Repositorio Institucional de Documentos

1 Proyecto Fin de Carrera SELECCIÓN CANALIZANTE PARA EL PESO DE NACIMIENTO DE LOS GAZAPOS: UNA EXPERIENCIA MODELO PARA MEJORAR LA SUPERVIVENCIA PERINATAL Autor/es Raúl BENITO MARCO Director/es y/o ponente Jesús Yániz Pérez de Albéniz Ingeniería Agrónoma / Escuela Politécnica Superior de Huesca Septiembre 2013 2 AGRADECIMIENTOS Quiero dar mi más sincero agradecimiento todas esas personas que me han ayudado, apoyado, y contribuido a la elaboración de esta memoria y al buen desarrollo del proyecto. - A mi jefe de proyecto en el INRA, Loys BODIN, por el tiempo que ha dedicado, su amabilidad y sus acertados consejos durante la realización del proyecto. - A Hervé GARREAU (Ingeniero investigador), por su acompañamiento al principio del proyecto y sus consejos para introducirme en el tema del proyecto. - A julien Ruesche (Técnico en investigación), por su gran ayuda con los problemas encontrados durante el uso de los datos y su análisis. - A mis dos tutores Zulma VITEZICA y Hervé REMIGNON, profesores investigadores en el ENSAT, quienes aceptaron seguir mi proyecto durante los seis meses de su realización. - A todos los trabajadores de la explotación experimental de Auzeville, por haberme enseñado todos los procedimientos de granja, y haberme permitido participar en ellos. - A mi jefe de proyecto en la EPSH (Universidad de Zaragoza), Jesús Yániz Pérez de Albéniz, por haberme ayudado en la traducción del francés al español de este proyecto y sobretodo por la motivación y el interés que me ha transmitido por el mundo de la investigación. También tengo que dar gracias al conjunto de personal que he podido conocer en la SAGA por haberme acogido tan bien 3 CONTEXTO GENERAL INRA El INRA (Institut National de Recherche Agronomique) es un instituto de investigación pública fundado en 1946, bajo la dirección del Ministerio de Educación superior y de la Investigación así como la del Ministerio de la Alimentación, de la Agricultura y de la Pesca. Es el primer instituto de investigación de Europa, y el segundo a nivel mundial en publicaciones de ciencias agrícolas y en ciencias de plantas y animales. Sus actividades de investigación son ejercidas en los dominios de la alimentación, de la agricultura y del medioambiente. Sus misiones son producir y difundir conocimientos científicos, concebir innovaciones y controlarlas, participar en las tomas de decisión de actores tanto públicos como privados, apostar por la cultura científica y técnica, estar en el corazón de debates sociales sobre la ciencia, y finalmente proponer una formación a la investigación. El INRA de Castanet-Tolosan (Toulouse) emplea unas 500 personas, de las cuales 250 son investigadores. Estas personas están repartidas en 22 laboratorios entre los cuales se encuentra el de la SAGA (Station d’Amelioration Genetique des Animaux). SAGA La estación de mejora genética de los animales (SAGA, UR631) fue creada en 1970 debido a la descentralización del departamento de Genética Animal (GA) y a la creación del centro en Toulouse. La unidad contribuye al conocimiento del determinismo genético de los caracteres (campo temático CT2 del departamento GA) y al desarrollo de métodos de gestión de poblaciones animales (CT3), principalmente en pequeños rumiantes, conejos, palmípedos, y équidos desde 2005. Los caracteres estudiados, con efecto sobre la producción y los productos animales, son numerosos, pero últimamente la SAGA a priorizado las investigaciones sobre la resistencia genética a las enfermedades, la reproducción, el crecimiento y los diferentes índices. La experimentación y la modelización están en el corazón de su actividad para estudiar las relaciones entre el genotipo y el fenotipo (CT2), y optimizar la gestión de los recursos genéticos (CT3). Las investigaciones, en las Unidades Experimentales y en las granjas, son prácticamente todas concebidas en colaboración pluridisciplinaria. 4 ÍNDICE GENERAL: página 1. RESUMEN 9 2. ABSTRACT 10 3. INTRODUCCIÓN 11 4. OBJETIVOS 12 5. REVISIÓN BIBLIOGRÁFICA 13 5.1. Genética cuantitativa. 13 5.2. Evolución de las tecnologías de la reproducción. 15 5.3. Elementos de un programa de mejora genética. 16 5.3.1. Objetivos de selección. 17 5.3.2. Criterios de selección. 19 5.3.3. Concepción de un programa de selección. 19 5.3.4. Registro y gestión de datos. 19 5.3.5. Evaluación genética. 20 5.3.6. Selección y acoplamiento. 21 5.3.7. Seguimiento del progreso. 22 5.3.8. Difusión del progreso genético. 23 5.4. El concepto de interacción genotipo x ambiente en sentido amplio. 23 5.5. Interés de la canalización de caracteres para la mejora genética. 24 5.5.1. Agricultura sostenible. 24 5.5.2. Mejora de la calidad de los productos. 25 5.5.3. Globalización y aumento de los intercambios genéticos. 25 5.6. Hipótesis genéticas propuestas para explicar la canalización. 25 5.7. Los modelos matemáticos. 27 5.7.1. Ambientes poco numerosos. 28 5.7.2. Ambientes identificados. 29 Índice 5 5.7.3. Ambientes no identificados. 29 5.8. Se puede realmente seleccionar animales menos variables? 30 5.8.1. Utilización del cruzamiento o selección en raza pura. 30 5.8.2. Variabilidad fenotípica y genética de la robustez de los caracteres; valores 31 5.8.3. Ejemplos de selección canalizante en los animales de granja. 34 5.9. Efecto genético materno y directo. 37 6. MATERIAL Y MÉTODOS. 38 6.1. Índice de selección. 38 6.2. Creación de la población analizada. 40 6.3. Procedimientos realizados en la explotación. 42 6.4. Variables dependientes y explicativas. 48 6.5. Preparación de los datos. 51 7. RESULTADOS 56 8. DISCUSIÓN 82 9. CONCLUSIONES 87 10. BIBLIOGRAFÍA 88 ÍNDICE DE FIGURAS: página Figura 1. Tres modelos genéticos propuestos para explicar las interacciones genotipo x ambiente. 27 Figura 2. Modelos matemáticos que tienen en cuenta las interacciones G x A. 28 Figura 3. Heterogeneidad de las varianzas residuales. 32 Índice 6 Figura 4. Evolución de la desviación típica del peso al nacimiento en selección divergente. 35 Figura 5. Evolución de la desviación típica del pH último del músculo semimembranoso de la canal de cerdo en selección divergente. 36 Figura 6. Representación de la evolución de la selección divergente. 42 Figura7. Vagina artificial. 43 Figura 8. Laboratorio de análisis del semen. 43 Figura 9. Códigos de color y motilidad individual. 43 Figura 10. Escala de motilidad masal. 44 Figura 11. Pajuelas de inseminación. 44 Figura 12. Vaina de inseminación. 44 Figura 13. Jeringa de inseminación. 44 Figura 14. Jaulas individuales de las conejas reproductoras. 45 Figura 15. Gazapos recién nacidos identificados con la pastilla. 45 Figura 16. Procedimiento en el parto. 46 Figura 17. Códigos de color para el tatuaje de los gazapos. 47 Figura 18. Ciclo reproductivo de una hembra de la experiencia. 48 Figura 19.Frecuencia de la variable “mortsv” (SAS). 48 Figura 20. Frecuencia de la variable “sexe” (SAS). 48 Figura 21. Frecuencia de la variable “gestation” (SAS). 49 Figura 22. Frecuencia de la variable “mb_sv” (SAS). 49 Figura 23. Reclasificación de ntot en ntotcl. 50 Figura 24. Reclasificación de mb_nv en tpnais. 50 Figura 25. Reclasificación de sv_nbr en tpsevr. 51 Figura 26. Explotación experimental de Auzeville. 51 Figura 27. Autómata en el momento de la pesada de las hembras en la inseminación. 51 Índice 7 Figura 28. Código numérico de identificación de los conejos de la experiencia. 53 Figura 29. Comando para la realización del proc glm para poids (SAS). 55 Figura 30. Comando para la realización del proc glm para sv_pd (SAS). 55 Figura 31. Comando para la realización del proc glm para mortsv (SAS). 55 Figura 32. Extracto de proc freq entre batch y gener. 63 Figura 33. Gráfico de la media y la desviación entre tipos con madre+útero (poids). 73 Figura 34. Gráfico de la media y la desviación entre tipos con (animal+madre)+útero (poids). 74 Figura 35. Gráfico de la media y la desviación entre tipos con animal+madre+útero (poids). 75 Figura 36. Gráfico de la media y la desviación entre tipos con madre+útero (poids) con ntot. 76 Figura 37. Gráfico de la media y la desviación entre tipos con (animal+madre)+útero (poids) con ntot. 76 Figura 38. Gráfico de la media y la desviación entre tipos con animal+madre+útero (poids) con ntot. 77 Figura 39. Gráfico de la media y la desviación entre tipos con madre+útero (sv_pd). 78 Figura 40. Gráfico de la media y la desviación entre tipos con (animal+madre)+útero (sv_pd). 78 Figura 41. Gráfico de la media y la desviación entre tipos con animal+madre+útero (sv_pd). 79 Figura 42. Gráfico de la media y la desviación entre tipos con madre+útero (mortsv). 80 Figura 43. Gráfico de la media y la desviación entre tipos con (animal+madre)+útero (mortsv). 81 Figura 44. Gráfico de la media y la desviación entre tipos con animal+madre+útero (mortsv). 81 Índice 8 ÍNDICE DE TABLAS: página Tabla 1. Heredabilidad de la media y de la variabilidad de caracteres en diversas experiencias. 33 Tabla 2. Número de machos y hembras de cada tipo seleccionados en cada generación. 41 Tabla 3. Resultado general del proc glm para poids (SAS). 56 Tabla 4. Extracto de la tabla de salida del proc glm para poids (SAS). 57 Tabla 5. Resultado general del proc glm para sv_pd (SAS). 58 Tabla 6. Extracto de la tabla de salida del proc glm para sv_pd (SAS). 59 Tabla 7. Resultado general del proc glm para mortsv (SAS). 61 Tabla 8. Extracto de la tabla de salida del proc glm para mortsv (SAS). 62 Tabla 9. Esperanza, Varianza y Covarianza de padre y madre para el modelo (padre+madre)+útero. 65 Tabla 10. Esperanza, Varianza y Covarianza de padre y madre para el modelo (animal+madre)+útero. 65 Tabla 11. Resumen de las salidas .asr y .pvc para poids (ASREML). 69 Tabla 12. Resumen de las salidas .asr y .pvc para sv_pd (ASREML). 70 Tabla 13. Resumen de las salidas .asr y .pvc para mortsv (ASREML). 71 Resumen 9 1. RESUMEN El objetivo de este proyecto fue analizar el peso del conejo como un efecto directo y materno al mismo tiempo. En el modelo utilizado para la selección canalizante el peso del conejo se considera como un carácter de la madre. Pero sabemos que hay un efecto directo y un efecto maternal. El objetivo es saber si los análisis y el método adoptado por los seleccionadores presenta una desviación respecto a los análisis hechos teniendo en cuenta tanto los efectos directos como los maternos. Para comprobar esto se han tomado datos durante 13 generaciones de selección divergente. Se realizó una experiencia de selección divergente sobre la variabilidad intra-camada del peso de los gazapos al nacimiento en el INRA de Toulouse (Francia). Se seleccionaron dos líneas divergentes a partir de la variedad AGP22 (Grimaud Frères Sélection). Esta selección canalizante implica un nuevo modelo incluyendo un valor genético para la media del carácter y un valor genético para la variabilidad ambiental. Hay una divergencia significativa de la desviación típica del peso del gazapo intracamada entre líneas seleccionadas para disminuir (tipo 1) y aumentar (tipo 2) la homogeneidad de la camada. Tras trece generaciones de selección canalizante, se analizaron los datos encontrando diferentes parámetros responsables de la variación del peso al nacimiento, del peso al destete y de la mortalidad entre el nacimiento y el destete. También se analizaron diferentes modelos genéticos, demostrando que ignorar los efectos directos en el modelo que contiene efectos directos y maternos puede tener un impacto muy importante en la estimación de los parámetros genéticos, aunque parece tener poca influencia en la estimación de los valores medios de las diferentes líneas. Revisión bibliográfica 16 competencias e instalaciones son a menudo inadecuadas para realizar la IA de manera eficaz. El ganadero debe de poder detectar los periodos de estro y contactar con el centro de distribución de semen quien a la vez debe tener disponibilidad para intervenir en los momentos necesarios sin tardanza. Para los sistemas de producción extensivos se trata de un proceso en el que es necesaria mucha mano de obra y por ello la IA se utiliza poco. 5.3. Elementos de un programa de mejora genética. Los elementos necesarios para la puesta en marcha de un programa de mejora genética dependen de la estrategia global. La primera decisión a tomar está ligada a la elección entre las tres estrategias posibles: el reemplazamiento de una raza por otra, la selección dentro de una raza o línea y la mejora por cruzamiento (Simm, 