VII Simpósio Brasileiro de Melhoramento Animal São Carlos, SP, 10
Transcrição
VII Simpósio Brasileiro de Melhoramento Animal São Carlos, SP, 10
2008 Integração da genética quantitativa e da genética molecular nos programas de melhoramento genético de suínos Paulo Sávio Lopes1, Simone Eliza Facioni Guimarães1 e Paulo Luiz Souza Carneiro2 1 Professor do Departamento de Zootecnia, UFV, Viçosa, MG, CEP: 36571-000. Email: [email protected], [email protected]. Bolsistas do CNPq. 2 Professor do Departamento de Ciências Biológicas, UESB, Jequié, BA, CEP: 45200-000. Email: [email protected]. Bolsista de Pós-Doutorado do CNPq. Introdução No Brasil, as primeiras atividades de melhoramento genético de suínos iniciaram-se no século passado. Em 1916, foi fundada em Barueri, São Paulo, a primeira fazenda, com o objetivo de promover a seleção e o cruzamento do porco nacional Canastrão. Em 1956, projetos que englobavam seleção e melhoramento de animais da raça Duroc-Jersey começaram a ser desenvolvidos na Fazenda Experimental de Criação de Sertãozinho, em São Paulo, e na Fazenda Experimental de Criação de Santa Mônica, no estado do Rio de Janeiro. Em Sertãozinho, foram ainda conduzidos trabalhos de fixação de características raciais e melhoramento de características produtivas da raça Piau. Outros trabalhos semelhantes foram realizados na Fazenda Experimental de São Carlos, São Paulo, e programas de seleção e melhoramento de suínos Nilo-Canastra ficaram sob responsabilidade do Posto Experimental de Araçatuba, São Paulo. Na década de 50, iniciaram-se as importações de raças como Berkshire, Tamworth e Wessex, ao mesmo tempo em que foram feitas novas importações de Duroc Jersey e Polland China. Na década de 60, houve importações de suínos das raças Duroc, Yorkshire e Hampshire dos Estados Unidos e das raças Landrace e Large White da Europa, o que resultou na substituição de suínos tipo banha por tipo carne. Nessa época, surgiram, então, os criadores especializados reunidos na Associação Brasileira de Criadores de Suínos (ABCS) (Euclides Filho, 1999). A partir da década de 70, com a importação de animais da Europa e da América do Norte, foram construídas as Estações de Testes de Reprodutores Suínos (ETRS) pela ABCS. O principal objetivo das ETRS era realizar o teste de desempenho dos suínos, que consistia na avaliação das características ganho de peso diário e conversão alimentar individual, dos 30 aos 100 kg, e espessura de toucinho, aos 100 kg de peso vivo, de machos provindos das granjas de criadores de raça pura. Após o encerramento dos testes, os melhores animais retornavam às granjas de origem ou eram comercializados pelos criadores ou destinavam-se às Centrais de Inseminação Artificial da ABCS. O grande problema era a pequena capacidade de teste dessas ETRS, o que resultava em pequena intensidade de seleção e, conseqüentemente, em baixo ganho genético. Outro problema era a questão sanitária, visto que se reuniam animais provenientes de diversas granjas em uma mesma ETRS, os quais tinham diferentes status sanitário, o que colocava em dúvida a qualidade sanitária dos animais ao final do teste (Catalan, 1986; Lopes et al., 1998; Lopes, 2004). 2008 A partir da década de 80, as ETRS tornaram-se obsoletas, e passou-se a dar mais ênfase ao Teste de Granja (TG), que consistia na avaliação das características ganho de peso diário, do nascimento aos 154 dias de idade, e espessura de toucinho, aos 154 dias de idade, de machos e fêmeas, no próprio rebanho em que nasciam. Nessa mesma época, grandes empresas, como Sadia e Seara, Cooperativas (Coopercentral) e Companhias de Melhoramento (Agroceres PIC) passaram a dominar o mercado de comercialização de reprodutores suínos, e os criadores independentes praticamente encerraram a atividade ou passaram a ser produtores comerciais de suínos. Com isso, diversas adaptações foram feitas aos testes ETRS e TG; alguns programas de melhoramento passaram a adotar o teste ETRS original apenas para machos e o TG para fêmeas; outros começaram a trabalhar com outras características, como, por exemplo, idade para se atingir 100 kg de peso vivo; e alguns passaram a fazer o ETRS apenas nas linhagens paternas (linhas macho). As próprias idades e pesos, para os testes ETRS e TG, ficaram bastante flexíveis, ou seja, para o ETRS, o início passou a ser dos 20 aos 25 ou dos 25 aos 30 kg e o final, dos 85 aos 90 ou dos 90 aos 100 kg; para o TG, o final passou a ser dos 147 aos 154 ou dos 140 aos 150 dias de idade. Dados os avanços genéticos obtidos nessas características, nas duas primeiras décadas, outras características passaram a ser consideradas nos programas de melhoramento. Em alguns desses programas, passou-se a acompanhar o abate dos animais e medir características de carcaça e, conseqüentemente, utilizá-las no processo de seleção, mediante o desenvolvimento de linhas especializadas em rendimento de carne na carcaça. Passou-se, ainda, a dar ênfase às características de leitegada, principalmente tamanho de leitegada, abandonando o velho jargão de que não compensava fazer seleção com base nessas características, em razão de suas baixas herdabilidades. Recentemente, as características de qualidade da carne também têm sido utilizadas nos programas de melhoramento genético, e a perspectiva é de que as características de resistência à doença sejam também empregadas com o advento das técnicas moleculares. Há cerca de quatro décadas, os suínos possuíam mais de 30 mm de espessura de toucinho e levavam mais de 200 dias para atingir o peso de abate. Atualmente, as melhores linhagens de suínos apresentam menos de 10 mm de espessura de toucinho e levam menos de 130 dias para atingir o peso de abate, o que mostra a grande eficiência da genética quantitativa no melhoramento genético animal. Mediante o uso das técnicas moleculares, novos impulsos poderão ser dados aos programas de melhoramento genético de suínos, visto que poderão ser melhor avaliadas as características de difícil mensuração, como rendimento de carne magra, qualidade da carne e resistência a doenças; ou as limitadas pelo sexo, como taxa de ovulação; ou as obtidas somente de animais adultos, como tamanho de leitegada; ou, ainda, as que têm alto custo de mensuração, como consumo de alimentos. Segundo Vissher et al. (2000), o benefício da seleção assistida por marcadores estaria relacionado não só com o aumento da acurácia na predição dos valores genéticos, mas também com o aumento da intensidade de seleção, em características limitadas pelo sexo, e com a redução do intervalo de gerações, em características de carcaça. 