Resumen

NILFOROOSHAN, Mohammad Ali et al. Optimización de la predicción del valor de reproducción en ganado Braunvieh por medio del análisis multirasgo de rasgos de crecimiento. Rev. mex. de cienc. pecuarias [online]. 2025, vol.16, n.1, pp.55-68.  Epub 29-Abr-2025. ISSN 2448-6698.  https://doi.org/10.22319/rmcp.v16i1.6648.

Actualmente, la evaluación genética de los rasgos de crecimiento (peso al nacer - PN, peso al destete - PD y peso al año - PA) en el ganado Braunvieh en México se lleva a cabo por medio de modelos univariados para el PN y bivariados para el PD y PA. La precisión de las evaluaciones genéticas se puede mejorar mediante un modelo trivariado. Se analizó tanto el sesgo en las evaluaciones univariadas y bivariadas causado por los rasgos faltantes en el análisis, como el aumento en la precisión producido por el análisis trivariado. Los datos de pedigrí y de rendimiento se obtuvieron de la Asociación Mexicana de Criadores de Ganado Suizo de Registro. Después de editar los datos, se realizaron análisis univariados, bivariados y trivariados y se hicieron comparaciones entre ellos. Se empleó una estrategia simple de reducción del conjunto de datos, reduciendo notablemente la cantidad de datos en los análisis. Los animales excluidos de los análisis se evaluaron a partir de las soluciones de los animales incluidos en los análisis, lo cual requirió mucho menos poder de computación. El análisis bivariado mostró evaluaciones sesgadas del PD y PA y de las tendencias genéticas. Las tendencias genéticas se subestimaron en los animales jóvenes. Desde mediados de la década de 1990, todos los rasgos mostraron una ganancia genética constante. El sesgo se debió a la preselección natural/artificial para PN. La inclusión del PN en el análisis trivariado ayudó a tomar en cuenta la información de preselección. La evaluación univariada del PN y la tendencia genética fueron imparciales. También, el PN aumentó menos en precisión a partir del PD y PA que el PD y PA a partir del PN. Se recomienda el análisis trivariado de los rasgos con una reducción del conjunto de datos para reducir el poder computacional requerido para procesar los datos.

Palabras llave : Precisión; Modelo animal; Sesgo; Valor de reproducción; Braunvieh; Multirasgo; Preselección; Reducción; Univariado.

        · resumen en Inglés     · texto en Español | Inglés     · Español ( pdf ) | Inglés ( pdf )