1998). La opción más radical es el la sustitución de una raza por otra genéticamente superior, que puede hacerse de una sola vez (si el coste se puede abordar, como para las aves) o gradualmente mediante cruzamientos repetidos con una raza superior (grandes animales). El cruce, el segundo método más rápido, tiene las ventajas de la heterosis y de la complementariedad entre las características raciales. Los sistemas convencionales de cruzamiento (sistemas en rotación y sistemas basados en los machos terminales) han sido muy discutidos (por ej. Gregory y Cundiff, 1980). Se ha sugerido como forma alternativa de cruzamiento el acoplamiento entre animales de razas compuestas recién establecidas (Dickerson, 1969; 1972). El tercer método, la selección intra-racial, es el que conlleva la mejora genética más lenta, sobre todo si el intervalo de generación es amplio. Sin embargo esta mejora es permanente y acumulativa. Gracias a su lentitud, la mejora intra-racial permite a los organismos que intervienen adaptar su sistema de producción a la evolución de la población. Mientras los caracteres de interés son numerosos, y/o algunos antagonistas, diferentes líneas pueden ser creadas y mantenidas por la selección dentro en esa misma línea. Estas líneas pueden ser cruzadas a continuación para producir animales comerciales (usado en porcinos y aves). La puesta en marcha de un programa de selección implica la definición de un objetivo de selección (Groen, 2000) y la concepción de un programa capaz de aportar un progreso genético según este objetivo. En términos prácticos el programa implica la gestión de personas y recursos y la aplicación de principios de genética y de selección animal (Falconer y Mackay, 1996). Cada aspecto del programa de selección implica numerosos procesos, individuos y a veces instituciones. El éxito depende de la manera en la que los recursos disponibles son administrados para alcanzar el objetivo. Revisión bibliográfica 17 Los actores implicados en un programa de selección son todos aquellos afectados de una manera u otra por su éxito, que son: los criadores seleccionadores, los multiplicadores de los animales seleccionados (p.e. los productores de animales de cria), los consumidores finales del producto y también las empresas que intervienen directa o indirectamente en la fabricación, transformación o comercialización del producto. Hay que añadir también los organismos de regulación estatal, regional o provincial, los organismos técnicos de control y las organizaciones empleadas para la puesta en marcha del programa. La mayor parte de los programas tienen una estructura piramidal ( Simm, 1998), con diferentes niveles según la complejidad del programa. En la cumbre de la pirámide se encuentra el núcleo donde se concentran la selección y la reproducción de los animales de élite. La multiplicación de los efectivos se produce en niveles intermedios y es necesaria mientras el número de animales de élite es insuficiente para satisfacer las demandas de los criadores comerciales. El nivel base comprende las unidades o granjas comerciales que realizan la producción final a partir de reproductores provenientes de organismos multiplicadores. Las actividades que constituyen un programa de selección pueden resumirse en ocho etapas principales (Simm, 1998): - Elección del objetivo de selección. - Elección de criterios de selección. - Concepción del plan de selección. - Control de mejoras de los animales. - Evaluación genética de los animales. - Selección y reproducción de los animales seleccionados. - Seguimiento del progreso genético. - Difusión de la mejora genética. Estas etapas están descritas en los subcapítulos siguientes. Sin embargo es importante saber que la planificación, la puesta en marcha y la evaluación forman un proceso continuo, y los elementos deberían abordarse de manera interactiva mejor que por etapas. Otro elemento crítico es la necesidad de documentar en detalle todas las partes del plan de selección y su ejecución en el tiempo. 5.3.1. Objetivos de selección. Revisión bibliográfica 18 El objetivo de selección es la lista de caracteres a mejorar genéticamente. Debería estar en concordancia con los objetivos nacionales de desarrollo agrícola, y apropiado al sistema de producción para el que está definido y a las razas adaptadas al sistema de producción. Los objetivos de desarrollo de un país para la producción agrícola incluyen tradicionalmente variables económicas pero deberían ampliarse para incluir aspectos de ética y de bienestar animal así como aspectos sociales y medioambientales. Existen diferentes herramientas para determinar el objetivo óptimo, la más común es la utilidad del mismo. En teoría la utilidad es directa, sobre todo en caso de programas de selección intra-racial, ya que se trata de una función lineal de valores económicos relativos a los caracteres a mejorar. En la práctica, sin embargo, no es fácil obtener estos valores económicos en parte porque pueden variar en el tiempo y en el espacio, también porque es difícil atribuir un valor económico a ciertos aspectos de los objetivos (p.e. el bienestar animal), además los criadores definen la dirección del cambio de una manera empírica basada en las demandas y las preferencias percibidas del mercado. Amer (2006) presenta otras herramientas para la formulación de los objetivos de selección como el modelo bioeconómico y el modelo de flujo de genes. Para numerosas especies de animales de producción los caracteres de importancia económica son los que afectan a la productividad, la longevidad, la salud y la capacidad de reproducción de los animales. Para la mayor parte de los caracteres, el objetivo de mejora es modificar la media del carácter al alza (longevidad, velocidad de crecimiento, etc.) o a la baja (mortalidad, materia grasa en la carne) pero para algunos caracteres el objetivo es alcanzar un valor intermedio. Pharo y Pharo (2005) llaman a estas alternativas, respectivamente, la selección en función de la “dirección” y en función de la utilidad, un ejemplo es el peso de los huevos en las gallinas ponedoras. El mercado valora los huevos en un intervalo de peso específico (p.e. entre 55 y 70 g ). Los huevos más pequeños no pueden venderse y no hay ninguna prima destinada a los huevos más grandes. El tamaño de los huevos es inversamente proporcional al número de huevos, a la solidez de la cáscara y a la tasa de eclosión, de modo que la selección para unos huevos más grandes no sólo es una pérdida de la intensidad de selección sino que además es contraproducente. Otro ejemplo es el tamaño corporal, para los animales de carne el tamaño al sacrificio es determinante para su valor. El tamaño tiene un efecto mayor sobre las exigencias nutricionales debido al aumento de las necesidades de cuidado. Puede igualmente afectar la productividad al destete, que es un determinante de la eficacia biológica y de la rentabilidad. El tamaño está asociado a los costes y a los beneficios, es difícil establecer un valor óptimo, sobre todo en los sistemas basados en el pastoreo, debido a la dificultad que conlleva una descripción adecuada del aporte forrajero. Otra consideración a tener en cuenta, es que en la mayoría de los mataderos son reacios a coger animales teniendo un peso de canal o vivo fuera de la horquilla fijada. Revisión bibliográfica 19 La elección del objetivo de selección puede ser una actividad puntual o una actividad revisada periódicamente. La decisión es tomada por los seleccionadores gracias al aporte de información de los diferentes niveles de la pirámide de selección. 5.3.2. Criterios de selección. Los criterios de selección son utilizados para estudiar el valor genético de los animales y elegir aquellos que deben ser progenitores de la generación siguiente. Esta elección implica la creación de un “índice de selección”. Los criterios son las medidas realizadas sobre los animales candidatos y sus parientes que son ponderadas con coeficientes calculados para maximizar la correlación entre el índice y los objetivos de selección. Hay que remarcar que ciertos caracteres de los objetivos de selección pueden ser diferentes de los criterios que han sido utilizados para crear el índice de selección, por ejemplo los cerdos son seleccionados según el engrasamiento de sus canales que es un carácter del objetivo de selección. Sin embargo este engrasamiento no puede ser controlado en los candidatos a la selección ya que habría que sacrificarlos. El criterio utilizado en este caso es el espesor de grasa subcutánea que se mide por ultrasonidos. Mientras es difícil o costoso obtener información sobre la relación entre animales y los caracteres son suficientemente heredables, la selección puede basarse en la mejora individual (selección masal). 5.3.3. Concepción de un programa de selección. La evaluación económica forma parte del proceso de concepción de un esquema de mejora genética. Esta evaluación debe realizarse antes de la puesta en marcha del esquema, pero también a lo largo de su desarrollo para evaluar el cambio obtenido. Las decisiones sobre las inversiones en el programa de selección deberían ser evaluadas respecto a tres elementos que contribuyen al progreso genético: la intensidad de selección, la precisión de selección y el intervalo de generación. Los parámetros genéticos de los caracteres de la población concernida, como la heredabilidad y la variedad fenotípica de los caracteres, son necesarios para concebir y optimizar el esquema. 5.3.4. Registro y gestión de datos. El registro de datos de los caracteres y las genealogías es el motor de la mejora genética. Un número abundante de medidas precisas permite una selección eficaz. De todos modos, en la práctica los recursos son limitados y la cuestión entonces es la siguiente: ¿qué caracteres deben ser medidos y sobre qué animales?. La elección de criterios depende de su facilidad de medición y del coste de la misma pero también, y sobre todo, de los parámetros genéticos de estos criterios y de su correlación con el objetivo. La Revisión bibliográfica 20 toma de datos sobre los que basar la selección es una componente clave de todo programa de selección y se debería de considerar así más que como un subproducto de los sistemas de registro de datos concebidos principalmente para soportar la gestión a corto plazo (Bichard, 2002). La tarea de recoger, agrupar y usar los datos para la evaluación genética necesita una buena organización y recursos considerables (Wickham, 2005; Olori et al., 2005). En numerosos casos hay que utilizar planes especiales para generar y guardar los datos tomados. El coste y la complejidad de estos planes varían según el tipo de organización de selección, el tipo de caracteres y el tipo de testaje. Por ejemplo cuando el peso de los animales vivos es el carácter de interés sólo necesitamos una balanza, pero si el objetivo es la eficacia alimentaria hará falta un material más sofisticado para medir el consumo individual. A veces la información de interés no puede ser medida directamente en el candidato a la selección sea porque la expresión del carácter está limitada por el sexo, como es el caso de la producción de leche, o porque los caracteres pueden ser tomados únicamente tras la muerte del animal (por ejemplo la composición de la canal). En estas circunstancias se necesita una toma indirecta sobre individuos emparentados (test sobre la descendencia y/o hermanos). La medida sobre individuos emparentados es igualmente útil para los caracteres de baja heredabilidad, que demandan varias repeticiones para evaluar el sujeto con precisión. El test sobre la descendencia hace referencia a un plan en el que un sujeto es evaluado respecto a la base de datos obtenidos de su descendencia. Está principalmente asociado a los machos (Willis, 1991), ya que es más fácil generar un gran número de descendientes de un solo macho que de una sola hembra. Además de los datos, la evaluación genética necesita informaciones genealógicas. La calidad de la información genealógica depende de su profundidad y de su exhaustividad. Para los esquemas que utilizan varias poblaciones, teniendo los recursos disponibles, es ventajoso y rentable tener una base de datos centralizada con un acceso compartido (Wickham, 2005; Olori et al., 2005). Las informaciones completas sobre la gestión proveniente de este tipo de sistema necesitan la participación de los criadores en la toma de datos. Los programas a nivel nacional requieren incluso un departamento especializado utilizando tecnologías modernas de información (Grogan, 2005; Olori et al., 2005). Sin embargo, los esquemas basados en una sola población necesitan un ordenador personal con tablas adecuadas, un software para la gestión de datos, la evaluación genética y el establecimiento de relaciones. 