Índices de selección en ganado Mambí de Cuba mediante el análisis de componentes principales

Arelis Hernández Rodríguez y Raquel Ponce de León Sentí

Departamento de Genética, Instituto de Ciencia Animal, Apartado Postal 24, San José de Las Lajas, Mayabeque, Cuba.
arelishdez@ica.co.cu

Resumen

Se utilizaron los datos fenotípicos y genealógicos de hembras bovinas Mambí de Cuba (3/4 Holstein ¼ Cebú) para estimar los parámetros y valores genéticos (VG) de rasgos de producción, reproducción y longevidad. Además de explorar las relaciones entre los VG estimados y construir índices de selección (IS) mediante el análisis de componentes principales (CP). Se estimaron los VG de 5 445 vacas para la producción de leche acumulada hasta los 305 días (VG_L305), duración de la lactancia (VG _DL), edad al primer parto (VG_EP1), intervalo parto gestación (VG_IPG), leche acumulada por vida (VG _LTV) y vida productiva (VG_VP). Las h² para L305, DL, EP1, IPG, LTV y VP fueron de 0.19±0.01, 0.06±0.01, 0.05±0.01, 0.42±0.03, 0.13±0.01 y 0.01±0.01, respectivamente. Las correlaciones genéticas entre L305, LTV y DL fueron moderadas (0.33 a 0.46), entre EP1 y VP de -0.56, y de IPG con los otros rasgos fueron bajas (0.12 a 0.26). El 69.6 % de la varianza total de los VG fue explicada por los CP_1-3, siendo el CP₁ el de mayor aporte (33.59%). Los CP permitieron seleccionar por los CP ₁ y CP₃, en lugar de seis VG. Se concluye que en bovinos Mambí de Cuba es posible construir índices de selección basados en los CP_1-3 donde VG_L305, VG _LTV y VG_DL mostraron apreciable variación genética, por lo que podrían ser considerados en un programa de selección; otro IS incluiría los VG_EP1 y VG _VP, y el IPG podría mejorarse independientemente utilizando su VG.

Palabras clave: mejoramiento genético, selección por rasgos múltiples, vacas lecheras

Selection index in Mambí de Cuba cattle using principal components analysis

Abstract

Phenotypic and genealogy information of Mambí de Cuba cows with the goal of estimate the parameters and breeding values (VG) of production, reproduction and longevity traits was used. Besides, to explore the relations between the estimate VG and construct selection index (IS) using principal component (CP) analysis. The VG of 5,445 cows were estimated for milk yield up to 305 days (VG_L305), lactation length (VG _DL), age at first calving (VG_EP1), calving gestation interval (VG_IPG), lifetime yields (VG_LTV) y productive life (VG_VP). The heritabilities for L305, DL, EP1, IPG, LTV y VP were 0.19±0.01, 0.06±0.01, 0.05±0.01, 0.42±0.03, 0.13±0.01 and 0.01±0.01, respectively. The genetic correlations between L305, LTV and DL were moderate (0.33 to 0.46), between EP1 and VP of -0.56, and the IPG with the others traits were low (0.12 to 0.26). The 69.6 % of the total variance of VG was explained for the CP_1-3, doing the highest importance the CP₁ (33.59%). Using CP, it is possible to select animals based on only two scores generated by PC₁ and PC₃ instead of the six breeding values. It was concluded that it is possible to construct selection indices based on principal components CP_1-3 in Mambí de Cuba bovine. Selection for VG_L305, VG _LTV and VG_DL with PC₁ index could be done separately from selection for VG_EP1 and VG_VP using PC ₃ index_, and the IPG could be improved independent of the other traits using their VG.

Key words: genetic improvement, multitrait selection, dairy cows

Introducción

Las dos herramientas básicas con que cuenta el genetista y el ganadero para ayudar a incrementar la productividad de su hato en un programa de mejoramiento genético animal son la combinación de los sistemas de apareamiento y la selección (Ossa et al 1977 y Ossa 1998).

Los índices de selección tradicionales (Smith 1936, Hazel 1943) son utilizados para seleccionar los animales por combinaciones lineales de los valores genéticos con los pesos económicos. A pesar de que esta metodología se ha utilizado por diversos autores (Madalena 2000 , Lopez-Villalobos et al 2001, Stott et al 2005, Seno et al 2006, Betancur-Zambrano et al 2012, Peripolli et al 2016), en ocasiones resulta difícil obtener los pesos económicos, por lo que se ha recurrido a utilizar valores económicos relativos (Chin Colli et al 2016) y recientemente se ha incorporado el uso del análisis de componentes principales (CP), en la construcción de índices de selección en el ganado de carne (Meyer 2005, Meyer 2007, Ruales y Manrique 2007, Boligon et al 2013, Buzanskas et al 2013, Bignardi et al 2014, Mota et al 2016, Val et al 2008), en el ganado de leche (Bignardi et al 2012, Khan et al 2013), y en búfalos (Oliveira et al 2014, Agudelo-Gómez et al 2015). Se plantea que el análisis de CP permite reducir la dimensionalidad de las variables, facilita la interpretación de datos en unos pocos componentes principales e identifica el tipo de relación entre las variables originales.

Los índices de selección son ampliamente utilizados, variando en cada país el énfasis que se le da a cada una de las características incluidas; por lo general se combinan características de producción, reproducción, conformación, tipo, salud, longevidad y fertilidad (VanRaden 2004, Pena 2007, Restrepo et al 2008, Valencia et al 2008, Betancur-Zambrano et al 2012, Wattiaux 2014).