2008 Genética quantitativa A eficiência dos programas de melhoramento genético depende da acurácia com que os indivíduos submetidos à seleção são avaliados. Para maximizar o progresso genético, é importante a correta classificação dos indivíduos candidatos à seleção com base no valor genético. Como os reais valores genéticos dos indivíduos não são conhecidos, estes devem ser preditos mediante utilização metodologias adequadas e confiáveis. Diversos métodos de avaliação genética de animais têm sido utilizados na escolha dos melhores indivíduos. Hazel e Lush (1942), ao avaliarem três métodos empregados em características múltiplas – o método de tandem, o dos níveis independentes de eliminação e o índice de seleção, concluíram que o do índice, geralmente, nunca é inferior aos demais. O método do índice de seleção, inicialmente desenvolvido por Smith (1936), para plantas, e posteriormente por Hazel (1943), para animais, caracteriza-se por combinar todas as características em apenas um número (índice) para cada animal. O índice de seleção foi utilizado, por muitas décadas, na seleção de animais. No entanto, com o desenvolvimento da metodologia de modelos mistos de Henderson (1963, 1973 e 1984), esta passou a ser usada na avaliação genética animal, principalmente nas últimas décadas. A metodologia de modelos mistos (MMM) é utilizada na obtenção da melhor predição linear não-viesada (BLUP – Best Linear Unbiased Prediction) dos valores genéticos dos animais. Consiste na obtenção dos valores genéticos preditos dos animais, tomados como aleatórios, ajustando-se os dados, concomitantemente, aos efeitos fixos e ao número desigual de informações nas subclasses. Um aspecto importante das equações de modelo misto, de Henderson, é a possibilidade de utilização do modelo animal, em que a equação que descreve uma observação contém um termo referente ao valor genético do animal que a produziu (Henderson, 1984; Henderson e Quaas, 1976; Quaas e Pollak, 1980). O modelo animal permite avaliar qualquer indivíduo, inclusive os que não possuem observações, como nos casos dos que ainda não expressaram a característica, ou nos casos em que a característica se expressa em apenas um dos sexos ou só pode ser mensurada após o abate. Quando utilizado na avaliação de características múltiplas, o modelo animal admite inclusão de informações incompletas e de diferentes fontes de variação, de efeitos fixos para diferentes características (Henderson e Quaas, 1976; Kovac e Groeneveld, 1990; Martins, 1994; Martins et al., 1997; Martins et al., 1998). Na metodologia de modelos mistos, é possível, inclusive, utilizar dados moleculares. A introdução de informações de marcadores moleculares na avaliação genética é feita pela modificação das equações de modelos mistos, de Henderson (Fernando e Grossman, 1989), ou pela utilização de marcadores moleculares na obtenção da matriz de parentesco a ser usada nas avaliações genéticas (Villanueva et al., 2005; Carneiro et al., 2006). 2008 Genética molecular A genética molecular possibilita o conhecimento da atuação dos genes em determinada característica quantitativa. Os avanços na área permitiram o desenvolvimento de técnicas de análise, de equipamentos automatizados, de métodos estatísticos e da bioinformática. Isso gerou grande expectativa de utilização desses conhecimentos no auxílio à seleção de animais e plantas, o que, a princípio, revolucionaria a produção de alimentos. De certa forma, isso não aconteceu, visto que as características de interesse econômico na agropecuária são controladas por muitos genes de pequeno efeito, e ainda têm grande influência do meio ambiente. Na expressão das características quantitativas, existem poucos genes de grande efeito, os quais, em sua maioria, já devem ter sido fixados por meio dos métodos tradicionais de seleção. A primeira abordagem sobre genes, ou sobre grupos de genes, que poderiam ter maior influência nas características quantitativas foi feita por Sax (1923), que demonstrou a existência de ligação entre um QTL e um marcador de herança mendeliana em Phaseolus vulgaris. Porém, os fundamentos da teoria do mapeamento de QTL foram entendidos a partir do trabalho de Thoday (1961). Esse autor sugeriu que, se um ou mais genes responsáveis por uma característica estiverem ligados a um marcador, os efeitos desses genes poderiam ser indiretamente estudados com base nos genótipos do marcador. Os primeiros marcadores utilizados foram os morfológicos e os protéicos. Estes, porém, eram poucos polimórficos. A partir do desenvolvimento da biologia molecular, diferentes técnicas foram desenvolvidas, o que permitiu a identificação de vários tipos de marcadores altamente polimórficos, no nível de DNA, distribuídos ao longo de todo o genoma em várias espécies, possibilitando que eles fossem associados a características quantitativas. A partir do trabalho pioneiro de Fujii et al. (1991), que identificaram a mutação que causa a síndrome do estresse suíno (PSS) no gene que codifica o receptor de rianodina ou canal liberador de cálcio (Ryr-1 ou CRC1), grande número de genes que influenciam características economicamente importantes tem sido mapeado. A identificação desses genes, bem como seu uso na seleção, tem sido a grande expectativa de obtenção de maiores ganhos genéticos nos programas de melhoramento animal, especialmente em características de baixa herdabilidade ou naquelas que podem ser medidas somente após o abate dos indivíduos ou em apenas um dos sexos. Nos últimos anos, tem sido acumulada grande quantidade de informações sobre genes e marcadores genéticos em diversas espécies de animais domésticos. O primeiro passo tem sido o desenvolvimento de mapas genéticos que contêm a localização de marcadores ao longo dos cromossomos associados a genes que controlam características quantitativas. Os marcadores são úteis para auxiliar os programas de seleção, processo chamado de seleção assistida por marcadores. Devido à importância econômica e ao interesse na fisiologia dos suínos, vários esforços foram despendidos a partir dos anos 90, para se conhecer o genoma dos suínos. De acordo com Rothschild (2003), a primeira iniciativa foi o desenvolvimento do projeto de mapeamento genômico europeu PiGMap, financiado pela Comunidade Econômica Européia. O PigMap envolve 18 laboratórios europeus e sete laboratórios nos EUA, no Japão e na Austrália. Nos Estados Unidos, o USDA lançou duas iniciativas; a primeira é 2008 que o USDA-ARS iniciou um grande projeto de mapeamento genômico no Clay Center, em Nebraska; a segunda é o projeto desenvolvido pelo USDA-CSREES e denominado “National