5.3.5. Evaluación genética. La evaluación genética, actividad fundamental para todo programa de selección, tiene por objetivo separar la contribución medioambiental en el fenotipo. Esta evaluación genética debe ser fiable. La metodología BLUP se ha convertido en el método estándar Revisión bibliográfica 21 para casi todas las especies; está aplicada a una gran variedad de modelos y de caracteres. La evaluación debe igualmente estar disponible a tiempo para utilizar mejor la inversión efectuada en la toma y gestión de datos. La evaluación interpoblacional tiene la ventaja de permitir comparaciones equitativas de los valores genéticos estimados en las diferentes poblaciones. Para esto los lazos genéticos entre poblaciones son esenciales. Para utilizar informaciones de poblaciones diferentes hace falta disponer de una estructura organizativa adecuada lo que puede alcanzarse mediante una estrecha colaboración entre criadores, sus asociaciones y los gerentes del esquema de selección (control de mejoras, indicadores, etc.). Es esencial tener una identificación única de todos los animales que participan en el programa de selección. Los resultados de las predicciones genéticas (valores genéticos estimados e índices globales) son normalmente anotados en los certificados de identificación de los animales y recopilados en los catálogos de venta de reproductores o de semen. Esto significa que los usuarios finales (criadores productores) deben comprender los VGE (valor genético estimado) y saber cómo utilizarlos. Es inútil realizar una evaluación genética si los resultados no son explotados por estos usuarios. Una unidad típica de evaluación genética requiere personal cualificado y recursos materiales adecuados para realizar el análisis de datos, la evaluación y producir informes adecuados facilitando la toma de decisiones para la selección. Numerosos programas de selección a gran escala poseen una unidad interna destinada a la evaluación genética. A pesar de esto, numerosas universidades o centros de investigación realizan la evaluación genética para los programas de selección nacionales o regionales. Estos servicios pueden ocuparse de varias razas o especies diferentes ya que el principio de la evaluación genética y los programas implicados son similares. 5.3.6. Selección y acoplamiento. Para maximizar la intensidad de selección se debería seleccionar el mínimo número posible de reproductores de cada sexo. El único inconveniente sería el número de animales necesario para asegurar la reproducción de la población manteniendo una variabilidad genética importante. Se seleccionan, habitualmente, muchos menos machos reproductores que hembras ya que la tasa de reproducción de aquellos es mucho más elevada que la de estas. Los candidatos a la selección pueden ser de edades diferentes y por consiguiente las informaciones de cada uno pueden ser diferentes. Por ejemplo, los machos más viejos suelen tener un test sobre la descendencia, mientras que para los más jóvenes, sus propias características o las de su madre o hermanos serán la única información disponible. Utilizando el BLUP estos candidatos pueden ser fácilmente comparados. Revisión bibliográfica 22 Está suficientemente probado que la utilización de informaciones sobre la familia, como en el BLUP, aumenta la probabilidad de co-selección de familiares próximos que, a su vez, conlleva un aumento de la consanguinidad. Diferentes métodos son utilizados para reducir la consanguinidad, manteniendo elevadas tasas de mejora genética. Todos estos métodos se basan en el mismo principio que es reducir la relación media entre los sujetos seleccionados. Se han elaborado programas informáticos para optimizar la toma de decisiones sobre la selección de una determinada lista de candidatos con sus informaciones genealógicas y sus VGE. Los métodos para controlar la consanguinidad son: la selección de un número suficiente de machos (la tasa de consanguinidad depende del tamaño efectivo de la población), no sobreexplotar los machos de la población, limitar el número de familiares próximos seleccionados (sobre todo el número de machos seleccionados por familia), limitar el número de hembras acopladas a cada macho y evitar el acoplamiento entre hermanos o hermanastros. Estas reglas simples son bastante eficaces para mantener un bajo nivel de consanguinidad. El acoplamiento de los animales seccionados puede ser aleatorio o no aleatorio. Si no lo es, los mejores machos seleccionados se acoplan con las mejores hembras seleccionadas, esto es lo que llamamos “acoplamiento preferencial”. El valor genético medio de la descendencia nacida en la generación siguiente no cambia pero la varianza, a nivel de la descendencia, será más importante. Mientras los caracteres múltiples son incluidos en el objetivo de selección, el acoplamiento preferencial puede ser útil reagrupando las cualidades de diferentes individuos para distintos caracteres. Toda estrategia de acoplamiento exige unas instalaciones adecuadas. Con la monta natural, los animales a acoplar deben estar en el mismo emplazamiento pero separados de otros animales en edad de reproducción. La IA puede ser utilizada pero necesita una vasta gama de recursos y competencias (colecta de semen, congelación y/o almacenamiento e inseminación). 5.3.7. Seguimiento del progreso. El seguimiento implica la evaluación periódica del programa según el progreso realizado en función del objetivo. Si es necesario, puede llevar a una revaluación del objetivo y/o de la estrategia de la selección. El seguimiento también es importante para la detección precoz de efectos no deseados durante el proceso de selección, por ejemplo el aumento de sensibilidad a enfermedades o la reducción de la variabilidad genética. Para evaluar el progreso las evoluciones fenotípicas y genéticas normalmente se obtienen mediante una simple regresión de valores simples anuales con relación al año de nacimiento. Además de esta información los criadores realizan controles de mejora regulares, internos y externos. Un plan de control externo debe tener en cuenta una amplia gama de entornos de producción para asegurar que los animales seleccionados puedan producir correctamente en condiciones muy diferentes. Otras fuentes de Revisión bibliográfica 23 información, probablemente más importantes, son los resultados de la puesta en práctica y la información de los criadores productores. A fin de cuentas estos usuarios de la selección son los que mejor pueden juzgar el trabajo efectuado. 5.3.8. Difusión del progreso genético. El valor de los animales genéticamente superiores está limitado si no se destinan de manera eficaz a la mejora de toda la población. El gran impacto de la mejora genética depende de la difusión del material genético. Las tecnologías de reproducción, particularmente la IA, son muy importantes en este ámbito. Se deberían aplicar los elementos anteriormente descritos incluso con unas condiciones de base. Las estructuras de selección no necesitan sistemas complejos de toma de datos y evaluación genética ni, inicialmente, el uso de tecnologías de reproducción. La estructura de selección debería establecerse según lo posible y óptimo. Las restricciones medioambientales o ligadas a infraestructuras, las tradiciones y las condiciones socioeconómicas deben tomarse en consideración en la planificación de los programas de selección. 5.4. El concepto de interacción genotipo x ambiente en sentido amplio. El efecto de un factor medioambiental sobre un fenotipo es diferente en función del genotipo, desde el punto de vista estadístico hay una interacción entre los genotipos y los diferentes ambientes. El valor fenotípico (P) de un individuo ya no es simplemente la suma de los efectos genéticos (G) y ambientales (E), es decir P = G + E, sino que incluye un término de interacción (IGE), es decir P = G + E + IGE. Esto añade un tipo de varianza suplementaria a la varianza fenotípica (VP) igual a VG + VE en el primer caso y VG + VE + VI en el segundo caso. Este concepto de interacción entre genotipo y ambiente (G x E ) ha sido muy estudiado, sobre todo en el mundo de la mejora de plantas (Freeman, 1973). La hipótesis biológica más simple para explicar las interacciones G x E, es que los genes que controlan un carácter son parciamente diferentes según los medios en los que se exprimen. Un concepto más amplio de las interacciones G x E lleva a otras hipótesis genéticas como la existencia de genes que controlan la sensibilidad a las variaciones medioambientales. La robustez, definida como la sensibilidad a las variaciones del medio en el que se exprime un fenotipo, forma parte de este concepto en sentido amplio. En 1940, Waddington creó el concepto de canalización para describir el aumento de la robustez de un fenotipo respecto a perturbaciones genéticas o ambientales. Distingue la canalización genética, que agrupa los procesos que amortiguan los efectos de las mutaciones alélicas, y la canalización medioambiental que agrupa los procesos que amortiguan los efectos medioambientales (Waddington, 1940). Este concepto está Revisión bibliográfica 24 relacionado al de la plasticidad, que considera el ajuste de los genotipos en función del ambiente, y al de la estabilidad del desarrollo que se basa en los mecanismos que mantienen un fenotipo constante a pesar de pequeñas variaciones aleatorias del desarrollo. Tal como la define este autor, la robustez es la capacidad de mantener una producción específica a un nivel relativamente estable en diferentes ambientes. Esto está ligado a un fenotipo particular y por lo tanto a una producción particular. Para el genetista cuantitativo esto significa el mantenimiento de la expresión de un carácter dado (p.e.: producción de leche, crecimiento,….) de manera estable y poco dependiente de las condiciones medioambientales. Aunque Waddington (1940) haya asociado estrechamente los términos de canalización y de robustez, hoy en día podemos definir más específicamente la canalización como la acción de seleccionar para disminuir la sensibilidad a las variaciones medioambientales y modificar la media de un carácter hacia un valor determinado. Se han desarrollado diferentes criterios de selección asociando estas dos características (San CristobalGaudy et al., 1998a), pero la manera de combinarlos presenta cierto número de problemas que no están totalmente resueltos, como por ejemplo la optimización realizada a lo largo de varias generaciones de las ponderaciones atribuidas a la selección sobre la media y sobre la variabilidad. 5.5. Interés de la canalización de caracteres para la mejora genética. Numerosos argumentos están a favor de tener en cuenta la canalización de ciertos caracteres en los esquemas actuales de mejora genética.La selección orientada a aumentar la media de un carácter no es siempre el único objetivo. El aumento de la media generado por la respuesta a la selección o por mejoras de las técnicas de producción a veces concluye en un nivel óptimo desde el punto de vista biológico o económico. Es el caso de la prolificidad de ciertas razas ovinas que presenta un óptimo variable según los sistemas y condiciones de producción. En la raza Lacaune este óptimo es aproximadamente dos corderos por parto. Si es mayor, el bajo peso al nacer, su menor velocidad de crecimiento y una mortalidad más alta no compensan este aumento. Una vez alcanzado el óptimo, los criadores buscan homogeneizar al máximo el tamaño de la camada. Otros numerosos caracteres como el peso de canal de los pollos de engorde, el peso del hígado de pato, el peso adulto de los caracoles, así como la aptitud a la dominancia social o la intensidad de las reacciones de estrés en las aves, presentan también un óptimo medio hacia el cual conviene canalizar la producción. 5.5.1. Agricultura sostenible. La puesta en marcha de una agricultura sostenible debe movilizar sistemas de producción en los que el ambiente sea menos restrictivo y controlado, de este modo dan lugar a producciones más variables. Para conservar una producción homogénea, conviene encontrar nuevos medios capaces de asegurar la estabilidad de la producción a Revisión bibliográfica 25 pesar de la existencia de inconvenientes en el ambiente. La mejora genética, técnica bastante respetuosa con los imperativos del desarrollo sostenible, tiene un nuevo papel importante en este contexto. Uno de sus nuevos desafíos es transferir el control de los efectos del medioambiente mediante el sistema de producción al control por el propio animal. 