A pesar de que varios estudios han demostrado que la selección solo por producción lechera causa efectos negativos en la salud de la ubre (Heringstad et al 2003) y el comportamiento reproductivo (Veerkamp et al 2001, Haile-Mariam et al 2003, Kadarmideen et al 2003), en bovinos lecheros cubanos el criterio de  selección  utilizado es la producción de leche. Por ello, el objetivo del presente trabajo fue estimar los parámetros y valores genéticos (VG) de rasgos de producción, reproducción y longevidad, explorar las relaciones entre los VG estimados para estos rasgos y construir índices de selección mediante el uso del análisis de componentes principales, en bovinos Mambí de Cuba.

Materiales y métodos

Raza Mambí de Cuba

El desarrollo de nuevas razas constituye una vía importante en el mejoramiento genético en el área tropical (López 1982). En Cuba, el programa de mejoramiento genético para la producción de leche comenzó en la década del 60. Entre sus objetivos perseguía la formación de nuevas razas partiendo de las dos razas más adaptadas al país, la Cebú y la Criolla (López y Ribas 1993). Para la creación de las razas Mambí de Cuba (3/4 Holstein 1/4 Cebú) y Siboney de Cuba (5/8 Holstein 3/8 Cebú) se tomaron amplias poblaciones base de Cebú y semen de toros Holstein importados de alto valor genético, y se realizaron apareamientos inter-se con selección para lograr la estabilización de cada cruzamiento.

La mayoría de las hembras destinadas a la producción lechera en Cuba, que pertenecen a los rebaños genéticos, son animales cruzados donde el 56.4 % del total de las hembras de razas lecheras incluidas en los rebaños genéticos son Siboney de Cuba y mestizos de Siboney, el 15.5% son Mambí de Cuba y mestizos de Mambí y el 6.5 % son Holstein (DG 2012), hacia las cuáles se ha dirigido el mejoramiento genético.

Localización animales y manejo

Se utilizó la información de la producción lechera y la reproducción, que se registró en el Sistema de Control Pecuario (SISCOP), de las vacas Mambí de Cuba (¾ Holstein ¼ Cebú) que tuvieron sus partos entre los años 1986 al 2016. Estas vacas se ubicaron en tres ganaderías (Empresa Pecuaria Genética de Matanzas en la provincia de Matanzas, Los Naranjos en Mayabeque y Camilo Cienfuegos de Pinar del Río) de la región occidental de la República de Cuba.

El sistema de alimentación de las vacas fue basado en pastoreo. Las vacas lactantes consumieron fundamentalmente pasto Estrella ( Cynodon nlemfuensis), pasto Pangola (Digitaria decumbens ), pasto Guinea (Panicum maximum) y algunas especies de pasto naturales. Después del año 2000 se comenzó la introducción del Penisetum purpureum var. Cuba CT-115, con destino al pastoreo y como reserva estratégica de los períodos de sequía. A partir del año 2001 se comenzó a ofrecer DDGS (Granos secos deshidratados con solubles) a razón de 0.46 kg/litro desde el segundo litro producido, aproximadamente.

Durante el período poco lluvioso se suministró suplementación de caña de azúcar ( Saccharum officinarum), King Grass (Penisetum purpureum) en forma de forraje y hollejo de cítrico, según disponibilidad. La urea y las sales minerales formaban parte de los alimentos complementarios según lo requería la dieta.

Las hembras no lactantes se mantuvieron en las mismas condiciones de pastoreo. A los treinta días preparto recibieron suplementación con concentrado, según disponibilidad, no sobrepasando de 2-3 kg/vaca/día. Durante el período de 1991 al 2000, no se ofreció ningún suplemento a las vacas preparto. Se realizó el ordeño mecánico 2 veces al día. Los intervalos entre ordeños fueron de 10 y 14 horas. Los horarios de pastoreo en las principales empresas estudiadas fueron los denominados normales (mañana, tarde y noche).

Se utilizaron los registros de los animales vivos y también los de aquellos que había causado baja. A partir del fichero de datos de la producción lechera (vivas + bajas) se obtuvieron los rasgos: Producción de leche acumulada hasta los 305 días (L305), duración de la lactancia (DL) y edad al primer parto (EP1). Mientras que, del fichero de datos de la reproducción (vivas + bajas) se calculó el intervalo parto gestación (IPG).

Del fichero de bajas de la producción lechera se calculó la leche acumulada por vida (LTV); así como el rasgo de longevidad denominado vida productiva (VP) determinada como los meses del primer al último parto.

Edición de los datos y grupos de contemporáneos

Para garantizar una mayor precisión en la estimación de los parámetros genéticos, se eliminaron aquellos datos con bajas frecuencias, como las lactancias con menos de 30 días, las edades al primer parto inferiores a los 24 meses, las producciones de leche con menos de 100 kg, y los IPG inferiores a los 24 días. Las lactancias superiores a la décima se agruparon en esta última.

Se utilizó el método de mínimos cuadrados en un modelo lineal general (GLM) mediante el paquete estadístico SAS (2010) versión 9.3 (SAS Institute, Cary, NC, USA) para definir los efectos fijos significativos (P<0.01) a incluir en el grupo de contemporáneos (GC). Los GC se definieron para identificar un grupo de animales que son del mismo sexo, más o menos de la misma edad y que estuvieron en las mismas condiciones ambientales y de manejo durante una fase particular de su vida (Van Vleck 1987).

Se consideró la combinación de rebaño-año-época de parto, como GC y se eliminaron aquellos grupos conformados por menos de tres animales. Se determinaron dos épocas de parto: la lluviosa (de mayo a octubre) y la poco lluviosa (de noviembre a abril).