Animal Genome Research Program”, dedicado a facilitar a colaboração em projetos de mapeamento em diversas espécies, incluindo suínos. No Brasil, a equipe do Departamento de Zootecnia da Universidade Federal de Viçosa, ao produzir uma população segregante de suínos, utilizou como animais parentais, fêmeas de linhagem comercial (Landrace x Large White x Pietrain) e machos da raça naturalizada brasileira Piau. A partir desses cruzamentos, formaram-se as gerações F1 e F2; dos F2 nascidos, cerca de 620 foram submetidos às avaliações fenotípicas pré e pós-abate, com vistas na obtenção de características de desempenho, de carcaça e de qualidade de carne (Lopes et al., 2002). As duas principais abordagens que têm sido usadas para localizar genes que afetam características quantitativas em suínos são a varredura genômica e o gene candidato (Rothschild e Plastow, 1999). Na abordagem de varredura do genoma para detecção de QTL usam-se marcadores genéticos anônimos, disseminados ao acaso no genoma (Paterson, 1998). No estudo dos genes candidatos utiliza-se conhecimento de espécies nas quais há muitas informações genômicas (humanos e camundongos, por exemplo), efeitos de mutações em outras espécies e, ou, conhecimento da base fisiológica das características (Rothschild e Soller, 1999). Segundo Guimarães e Lopes (2000) e Guimarães et al. (2001), nos projetos de mapeamento genômico de suínos tem sido utilizado cruzamento entre raças comerciais e raças nativas ou selvagens. Um dos delineamentos mais utilizados em suínos é o F2, que consiste no cruzamento de duas linhagens ou raças parentais geneticamente divergentes, no qual se espera que grande parte dos alelos esteja fixada ou próxima à fixação. Desse cruzamento é obtida a geração F1, da qual se obtêm indivíduos altamente heterozigotos e, por meio do intercruzamento de indivíduos F1, obtém-se a geração F2. Uma desvantagem na utilização do cruzamento divergente é que os QTLs encontrados podem não ser responsáveis por variações genéticas na população comercial. Nesse caso, a seleção assistida por marcadores (MAS) não teria aplicação direta, a não ser que os QTLs da população selvagem fossem transferidos para a população comercial (Lopes, 2004). Locos de características quantitativas – QTL Graças aos esforços da comunidade científica, vários QTLs têm sido descritos no genoma suíno. Informações sobre publicações relativas a QTL em suínos podem ser encontradas na página (http://www.animalgenoma.org/QTLdb/pig.html), na qual se pode localizar/pesquisar por cromossomo, característica ou palavra-chave. Rothschild et al. (2007) sumarizaram algumas informações nas quais se pode observar o aumento no número de artigos publicados por ano, que passou de 1 com 5 QTLs descritos, em 1994, para 12 com 262, em 2006. 2008 Em animais, o primeiro estudo feito para determinar QTLs que controlam diferenças entre raças geneticamente divergentes foi feito por Andersson et al. (1994), por cruzamento entre fêmeas comerciais e porco selvagem europeu. Esses autores foram capazes de detectar, no cromossomo 4, um QTL responsável por 20 % da variação fenotípica para deposição de gordura abdominal e lombar e, no cromossomo 13, outro QTL responsável pelo crescimento, que respondia por 12% da variação fenotípica. Outros estudos reportam a identificação de QTL em suínos (Marklund et al., 1999; Yu et al., 1999; Rohrer e Keele, 1998a; Rohrer e Keele, 1998b; De Koning et al., 1999; Rattink et al., 2000; Perez-Enciso et al., 2000; Ovilo et al., 2000; Quintanilla et al., 2003; King et al., 2003; Amills et al., 2005; Gonçalves et al., 2005; Van Wijk et al., 2006). A maior parte destes estudos utilizou cruzamentos entre raças e focou características de crescimento, carcaça e qualidade de carne. Em trabalho desenvolvido no Departamento de Zootecnia da Universidade Federal de Viçosa, cerca de 620 animais F2, obtidos do intercruzamento da geração F1, produzida pelo cruzamento divergente entre dois machos da raça nativa brasileira Piau e 18 fêmeas comerciais (Landrace x Large White x Pietrain), estão tendo seu genoma mapeado por marcadores microssatélites. Os primeiros resultados obtidos foram de mapeamento de QTL no cromossomo 6 suíno (SSC6), associados a diversas características de crescimento, carcaça e qualidade de carne (Pires, 2003). Cerca de 620 animais F2 foram genotipados para 13 marcadores microssatélites. Foram encontrados QTLs significativos associados a características de desempenho (consumo de ração e peso aos 42 dias de idade), de carcaça e cortes (comprimento de carcaça, espessura de bacon, peso de pernil limpo, peso de paleta, peso de lombo e peso de filezinho), características de qualidade da carne (pH45, perda de peso por gotejamento) e peso do rim (Pires et al., 2005; Pires et al., 2006; Pires et al., 2007). No cromossomo 4 (SSC4), Silva (2005) encontrou QTLs para características de desempenho (número de tetas e peso aos 21 dias), de carcaça e cortes (espessura de bacon, peso de pernil limpo, peso de paleta limpa, peso de costela), de qualidade da carne (gordura intramuscular e coloração da carne – índice de amarelo) e comprimento de intestino, peso de coração e peso de pulmão (Silva et al., 2008). Nos cromossomos 16, 17 e 18 (SSC16, SSC17 e SSC18), Paixão (2007) detectou 11 QTLs não descritos na literatura: número de tetas, índice de vermelho; perda por cozimento, menor espessura de toucinho na região acima da última vértebra lombar na linha dorso-lombar, espessura de bacon, peso do coração e do pulmão no SSC16; peso aos 63 dias de idade e peso aos 77 dias de idade no SSC 17; peso aos 21 dias e idade de abate no SSC18. Quatro QTLs já descritos em outras populações foram também identificados, como para peso aos 21 dias de idade no SSC16, espessura de toucinho medida imediatamente após a última costela, a 6,5 cm da linha dorso-lombar no SSC17, espessura de toucinho medida imediatamente após a última costela, a 6,5 cm da linha dorso-lombar e perda total no SSC18. 