5.5.2. Mejora de la calidad de los productos. En numerosas situaciones la homogeneidad de los productos es un factor de calidad. La industria o el mercado permiten su clasificación y su asignación a diferentes clases. Por ejemplo, las canales de pollo demasiado pesadas o demasiado ligeras corren el riesgo de ser dañadas durante el sacrificio. La clasificación de productos (en función de su tamaño, peso…..) puede ser realizada por el sector comercial pero es costosa y es más interesante que las producciones sean naturalmente homogéneas. 5.5.3. Globalización y aumento de los intercambios genéticos. En un contexto de globalización y de expansión de los medios de producción, los mejores reproductores son aquellos que aseguran una producción elevada en todos los ambientes. Incluso si la combinación óptima (que no es obligatoriamente económica, pero puede ser también social o política) debería tener en cuenta el interés de las producciones en cada ambiente, es más probable que los reproductores menos sensibles a las variaciones ambientales sean los que más ventajosos. Cuanto más extendidos y variados sean los medios de difusión de los reproductores mejor deberá ser la robustez de los caracteres por los que han sido seleccionados. 5.6. Hipótesis genéticas propuestas para explicar la canalización. Scheiner y Lyman (1991) (Figura 1) recuerdan tres hipótesis poligénicas que han sido propuestas para explicar la canalización de un carácter y muestran las consecuencias que tendrían respectivamente la selección direccional y la selección canalizante según cada hipótesis: - El modelo de “sobredominancia” propuesto por Lerner (1954), Gillespie y Turelli (1989) supone que las modificaciones de los fenotipos en los diferentes medios están en función del número de locus heterocigotos. La heterocigosis ofrece una amplia elección de vías metabólicas para responder a las demandas del medio, y los individuos con un grado de homocigosis fuerte son menos estables que los heterocigotos que poseen una mayor capacidad de adaptación. La selección direccional, que tiende a fijar los alelos y a aumentar la homocigosis, conduciría según esta hipótesis a una disminución de la robustez. - El modelo “pleiotrópico” se basa en la hipótesis de una expresión diferente de los genes en distintos ambientes. Según esta hipótesis, avanzada por Falconer y Mackay (1996), la respuesta a una selección canalizante sería débil pero la selección direccional Revisión bibliográfica 32 Figura 3. Heterogeneidad de las varianzas residuales. Se han estimado los parámetros genéticos de la robustez de varios caracteres. Sean cuales sean las especies y los métodos de estimación, la varianza genética aditiva de la robustez de los caracteres es siempre mucho más débil que la de la media de esos mismos caracteres, pero es también significativamente diferente de cero. Las heredabilidades estimadas son siempre muy bajas (Tabla 1) pero su significado no se puede comparar al de la media de los caracteres; no tienen la propiedad de ser el coeficiente de regresión del valor genético aditivo en el valor fenotípico. Revisión bibliográfica 33 El conjunto de estos estudios muestra que existe una gran parte genética no despreciable en la heterogeneidad de la varianza residual de numerosos caracteres. Esta heterogeneidad puede ser interpretada como una variabilidad genética de la sensibilidad medioambiental de manera que los genotipos más sensibles a las microvariaciones del entorno (modificaciones marginales de temperatura, de la alimentación, causas de estrés) presentan varianzas residuales más grandes que los genotipos menos sensibles a estas mismas variaciones. De manera general, la plasticidad y la canalización natural de ciertos caracteres pueden ser explicadas como un control genético de la sensibilidad a las variaciones medioambientales mientras que el fitness depende de la capacidad de adaptarse o del control de la expresión fenotípica; en efecto, la variabilidad o la estabilidad de la expresión del carácter está directamente seleccionada. EL interés de incluir la canalización de un carácter en el objetivo de selección no depende únicamente de la heredabilidad de su variabilidad. Las ponderaciones de cada carácter (media y variabilidad) en el índice global y sus correlaciones genéticas con los otros caracteres de interés (seleccionados o no) son también determinantes. Si la estimación de las correlaciones genéticas entre caracteres es delicada, es todavía mas complicada entre la media de un carácter y su variabilidad. En efecto, más allá del lazo biológico entre dos variables, existe una relación matemática que une la media de un carácter a su varianza, lo que añade una complejidad suplementaria. Entre las estimaciones de correlaciones publicadas, algunas son próximas a 1 (Gutierrez et al., Revisión bibliográfica 34 2006) y son en parte explicadas por la existencia de esta relación matemática o factor de escala. Recientemente, Yang et al. (2009) propusieron un método de búsqueda y de corrección del factor de escala en un análisis de datos para la canalización utilizando una transformación Box-Cox. Esta transformación disminuye fuertemente la correlación pero aumenta su incertitud de manera importante. Al contrario, otras estimaciones son cercanas a cero (Garreau et al., 2006). Estos resultados poco coherentes muestran las dificultades de estimación de los parámetros de tales modelos. Es difícil calcular de manera analítica la esperanza del progreso genético realizable en el ámbito de una selección para reducir la sensibilidad de un carácter a las microvariaciones medioambientales y canalizarlo hacia un valor óptimo. Para optimizar la respuesta global se debe buscar un procedimiento dinámico que asegure a cada generación las mejores ponderaciones de la media y la variabilidad, teniendo en cuenta el número de generaciones previstas, la cantidad de información y todos los parámetros genéticos y económicos. Algunos autores han propuesto soluciones y han mostrado, por ejemplo, que sería posible obtener en una generación de selección una reducción de 20 a 30 % de la varianza ambiental del peso de los pollos hembras de unos 45 días seleccionando únicamente sobre este carácter (Mulder et al., 2009). Sin embargo, las incertitudes restantes y los problemas que genera la estimación de esta respuesta dan mucho interés a los resultados de diversas experiencias de selección. 5.8.3. Ejemplos de selección canalizante en los animales de granja. Hemos visto que numerosas experiencias de selección canalizante han sido realizadas con especies de laboratorio, mientras que para los animales de producción hay muy pocas experiencias publicadas a día de hoy. Los resultados de dos de estas experiencias se muestran a continuación. a) Canalización del peso al nacimiento en conejos. Esta experiencia, sobre la cual se ha hecho este estudio de validación de la estimación de valores genéticos, es una experiencia de selección divergente sobre la variabilidad del peso al nacimiento intra-camada de los gazapos que comenzó en el año 2002 para estudiar las posibilidades de una selección canalizante y medir las respuestas directas e indirectas, sobre todo en la mortinatalidad (Garreau et al., 2008). Se constituyeron dos líneas de alrededor de cien hembras cada una a partir de una variedad comercial indexada sobre la variabilidad intra-camada del peso al nacimiento de los gazapos. El carácter se atribuyó a las hembras criadas en bandas, las cuales siguieron tres inseminaciones artificiales (por lo tanto tres camadas máximo) registrando datos para cada individuo. La evaluación genética, efectuada para cada generación según un modelo estructural simplificado, proporcionó valores individuales del peso medio de la camada y de su variabilidad. La figura 4 muestra la distribución regular de la desviación típica del peso al nacimiento durante las 10 primeras generaciones. Tras estas diez Revisión bibliográfica 35 generaciones de selección, la desviación típica de este peso fué de 7,34 gramos en la línea homogénea contra 11,26 gramos en la línea heterogénea (P= 0,01). A lo largo de este periodo, la desviación típica fenotípica de la línea homogénea ha disminuido un 16%. Una estimación reciente de los parámetros genéticos en esta población muestra que las varianzas genéticas aditivas para el peso al nacimiento de los gazapos y su variabilidad son significativamente diferentes de cero. La correlación entre estas dos variables es próxima a cero, lo que explica la ausencia de evolución significativa del peso al nacimiento. Desde la cuarta generación de selección, la mortalidad de los gazapos entre el nacimiento y el destete era significativamente más baja en la línea homogénea (17,7 frente a 32,7 por ciento). También se ha observado que los cuernos uterinos eran significativamente más largos y presentaban una capacidad de elongación más importante en la línea homogénea (Bolet et al., 2007). Desde la quinta generación esta experiencia ha mostrado que la selección canalizante de un carácter era posible y podía ser eficaz. Esta selección se practica ahora en rutina por el propietario de la variedad de conejos obtenida. Figura 4. Evolución de la desviación típica del peso al nacimiento en selección divergente. b) Canalización del pH último de la carne de cerdo. El pH último del músculo medido tras 24 horas tras el sacrificio es un factor importante de la calidad tecnológica de la carne de cerdo, utilizado como criterio para clasificar Revisión bibliográfica 36 jamones antes de su transformación. Análisis anteriores habían mostrado que la variabilidad intra-familia de este fenotipo variaba de 1 a 10 según las familias paternales en la raza Large White (San Cristobal-Gaudy et al., 1998b). Con fines de demostración, se ha llevado a cabo una selección divergente en líneas abiertas en esta raza para la cual un control en rutina del pH último de la canal permite estimar cada año los valores genéticos de unos 300 cerdos para el pH último y su variabilidad. En cada generación, seis machos con un valor medio próximo del óptimo (pH = 5,7) pero con valores extremos para la variabilidad del pH último del músculo semimembranoso (3 “homogéneos” y 3 “heterogéneos”) servían para inseminar cada uno seis hembras de las líneas alta y baja de la unidad experimental INRA de Bourges. Los lechones obtenidos de estas hembras eran criados y sacrificados para medir el pH último de sus músculos semimembranosos. En cada línea una hembra era retenida, al azar, para reemplazar a su madre. Este tipo de esquema abierto permite acumular rápidamente los genes favorables detectados en una línea. Según el objetivo buscado, el pH último medio no ha evolucionado a lo largo de las generaciones de selección, sin embargo la desviación típica de este carácter era más baja en la línea homogénea que en la heterogénea para las generaciones 2 y 3 (figura 5, Larzul et al., 2006). Desgraciadamente este resultado no ha sido confirmado en las generaciones siguientes, o la incoherencia de ciertos parámetros ha hecho sospechar de un factor desconocido no controlado. Figura 5. Evolución de la desviación típica del pH último del músculo semimembranoso de la canal de cerdo en selección divergente. Revisión bibliográfica 37 5.9. Efecto genético materno y directo. Desde hace años, cuando se elabora un modelo genético para analizar los efectos sobre una variable y estimar valores genéticos de diferentes caracteres, se subestima el efecto genético materno, y no se utiliza para hacer este tipo de análisis. Pero según algunos estudios, como el de Clément et al. (2001), muestran que si el efecto genético materno es subestimado, el efecto genético directo está sobrestimado, a veces el efecto directo sin tener en cuenta el efecto materno, puede aumentar más del doble que con el efecto materno en el modelo. Por lo que hay claramente un efecto materno que no se puede despreciar. Para tener los efectos directos y maternos no desviados hace falta tener un pedigrí importante y completo, con más de 7 generaciones, y que todas las generaciones sean desarrolladas en el