El fichero de pedigrí quedo conformado por un total de 153,963 individuos. La información del pedigrí incluyó los abuelos, por la línea materna y por la paterna.

En la Tabla 1 se muestra el número de observaciones utilizadas en cada fichero de datos, la cantidad de animales (toros, vacas), el número de grupos de contemporáneos (GC), los años de parto (AP), las medias y desviaciones estándar para cada rasgo.

Estimación de parámetros genéticos

Se empleó el programa ASREML (Gilmour et al 2003) para estimar los componentes de varianza, heredabilidades (h²) y valores genéticos (VG) mediante modelos animal uni-, bi- y multicarácter, cuyos efectos variaron de acuerdo a los rasgos estudiados.

Se empleó el siguiente modelo unicaracter: y = Xb + Za + e

Donde y: es el vector de las observaciones para los rasgos EP1, LTV y VP; b: vector de efectos fijos (grupos contemporáneos y la edad al primer parto como covariable lineal y cuadrática), a: vector de efectos aleatorios del animal, X y Z matrices de diseño o de incidencia que relacionan a los efectos fijos y aleatorios con los datos, respectivamente, y e: vector de efectos residuales aleatorios.

El otro modelo utilizado fue de repetibilidad: y = Xb + Za + Wp + e

Donde y:es el vector de las observaciones para los rasgos L305, DL, e IPG; b: vector de efectos fijos que contienen el efecto de grupo contemporáneo y la edad al parto como covariable lineal y cuadrática, a: vector de efectos aleatorios del animal, p: vector del efecto del ambiente permanente de la vaca, X, Z y W son las matrices de diseño o de incidencia que relacionan a los efectos fijos, aleatorios y del ambiente permanente con los datos, respectivamente y e: vector de efectos residuales aleatorios.

Para estimar las correlaciones genéticas y ambientales, se empleó el siguiente modelo animal multicarácter:

Donde:

y_i = vector de las observaciones para el i-ésimo rasgo

b_i = vector de los efectos fijos (rebaño-año-época de parto y la edad al parto como covariable lineal y cuadrática) para el i-ésimo rasgo

a_i = vector de los efectos aleatorios del animal para el i-ésimo rasgo

e_i =vector de los efectos residuales aleatorios para el i-ésimo rasgo

x_i y Z_i = matrices de diseño que relacionan los datos con los efectos fijos y aleatorios, respectivamente

Se asume que:

Donde: g_ij=varianza genética aditiva para el i-ésimo rasgo, cuando i=j y, la covarianza genética cuando i ǂ j; A= matriz de relaciones y r_ij= varianza residual cuando i=j y, la cavarianza cuando i ǂ j.

Análisis de componentes principales

Se utilizaron los VG estimados para cada uno de los rasgos, mediante el modelo animal unicarácter. Se importaron al paquete estadístico SAS (2010) versión 9.3 y posteriormente se unieron todos los ficheros dejando solo aquellas vacas que tuvieron información de los VG para todos los rasgos estudiados. El fichero final presentó un total de 5,445 vacas.

El análisis de componentes principales se realizó mediante el paquete estadístico SPSS (2002) versión 11.5. Este análisis se realizó como una vía para condensar o resumir la información contenida en varias variables originales (en este caso los VG) en un conjunto más pequeño de nuevas dimensiones compuestas o variantes llamadas componentes principales, con una pérdida mínima de información, y para explorar las relaciones entre los VG obtenidos del análisis unicarácter VG_L305, VG_DL, VG_LTV, VG_EP1, VG_IPG, VG _VP,) para explicar la estructura de los datos (Hair et al 2009).

Debido a las diferencias en las unidades de medida, los VG para todos los rasgos se estandarizaron usando la distribución normal estándar (‘z’). Se utilizó el criterio de Kaiser (1960) para seleccionar el componente principal que explica la mayor variación genética de los datos. Este criterio toma en consideración solo aquellos componentes principales con valores propios por encima de la unidad. El valor propio de un componente principal está asociado con la varianza de todos los rasgos incluidos en el componente principal. Cada valor propio está asociado con un vector unitario llamado vector propio (Rencher 2002). Los vectores propios representan la fortaleza y dirección de la varianza de cada rasgo con el componente principal. En el presente trabajo se utilizó una matriz de correlación de variables para obtener valores propios. El primer componente principal explica el más amplio porcentaje de la varianza total de los VG. El segundo explica el segundo percentage más amplio, etc; hasta que toda la varianza de la base de datos sea explicada.

Al utilizar los VG estandarizados en este análisis, cada componente principal puede generar un nuevo valor denominado puntuación del componente principal, el cual es la suma de los VG estandarizados del peso de cada rasgo por su respectivo coeficiente de puntuación estandarizado (SSC). De esta forma, el componente principal puede ser usado como un índice para evaluar animales, para múltiples rasgos. Los coeficientes de puntuación estandarizados de cada VG en cada componente principal se obtuvieron utilizando la siguiente formula:

Donde:

SSC_ij= Coeficientes de puntuación estandarizados de los VG de cada rasgo en el j-ésimo componente principal

La puntuación del componente principal (índice) se calculó como:

Donde:

CP_jl= Puntuación del componente principal (puntuación del índice) para el l-ésimo animal en el j-ésimo componente principal

SSC_ij= Coeficientes de puntuación estandarizados de los VG del i-ésimo rasgo en el j-ésimo componente principal

VG_il = Valor genético estimado estandarizado del i-ésimo rasgo en el l-ésimo animal

Resultados y discusión

Estimación de parámetros genéticos

Los estimados de las heredabilidades y correlaciones genéticas y ambientales se presentan en la Tabla 2. De los seis rasgos estudiados los que presentaron mayores estimados de heredabilidad fueron la producción de leche acumulada hasta los 305 días, la edad al primer parto y el intervalo parto gestación; por lo que se espera obtener mayores mejoras en el rebaño, para estos rasgos, si se incluyeran en un programa de selección.