2008 Um total de 8 QTLs foram detectados por Sousa (2008), em nível cromossômico, para características de carcaça, desempenho, órgãos internos e cortes de carcaça nos cromossomos cinco (SSC5), sete (SSC7) e oito (SSC8) de suínos. Genes candidatos Uma alternativa aos marcadores anônimos é o uso de genes candidatos. De acordo com Rothschild e Soller (1997 e 1999), genes candidatos são genes seqüenciados de função biológica conhecida e que estão envolvidos no desenvolvimento da característica, podendo ser estruturais ou regulatórios. Há duas estratégias para o estudo dos genes candidatos: a comparativa e a fisiológica. A comparativa leva em conta locos onde polimorfismos são conhecidos por apresentarem efeito fenotípico em uma espécie e os exploram como candidatos em outras espécies. A estratégia concentra-se em polimorfismos nos genes com funções relacionadas diretamente com a característica de interesse. Uma associação entre polimorfismos do gene candidato e a característica de interesse é considerada evidência de que o gene está envolvido em seu controle genético. As estratégias do gene candidato podem e devem ser combinadas com a informação posicional, no que constitui o segundo estágio da varredura genômica. Nesse caso, a varredura, pelo uso de marcadores anônimos, indica a posição de um loco no genoma, e as estratégias de gene candidato são então utilizadas nos prováveis locos. Quando combinados com a informação posicional, os genes candidatos são valiosos. A informação posicional teria duas vantagens principais: 1) os limiares estatísticos usados nas varreduras genômicas são mais altos; e 2) a probabilidade de ligação (gene – característica) aumenta consideravelmente, uma vez que o número de candidatos é reduzido, pois se estuda apenas uma região cromossômica ao invés de todo o genoma. A estratégia de análise de genes candidatos vem sendo usada para investigar grande variedade de características. De acordo com Rothschild (2003), associações estatísticas têm sido demonstradas para genes candidados relacionados com tamanho de leitegada (ESR, PRLR, RBP4), crescimento (MCR4), qualidade de carne (PRKAG3), resistência a doenças (FUT1, SLA, NRAMP) e cor da pelagem (KIT, MCR1). Segundo esse mesmo autor, a indústria suinícola usa ativamente a informação gerada pelos marcadores genômicos em combinação com informações tradicionais de performance, com vistas em aumentar a produção por meio da seleção assistida por marcadores. A análise de genes candidatos posicionais vem sendo usada para elucidar QTLs descritos e, mais recentemente, para identificar QTNs (Quantitative Trait Nucleotides) em genes como, por exemplo, o PRKAG3, que afeta o pH da carne e a perda de líquido, e também no gene codificador da Calpastatina, responsável pela maciez da carne. Em trabalho desenvolvido pelo Laboratório de Biotecnologia Animal do Departamento de Zootecnia da UFV (Carmo et al., 2005), com o gene MYF 5 (Fator Miogênico 5), foram encontrados duas novas variantes alélicas na população F2. A primeira foi denominada Deleção (D), que se caracterizava pela deleção TTT3420-3422 na seqüência deste gene; e a segunda, Inserção (I), que era observada nos animais portadores da inserção do trinucleotídeo ATG3326 e a deleção A3357. Após a caracterização desses polimorfismos na geração parental de um cruzamento segregante de fêmeas comerciais x 2008 Machos Piau, fez-se a genotipagem de 359 animais F2 e associou-se os genótipos MYF 5 a características de performance, carcaça e qualidade de carne. Diferenças significativas foram observadas, respectivamente, entre animais normais (NN) e animais heterozigotos NI, em perda de líquido por gotejamento (3,14 e 3,69%), perda por cozimento (32,26 e 33,21%) e perda total (34,16 e 34,97%). Como a variante D apresentou-se em baixo número de animais, ela não foi analisada na geração F2. Os resultados obtidos neste trabalho comprovam que outros genes estão envolvidos nas variações fenotípicas observadas em características de qualidade de carne, além dos já descritos na literatura especializada. Em outro estudo com genes candidatos, investigou-se a associação entre polimorfismos no gene da Leptina e características quantitativas em suínos produzidos pelo cruzamento divergente entre machos da raça naturalizada brasileira Piau e matrizes comerciais (Peixoto, 2004; Peixoto et al., 2006). Foram avaliadas características de desempenho, carcaça, cortes de carcaça e qualidade da carne. Os polimorfismos detectados por seqüenciamento nos animais parentais foram reconhecidos pelas enzimas Pvu II, Dde I, Bam HI, Fok I e Hinf I, respectivamente nas posições do gene 798, 828, 2411, 3266 e 3469 pb. O polimorfismo C798T apresentou associações com as características número total de tetas, número de tetas esquerdas, espessura de toucinho UL, comprimento de intestino e peso total de carré; o C828T, com peso da banda direita e banda esquerda, peso da copa limpa, peso total de paleta e peso de bacon; o T2411C, com espessura de toucinho P2, peso de paleta limpa, peso de copa, peso do filezinho e peso do rim; o T3266G; com idade ao abate, espessura de toucinho medida imediatamente após a última costela, a 6,5 cm da linha dorso-lombar, espessura de toucinho imediatamente após a última costela, na linha dorso-lombar, espessura de toucinho entre a última e a penúltima vértebra lombar, na linha dorso-lombar, peso de costela, peso de copa limpa e peso de bacon; o T3469C, com peso aos 21, 42, 63 e 77 dias de idade, peso ao abate, consumo de ração, ganho de peso médio diário, conversão alimentar, comprimento de carcaça medido pelos métodos brasileiro e americano, índice de vermelho e tonalidade da carne. Em um terceiro estudo, que abrangia genes candidatos, o gene do hormônio de crescimento suíno foi seqüenciado, e as trocas nucleotídicas foram investigadas na geração segregante de suínos F2, e, posteriormente, associados os seus genótipos com características quantitativas (Faria, 2004; Faria et al., 2007). Dos quatro polimorfismos estudados, somente a troca G316A foi confirmada. Foram genotipados 402 animais e encontrados três genótipos denominados GG, GA e AA, com freqüências de 56,72%, 40,05% e 3,23%, respectivamente. O polimorfismo G316A foi associado a número de tetas direitas, peso do coração, peso do pulmão, comprimento de carcaça, medido pelo Método Brasileiro de Classificação de Carcaça, peso total da paleta, peso da papada, pH 24 horas após o abate e perda de água por gotejamento. Houve efeito de substituição alélica significativo sobre as características peso do coração, peso da papada e pH 24 horas após o abate. Houve efeito de dominância significativo sobre número de tetas direitas, comprimento de carcaça, pelo Método Brasileiro de Classificação de Carcaça, peso total da paleta, peso do coração e pH 24 horas após o abate. Neste trabalho, encontrou-se o genótipo heterozigoto tanto em animais da raça nativa Piau quanto em fêmeas comerciais, mas o genótipo GG, encontrado nas fêmeas comerciais da geração parental e também nos animais F2, teve as melhores médias para as principais características quantitativas de interesse econômico. 