A evolução da avaliação da eficiência alimentar

Por: João Geno

O início da minha carreira de geneticista ocorreu em um momento crítico para os produtores comerciais de gado, pois as mudanças na indústria criaram uma necessidade maior de aumentar a lucratividade e a eficiência. Meus clientes na época eram grandes fazendas comerciais que eram centradas em dados e tinham o lucro como motivo. Esses produtores comerciais procuravam avaliações genéticas, bancos de dados da web e, à medida que a genômica crescia em popularidade, formas de avaliar o valor genômico. À medida que os dados de eficiência alimentar se tornaram disponíveis, eles rapidamente perceberam o valor desses dados em um sistema integrado em que os custos de alimentação representam uma parte significativa do lado dos custos de seus negócios.

Eu sou um geneticista quantitativo e, como tal, a maior parte do meu trabalho é feito com um método estatístico chamado melhor previsão linear imparcial (BLUP). BLUP é o que cria EPDs e precisões associadas que os produtores de gado usam hoje. Seu poder tem sido um catalisador para o aumento do grau de qualidade do vaqueiro americano na última década, bem como a produção de leite em Holsteins nos últimos 50 anos e várias outras mudanças semelhantes em diferentes espécies. Há uma palavra-chave para a sigla BLUP que muitas vezes é negligenciada – linear. Uma suposição básica de todos os dados analisados ​​com BLUP é que os dados são lineares. Como geneticista, sou treinado para pensar linearmente e muitas vezes tenho dificuldade em pensar de outra forma.

À medida que a indústria pecuária se interessou por animais com eficiência alimentar, analisei meus primeiros conjuntos de dados GrowSafe Systems®. Inicialmente, comecei com a suposição de que o crescimento e a ingestão eram lineares ao longo do tempo. Claro que não é esse o caso, e é uma coisa boa para cada um de nós que achatamos nossas curvas de crescimento. O crescimento e a ingestão não são lineares e, na verdade, têm um pouco de oscilação durante a parte crescente da vida de um animal, que é o que mais nos interessa. Normalmente, podemos acenar com as mãos e dizer que grupos contemporâneos e coleta de dados em vezes remover esses problemas. No entanto, percebi que precisávamos avaliar os dados de maneira diferente quando comecei a comparar a ingestão e o crescimento coletados separadamente em períodos curtos e longos. Nos estágios iniciais da descoberta, avaliamos a ingestão e o crescimento em um curto período de tempo, além do crescimento em um longo período de tempo. Resolvi as imprecisões emparelhando ingestão e ganho durante o período de coleta para garantir que as curvas não lineares fossem comparadas adequadamente. Acho que a melhor maneira de avaliar o consumo e o crescimento é com o consumo alimentar residual (CRF), mas o ganho médio diário residual (RADG) ou as taxas de conversão alimentar são outras alternativas. O importante, na minha experiência, é combinar crescimento e ingestão no mesmo período.

Às vezes, nossa indústria se torna muito obsessiva com a definição de RFI. É simplesmente a ingestão diária média com ajustes feitos para alguns fatores. Quase todas as características são ajustadas para covariáveis ​​antes da análise. A característica com a qual os produtores provavelmente estão mais familiarizados é o peso ao desmame, que é ajustado para a idade do bezerro ao desmame e idade da mãe. Ultrassonografia, peso ao nascer, circunferência escrotal e quase todas as outras características são ajustadas para fatores relevantes, ou covariáveis, como os estatísticos as chamariam. RFI é simplesmente a ingestão ajustada para algumas covariáveis ​​relevantes.

Um problema que surge é definir exatamente qual covariável deve ser incluída no cálculo do RFI. Quando comecei a analisar os dados de eficiência alimentar, ajustei o RFI de várias maneiras com diferentes covariáveis. Isso tornou incrivelmente difícil comparar os animais de forma justa. Meu trabalho ficou muito mais fácil quando a GrowSafe desenvolveu uma forma padrão de calcular o RFI. Isso removeu uma quantidade significativa do ruído que vi nos primeiros conjuntos de dados.

Figura 1: Correlação entre EPDs e desempenho médio da progênie para touros com mais de cinco progênies.

As EPDs GrowSafe atuais têm mais de 35,000 registros individuais de eficiência alimentar e mais de 235,000 animais com pedigree incluídos na análise. Os touros com mais de cinco progênies no conjunto de dados foram analisados ​​quanto à correlação entre suas EPDs e a média do desempenho de suas progênies para cada característica (figura 1). Em conclusão, fica claro a partir dessas correlações que o RFI é uma característica muito preditiva e pode estar mais correlacionada com o desempenho real da progênie do que o ganho médio diário (GMD) ou a ingestão de matéria seca (CMS).

Translate »