El estimado de heredabilidad de la producción de leche acumulada hasta los 305 días, aunque moderado, se corresponde con los obtenidos en Venezuela, donde el manejo de la explotaciones se corresponden con un sistema semi-intensivo, que se caracterizan por ordeño mecánico sin apoyo del becerro y la alimentación a base de pastos, tanto en rebaños Pardo Suizo en condiciones de bosque húmedo (Pérez y Gómez 2005); así como en vacas mestizas producto de cruces alternos con predominio ½ Bos taurus x ½ B. indicus bajo las condiciones de bosque seco (Chirinos y Márquez 2007). Resultados similares también se informaron en vacas Simmental italianas por Macciotta et al (2006).

La heredabilidad obtenida para la edad a primer parto indica que esta característica puede disminuirse mediante selección. Altas heredabilidades para la edad a primer parto también fueron referidas por Ruiz-Sánchez et al (2007) y Vercesi Filho et al (2007) en ganado Holstein quienes encontraron estimados de 0.47 y 0.48, respectivamente. Así como Faco et al (2008) en cruces Holstein x Gir en Brasil con un valor de 0.33.

Según Gressler et al (2006) las heredabilidades más altas se encuentran al utilizar edades al parto correspondientes a hembras que parieron antes de los 29 meses de edad, lo cual puede explicar los resultados del presente trabajo ya que en la población estudiada se incluyeron las hembras que comenzaron sus partos a partir de los 24 meses de edad.

Los resultados para el intervalo parto gestación se corresponden con los de Damatawewa y Berger (1998) en vacas Holstein, los de Demeke et al (2004) en las razas Boran, Friesian y sus cruces en Etiopía; así como los Ríos et al (2013) en vacas Indubrasil, en Veracruz, México y los de Espinoza Villavicencio (2015) en vacas Chacuba (5/8 Charolais 3/8 Cebú cubano) en Camaguey, Cuba.

En ganado de carne, Goyache et al (2005) encontraron que el IPG era una característica reproductiva con considerable variabilidad genética donde los estimados de heredabilidad en vacas jóvenes (0.154) fueron mayores que aquellos para vacas adultas (0.132). Estos autores plantearon que la mejora del rendimiento reproductivo era posible seleccionando las novillas en base a sus puntajes para el IPG.

Según Garcés y Vargas (1996) cuando se utiliza un índice para la selección de varias características, casi siempre las que se consideran no son de igual importancia económica, por lo que se necesita algún balance diferencial de acuerdo con el ingreso neto que se espera a partir de cada unidad de mejoramiento de cada rasgo. Debido a que las características incluidas en el índice no tienen la misma heredabilidad, no se puede esperar la misma intensidad de selección, ni el mismo mejoramiento proporcional de cada rasgo. Además de la existencia de interrelaciones fenotípicas y genéticas entre los rasgos, que pueden afectar el cambio en otros rasgos si se le da mucha importancia a uno relacionado con este, por ello dichas interrelaciones se deben considerar en forma apropiada.

En el presente trabajo las correlaciones genéticas entre la leche acumulada hasta 305 días, la producción de leche por vida y la duración de la lactancia fueron moderadas por lo que la selección por producción de leche también mejorará, de alguna forma, la leche acumulada por vida y la duración de la lactancia. Mientras que, la correlación genética de la leche acumulada hasta 305 días con el IPG y la VP fue baja lo cual implica que estos rasgos cambiarán casi independientemente.

Estos resultados indican que las vacas con mayores producciones en su primer parto no fueron las más longevas, debido a que no hubo un tratamiento diferencial para las vacas altas productoras. Las mismas están desfavorecidas en la alimentación pues la cantidad de concentrado que se les ofrece está en correspondencia con la media del grupo de alta, que es inferior a su promedio de producción lechera, y por consiguiente no cubren sus requerimientos nutricionales. Esto provoca que las vacas altas productoras presenten problemas reproductivos (no presentan celo y no quedan gestantes) por lo que son las más propensas a causar baja.

Sin embargo, los resultados no se corresponden con los estudios realizados en las regiones templadas y con ganadería desarrollada. Entre ellos se mencionan los resultados de Hudson y Van Vleck (1981) en Holstein, en Estados Unidos, donde las correlaciones genéticas entre la producción lechera en primera lactancia y la permanencia hasta 36, 48, 60, 72 y 84 meses de edad presentaron valores entre 0.47 y 0.65. De Lorenzo y Everett (1982) para la misma raza obtuvieron estimados de 0.34 y 0.47 entre la producción lechera en primera lactancia y la permanencia hasta 48 y 72 meses, respectivamente. Cassandro et al (1999) en el ganado Pardo Suizo, en Italia, obtuvieron una correlación genética de 0.66 entre la producción de leche en primera lactancia y la vida productiva verdadera. En el Holstein, en México, Valencia et al (2004) apreciaron que la producción de leche en la primera lactancia presentó correlaciones genéticas medias con los rasgos de longevidad (0.33-0.38) y con la producción de leche acumulada hasta la tercera lactancia (0.64).

Estudios previos realizados en nuestro país en el Holstein (Ponce de León y Guzmán 1993) y en el Siboney de Cuba (Ponce de León et al 2002) encontraron valores antagónicos en las correlaciones genéticas entre la leche en primera lactancia y la longevidad (-0.60 a -0.64 y de -0.30 a -0.61, respectivamente).