2008 Polimorfismos de seqüência única – SNP À medida que a seqüência nucleotídica do genoma humano foi sendo desvendada, uma constatação evidente foi o grande número de variações de ponto encontradas na comparação de segmentos correspondentes do genoma. Antes mesmo de o primeiro rascunho da seqüência completa ser divulgado, grande parcela da comunidade científica já voltava atenção para essas pequenas e abundantes variações dispersas por todo o código genético. As variações que ocorrem com maior freqüência são denominadas polimorfismos de nucleotídeos únicos ou SNP (Single Nucleotide Polymorphisms) e correspondem a posições onde existe uma única substituição de base na seqüência. Para que tal posição seja considerada como um SNP, admite-se que o alelo menos freqüente tenha abundância acima de 1%. A princípio, os SNP podem ser polimorfismos bi-, tri- ou tetralélicos, entretanto, na prática são, em geral, bialélicos (Brookes, 1999; Guimarães e Costa, 2002; Ninov, 2007). As substituições mais freqüentes que ocorrem no DNA são as que envolvem trocas entre duas purinas (A/G ou G/A) ou duas pirimidinas (C/T ou T/C) e são denominadas transições. As transversões são substituições de uma purina por uma pirimidina ou viceversa. Essas alterações, algumas vezes, têm origem em erros de incorporação de bases durante a replicação do DNA. Alguns autores consideram inserções e deleções de pares de base como SNP, embora ocorram por um mecanismo diferente (Vignal et al., 2002; Ninov, 2007). As variações genéticas ocorrem em duas classes: inserções ou deleções nas seqüências de DNA ou mudanças na seqüência de nucleotídeos (freqüentemente afetam as bases individualmente). SNPs são muito mais freqüentes que inserções ou deleções e ocorrem, com grande freqüência, em ambas as regiões codificadoras (exons) ou nãocodificadoras (introns) do genoma (Williams, 2005). Em regiões codificadoras, quando resultam em substituição de aminoácido na seqüência protéica, são denominados nãosinônimos, podendo a substituição ser conservativa ou não-conservativa em função das características dos aminoácidos envolvidos na troca. Nesses casos, podem haver modificações estruturais e funcionais na proteína. Embora SNPs sinônimos não alterem a seqüência protéica, eles podem modificar a estrutura e a estabilidade do RNA mensageiro e, conseqüentemente, afetar a quantidade de proteína produzida. Além disso, SNPs podem promover splicing alternativo, alterações no padrão de expressão de genes (como alterações em seqüências de promotores), geração ou supressão de códons de terminação ou poliadenilação na molécula de RNA mensageiro e alteração nos códons de iniciação de tradução (Guimarães e Costa, 2002). O estudo de SNP envolve duas fases: a identificação do SNP e a genotipagem. Na genotipagem podem ser utilizadas diversas metodologias, que são escolhidas de acordo com sua precisão, agilidade e custo. Métodos robustos de genotipagem podem ser citados, como chips de DNA ou microarranjos, cromatografia líquida de alta pressão desnaturante (DHPLC), espectrofotometria de massa, PCR em tempo real e seqüenciamento de uma única base. Entretanto, em análises de menor escala, métodos como seqüenciamento e digestão por enzimas de restrição (RFLP) são rotineiramente empregados (Vignal et al., 2002; Ninov, 2007). 2008 Uma das vantagens do uso dos marcadores SNPs é que eles podem ser detectados por outros métodos além de eletroforese, que é considerado lento e difícil de automatizar. A descoberta de milhares de SNPs no projeto de seqüenciamento do genoma humano, por exemplo, via sistemas automatizados (fluorescência ou espectrofotometria de massa), tem sido utilizadas nas genotipagens. Assim, é agora possível, de forma rápida, genotipar centenas a milhares de indivíduos para vários milhares de marcadores SNPs, em poucas horas (Williams, 2005). Em razão do grande volume de dados gerados, a bioinformática tem papel preponderante nas análises desses dados. Por meio do uso de modernas técnicas computacionais e análises estatísticas apropriadas, tem sido possível analisar o grande volume de dados de seqüências de DNA gerados. Além disso, os recursos da bioinformática também têm sido úteis na construção e manutenção de bancos de dados que podem ser acessados pela Internet e que atuam, como sedes de referência, na deposição de SNP (Guimarães e Costa, 2002). O maior banco de dados público de polimorfismos é mantido pelo National Center for Biotechnology (NCBI), o dbSNP (http://www.ncbi.nlm.nih.gov/SNP)(Ninov, 2007). Integração genética quantitativa x genética molecular Metodologia de modelos mistos Considerando o seguinte modelo animal para análise de características múltiplas: y = Xβ + Zu + e , em que y é vetor de observações dos animais; X , matriz de incidência de efeitos fixos; β , vetor de efeitos fixos; Z , matriz de incidência dos valores genéticos dos animais; u , vetor de dos valores genéticos dos animais; e , vetor de erros aleatórios; por o sistema de equações de modelos mistos de Henderson (1963, 1973 e 1984) é dado X ' R −1 X Z' R −1 X X ' R −1 Z Z ' R −1 Z + G −1 β 0 = X ' R −1 y , −1 û Z' R y em que R = I ⊗ R0 , sendo I , matriz identidade; R0 , matriz de variâncias e covariâncias residuais entre as características; G = A ⊗ G0 , sendo A , matriz dos numeradores dos coeficientes de parentesco, de Wright (Henderson, 1976 e Quaas, 1976); G0 , matriz de variâncias e covariâncias genéticas aditivas entre as características. 2008 As informações de marcadores moleculares podem ser incluídas nas equações de modelos mistos, de Henderson, para obtenção dos valores genéticos preditos dos animais para fins de seleção. Para tal, são necessárias algumas modificações nessas equações, as quais serão mostradas a seguir. Genes candidatos Em termos práticos, a seleção dos indivíduos para genes candidatos é usualmente feita diretamente pela escolha do genótipo desejável e, ou, pela eliminação do genótipo indesejável. Entretanto, quando o número de genes candidatos for grande ou quando não se deseja eliminar totalmente determinado alelo de uma população, o efeito do gene candidato pode ser incluído nas equações de modelos mistos, de Henderson. As informações de genes candidatos podem ser incluídas, como efeitos fixos, nos modelos de avaliação genética animal, da seguinte forma: y = Xβ + Pg + Zu + e , em que y é vetor de observações dos animais; X , matriz de incidência de efeitos fixos; β , vetor de efeitos fixos; P , matriz de incidência de probabilidades genotípicas (probabilidade de dado animal pertencer a determinada classe genotípica); g , vetor de efeitos fixos de genótipos dos genes candidatos; e demais termos definidos anteriormente. A probabilidade de determinado genótipo nos indivíduos genotipados é igual a 1. Nos indivíduos não-genotipados, podem ser utilizados dados de pedigree associados à genotipagem de parentes. Nesse caso, o sistema de equações de modelos mistos é dado por X *' R −1 X * Z' R −1 X * β *0 = X *' R −1 y , −1 X *' R −1 Z Z ' R −1 Z + G −1 em que X * = [ X û [ P ] ; β *0 ' = β *0 Z' R y ] ĝ . Observa-se que a matriz X* é formada pela junção das matrizes X e P. Nesse caso, o valor genético predito do indivíduo é obtido pela correção dos dados para os efeitos dos genótipos dos genes candidatos incluídos na análise, além dos efeitos fixos e covariáveis usuais. 