Heredabilidades (h 2 ) y repetibilidades (t) con sus errores estándar (SE) para la producción de leche total y estandarizada a la primera y quinta lactancia

EstadísticoBNILAHMPNMG PL1Media n = 601DS PL1stdMedia n = 601DS PL5Media n = 907DS PL5stdMedia n = 907DS Media y Desviaciones Estándar (DS), para las precisiones de los valores genéticos de los sementales en común en las tres bases de datos

Coeficientes de correlación por rangos de Spearman y sus respectivos niveles de significancia (P) para los valores genéticos de los sementales en común de las tres bases de datos n = 601PL1PL1stdPL5PL5std AHM-BNIL P< AHM-PNMG P< BNIL-PNMG P< n = 60 10% superior de la AHM vs BNIL P % superior del BNIL vs AHM P % superior del PNMG vs AHM P < < % superior del PNMG vs BNIL P

Conclusiones Las heredabilidades estimadas fueron desde bajas a moderadas para la primera lactancia (0.17 ± a 0.49 ± 0.019) y para las primeras cinco lactancias (0.16 ± a 0.41 ± 0.004). Las repetibilidades para PL5 y PL5std tuvieron un rango de 0.32 ± a 0.41 ± La integración de la información del BNIL y de la AHM en el PNMG incrementó las precisiones de las predicciones de los sementales representados en las tres poblaciones, debido a un aumento del número de registros y de relaciones de parentesco por semental. La inclusión de la información del BNIL en las evaluaciones nacionales permitió incorporar datos de producción que no se estaban tomando en cuenta. La inclusión de la información del BNIL mejoró la precisión de los valores genéticos de los sementales para producción de leche, y también permitió la predicción de los valores genéticos de todos los animales nacionales y extranjeros con progenies en México. 15

Agradecimientos Al Consejo Nacional de los Recursos Genéticos Pecuarios, a la Coordinación General de Ganadería - SAGARPA y a la Asociación Holstein de México, el apoyo en la realización de este proyecto al facilitar las bases de datos. Así como al CONACyT por otorgar una beca de maestría al primer autor para realizar este estudio. 16

17 GRACIAS POR SU ATENCIÓN