Las correlaciones genéticas de la edad al primer parto con LTV y VP fueron moderadas y antagónicas por lo estos rasgos cambiarán juntos en cierta medida, pero en sentido contrario, o sea, que al disminuir la edad al primer parto aumentaría en cierta medida la producción acumulada por vida y la longevidad. Según Azevêdo et al (2006) las consecuencias favorables de seleccionar para precocidad serían una mayor longevidad y un menor costo de producción de hembras de reemplazo, las cuales no están produciendo becerros, pero consumen alimento.

Análisis de componentes principales

Los componentes principales 1 y 2 (CP₁, CP₂) fueron los que obtuvieron el criterio de Kaiser (Tabla 3) y el componente 3 (CP ₃) presentó un valor cercano a 1 por lo que también se seleccionó. De las 6 dimensiones originales (por ejemplo: VG_L305, VG_DL, VG_LTV, VG_EP1, VG _IPG, VG_VP), el 69.6 % de la varianza total de los valores genéticos fue explicada por los CP₁ al CP ₃. El CP₁ fue el de mayor aporte, ya que explicó el 33.5% de la varianza total.

Khan et al (2013) en el ganado Vrindavani (de 50 a 75% de Holstein-Friesian, Brown Swiss, Jersey - 25 a 50% de ganado Hariana) de la India, apreciaron que los tres primeros componentes principales explicaron el 93.08% de la varianza total. En la raza Nelore, los tres primeros CP explicaron el 100% de la varianza genética aditiva de nueve rasgos relacionados con la producción de carne (Boligon et al 2013). Estos resultados probablemente se deban a que, en el primer caso, sólo se utilizaron rasgos de la producción lechera (producciones de leche parciales a 100, 170 y 240 días en la primera lactancia, en la segunda lactancia y sus respectivas producciones totales), y en el segundo caso, solamente rasgos de la producción de carne.

Los resultados del presente trabajo se corresponden con otros donde también se demostró que con el uso del análisis de CP se puede reducir la dimensionalidad de los rasgos. De acuerdo a los estudios de Agudelo-Gómez et al (2015), donde también se incluyeron diferentes tipos de rasgos, los tres primeros CP explicaron el 65.78% de la varianza original de los valores genéticos para la producción lechera a 270 días, la edad al primer parto, el peso al destete y el peso a diferentes edades (12, 18 y 24 meses).

Las correlaciones lineales entre los VG de los rasgos estudiados con cada componente principal (Tabla 4) mostraron que los rasgos relacionados con la producción de leche y la duración de la lactancia están altamente relacionados con la CP₁ mientras que el rasgo reproductivo estuvo más asociado con la CP₂. La VP y la EP1 estuvieron relacionadas con la CP₃. Así el CP₁ pudiera ser interpretado como un índice genético relacionado a los rasgos de producción lechera y duración de la lactancia, mientras que el CP₃ pudiera ser un índice genético relacionado a la longevidad y la edad al primer parto. En este sentido, pudiera ser mejor seleccionar los animales para IPG considerando solo su VG en vez de usar el índice del CP₂.

Los pesos de estos índices son coeficientes de puntuación estandarizados (SSC) para cada VG estandarizado (Tabla 5). El mayor de los valores absolutos del SSC es el de mayor importancia relativa de los VG estandarizados en el componente principal. Esta importancia es explicada por la mayor correlación lineal entre los rasgos con el componente principal (tabla 4).

La puntuación del componente principal (valor del índice) para cada animal, en cada componente principal, fue calculada como:

CP₁= 0.418 (VG_L305) + 0.418 (VG_DL) + 0.318 (VG_LTV)

CP₃= 0.643 (VG_VP) + 0.770 (VG_EP1)

La selección para VG_L305, VG_LTV y VG _DL mediante la CP₁ podría realizarse por separado de la selección para VG_EP1 y VG_VP a través de la CP₃ la correlación lineal entre los VG con cada componente principal (Tabla 4). La selección para IPG puede realizarse directamente por su valor genético. Estos resultados también se corresponden con las correlaciones genéticas entre los rasgos estudiados (Tabla 2), que revelaron una correlación genética media entre L305, LTV y DL (0.33 a 0.46) y entre EP1 y VP (-0.56); mientras que las correlaciones genéticas entre estos cinco rasgos y el IPG fueron bajas (entre 0.12 y 0.26) por lo que cambiarán casi independientemente.

Con el uso del análisis de componentes principales se pueden seleccionar los animales en base a solo dos puntajes generados por las CP ₁ y CP₃ en lugar de los seis valores genéticos. Según Buzanskas et al (2013) cuando se utiliza este enfoque, los animales se pueden seleccionar de una manera equilibrada una vez que los puntajes de cada componente principal son combinaciones lineales de todos los valores genéticos de los rasgos evaluados, y no pesos empíricos que a menudo se utilizan en programas de mejora.

En el presente estudio, CP₁ puede considerarse un índice genético de producción lechera porque favorece a los animales genéticamente superiores para VG_L305, VG_LTV y VG _DL; mientras que el CP₃ puede ser un índice genético relacionado a la longevidad y la edad al primer parto. La mayor variabilidad para VG_L305, VG_LTV y VG _DL puede explicarse por el hecho de que actualmente solo se hace énfasis en la selección por VG_L305 y no se aplica una alta intensidad de selección. Es importante tener en cuenta que los VG _EP1 negativos en la CP₁ son interesantes porque el objetivo es reducir la edad al primer parto pues este rasgo presenta una correlación genética media con la producción de leche acumulada por vida (-0.37) y la longevidad (-0.56), así que cambiarán juntos de alguna forma, pero en sentido contrario.