2008 Locos de características quantitativas – QTL Fernando e Grossman (1989) desenvolveram um método para predição dos valores genéticos dos indivíduos candidatos à seleção com inclusão de locos de características quantitativas (QTL). Esse método é apropriado para qualquer estrutura de dados populacionais, sendo o QTL incluído, como efeito aleatório, nas equações de modelos mistos, de Henderson. A análise de QTL é realizada a partir do seguinte modelo animal de efeito aditivo de um indivíduo, yij = µ + f i + a j + eij , em que y ij é valor da característica observada no animal; µ , constante inerente a todas as observações; f i , efeito fixo i; a j , efeito do valor genético do animal j; eij , erro aleatório associado a cada observação. Segundo Fernando e Grossman (1989), o valor genético a j pode ser reescrito por a j = v mj + v jp + u j , m p em que v j e v j são, respectivamente, efeitos aditivos dos alelos maternos e paternos no QTL (QTL ligado a um marcador), e u j , efeito aditivo dos genes remanescentes (efeito poligênico). por Em notação matricial, os valores genéticos dos animais podem ser representados a = Kν + u , em que a é vetor de valores genéticos aditivos dos animais; K , matriz de incidência dos efeitos gaméticos do QTL (nx2n, sendo n o número de observações e m, o número de alelos do marcador); v , vetor de efeitos gaméticos do QTL; u , vetor de efeitos aditivos dos genes remanescentes (efeito poligênico ). Assim, o seguinte modelo linear misto pode ser usado para descrever as observações das características nos animais: y = Xβ + Wν + Zu + e , 2008 em que anteriormente. β é o vetor de efeitos fixos; W = ZK ; e demais termos definidos O sistema de equações de modelos mistos é dado por X ' R −1 X W ' R −1 X Z ' R −1 X X ' R −1W W ' R −1W + Gv−1 Z' R −1W em que Gv = k X ' R −1 Z β0 X ' R −1 y W ' R −1 Z v̂ = W ' R −1 y , Z' R −1 y Z' R −1 Z + Gu−1 û σ v2 = matriz de (co)variância gamética para os alelos dos QTLs (Pita, 2003), sendo k , matriz de probabilidade dos alelos serem idênticos por descendência (IBD); σ = pqα , variância genética aditiva dos QTLs (Falconer e Mackay, 1996; Pita, 2003). 2 v 2 Essas equações de modelos mistos fornecem soluções para os efeitos fixos ( β ), 0 para os efeitos dos QTLs ( v̂ ) e para os efeitos poligênicos ( û ). Para fins de seleção dos animais, Dekkers (2004) recomenda três possíveis critérios: 1) Seleção pelo escore molecular, na qual se usa apenas v̂ ; 2) Seleção em Tandem, pelo uso do escore molecular ( v̂ ) seguido do escore poligênico ( û ); 3) Seleção por um índice no qual se usam os dois escores. Polimorfismos de seqüência única – SNP A seleção genômica ampla (Genome Wide Selection - GWS), ou simplesmente seleção genômica (Genomic Selection - GS), foi proposta por Meuwissen et al. (2001). A GS é definida como seleção simultânea para muitos marcadores (dezenas, centenas ou milhares) que cobrem densamente o genoma inteiro, para que todos os genes estejam em desequilíbrio de ligação com pelo menos alguns marcadores. A predição do valor genético dos indivíduos é feita com um mapa denso de marcadores (haplótipos) em todo o genoma e limitado número de registros fenotípicos. As predições dos efeitos de haplótipos dos SNP podem ser obtidas pelas equações de modelos mistos, de Henderson, utilizando o seguinte modelo: y = µ1n + i X i g i + e, 2008 em que y é vetor de observações; 1n , vetor de uns; i µ , constante inerente a todas as observações; , somatório de todos os i-ésimos intervalos; X i , matriz de incidência dos haplótipos; g i , vetor de efeitos aleatórios de haplótipos no i-ésimo intervalo (por exemplo, 1 cM); e , vetor de erros aleatórios. Segundo Schaeffer (2006), animais podem ser genotipados para milhares de SNPs, que são localizados aproximadamente a intervalos de 1 cM por todo genoma. Esse autor, ao comparar a seleção genômica (GS) com o teste de progênie tradicional em bovinos de leite no Canadá, verificou grande vantagem da GS em relação ao método tradicional. Quando se utiliza a GS, o progresso genético pode ser duas vezes maior e os custos reduzidos em até 92% em relação aos atuais valores. Muir (2007), ao comparar a seleção genômica com o BLUP tradicional, verificou grande vantagem na predição dos valores genéticos obtidos pela GS (GBV), principalmente em características de baixa herdabilidade. Diversos outros trabalhos têm ressaltado as potenciais vantagens da GS na avaliação genética animal (Solberg et al., 2006; Goddard e Hayes, 2007; Kolbehdari et al., 2007; Long et al., 2007; Meuwissem, 2007; Legarra e Misztal, 2008). Referências bibliográficas AMILLS, M., VIDAL, O., VARONA, TOMÀS, A., GIL, M., SÀNCHEZ, A. NOGUEIRA, J.L. Polymorphism of the pig 2,4denoyk Côa reductase 1 gene (DECR1) and its association with carcass and meat quality traits. J. Anim. Sci., v. 83, p. 493-498, 2005. Brookes AJ. The essence of SNPs. Gene, v. 234, n. 2, p. 177-186, 1999. CARMO, F.M.S., GUIMARÃES, S.E.F., LOPES, P.S., PIRES, A.V., GUIMARÃES, M.F.M., SILVA, M.V.G.B., SCHIERHOLT, A.S., SILVA, K.M., GOMIDE, L.A.M. Association of MYF5 gene allelic variants with production traits in pigs. Gen. Mol. Biol., v. 28, n. 3, p. 363-369, 2005. CARNEIRO, P.L.S., MALHADO, C.H.M., EUCLYDES, R.F., TORRES, R.A., LOPES, P.S., CARNEIRO, A.P.S., CUNHA, E.E. Seleção tradicional e associada a marcadores moleculares na avaliação genética animal. Pesq. Agropec. Bras., v. 41, n. 4, p. 615-621, 2006. CATALAN, G. Estimativas de parâmetros genéticos e fenotípicos em suínos Landrace, Large White e Duroc, nas fases de crescimento e terminação. Viçosa, MG:ufv, 1986. 129 p. Dissertação ( Mestrado em Zootecnia) – Universidade Federal de Viçosa. 1986. DEKKERS, J. C. M. Commercial application of marker- and gene-assisted selection in livestock: Strategies and lessons. J. Anim. Sci. v. 82, p. E313–E328, 2004. 