Implementación eficiente de modelos de regresión aleatoria de varios tratados con información externa para las...

Área de la Ciencia:

• La cría de animales y la genética
• La genética cuantitativa
• Genómica del ganado lechero

Sus antecedentes:

• Los modelos de regresión aleatoria (RRM) y la mejor predicción lineal imparcial genómica en un solo paso (ssGBLUP) son estándar para las evaluaciones genómicas de ganado lechero.
• La aplicación eficiente de la RMR con ssGBLUP es crucial para las evaluaciones genéticas nacionales.
• La integración de datos internacionales mejora la precisión y el alcance de las predicciones genómicas.

Objetivo del estudio:

• Implementar de manera eficiente el RRM combinado con el ssGBLUP para las evaluaciones genéticas nacionales de ganado lechero.
• Integrar en el sistema nacional los valores de la evaluación externa en varios países (MACE).
• Evaluar el rendimiento y la precisión del sistema de evaluación genómica implementado.

Principales métodos:

• Utilizó un gran conjunto de datos de 30 millones de registros de días de prueba y 2,5 millones de animales de pedigrí de la población checa de Holstein.
• Empleó grupos genéticos reducidos y el algoritmo para probados y jóvenes (APY) para mejorar la convergencia del modelo y la velocidad computacional.
• Resolvió ecuaciones de modelos mixtos utilizando gradiente conjugado precondicionado e incorporó pruebas externas MACE deregresadas (DRP) ponderadas por contribuciones efectivas de registro (ERC).

Principales resultados:

• El ssGBLUP implementado con RRM logró convergencia y demostró estadísticas de validación deseables (parcialidad cercana a cero, alta dispersión, fuertes correlaciones).
• El algoritmo para probados y jóvenes (APY) aceleró el proceso de ssGBLUP en 10 veces.
• La integración de la información MACE mejoró la correlación entre las fiabilidades nacionales e internacionales tanto para BLUP como para ssGBLUP.

Conclusiones:

• La aplicación de ssGBLUP a un RRM de varios tratados es factible para las evaluaciones nacionales de ganado lechero.
• El sistema integra de manera eficiente la información externa de MACE, lo que lleva a valores genómicos estimados de cría (GEBV) de alta precisión.
• El enfoque desarrollado proporciona un sistema de evaluación genómica robusto y eficiente desde el punto de vista computacional para las poblaciones lecheras.