Conclusiones

• En bovinos Mambí de Cuba es posible construir índices de selección basados ​​en los tres primeros componentes principales donde los VG_L305, VG_LTV y VG_DL mostraron apreciable variación genética, por lo que podrían ser considerados en un programa de selección; otro índice de selección incluiría los VG_EP1 y VG_VP, y el IPG podría mejorarse independientemente de los otros rasgos utilizando su VG.

Agradecimientos

Los autores agradecen a todos los técnicos y trabajadores de las Empresas Pecuarias Genéticas involucradas en la investigación por confeccionar y facilitar las bases de datos para realizar el presente trabajo.

Referencias

Agudelo-Gómez D, Pineda-Sierra S and Cerón-Muñoz M F 2015 Genetic evaluation of dual-purpose buffaloes (Bubalus bubalis) in Colombia using principal component analysis. PLOS ONE 10(7): 1-9. http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0132811.

Azevêdo D M M R, Filho R M, Bozzi R, Forabosco F e Malhado C H M 2006 Parâmetros genéticos e fenotípicos do desempenho reprodutivo de fêmeas Chianina. Revista Brasileira de Zootecnia 35(3): 982-987. ISSN 1806-9290. http://dx.doi.org/10.1590/S1516-35982006000400007.

Betancur-Zambrano M F, Páez-Ordóñes K N, Solarte-Portilla C and Osejo-Rosero E 2012 Construction of selection indices for Holstein cattle in the high tropic of Nariño. Revista Investigación Pecuaria 1(2): 13-23.

Bignardi A B, El Faro L, Rosa G J M, Cardoso V L, Machado P F and  Albuquerque L G 2012 Short communication. Principal components and factor analytic models for test-day milk yield in Brazilian Holstein cattle. Journal of Dairy Science. Elsevier 95: 2157-64. doi:10.3168/jds.2011-4494. https://www.ncbi.nlm.nih.gov/pubmed/22459860

Bignardi A B, Santana M L, Eler J P and Ferraz J B S 2014 Models for genetic evaluation of growth of Brazilian Bonsmara cattle. Livestock Science 162: 50-58. https://linkinghub.elsevier.com/retrieve/pii/S1871141314000857

Boligon A A, Bignardi A B, Mercadante M E Z, Lôbo R B and Albuquerque L G 2013 Principal components and factor analytic models for birth to mature weights in Nellore cattle. Livestock Science 152: 135-142. doi:10.1016/j.livsci.2013.01.005. http://agris.fao.org/agris-search/search.do?recordID=US201400055887

Buzanskas M E, Savegnago R P, Grossi D A, Venturini G C, Queiroz S A, Silva L O, Junior R A, Munari D P and Alencar M M 2013 Genetic parameter estimates and principal componente analysis of breeding values of reproduction and growth traits in female Canchim cattle. Reproduction Fertility and Development 25(5): 775-81. doi: 10.1071/RD12132. http://dx.doi.org/10.1071/RD12132.

Cassandro M, Ghiroldi S, Bagnato A, Gallo L, Carnier P and Santus E 1999 Genetic evaluation of longevity in Italian Brown Cattle Breed. Proceeding International Workshop EU Concerted Action GIFT: 73-81.

Chin Coll R C, Magaña Monforte J G, Segura Correa J C, Núñez Domínguez R y Estrada León R J 2016 Índices de selección para el mejoramiento productivo de bovinos suizo europeo en México. Ecosistemas y recursos agropecuarios 3(7): 1-9. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-90282016000100001&lng=es&tlng=es.

Chirinos Z y Márquez O 2007 Parámetros genéticos para caracteres de producción de leche en vacas mestizas tropicales. http://www.acteon.webs.upv.es/CONGRESOS/AIDA%202007/Chirinos_et_al_.pdf 15/1/2018

De Lorenzo M A and Everett R W 1982 Relationship between milk and fat production, type, and stayability in Holstein sire evaluation. Journal of Dairy Science 65 (7): 1277-1285. https://doi.org/10.3168/jds.S0022-0302(82)82341-2

Dematawewa C M B and Berger P J 1998 Genetic and phenotypic parameters for 305-day yield, fertility, and survival in Holstein. Journal of Dairy Science 81: 2700-2709. https://www.ncbi.nlm.nih.gov/pubmed/9812275

Demeke S, Neser F W C and Schoeman S J 2004 Estimates of genetic parameters for Boran, Friesian and crosses of Friesian and Jersey with the Boran cattle in the tropical highlands of Ethiopia: reproduction traits. Journal of Animal Breeding and Genetic 121: 57-65. http://onlinelibrary.wiley.com/doi/10.1046/j.0931-2668.2003.00438.x/abstract

Espinoza Villavicencio J L, Ceró Rizo A, Guerra Iglesias D, Palacios Espinosa A, Domínguez Viveros J y González-Peña Fundora D 2015 Factores ambientales y parámetros genéticos para algunas características reproductivas en bovinos Chacuba. Revista Mexicana de Ciencias Pecuarias 6(4): 431-442. ISSN 2007-1124. http://www.redalyc.org/articulo.oa?id=265643592008

Faco O, Braga Lôbo R N, Filho R M, Araújo Martins G, Pinheiro de Oliveira S M and Machado Ribeiro Azevêdo D M 2008 Additive and non-additive genetic effects on productive and reproductive traits in Holstein × Gir crossbred cows. Revista Brasileira de Zootecnia 37(1): 48-53. ISSN 1806-9290. http://dx.doi.org/10.1590/S1516-35982008000100006.