2008 De KONING, D. J., JONSS, L. L. G., RATTINK, A. P., VAN GERS, P. A. M., De VRIES, B. J., GORENEN, M. A. N., VAN DER POEL J. J., DE GROOT, P. N., BRASCAMP, E. W., VAN ARENDONK J. A, M.: Detection of quantitative trait loci for backfat thickness and intramuscular fat content in pigs (SUS SCROFA). Genetics, v.12, p.1679-1690, 1999. EUCLIDES FILHO, K. 1999. Melhoramento genético animal no Brasil: fundamentos, história e importância. Campo Grande: Embrapa Gado de Corte, 63p. FALCONER, D.S., MACKAY, T.F.C. Introduction to quantiative genetics. Longman, Edinburgh. 1996. FARIA, D.A. Associação de polimorfismos do gene do Hormônio de Crescimento (GH) e do marcador microssatélite do gene do Fator de Crescimento Semelhante à Insulina – I (IGF-I) com características quantitativas em suínos. Viçosa, MG: UFV, 2004, 75p. Dissertação (Mestrado em Zootecnia) – Universidade Federal de Viçosa, 2004. FARIA, D.A., GUIMARÃES, S.E.F., LOPES, P.S., PIRES, A.V., PAIVA, S.R., SOLLERO, B.P., WENCESLAU, A.A. Association between G316A growth hormone polymorphism and economic traits in pigs. Gen. Mol. Biol., v. 29, n. 4, p. 634-640, 2006. FERNANDO, R.L., GROSSMAN, M. Marker assisted selection using best linear unbiased prediction. Gen. Sel. Evol., v.21, p.467-477, 1989. FUJII, J., OTSU, K., ZORZATO, F., LEON, S. et al. Identification of a mutation in the porcine ryanodine receptor associated with malignant hyperthermia. Science, v.253, p.448451, 1991. GODDARD, M.E., HAYES, B.J. Genomic selection. J. Anim. Breed. Genet.,v. 124, p. 323–330, 2007. GONÇALVES, T.M., OLIVEIRA, H.N., BOVENHUIS, H., BINK, M., ARENDONK, J.V. Modelos alternativos para detecção de locos de características quantitativas (QTL) de carcaça e crescimento nos cromossomos 4, 5 e 7 de suínos. Rev. Bras. Zootec., v. 34, n.5, p.1540-1552, 2005. GUIMARÃES, P.E.M., COSTA, M.C.R. SNPs: Sutis diferenças de um código. Biotec. Ciênc. Desenv. v. 26, p. 24-27, 2002. GUIMARÃES, S.E.F., LOPES, P.S. Uso de populações divergentes para detecção de QTLs em suínos. In: SIMPÓSIO NACIONAL DE MELHORAMENTO ANIMAL, 3, Belo Horizonte. Anais... Belo Horizonte, MG: SBMA, p.110-114, 2000. GUIMARÃES, S.E.F., LOPES, P.S., WENCESLAU, A.A. et al. O Genoma dos Suínos. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 38, Piracicaba, SP. Anais... Piracicaba, SP: SBZ. p. 612-619, 2001. HAZEL, L.N., LUSH, J.L. The Efficiency of three methods of selection. J. Heredity, v.33, p.393-399. 1042 2008 HAZEL, L.N. The genetic basis for constructing selection indexes. Genetics, v. 28, n. 6, p. 476-490, 1943. HENDERSON, C.R. Selection index and expected genetic advance. In: NATIONAL ACADEMY OF SCIENCE / NATIONAL RESEARCH COUNCIL – NAS / NRC. Statistical genetics and plant breeding. Washington DC. p. 141-163, 1963. HENDERSON, C.R. Sire evaluation and genetic trends. In: ANIMAL BREEDING GENETIC SYMPOSIUM IN HONOR OF DR. J.L. LUSH, ASAS/ADSA, 1973, Champaign. Proceedings... Champaign. p. 10-41, 1973. HENDERSON, C.R., A simple method for computing the inverse of a relationship matrix. Biometrics, v. 32, n. 1, p. 69-83. 1976. HENDERSON, C.R. Applications of linear models in animal breeding. University of Guelph. Guelph, CA. 462 p. 1984. HENDERSON, C.R., QUAAS, R.L. Multiple Trait Evaluation Using Relatives' Records. J. Anim. Sci., v. 43, p. 1188-1197. 1976. KING, A.H., JIANG, Z., GIBSON, J.P., HALEY, C.S., ARCHIBALD, A.L. Mapping quantitative trait loci affecting female reproductive traits on porcine chromosome 8. Biol. Reprod., v. 68, p. 2172–2179, 2003. KOLBEHDARI, D., SCHAEFFER, L.R., ROBINSON, J.A.B. Estimation of genomewide haplotype effects in half-sib designs. J. Anim. Breed. Genet.,v. 124, p. 356–361, 2007. KOVAC, M, GROENEVELD E. Multivariate genetic evaluation in swine combining data from different testing schemes. J. Anim Sci., v. 68, n. 11, p. 3507-3522. 1990. LEGARRA, A., MISZTAL, I. Technical Note: Computing Strategies in Genome-Wide Selection. J. Dairy Sci., v. 91, p.360–366, 2008. LONG, N., GIANOLA, D., ROSA, G.J.M., WEIGEL, K.A. AVENDANO, S. Machine learning classification procedure for selecting SNPs in genomic selection: application to early mortality in broilers. J. Anim. Breed. Genet.,v. 124, p. 377–389, 2007. LOPES. P.S., FREITAS, R.T.F., FERREIRA, A.S. Melhoramento de suínos. UFV. 39 p. (Caderno Didático, 37). 1998. LOPES. P.S. Melhoramento genético de suínos. UFV. 15 p. (Notas de aula). 2004. LOPES, P. S., GUIMARÃES, S.E.F., PIRES, A.V., SOARES, M.A.M., CARMO, F.M.S., GUIMARÃES, M.F., GOMIDE, L.A.M., BENEVENUTO JÚNIOR, A.A.. Performance, carcass yield and meat quality traits of F2 crosses between Brazilian native and commercial pigs for QTL mapping. In: World Congresss on Genetics Applied to Livestock Production, 2002. Proceedings... Montpellier, France, 2002. v. 30. p. 155-158. 2008 MARTINS, E.N. Uso de modelos mistos no melhoramento animal. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 31., 1994, Maringá. Anais... Maringá: Sociedade Brasileira de Zootecnia, 1994. p.25-51. MARTINS, E.N., LOPES, P.S., SILVA, M.A. TORRES, R.A.A. Uso de modelos mistos na avaliação genética animal. Universidade Federal de Viçosa, 1997. 121p (Cadernos didáticos, 18). MARTINS, E.N., LOPES, P.S., SILVA, M.A., REGAZZI, A.J. Modelo linear misto. Universidade Federal de Viçosa, 1998. 46p (Cadernos didáticos, 38). MEUWISSEN, T. Genomic selection : marker assisted selection on a genome wide scale. J. Anim. Breed. Genet.,v. 124, p. 321–322, 2007. MUIR, W.M. Comparison of genomic and traditional BLUP-estimated breeding value accuracy and selection response under alternative trait and genomic parameters. J. Anim. Breed. Genet., v. 124, p. 342–355, 2007. NINOV, K., LEDUR, M.C., NONES, K., COLDEBELLA, A., BERTOL, T.M.., CAETANO, A.R., COUTINHO, L.L. Associação de polimorfismo de base única (SNP) no íntron 8 do gene do receptor da leptina em galinhas com rendimento de órgãos. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 44, Jaboticabal, SP. Anais... Jaboticabal, SP: SBZ. p. 1-3 (CD), 2007. OVILO, C., PEREZ-ENCIZO, M., BARRAGÁN, C., CLOP, A., RODRÍGUEZ, C., OLIVER, M.A., TORO, M.A., NOGUERA, J.L. A QTL for intramuscular fat and backfat thickness is located on porcine Chromosome 6. Mamm. Genome, v.11, p.344-346, 2000. PAIXÃO, D.M. Detecção de locos de características quantitativas nos cromossomos 16, 17 e 18 em suínos. Viçosa, MG: UFV, 2007, 90p. Dissertação (Mestrado em Zootecnia) – Universidade Federal de Viçosa, 2007. PATERSON, A.H. Of blending, beans, and bristles: the foundations of QTL mapping. In: PATERSON, A.H. Molecular dissection of complex traits. CRC Press, New York, p.110, 1998. PEIXOTO, J.O. Associação entre polimorfismos no gene candidato leptina e características quantitativas em suínos. Viçosa, MG: UFV, 2004, 75p. Dissertação (Mestrado em Genética e Melhoramento) – Universidade Federal de Viçosa, 2004. PEIXOTO, J.O., GUIMARÃES, S.E.F., LOPES, P.S., SOARES, M.A.M., PIRES, A.V., SILVA, M.V.G.B., TORRES, R.A., SILVA, M.A. Associations of leptin gene polymorphisms with production traits in pigs. J. Anim. Breed. Genet., v. 123, p. 378-383, 2006. PÉREZ-ENCISO, M., CLOP, A., NOGUERA, J.L., et al.: A QTL on pig chromosome 4 affects fatty acid metabolism: Evidence from a Iberian by Landrace intercross. J. Anim Sci., v. 78, p. 2525-2531, 2000. 