mismo lugar, y el mismo ambiente exterior, para que no haya interacciones entre efectos de diferentes ambientes. Una de las principales razones que causan el desvío de las estimaciones de los factores de varianza, es la mala estructuración del fichero de datos. Es por esto que durante todo el experimento hay que tener planificado un buen procedimiento de toma de datos de los individuos. Para tener buenos resultados también se ha de organizar un buen plan de selección y de inseminación. En caso contrario, se obtendrá una matriz del pedigrí incompleta para poder hacer las relaciones de parentesco entre los individuos y va a conllevar a una falta de conectividad genética, Clément et al. (2001). Diaz et al. (1995) y Eccleston (1978) han hallado que la falta de conexión en el fichero de parentesco afectaba solamente a la precisión de la estimación para los efectos directos. Material y métodos 38 6. MATERIAL Y MÉTODOS. Se trabajó con los datos obtenidos de trece generaciones de conejos, cogiendo sólo las tres primeras camadas de cada coneja y generación. La población de base provenía de la variedad AGP22 obtenida por la sociedad criadora Grimaud, Frères Sélection (GFS), a partir de la cual se realizó la selección divergente. La línea de esta experiencia, para diferenciarla de la línea AGP22, fue llamada GD22. Esta variedad (AGP22) se seleccionó por el tamaño de camada al nacimiento con selección de masa de 1997 a 2002, y utilizando la metodología BLUP. Las hembras fueron criadas en celdas individuales siguiendo prácticas habituales de gestión por lotes. Todas las hembras se inseminaron a la misma hora cada 6 semanas. En esta línea, se observó el peso al nacimiento y la fecha de nacimiento. No había ninguna identificación individual de los conejos al nacimiento por lo que el peso de los gazapos se consideró como un valor repetido de la madre. Los conejos recién nacidos se pesaron en las 24 horas después de su nacimiento. Se han anotado 29207 pesos al nacimiento provenientes de 3237 camadas de 1038 hembras en el núcleo AGP22 desde el año 1997. La media del peso al nacimiento era de 58 gramos y la desviación típica de 13 gramos. Los datos se utilizaron para estimar los parámetros genéticos y para calcular los valores estimados. 6.1. Índice de selección. La estimación de la variabilidad ambiental del peso al nacimiento se ha realizado en dos etapas. Los índices de selección han sido obtenidos de este modo: para empezar, se ha hecho un modelo linear mixto sobre el peso al nacimiento. WBijklmnop es el peso al nacimiento de un individuo p de madre n. YMi es el efecto fijo según el año y el mes de nacimiento (51 clases). LSj es el efecto fijo según el tamaño total de la camada j (7 clases: 1-3, 4-5, 6-7, 8-9, 10-11, 12-13, y mayor que 13). GLk es el efecto fijo debido a la clase k de la duración de la gestación (4 clases: 30, 31, 32, 33 días). Material y métodos 39 IBWl es el efecto fijo debido al intervalo entre el nacimiento y la pesada del gazapo (3 clases: 0, 1 et 2 días) Pm es el efecto fijo debido a la paridad de la madre m (4 clases: 1, 2, 3, más de 3) DCEn y LCEo(n) son efectos aleatorios ambientales comunes de la hembra n y camada o de la hembra enésima, normalmente distribuida con una media 0 y varianza σ²DCE y σ²LCE respectivamente. un es el efecto aleatorio genético debido a la hembra (comprende la matriz de parentesco pedigrí A), normalmente distribuida con una media 0 y varianza Aσ²u. εijklmnop es el efecto residual aleatorio, sigue una distribución normal de media 0 y varianza σ²ε. Ésta primera parte permite una estimación de los residuales: Donde WˆBijklmnop es el valor estimado de WBijklmnop en el modelo (1) Después, el log2 estimaba los valores residuales del modelo (1) que han sido utilizados como medidas de la varianza ambiental. Esta nueva variable a sido analizada con el modelo lineal mixto siguiente: ln εˆijklmnop es el logaritmo del cuadrado de los valores residuales estimados del modelo (1). YMi, LSj, GLk, IBWl, Pm y LCEo(n) son los efectos fijos y aleatorios del modelo (1). νn es el efecto aleatorio genético debido a la hembra (comprendida la matriz de parentesco pedigrí A) con νn~N(0, Aσ²ν). ε*ijklmnop es el efecto residual tal que ε*ijklmnop ~N(0, σ²ε* ). El efecto permanente ambiental DCEn se excluyó del modelo (2) ya que es fundamentalmente el carácter conceptual que es analizado en esta etapa (Gutiérrez et al., 2006). El índice de selección se basó en el valor genético estimado νˆn. El modelo descrito fue utilizado a la vez para la estimación de parámetros genéticos y para la evaluación genética. Para estos dos análisis, las desviaciones se estimaron en la población base AGP22 utilizando un método de probabilidad máxima restringida Material y métodos 40 (REML) aplicado al modelo animal. El cálculo ha sido efectuado utilizando el programa VCE (Neumaier y Groeneveld, 1998). Los parámetros genéticos se utilizaron para predecir los valores genéticos BLUP u y ν para cada animal de la población y de las líneas seleccionadas. La predicción del valor genético de u se hizo únicamente para estimar el valor residual del peso al nacimiento y para predecir, en la segunda etapa, el valor genético de ν. Los cálculos se realizaron con el programa PEST (Groeneveld et Kovac, 1990). 6.2. Creación de la población analizada. La población de base fue indexada sobre la homogeneidad del peso al nacimiento, para crear la generación 0 con 27 hembras (12 heterogéneas o H+ y 15 homogéneas o H-) seleccionadas tras la indexación sobre 3 camadas. Se introdujeron en la explotación experimental de Auzeville tras ser inseminadas (semana 2002-41) por machos indexados (5 H+ y 5 H-) con palpación positiva. Como las hembras de las generaciones posteriores, se llevaron en bandas desde las 6 semanas y se inseminaron con machos GD22 H+ y H-, las hembras H+ fueron inseminadas con machos H+ (H+*H+) y vicecersa (H-*H-). Éstas producen sobre tres camadas al menos 80 hembras por “línea” (H+ y H-), obteniendo 60 hembras por línea a las 18 semanas. Para la generación 1, se seleccionaron 68 madres H+ y 98 H-. Para su primera camada, se inseminaron en poliespermia, mientras que para la segunda y tercera camada de las cuales se han seleccionado los descendientes (generación 2), se inseminaron en monoespermia con el semen de 11 machos H+ y 15 H-. Aquí se puede ver la tabla 2 con el número de machos y hembras seleccionados para cada tipo y generación: Material y métodos 41 Tabla 2. Número de machos y hembras de cada tipo seleccionados en cada generación. El objetivo de esta selección canalizante divergente es de partir de una sola población base (línea GD2266) y seleccionar en cada generación los individuos con la más alta variabilidad (v+) de peso al nacimiento intracamada y los individuos con la más baja variabilidad (v-). El fin es obtener tras varias generaciones, dos líneas (H+ y H-) con el mismo peso al nacimiento medio, pero la línea H+ con una alta variabilidad (v+, heterogénea) intracamada y la línea Hcon una baja variabilidad (ver figura 6). Durante las tres primeras generaciones (G0, G1 y G2) las hembras se cruzaron con machos seleccionados en la población de base. Material y métodos 48 Figura 18. Ciclo reproductivo de una hembra de la experiencia. IA=Inseminación Artificial; MB=Parto; SV=Destete; Vente=Venta; jrs=días; No_port=Banda. 6.4. Variables dependientes y explicativas. Para este estudio, se han considerado varias variables importantes para la selección canalizante de las dos líneas. Como variables dependientes se ha elegido el peso al nacimiento (poids), la supervivencia entre el nacimiento y el destete (mortsv), y el peso al destete (sv_pd). - Poids (g). - Mortsv: 1= el gazapo está vivo al destete. 0= el gazapo ha muerto entre el nacimiento y el destete. Figura 19.Frecuencia de la variable “mortsv” (SAS). - Sv_pd (g). Para cada animal tenemos su número compuesto de ocho cifras, su padre, su madre, y su sexo (1 = macho, 2 = hembra) salvo para los animales que no han sido seleccionados para la reproducción y que no han sido sexados o los animales que estaban muertos antes del destete (sexado) a los cuales se les ha atribuido sexo = 3 (figura 20). Figura 20. Frecuencia de la variable “sexe” (SAS). Material y métodos 49 Para cada gazapo había dos ambientes permanentes, el número de la camada “nbport”, que atribuía un número diferente a cada camada diferente de cada hembra; y como cada hembra tiene sus propias particularidades (por ejemplo las características de su útero), se ha creado la variable “uterus” cuyo valor es idéntico para todos los gazapos provenientes de la misma hembra madre. - Nbport: 1 – 2372. - Uterus: 1 – 1239. Como variables explicativas se han considerado la generación (gener), la banda de parto (batch), el número de camada (no_port), la línea (type), el intervalo ia – mb (gestation), el intervalo mb – sv (mb_sv), el número de nacidos totales (entot), el tamaño de la camada al nacer (mb_nv) y el tamaño de la camada al destete (sv_nbr). El número de niveles de cada uno de estos efectos es el siguiente: - Gener: 0 – 13. - Batch: 52 bandas diferentes. - No_port: 1, 2 y 3. - Type: 1 (alto) y 2 (bajo). - Gestation: 1 = 30 días; 2 = 31 días; 3 = 32 días; 4 = 33 días. Figura 21. Frecuencia de la variable “gestation” (SAS). - Mb_sv: 1 = 29 días; 2 = 30 días; 3 = 31 días; 4 = 32 días. Figura 22. Frecuencia de la variable “mb_sv” (SAS). - Ntot: 1 – 20. - Mb_nv: 1 – 17. Material y métodos 50 - Sv_nbr: 1 – 14. Para las variables ntot, mb_nv y sv_nbr, se han reagrupado los niveles de origen para tener menos clases y un nivel de efectivos más homogéneo entre clases. Las figuras siguientes muestran los niveles en el origen de las variables y la reclasificación con una nueva variable. Ntot fue reclasificada en ntotcl (Figura 23), mb_nv en tpnais (Figura 24) y sv_nbr en tpsevr (Figura 25). Figura 23. Reclasificación de ntot en ntotcl. Figura 24. Reclasificación de mb_nv en tpnais. Material y métodos 51 Figura 25. Reclasificación de sv_nbr en tpsevr. 6.5. Preparación de los datos. Los datos fueron tomados directamente en la explotación experimental de Auzeville (Figura 26) con la ayuda de un autómata (Figura 27) que los transmitía directamente a la base de datos GEEL de donde se recuperaban con el programa estadístico SAS para realizar los análisis estadísticos. Figura 26. Explotación experimental de Figura 27. Autómata en el momento de la Auzeville. pesada de las hembras en la inseminación. Material y métodos 52 Una vez recuperados los datos de las 13 generaciones en SAS, se procedió a su preparación y ordenación en tablas limpias y claras, para lo cual se encontraron numerosos problemas:.