Garces J y Vargas J 1996 Confrontación de dos métodos de selección para carne y leche en un hato de ganado cruzado. Medellín. Trabajo de grado (Zootecnista). Universidad Nacional de Colombia. Facultad de Ciencias Agropecuarias. 111 p.

Gilmour A R, Gogel B J, Cullis B R, Welham S J and Thompson R 2003 ASREML. UserGuide Release 1.10. https://www.vsni.co.uk/downloads/asreml/release1/doc/UserGuide.pdf

Goyache F, Gutiérrez J P, Fernández I, Royo L J and Álvarez I 2005 Genetic analysis of days open in beef cattle. Short communication. Livestock Production Science 93: 283-289. doi:10.1016/j.livprodsci.2004.10.002. www.elsevier.com/locate/livprodsci.

Gressler S L, Gressler M G M and Bergmann J A G 2006 Evaluation of genetic associations between scrotal circumference and age at first calving when mating as yearlings or two-year old Nellore female. En:The 8th World Congress of Genetics Applied to Livestock Production, Belo Horizonte, MG, Brasil. 13-18 August.

Haile-Mariam M, Bowman P J and Goddard M E 2003 Genetic and environmental relationships among calving interval, survival, persistency of milk yield and somatic cell count in dairy cattle. Livestock Production Science 80: 189-200. https://doi.org/10.1016/S0301-6226(02)00188-4

Hair J F, Black W C, Babin B J and Anderson R E 2009 Multivariate data analysis. 7th Edition, Prentice Hall, Upper Saddle River, 761. https://www.pearson.com/us/higher-education/program/Hair-Multivariate-Data-Analysis-7th-Edition/PGM263675.html.

Hazel L N 1943 The genetic basis for constructing selection indexes. Genetics 28: 476–490. http://www.genetics.org/content/28/6/476

Heringstad B, Chang M Y, Gianola D and Klemetsdal D 2003 Genetic analysis of longitudinal trajectory of clinical mastitis in first-lactation Norwegian Cattle. Journal of Dairy Science 86: 2676-2683. https://www.researchgate.net/profile/Daniel_Gianola/publication/10597740_Genetic_Analysis_of_Longitudinal_Trajectory_of_Clinical_Mastitis_in_First-Lactation_Norwegian_Cattle/links/00b7d52532f41e21c8000000.pdf http://www.scielo.org.ve/scielo.php?script=sci_arttext&pid=S037818442004000100013&lng=es&nrm=iso.

Hudson G F S and Van Vleck L D 1981 Relationship between production and stayability in Holstein cattle. Journal of Dairy Science 64 (11): 2246-2250. http://digitalcommons.unl.edu/animalscifacpub/381

Kadarmideen H N, Thompson R, Coffey M P and Kossaibati M A 2003 Genetic parameters and evaluations from single- and multiple-trait analysis of dairy cow fertility and milk production. Livestock Production Science 81: 183–195.

Kaiser H F 1960 The application of electronic computers to factor analysis. Educational and Psychological Measurement 20(1): 141–151. https://doi.org/10.1177/001316446002000116

Khan T A, Tomar A K S, Dutt T and Bhushan B 2013 Principal component regression analysis in lifetime milk yield prediction of crossbred cattle strain Vrindavani of North India. Indian Journal of Animal Sciences 83(12): 1288-1291. https://www.researchgate.net/publication/265422056 Kirkpatrick M and Meyer K 2004 Direct estimation of genetic principal components: simplified analysis of complex phenotypes. Genetics 168: 2295-2306. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1448747/pdf/9181.pdf

Koenen E P C and De Jong G 2001 Genetic correlations among body condition score, yield, and fertility in first-parity cows estimated by random regression models. Journal of Dairy Science 84: 2327-2335.

López D 1982 Caracterización de la población base de un nuevo genotipo lechero tropical: El Siboney de Cuba. Tesis Candidato a Doctor en Ciencias. ISCAH, ICA. La Habana.

López D and Ribas M 1993 New dairy cattle breeds. Results in Cuba. Cuban Journal of Agriculture Science 27: 1. ISSN: 0034-7485.

Lopez-Villalobos N, Garrick D J and Holmes C W 2001 Effects of importing semen of Holstein, Holstein Friesian and Jersey bulls on the future profitability of an Argentine dairy farm. Archivos de Zootecnia 50(191): 311-322. ISSN 0004-0592. http://www.redalyc.org/articulo.oa?id=49519101.

Macciotta N P P, Vicario D and Cappio-Borlino A 2006 Use of Multivariate Analysis to Extract Latent Variables Related to Level of Production and Lactation Persistency in Dairy Cattle. Journal of Dairy Science 89: 3188-3194.

Madalena F E 2000 Conseqüências Econômicas da Seleção para Gordura e Proteína do Leite. Revista Brasileira de Zootecnia 29(3): 685-691.

Meyer K 2005 Genetic principal components for live ultrasound scan traits of Angus cattle. Animal Science 81: 337-345. <http://journals.cambridge.org/ action/displayAbstract?fromPage=online&aid=777600&fileId =S1357729805000895>. Accessed: Sept. 25, 2014. doi: 10.1079/ ASC50850337.

Meyer K 2007 Multivariate analyses of carcass traits for Angus cattle fitting reduced rank and factor analytic models. Journal Animal Breeding Genetics 124: 50-64. http://www.ncbi.nlm.nih.gov/pubmed/17488355. Accessed: Dec. 05, 2014. doi: 10.1111/j.1439-0388.2007.00637.x.