2008 PIRES, A.V. Mapeamento de locos de carascterísticas quantitativas no cormosomo 6 de suínos. Viçosa, MG: UFV, 2003, 46p. Tese (Doutorado em Genética e Melhoramento) – Universidade Federal de Viçosa, 2003. PIRES, A.V., LOPES, P.S, GUIMARÃES, S.E. Quantitative trait loci mapping for meat quality trait swine chromosome 6. Arq. Bras. Med. Vet. Zootec., v. 57, n.5, p. 608-615, 2005. PIRES, A.V., LOPES, P.S, GUIMARÃES, S.E. Mapeamento de locos de características quantitativas no cromossomo 6, associados às características de carcaça e órgãos internos de suínos. Rev. Bras. Zootec, v.35, n.4, p. 1660-1668 (supl.), 2006. PIRES, A.V., LOPES, P.S, GUIMARÃES, S.E. Mapeamento de locos de características quantitativas no cromossomo 6, associados às características de carcaça e órgãos internos de suínos. Rev. Bras. Zootec, v.35, n.4, p. 1660-1668 (supl.), 2006. PIRES, A.V., LOPES, P.S, GUIMARÃES, C.T., GUIMARÃES, S.E. Mapping quantitative trait loci for performance traits on pig chromosome 6 (SSC6). Arch. Latinoam. Prod. Anim., v.15, n.1, p. 25-32, 2007. PITA, F.V.C. Construction of the gametic covariance matrix for quantitative trait loci analyses in outbred populations. Viçosa-MG, UFV, 2003. 61 p. Tese (Doutorado em Genética e Melhoramento) – Universidade Federal de Viçosa, 2003. QUAAS, R. L. Computing the diagonal elements and inverse of a large numerator relationship matrix. Biometrics, v. 32, n. 4, p. 949-953. 1976. QUAAS, R. L., POLLAK, E. J. Mixed Model Methodology for Farm and Ranch Beef Cattle Testing Programs. J. Anim Sci., v. 51, n. 1277-1287. 1980. QUINTANILLA, R., DEMEURE, O., BIDANEL, J.P., MILAN, D., IANNUCCELLI, N., AMIGUES, Y., GRUANDS, J., RENARD, C., CHEVALET, C., BONNEAU, M. Detection of quantitative trait loci for fat androstenone levels in pigs. J. Anim. Sci., v. 81, p. 385-394, 2003. RATTINK, A. P., KONING, D. J., FAIVRE, M., HARLIZIUS, B., van ARENDONK, J. A. M., GROENEN, M. A. M.: Fine mapping and imprinting analysis for fatness trait QTLs in pigs. Mamm. Genome, v.11, p.656-661, 2000. ROHRER, G.A., KEELE, J.W. Identification of quantitative trait loci affecting carcass composition in swine: I – Fat deposition traits. J. Anim Sci., v.76, p.2247-2254. 1998a. ROHRER, G.A., KEELE, J.W. Identification of quantitative trait loci affecting carcass composition in swine: II - Muscling and wholesale product yield traits. J. Anim Sci., v.76, p.2255-2262. 1998b. ROTHSCHILD, M.F. Advances in pig genomics and functional gene discovery. Comp. Funct. Genom. v.4, p. 266-270, 2003 2008 ROTHSCHILD, M. F., SOLLER, M.: Candidate gene analysis to detect gene controlling traits of economic importance in domestic livestock. Probe, v.8, p.13-20, 1997. ROTHSCHILD, M.F., PLASTOW, G.S. Advances in pig genomics and industry applications. AgBiotechNet, v.1, p.1-7, 1999. ROTHSCHILD, M.F., SOLLER, M. Candidate gene analysis to detect genes controlling traits of economic importance in domestic livestock. In: SIMPÓSIO INTERNACIONAL DE GENÉTICA E MELHORAMENTO ANIMAL, 1999, Viçosa, UFV. Anais... Viçosa. UFV, p. 219-242, 1999. ROTHSCHILD, M.F., HU, Z, JIANG, Z. Advances in QTL mapping in pigs. Int. J. Biol. Sci., v.3, p. 192-197, 2007. SAX, K.: The association of size differences with seed-coat pattern and pigmentation in Phaseolus Vulgaris. Genetics, v.8, p.522-560, 1923 SCHAEFFER, L.R. Strategy for applying genome-wide selection in dairy cattle. J. Anim. Breed. Genet., v. 123, p. 218–223, 2006. SILVA, K.M. Sequenciamento do gene da A-FABP (Proteína de Ligação de Ácidos Graxos - adipócitos) e mapeamento de locos de características quantitativas no cromossomo 4 em um delineamento F2 de suínos. Viçosa, MG: UFV, 2005, 121p. Dissertação (Mestrado em Genética e Melhoramento) – Universidade Federal de Viçosa, 2005. SILVA, K.M., PAIXÃO, D.M., SILVA, P.V., SOLERO, B.P., PEREIRA, M.S., LOPES, P.S. GUIMARÃES, S.E.F. Mapping of quantitative trait loci and confirmation of the FAT1 region on chromosome 4 in an F2 population of pigs. Gen. Mol. Biol., v. 31, n.2, p.475480, 2008. SMITH, H.F. A discriminant function for plant breeding selection. Ann. Eug., v.7, p.240250, 1936. SOLBERG, T.R., SONESSON, A., WOOLIAMS, J., MEUWISSEN, T. Genomic selection using different marker types and density. In: World Congresss on Genetics Applied to Livestock Production, 2006. Proceedings... Belo Horizonte, Brasil, 2006. p. 14. CD. SOUSA, K.R.S. Detecção de Locos de Características Quantitativas nos Cromossomos 5, 7 e 8 de suínos. Viçosa, MG: UFV, 2008, 55p. Dissertação (Mestrado em Genética e Melhoramento) – Universidade Federal de Viçosa, 2008. THODAY, J. M: Location of polygenes. Nature, v.191, p.368-370, 1961. VAN WIJK, H.J., DIBBITS, B., BRINGS, A.D., HARLIZIUS, B., GROENEN, M.A.A., KNOL, E.F., BOVENHUIS, H. Identification of quantitative trait loci for carcass composition and pork quality traits in a comercial finishing cross. J. Anim. Sci. v. 84, p. 789-799, 2006. 2008 VIGNAL, A., MILAN, D., SANCRISTOBAL, M., EGGEN, A. A review on SNP and other types of molecular markers and their use in animal genetics. Gen. Sel. Evol., v. 34, p. 275-305, 2002. VILLANUEVA, B., PONG-WONG, R., FERNÁNDEZ, J., TORO, M.A. Benefits from marker-assisted selection under an additive polygenic genetic model. J. Anim. Sci., 83:1747-1752, 2005. VISSCHER, P., PONG-WONG, R., WHITTEMORE, C. et al. Impact of biotechnology on (cross)breeding programmes in pigs. Liv. Prod. Sci., v.65, n.1-2, p.57-70, 2000. WILLIAMS, J.L. The use of marker-assisted selection in animal breeding and biotechnology. Rev. Sci. Tech. Off. Int. Epiz., v. 24, p 379-391, 2005. YU, T.P., WANG, L., TUGGLE, C.K., ROTHSCHILD, M,F. Mapping fatness and growth on pig chromosome 13: a search in the region close to the pig PIT1 gene. J. Anim. Breed. Genet,, v.16, n.4, p.269–280, 1999.
Documentos relacionados
USO DE POPULAÇÕES DIVERGENTES PARA DETECÇÃO DE
Pouco se sabe a respeito da origem das raças suínas brasileiras, tem–se especulado que as mesmas são provenientes de suínos trazidos pelos portugueses durante o período colonial, havendo ainda indí...
Leia mais