- Los animales de esta experiencia fueron utilizados para otras finalidades a partir de su tercera camada, por lo que se debieron eliminar todos los datos recogidos después de la tercera camada. - La gestación tenía una variación de 28 a 34 días. Para poder utilizar la variable gestación con un número significativo de individuos por clase, se reagruparon las conejas con una gestación de 28 y 29 con las de 30 días, y las de 34, con las de 33 días. Se procedió de la misma manera con el intervalo mb_sv, reagrupando los intervalos de 28 y 29 días (con 28 días sólo había 62 observaciones (0.46% de la población)), y los de 33 y 34 con el de 32 días (con 33 días había 245 observaciones (1.8%) y para 34 sólo 13 observaciones (0.10%)). - Se descubrió que la existencia de animales con varios pesos al nacimiento. Se constató que eran individuos que tenían el mismo número de animal que su madre, sin duda gazapos nacidos y pesados con una muerte prematura a los que se les ha atribuido el número de su madre. Se eliminaron todas estas repeticiones, unos 2000 valores sobre 18000. - En las tablas se encontraron líneas completamente repetidas, unas 1000 líneas que fueron eliminadas. Tras estas recodificaciones y eliminaciones se creó un fichero “poidtot” en el cual todos los individuos (gazapos) poseían todas las variables estudiadas. Para los animales presentes y pesados en el destete (no muertos entre nacimiento y destete) se creó otro fichero llamado “poidsv”. Así se pudieron realizar los cálculos estadísticos necesarios haciendo una buena separación entre los datos (variables) que corresponden a todos los individuos o sólo a los animales que llegaron vivos al destete. Cada animal tenía un número de ocho cifras como identificación (cada cifra era un código que quería decir el año de nacimiento, el tipo de nacimiento, el orden, etc. Ver figura 28). Esto permitió elaborar un fichero con toda la genealogía desde la generación 0. En este fichero se encontraban variables como “type”, el número del animal, el de su madre y el de su padre, el sexo, la fecha de nacimiento (nais_dat) y la fecha de salida de la explotación (sort_dat). Cada madre sólo intervino en una sola generación, y las hijas de una generación eran seleccionadas para ser las madres de la generación siguiente. Sin embargo, para los padres se observó que hasta la generación 9 un mismo padre podía participar en varias generaciones (dos o tres generaciones diferentes) mientras que en las generaciones 10, 11 y 12 participaron en una sola generación. Material y métodos 53 Figura 28. Código numérico de identificación de los conejos de la experiencia. - En la realización del fichero genealógico, se encontraron individuos con el número de identificación del padre igual al de la madre, el número del animal igual al de la madre, el número del animal igual al del padre, y también padres y madres sin número alguno. Tras su observación, se les atribuyó a todos estos padres y madres el número “00000000”. Eran animales del principio de la experiencia para los cuales no teníamos ningún dato en la base de datos. Para poder utilizar la genealogía en los programas de estimación de componentes de la varianza, se debía ordenar los individuos según el orden de nacimiento. Para ello se recodificaron todos los números utilizando la cifra que se encuentra en las milésimas para ordenarlos cronológicamente. Pero se encontraron animales cuya madre tenía un número superior a su propio número (lo que quiere decir que la madre es más joven que su hija). Esto se debe a que los animales no guardados como reproductores no tienen milésima atribuida y tienen todos un 0 como tercera cifra en su número de identificación. Se rehízo otra codificación numérica para tener en cuenta éstas particularidades. Material y métodos 54 - Se encontraron animales sin sexo. No fueron sexados porque no fueron guardados para la reproducción o murieron antes de su sexado. Para éstos animales, se les atribuyó el sexo=3. Sin embargo, no se pudo utilizar la variable “sexe” para el análisis estadístico ya que no se podía interpretar el sexo=3 como un carácter real, y tampoco se podía eliminar estos animales de la lista. - Se constató que el número de gazapos de algunas camadas no correspondía con el número de nacidos vivos de la madre. Estos fueron eliminados. Al final se obtuvo un fichero con los conejos con peso al nacimiento (18049 observaciones), un fichero con los conejos con peso al destete (13604 observaciones) y un fichero genealógico con todos los individuos desde el inicio de la experiencia (18693 observaciones). Los primeros análisis de datos se realizaron con el programa estadístico SAS. Realizando un glm para ver el efecto del número de nacidos vivos (mb_nv) y del número de nacidos totales (ntot) sobre el peso al nacimiento, se constató que había una relación inversa entre mortinatalidad y peso. Esto quiere decir que los animales nacidos en camadas con el mismo número de vivos (mb_nv) tienen un peso superior si la mortinatalidad (ntot – mb_nv) es inferior. Por ejemplo: En efecto, ya se sabe que en los ovinos con un mismo modo de nacimiento, el peso medio de los corderos es significativamente más elevado si no hay mortalidad embrionaria, por ejemplo si hay 3 ovulaciones a la vez con fecundación (e implantación) y después uno de estos tres embriones muere, nos quedará una camada con dos individuos, pero estos dos fetos ya no son capaces de aprovechar el “sitio” que ha dejado el embrión muerto, por lo que sólo van a aprovechar dos tercios del espacio (por lo tanto de nutrientes) del útero. Sin embargo, si sólo hay dos embriones desde el principio, van a aprovechar la mitad del útero cada uno, y se van a desarrollar más. Esto fue probado en la tesis de Lajous D. (1987) con la raza de oveja Romanov. Para verificar esto se observaron los valores estimados entre cada uno de los mb_nv y ntot existentes (mb_nv*ntot). Estos valores tenían un mínimo de -3.20, un máximo de - Material y métodos 55 1.89 y una media de -2.41, lo que confirma la relación inversa entre mortinatalidad y peso al nacimiento. También se comprobó esto mismo para el peso al destete (sv_pd) y el número de animales destetados (sv_nbr) en lugar de nacidos vivos. Aquí la mortalidad es igual a los nacidos totales menos los destetados. Se encontró la misma relación inversa, por lo que el efecto de la mortinatalidad se mantiene hasta el destete. Como valores estimados, el mínimo era -26.14, el máximo -10.40 y la media -21.21. Para la comparación de los datos obtenidos durante las 13 generaciones se diferenciaron las dos líneas con las tres variables dependientes que son: el peso al nacimiento (poids), el peso al destete (sv_pd) y la mortalidad entre el nacimiento y el destete (mortsv). Primero se seleccionaron los efectos medioambientales que tenían un efecto significativo, con la ayuda del programa estadístico SAS, y el procedimiento “proc glm” como está indicado en las figuras 29, 30 y 31. Para cada variable se construyó un modelo con todos los factores y sus interacciones posibles. A partir de este modelo, se observó si las estimaciones eran coherentes, y se eliminaron los factores e interacciones con las más altas diferencias significativas (pvalue >0.005), mirando la variación de MSe (Cuadrado medio del error), R2, CV (Coeficiente de Variación), y Root MSE (Cuadrado medio de la variable dependiente), buscando siempre un R2 elevado, un bajo CV y la mínima variación para MSe y Root MSE. Figura 29. Comando para la realización del proc glm para poids (SAS). Figura 30. Comando para la realización del proc glm para sv_pd (SAS). Figura 31. Comando para la realización del proc glm para mortsv (SAS). Estudiando la relación entre los nacidos vivos y totales, el número de nacidos totales (ntot) es un factor limitante en la camada para el peso al nacimiento, y por consiguiente para el peso al destete. Pero este factor no puede ser incluido como factor de variación en los modelos anteriores ya que él mismo esta sumiso a influencias genéticas. Se podrían haber hecho análisis para cada tamaño de camada nacida total, pero no hubo el tiempo necesario. Resultados 56 7. RESULTADOS Se realizó el análisis GLM de las tres variables con los datos de las 13 generaciones. Para la variable del peso al nacimiento, se probaron todos los factores posibles con todas las interacciones. Para este modelo completo se obtuvieron los valores siguientes: Poids medio=55.1083 g MSe=99.386 Root MSE=9.9692 R²=0.4391 CV=18.0903 Pero este modelo es demasiado completo y ciertos valores no son significativos. De modo que se redujeron el número de factores e interacciones del modelo. Para esto, se suprimieron uno por uno los factores con altas Pvalues, sin diferencias significativas, así como las interacciones poco significativas y con efectos incoherentes desde el punto de vista biológico. Tras estas eliminaciones, los cuatro valores que servían de punto de referencia (MSe, Root MSE, R2, CV) no cambiaron mucho, lo que quiere decir que el modelo obtenido al final (Figura 29) explica la variación de peso entre gazapos con la misma precisión que el modelo completo. Los resultados de este modelo reducido de la figura 29 son: Poids medio=55.1083 g MSe=107.553 Root MSE=10.371 R²=0.3872 CV=18.8189 Tabla 3. Resultado general del proc glm para poids (SAS). Resultados 57 Tabla 4. Extracto de la tabla de salida del proc glm para poids (SAS). En la tabla 4 se puede ver un extracto de la tabla completa dada por el proc glm. - Para la variable type, se observa que los conejos son menos pesados al nacimiento para type 1, línea heterogénea (Estimación = -0.5750). - El peso aumenta con el número de camada sea cual sea la duración de la gestación (gestation*no_port). - Con la interacción nacidos vivos – nacidos totales (mb_nv*ntot), se observa lo que se ha explicado anteriormente, una menor mortalidad está ligada a pesos superiores. - Para el sexo, como se esperaba, los machos (sexe=1) son más pesados que las hembras. Resultados 64 Tras hacer estos primeros análisis que permitieron seleccionar los factores de variación no genéticos, se añadió el fichero con la genealogía de los individuos. Esto permitió estimar las componentes de la varianza y comparar el modelo utilizado en la experiencia de selección que sólo considera el efecto materno con diferentes modelos más completos que comprenden el efecto materno y el efecto directo genético así como el efecto permanente hembra que aquí es llamado efecto “uterus”. Se realizaron análisis ASREML sobre las mismas tres variables dependientes con varios modelos genéticos. Para las tres variables se han tenido en cuenta los efectos seleccionados en el proc glm para los modelos genéticos. Para el peso al nacimiento y la mortalidad son: type, gener, type*gener, batchr, no_port y gestation, y para el peso al destete: type, gener, type*gener, batchr, no_port, gestation y mb_sv. Se realizaron varias modelizaciones de la varianza con diferentes modelos genéticos para las tres variables dependientes. - El primero se hizo sólo con el factor animal, para ver el efecto genético directo del animal. - Después sólo el padre para ver el efecto genético directo del padre, y así poder compararlo al modelo animal. Si la estructura genética es equilibrada, si el número de padres es suficiente y si las madres no están muy aparentadas, la heredabilidad debería ser parecida en estos dos modelos. - Luego un modelo sólo con la madre, como si la madre sólo tuviera efecto genético materno. - Se hizo un modelo madre+utero para ver la parte de la varianza debida al efecto permanente de la madre (útero) y poderlo comparar con el modelo madre sin efecto permanente. Es éste modelo el que ha sido utilizado durante toda esta experiencia de selección. - También se realizó el modelo con un efecto permanente de la madre (útero) así como los dos efectos genéticos directos y maternos. - Se compararon los modelos padre+útero, madre+útero y animal+útero que tienen en cuenta el efecto permanente de la madre. - Así mismo también se hizo un modelo (padre+madre)+útero que permitió estimar la covarianza entre los factores de dentro del paréntesis. Para cada factor la esperanza, la varianza y la covarianza están representadas en la siguiente tabla 9. Resultados 65 Tabla 9. Esperanza, Varianza y Covarianza de padre y madre para el modelo (padre+madre)+útero. - Del mismo modo se hizo un modelo (animal+madre)+útero, en esta tabla 10 vemos sus esperanzas, varianzas y covarianza representadas. Tabla 10. Esperanza, Varianza y Covarianza de padre y madre para el modelo (animal+madre)+útero. Aquí la madre sólo nos proporciona la componente materna (m y σ²m) ya que la totalidad del efecto directo (g y σ²g) es estimada por el efecto animal. Por lo que se va a poder comparar los resultados entre estos dos últimos modelos. - Y para finalizar, se analizó el modelo animal+madre+útero, sin covariable, para poder comparar los resultados con los dos modelos con covariable. A continuación se pueden ver las formulas utilizadas en lenguaje asreml para obtener cada valor que se encuentra en las tablas 11, 12 y 13. El primer número de cada línea es el numero de la línea; son estos números los que intervienen en las sumas y divisiones, mientras que para las multiplicaciones, el factor a la derecha del signo de multiplicación, es un coeficiente, y el número a la izquierda es un número de línea. Por ejemplo, en el modelo animal 3 σ²total (σ²t) = 1+2 significa que la línea 3 es la varianza total que es la suma de la línea 2 (varianza del error) y de la línea 1 (varianza genética directa). Modèle animal : 1 = σ²animal = σ²gd 2 = σ²erreur (σ²e) Resultados 66 3 σ²total (σ²t) = 1+2 4 σ²gd (directe) = 1 5 h²d (directe) = 1/3 Modèle père : 1 = σ²pere = ¼ σ²gd 2 = σ²e 3 σ²t = 1+2 4 σ²gd = 1*4 5 h²d = 4/3 Modèle mère : 1 = σ²mere = ¼ σ²g 2 = σ²e 3 σ²t = 1+2 4 σ²g (directe ou maternel) = 1*4 5 h² (directe ou maternel) = 4/3 Modèle mère+utérus : 1 = σ²uterus 2 = σ²mere = ¼ σ²g 3 = σ²e 4 σ²t = 1+2+3 5 σ²phenotipique (σ²p) = 1+2 6 σ²g = 2*4 7 répétabilité (r) = 5/4 8 h² = 6/4 Modèle père+utérus : 1 = σ²uterus 2 = σ²pere = ¼ σ²gd 3 = σ²e 4 σ²t = 1+2+3 5 σ²p = 1+2 6 σ²gd = 2*4 7 r = 5/4 8 h²d = 6/4 Resultados 67 Modèle animal+utérus : 1 = σ²uterus 2 = σ²animal = σ²gd 3 = σ²e 4 σ²t = 1+2+3 5 σ²p = 1+2 6 σ²gd = 2 7 r = 5/4 8 h²d = 6/4 Modèle (père+mère)+utérus : 1 = σ²uterus 2 = σ²e 3 = σ²mere = ¼ σ²gd + σ²gm + cov(g,m) 4 = cov(p,m)= ¼ σ²gd + ½ cov(g,m) 5 = σ²pere = ¼ σ²gd 6 = σ²t = 1+2+3+4+5 7 = σ²p = 1+3+4+5 8 = Cov = (4-5)*2 9 = σ²gm = 3-5-8 10 = σ²gd = 5*4 11 = r = 7/6 12 = h²d = 10/6 13 = h²m = 9/6 14 = Corr (correlation génétique) = (9, 8, 10) Modèle (animal+mère)+utérus : 1 = σ²uterus 2 = σ²e 3 = σ²animal = σ²gd 4 = cov(a,m)= cov(g,m) 5 = σ²mere = σ²gm 6 = σ²t = 1+2+3+4+5 7 = σ²p = 1+3+4+5 8 = Cov = 4 9 = σ²gm = 5 10 = σ²gd = 3 11 = r = 7/6 12 = h²d = 3/6 Resultados 68 13 = h²m = 9/6 14 = Corr (correlation génétique) = (9, 8, 3) Modèle animal+mère+utérus : 1 = σ²uterus 2 = σ²animal = σ²gd 3 = σ²mere = σ²gm 4 = σ²e 5 = σ²t = 1+2+3+4 6 = σ²p = 1+2+3 7 = σ²gm = 3 8 = σ²gd = 2 9 = r = 6/5 10 = h²m = 7/5 11 = h²d = 8/5 Tras haber pasado estos 9 modelos genéticos en ASREML, para las tres variables dependientes, con los resultados obtenidos en los ficheros .asr y .pvc, se construyó una tabla para cada variable, que se pueden ver a continuación (Tabla 11, 12 y 13). Resultados 69 Tabla 11. Resumen de las salidas .asr y .pvc para poids (ASREML) (1). Tabla 11. Resumen de las salidas .asr y .pvc para poids (ASREML) (2). Resultados 70 Tabla 12. Resumen de las salidas .asr y .pvc para sv_pd (ASREML) (1). Tabla 12. Resumen de las salidas .asr y .pvc para sv_pd (ASREML) (2). Resultados 71 Tabla 13. Resumen de las salidas .asr y .pvc para mortsv (ASREML) (1). Tabla 13. Resumen de las salidas .asr y .pvc para mortsv (ASREML) (2). CM es el cuadrado medio de los factores fijos del modelo (animal, padre, madre, útero, cov, corr) σ²e es la varianza del error cov es la covariable σ²T es la varianza total corr es la correlación entre las dos variables que componen la covariable. σ²p es la varianza fenotípica Cov es la covarianza σ²g es la varianza genética Corr es la correlación genética de la covarianza σ²gd es la varianza genética directa h²d es la heredabilidad directa σ²gm es la varianza genética materna h²m es la heredabilidad materna r es la repetitividad del fenotipo Resultados 72 Al observar en la tabla 11 (peso al nacimiento) los cuadrados medios (CM) de los factores fijos, si comparamos el valor estimado del animal entre el modelo animal, animal+útero, (animal+madre)+útero y animal+madre+útero, se ve que el valor para el primer modelo está muy sobreestimado respecto a los otros tres modelos. La estimación de la varianza del efecto materno está desviada. Estos valores son proporcionalmente equivalentes en las tablas de las variables mortalidad entre nacimiento y destete, y peso al destete. Los modelos en los que interviene el factor padre solo, no son pertinentes ya que no tienen en cuenta el efecto materno. Sin embargo, el factor fijo madre tiene un valor estimado que cambia mucho entre los diferentes modelos. Al mirar el efecto permanente (útero), en los modelos que incluyen el factor madre, la varianza del efecto permanente toma el valor de 40, en los modelos donde la madre no está incluida, el efecto permanente resulta desviado ya que toma efectos correspondientes a la madre. Según estos resultados, se puede decir que la varianza de la componente madre, en el modelo madre, tiene un valor muy fuerte debido a que esta componente contiene una parte del efecto directo animal, una parte del efecto permanente, y el propio efecto materno. Debido a esto, el modelo madre también da una varianza genética (σ²g) (directa o materna) sobreestimada así como una heredabilidad (h2) (directa o materna) que alcanza el valores irreales mayores a la unidad. Estos resultados son similares para las dos otras variables dependientes. En la heredabilidad de las tablas 11 y 12 observamos que h2d tiene un valor más pequeño en el modelo que no estima la covarianza, añadiendo la covarianza animalmadre h2d aumenta, y con el modelo (padre+madre)+útero, aumenta todavía más debido a la sobreestimación de la componente padre y de la covarianza. Observamos en la tabla 13 un valor estimado (CM) de la componente animal para el modelo genético animal muy superior al de los otros modelos. Lo que conlleva a una heredabilidad del efecto directo sobreestimada. Esto se debe a que el modelo animal no tiene en cuenta el efecto materno y este se encuentra parcialmente dentro del efecto directo. El modelo padre sobreestima también la heredabilidad aunque en menor medida. Se discutirán los resultados de estas tablas más extensamente en la parte Discusión. A continuación, se realizó una comparación más en profundidad de los resultados obtenidos de los modelos madre+útero, animal+madre+útero y (animal+madre)+útero. Se tomaron estos tres modelos ya que así se puede comparar el modelo madre+útero, que es el modelo utilizado en la experiencia de selección, con el modelo (animal+madre)+útero, que es el modelo más completo. La comparación con el modelo animal+madre+útero, permite probar la influencia de la estimación de la covariable en el modelo respecto a la hipótesis en la cual es nula. Resultados 73 Se compararon las medias y las desviaciones entre los dos tipos (1 y 2) para el peso al nacimiento, el peso al destete y la mortalidad, para lo cual se obtuvieron los datos en el fichero de salida .sln de ASREML. Con estos datos se construyeron estos gráficos (Figuras 33 a 44). En estos gráficos la curva de la media se obtuvo tomando el peso medio de la G0 como un cero, y el valor del resto de generaciones es igual a la diferencia entre la media de la generación y la media de la G0. El eje que corresponde a esta media es el de la izquierda. La curva de la desviación indica la diferencia de peso medio entre el tipo 2 y el tipo 1 (tipo2 – tipo1) en cada generación. El eje de la desviación es el de la derecha. Se realizaron también las rectas de regresión lineal para las dos curvas. Figura 33. Gráfico de la media y la desviación entre tipos con madre+útero (poids). En este primer gráfico del modelo madre+útero para el peso al nacimiento (Figura 33), si no se tiene en cuenta la G0, ya que son gazapos descendientes de los individuos de la población de base, exterior a la experiencia, el peso medio queda más o menos constante a lo largo de las generaciones, sin embargo se ve que la desviación entre los pesos medios de cada tipo aumenta a cada generación según la línea de tendencia, pero hay que decir que la precisión (R2) de esta recta no es buena, y en la curva de la desviación vemos que hay mucha fluctuación. Resultados 80 Figura 42. Gráfico de la media y la desviación entre tipos con madre+útero (mortsv). Finalmente, para la mortalidad entre el nacimiento y el destete, se constató que con el modelo madre+útero (Figura 42), la media de la mortalidad permaneció constante durante todas las generaciones, salvo para la G3, G4 y G6 debido a la aparición de infecciones de E.coli que provocaron una mortalidad de 13.50% y 19.50% en dos bandas diferentes de la G3, 27.08% en la G4, y 44% en el segundo destete de la G6. En la G10 se observa también un aumento de la mortalidad debido a fuertes calores que tuvieron lugar durante el primer y segundo parto. Aun así la desviación entre los dos tipos es creciente. Lo que quiere decir, sabiendo que la precisión de esta tendencia no es muy buena, que al final hay más mortalidad en los de tipo 1. Resultados 81 Figura 43. Gráfico de la media y la desviación entre tipos con (animal+madre)+útero (mortsv). Figura 44. Gráfico de la media y la desviación entre tipos con animal+madre+útero (mortsv). Estos resultados se observan también para los modelos más completos que permiten separar los efectos directos y maternos en la variable mortsv (Figuras 43 y 44). Discusión 82 8. DISCUSIÓN A lo largo de estos últimos años, la selección sobre la prolificidad ha conllevado un fuerte aumento del tamaño de la camada. A su vez, la capacidad de las crías a sobrevivir se ha visto reducida y la tasa de mortalidad al nacimiento y durante la lactación ha aumentado. En los conejos, la mortalidad antes del destete está fuertemente ligada a la heterogeneidad del peso al nacimiento intracamada (Bolet et al., 1996). Los animales más débiles de la camada no pueden rivalizar con los más fuertes y a menudo mueren de hambre (Poignier et al., 2000). Los más débiles son también más sensibles a enfermedades pudiendo contaminar al resto de la camada. Por razones económicas y por razones de bienestar animal, es importante disminuir la mortalidad periy postnatal. Una solución para disminuir esta alta variabilidad de peso al nacimiento intracamada es la práctica de la adopción, formando camadas con gazapos de peso similar. El problema de esta práctica es el coste elevado en las grandes explotaciones, ya que hace falta mucha mano de obra. Otra solución es la de esta experiencia, selección genética para disminuir la variabilidad de peso intracamada. Este estudio muestra durante 13 generaciones la influencia de diferentes factores sobre el peso al nacimiento, el peso al destete y la mortalidad entre el nacimiento y el destete. Se analizaron los datos de estas trece generaciones entre las dos líneas de conejos. Se encontraron varios factores que explican la variabilidad de estas tres variables. Para el peso al nacimiento (poids), los conejos del tipo 1 (línea heterogénea) son menos pesados que los del tipo 2 (Estimación= -0.5750). Garreau et al. (2004) ya encontró en esta misma población de individuos una diferencia de peso para la G0 de 0.61 g (8%) y para la G4 de 1.2 g (16%), y como ya se dijo en este estudio sobre las primeras generaciones, hubo una respuesta a la alta presión de selección en la G0, y después el valor es mantenido en las generaciones siguientes. Sin embargo para el peso al destete no se encontró esta tendencia, no hay un tipo que llega a ser más pesado que el otro. En cuanto al número de camada, los conejos nacidos en la tercera camada (no_port 3) son más pesados que los de la segunda camada y estos son más pesados que los de la primera. Este comportamiento del peso es el mismo sea cual sea la duración de la gestación, y se repite para el peso al destete. Este efecto puede ser debido a que con la edad la madre es más grande, por lo que las implantaciones discoidales de la placenta en el útero están más desarrolladas y son más grandes, por lo que los gazapos serán más pesados. Se encontró una relación inversa entre el número de nacidos vivos y la mortinatalidad (nacidos totales – nacidos vivos) de manera que a igual número de nacidos vivos, los gazapos de camadas con menos nacidos totales son más pesados. Este resultado es Discusión 83 acorde a lo encontrado por Lajous D. (1987) para la mortalidad embrionaria y el peso al nacimiento en la raza de oveja Romanov. Para el sexo, como en casi todas las especies de mamíferos, el macho es más pesado (Estimación + 1.15 g), este efecto del sexo se repite también en el destete. Para el peso al destete, cuando la duración parto - destete (mb – sv) aumenta, lógicamente, los conejos son más pesados ya que han pasado más tiempo de lactación. La mortalidad entre el nacimiento y el destete fue menor en los conejos tipo 2 (Estimación tipo 1 = -0.033), en coincidencia con los resultados deGarreau et al. (2008) y de Bolet et al. (2007). También en las conejas con mayor mortinatalidad, ha habido más mortalidad entre el nacimiento y el destete. No hay muchas experiencias sobre la comparación de diferentes modelos genéticos en el caso de efectos directos y maternos. Hay algunas publicaciones en las que se han probado varios modelos para encontrar el más adecuado. Por ejemplo, Robinson (1996) y Pollak (1997) probaron la variación anual de la correlación genética entre el efecto directo y materno en los toros. Quintanilla Aguado (1998) estudió la importancia de los modelos para el análisis de los efectos maternos fijando una correlación ambiental entre la madre y su descendencia. Estas publicaciones muestran que hay desvíos en las estimaciones cuando el modelo es incorrecto. Clément et al. (2001) hicieron una simulación de datos para comparar los valores estimados entre los 6 modelos genéticos más frecuentes para estudiar los efectos maternos. Estos modelos son el modelo animal (efecto directo), el modelo animal y madre sin correlación (efecto directo y materno), el modelo animal y madre con correlación (efecto directo, materno y correlacionado), el modelo animal y madre sin correlación y el ambiente materno (efecto