Mota R R, Vinícius E, Lopes P S, Nascimento M, Pinheiro da Silva L, Fonseca e Silva F and Aarão L F 2016 Multi-Trait analysis of growth traits: fitting reduced rank models using principal components for Simmental beef cattle. Ciência Rural, Santa Maria 46(9): 1656-1661. ISSN 1678-4596. http://dx.doi.org/10.1590/0103-8478cr20150927.

Oliveira D P, Barros C C, Neto F R A, Lourenco D A L, Hurtado-Lugo N A and Tonhati H 2014 Principal Components for Reproductive and Productive Traits in Buffaloes from Brazil. 10th World Congress of Genetics Applied to Livestock Production. Vancouver. pp. 3–5. <https://asas.org/docs/defaultsource/wcgalp-posters/611_paper_8988_manuscript_1420_0. pdf?sfvrsn=2>. Accessed: Feb. 12, 2015.

Ossa G 1998 La selección herramienta del mejoramiento genético. Revista CORPOICA.

Ossa G, Marique C, Torregroza L 1997 Como utilizar los registros para evaluar animales en la finca. El Cebú 29. Nov Dic.

Pena J 2007 Mejora genética del vacuno de leche Holstein-Frisón en España. Mundo ganadero. http://www.mapama.gob.es/ministerio/pags/biblioteca/revistas/pdf_mg/mg_2007_199_44_48.pdf

Pérez G A y Gómez M G 2005 Factores genéticos y ambientales que afectan el comportamiento productivo de un rebaño pardo suizo en el trópico. 1. Producción de leche. Revista Científica FCV-LUZ 15 (2). ISSN 0798-2259.

Peripolli E, Oliveira M A L, Baldi F, Pereira A S C, Vercesi A E e Albuquerque L G 2016 Valores econômicospara sistemas de recria e engorda de bovinos Nelore e cruzado. Archivos Zootecnia 65 (250): 145-154.

Ponce de León R y Guzmán G 1993 Relación entre la supervivencia de vacas y la producción en primera lactancia. 1. Correlaciones genéticas y entre valores genéticos. Cuban Journal of Agriculture Science 27: 17-24. ISSN: 0034-7485.

Ponce de León R, Ribas M, Guzmán G, Gutiérrez M y Mora M 2002 Longevidad, supervivencia y producción por vida de la nueva raza Siboney de Cuba. II Congreso internacional de Mejoramiento animal (poster) memorias. 18 al 22 de noviembre. Palacio de las convenciones de La Habana.

Rencher A C 2002 Methods of multivariate analysis. Wiley-Interscience: New York.

Restrepo G, Pizarro E J y Quijano J H 2008 Índices de selección y niveles independientes de descarte para características productivas y reproductivas en un hato Holstein (Bos taurus). Revista Colombiana de Ciencias Pecuarias 21: 239-250.

Ríos A, Hernández V D, Villagómez E y Zárate J P 2013 Heredabilidad de características reproductivas de vacas Indubrasil. Agronomía mesoamericana 24(2): 293-300. ISSN: 1021-7444.

Ruales F R and Manrique C 2007 Use of Principal Component Analysis for building up a production-type index for Romosinuano (Bos taurus) cattle. Revista Colombiana de Ciencias Pecuarias 20: 124-128.

Ruiz-Sánchez R, Blake R W, Castro-Gámez H M A, Sánchez F, Montaldo H H and Castillo-Juárez H 2007 Short communication: Changes in the association between milk yield and age at first calving in Holstein cows with herd environment level for milk yield. Journal of Dairy Science 90: 4830.

SAS 2010 User’s Guide Statistics. SAS Institute Inc,Cary, NC.USA.

Seno L O, Cardoso V L and Tonhati H 2006 Responses to selection for milk traits in dairy buffaloes. Genetics and Molecular Research 5 (4): 790-796.

Smith H F 1936 A discriminant function for plant selection.Ann. Hum.Genet 7:240–250. doi:10.1111/J.1469-1809.1936.TB02143.X SPSS Inc 2002 User’s Guide. SPSS Inc., Chicago.

Stott A W, Coffey M P and Brotherstone S 2005 Including lameness and mastitis in a profit index for dairy cattle. Animal Science 80: 41-52.

Valencia M, Ruíz F J y Montaldo H H 2004 Estimación de parámetros genéticos para características de longevidad y producción de leche en ganado holstein en México. Interciencia 29 (1): 52-56. ISSN 0378-1844.

Valencia M, Montaldo H H y Ruiz F J 2008 Parámetros genéticos para características de conformación, habilidad de permanencia y producción de leche en ganado Holstein en México. Técnica Pecuaria en México 46(3): 235-248. http://www.redalyc.org/articulo.oa?id=61346302.

Van Vleck L D 1987 Contemporary groups for genetic evaluations. Journal of Dairy Science 70: 2456–2464.

VanRaden P M 2004 Invited review: Selection on merit to improve lifetime profit. Journal of Dairy Science 87: 3125-3131.

Vercesi Filho A E, Madalena F E, Albuquerque L G, Freitas A F, Borges L E, Ferreira J J, Teodoro R L e Faria F J C 2007 Parâmetros genéticos entre características de leite, de peso e a idade ao primeiro parto em gado mestiço leiteiro (Bos taurus x Bos indicus). Arquivo Brasileiro de Medicina Veterinária e Zootecnia 59: 983.

Wattiaux M 2014 Decisiones de selección en GuíasTécnicas Lecheras, Instituto Babcock. NAAB Sire Evaluation Database, Abril.

Received 4 April 2018; Accepted 4 May 2018; Published 2 December 2018

Go to top