directo, materno y ambiental) y el modelo animal y madre con correlación y el ambiente materno (efecto directo, materno, correlacionado y ambiental). En este estudio, como ya se han nombrado en la parte Resultados, se analizaron 9 modelos genéticos mediante ASREML para las tres variables dependientes (Tablas 11, 12 y 13). En la tabla 11 (peso al nacimiento), observando los cuadrados medios (CM) de los factores fijos, si comparamos el valor estimado del animal entre el modelo animal (85.16), animal+útero (40.44), (animal+madre)+útero (52.99) y animal+madre+útero (39.33), se ve que el valor para el primer modelo está muy sobreestimado respecto a los otros tres modelos, y entre estos tres otros modelos sólo el modelo con la correlación entre animal y madre tiene un valor un poco más alto que el resto. Sin embargo la varianza del error (σ²e) es muy baja. Se tiene en cuenta el máximo de varianza, pero no podemos tomar este modelo como válido ya que no hace diferencia entre efecto materno y efecto directo. Según el valor de la residual, esta no contiene la parte de varianza Discusión 84 debida al efecto directo. La estimación de la varianza del efecto materno está desviada. Los valores equivalentes pueden encontrarse en las tablas de las variables mortalidad entre nacimiento y destete, y peso al destete. Respecto al padre, los modelos en los que interviene solo no son pertinentes ya que no tienen en cuenta el efecto materno. Sin embargo, el factor fijo madre tiene un valor estimado que cambia mucho entre los diferentes modelos. En el modelo que sólo considera la madre, la varianza atribuida a este componente está muy sobreestimada (98.55) respecto a los otros modelos donde es del orden de 18, salvo para el modelo con correlación entre animal y madre donde esta componente es 33.53. Para el efecto permanente (útero): en los modelos que incluyen el factor madre, la varianza del efecto permanente toma el valor de 40, en los modelos donde la madre no está incluida, el efecto permanente resulta desviado ya que toma efectos correspondientes a la madre. Esta varianza alcanza un valor de 50.22 para el modelo animal+útero y un poco mayo, 56.35, para el modelo padre+útero ya que toma también un poco del efecto directo del animal. En el modelo madre+útero se ve que la madre (efecto directo o materno) tiene un valor de 18.56, el útero de 39.70 y la varianza del error de 92.80, y en el modelo padre+útero, la varianza residual es prácticamente la misma (87.94), el valor del padre es de 28.05, y la varianza del efecto permanente se ve muy aumentada (56.35), sin duda coge una parte del valor de la madre (ya que la madre no aparece en este modelo). En el modelo animal+útero la varianza del efecto permanente también se ve aumentada (50.22). Según estos resultados, se puede decir que la varianza de la componente madre, en el modelo madre, tiene un valor muy fuerte debido a que esta componente contiene una parte del efecto directo animal, una parte del efecto permanente, y el propio efecto materno. Pero utilizando sólo la madre como factor no se pueden diferenciar las proporciones de estos efectos. Debido a esto, el modelo madre también da una varianza genética (σ²g) (directa o materna) sobreestimada (394.2) así como una heredabilidad (h2) (directa o materna) que alcanza el valor irreal de 2.06. Si se comparan estos valores con el modelo madre+útero se obtiene σ²g=74.25 y h²=0.4915. Por lo que se puede decir que no se puede utilizar el modelo madre debido a su alta desviación. Estos resultados son similares para las dos otras variables dependientes. La varianza del efecto permanente tiene casi el mismo valor para los dos modelos que estiman la covarianza entre los efectos (padre+madre)+útero y (animal+madre)+útero así como el modelo animal+madre+útero, sin embargo la componente madre vale el doble en el modelo donde se estima la covarianza (33.53) que en el que no se tiene en cuenta la covarianza (14.38). De hecho las componentes madre y animal, tienen valores más elevados cuando el modelo estima la correlación entre los dos factores que en el modelo sin correlación. Los valores estimados de las covarianzas no son los mismos en el modelo (padre+madre)+útero: 12.07, y en el modelo (animal+madre)+útero: 27.32. Discusión 85 Para la heredabilidad, observando los tres últimos modelos ya que son los únicos que permiten diferenciar los dos efectos directos y maternos, en la tabla 11 se observa que h2d tiene un valor más pequeño en el modelo que no estima la covarianza entre los efectos directos y maternos (0.2388); añadiendo la covarianza animal-madre h2d alcanza el valor de 0.3242, y con el modelo (padre+madre)+útero, aumenta más hasta 0.6021 debido a la sobreestimación de la componente padre y de la covarianza. En la tabla 13 se observa un valor estimado (CM) de la componente animal (0.12) para el modelo genético animal que es muy superior al de los otros modelos. Esto conlleva a una heredabilidad del efecto directo sobreestimada (0.7103). Esto se debe a que el modelo animal no tiene en cuenta el efecto materno y este se encuentra parcialmente dentro del efecto directo. En el modelo padre se encuentra un valor estimado del efecto directo más alto que el resto (0.02 respecto a 0.01), lo que conlleva también a un alto valor de la heredabilidad directa (0.4972) mientras que en los otros modelos que son más completos, este valor va de 0.2970 a 0.3609. Por lo que el modelo padre sobreestima también la heredabilidad aunque no tanto como el modelo animal. Respecto a los otros factores no se observan grandes diferencias entre los otros modelos, o bien las diferencias están en las mismas proporciones. También se analizaron las curvas de evolución de la media y de la desviación entre los dos tipos en función de las generaciones para los tres caracteres y diferentes modelos. Se observó que para el modelo madre+útero sobre el peso al nacimiento (modelo utilizado para llevar a cabo esta experiencia de selección), no hay demasiadas variaciones de peso medio del conjunto de todos los animales en el transcurso de generaciones, pero la desviación (diferencia) entre los dos tipos (media tipo 2 – media tipo 1) tiene tendencia a aumentar ligeramente, aunque con una precisión muy baja R2=0.164. Finalmente no se puede afirmar que el tipo 2 presente un aumento del peso medio y que el tipo 1 presente una disminución. Este mismo modelo utilizado para analizar el peso al destete proporciona las mismas tendencias para la media (si no se tiene en cuenta la generación 0) así como para la evolución de la diferencia entre los tipos. Para la mortalidad entre el nacimiento y el destete, la media es constante, salvo para las G3, G4, G6 y G10 debido a problemas externos que provocaron un aumento de la mortalidad. Sin embargo, la evolución creciente de la diferencia entre tipos permite decir que la mortalidad del tipo 1 aumenta, aunque esta tendencia sea muy irregular. Con el modelo más completo (animal+madre)+útero, que tiene en cuenta la covarianza entre el efecto directo y materno, la evolución del peso al nacimiento medio, sin tener en cuenta la G0, no cambia casi respecto al modelo anterior. Igualmente la evolución de la diferencia entre los dos tipos no presenta una tendencia particular (la pendiente de la línea de tendencia es casi cero: -0.0831), además la precisión (R2) de esta tendencia sigue siendo baja. Sin embargo, para el peso al destete, si la evolución de la media es casi estable a lo largo de las generaciones, la diferencia entre tipos aumenta bastante (pendiente = -9.1717), de manera que los conejos de tipo 1 presentan un aumento de su peso al destete. La precisión de esta tendencia sigue siendo baja. Discusión 86 El modelo animal+madre+útero, sin covarianza entre los efectos directos y maternos, para el peso al nacimiento muestra una media que tiende a disminuir un poco con el transcurso de las generaciones (pendiente incluyendo la G0 igual a -1.25) pero esta evolución no cambia mucho respecto al modelo anterior. Del mismo modo la diferencia entre tipos se comporta similar al modelo que tiene en cuenta la covarianza. Para el peso al destete se encuentran las mismas evoluciones que para el modelo anterior. Y para la mortalidad entre el nacimiento y el destete se observan resultados parecidos entre los diferentes modelos. Finalmente se puede decir que las diferentes modelizaciones no cambian fuertemente la evolución de las estimaciones de estas tres variables a lo largo de las generaciones, mientras que se observa que tienen un impacto muy importante sobre las componentes de la varianza y los parámetros genéticos. Conclusiones 87 9. CONCLUSIONES Tras los análisis de los datos de las 13 generaciones de selección canalizante se obtuvieron las siguientes conclusiones: - Los conejos del tipo 2 (homogéneo) son más pesados en el nacimiento que los de tipo 1. - Los conejos de la tercera camada son más pesados y los de la primera camada son menos pesados, ya sea al nacimiento o al destete. - Para un número determinado de nacidos vivos, hay una relación inversa entre el peso al nacimiento y la mortinatalidad. - Hay mayor mortalidad entre nacimiento y destete para los animales de tipo 1 (línea heterogénea); incluso, en las conejas con mayor mortinatalidad, se observó una mayor mortalidad de sus crías entre el nacimiento y el destete. - Entre los modelos de análisis genético existen diferencias claras entre las estimaciones realizadas mediante diversos modelos genéticos para las variables, pero resulta difícil predecir qué proporción genética corresponde a cada parámetro. - Las estimaciones de los parámetros genéticos calculados a lo largo de esta experiencia están desviadas. - Las estimaciones de los valores medios de los caracteres de cada tipo en cada generación son menos sensibles a los diferentes modelos genéticos. Queda saber si los valores genéticos de las hembras cambian según la modelización y si la respuesta a la selección habría sido diferente con otra modelización. Bibliografía 88 10. BIBLIOGRAFÍA Amer P.R., Bodin L., 2006. An evaluation of the scope for quantitative genetic selection for twinning rate in ewes. Proc. N. Z. Soc. Anim. Prod., 22-26 June, Napier, NouvelleZélande, 66, 429-433. Amer, P.R. 2006. Approaches to formulating breeding objectives. Proceedings of the 8th World Congress on Genetics Applied to Livestock Production, 13–18 aout 2006. Belo Horizonte, MG, Brésil. Bichard, M. 2002. Genetic improvement in dairy cattle – an outsider’s perspective. Livestock Production Science, 75: 1–10. Bijma, P., Van Arendonk, J.A. et Woolliams, J.A. 2001. Predicting rates of inbreeding for livestock improvement schemes. Journal of Animal Science, 79: 840–853. Bodin L., Garcia M., Bolet G., Garreau H., 2010. Results of canalizing selection for rabbit birth weight. Proc. 9th WCGALP, Liepzig, Germany, 2-6 august 2010, à paraître. Bolet G., Garreau H., Joly T., Theau-Clement M., Falières J., Hurtaud J., Bodin L., 2007. Genetic homogenisation of birth weight in rabbits: indirect selection response for uterine horn characteristics. Livest. Sci., 111, 28-32. Bolet, G., Esparbié, J., Falières, J., 1996. Relations entre le nombre de foetus par corne utérine, la taille de portée à la naissance et la croissance pondérale des lapereaux. Ann. Zootech. 45, 185–200. Canario L., Lundgren H., Haandlykken M., Rydhmer L., 2010. Genetics of growth in piglets and the association with homogeneity of body weight within litters. J. Anim. Sci., 88, 1240-1247. Cardin S., Minvielle F., 1986. Selection on phenotypic variation of pupa weight in Tribolium castaneum. Can. J. Genet. Cytol., 28, 856-861. Clément, V., Bibé, B., Verrier, E., Elsen, JM., Manfredi, E., Bouix, J., Hanocq, E., 2001. Simulation analysis to test the influence of model adequacy and data structure on the estimation of genetic parameters for traits with direct and maternal effects. Genet. Sel. Evol. 33 (2001) 369-395. INRA, EDP Sciences, 2001. Damgaard L.H., Rydhmer L., Lovendahl P., Grandinson K., 2003. Genetic parameters for within-litter variation in piglet birth weight and change in within-litter variation during suckling. J. Anim. Sci., 81, 604-610. Bibliografía 89 Diaz C., Carabano M.J., Hernandez D., Connectedness in genetic parameters estimation and BV prediction, in: 46th Annual Meeting of the European Association for Animal Production, 4-8 September 1995, Prague, EAAP. Dickerson, G.E. 1969. Experimental approaches in utilizing breed resources. Animal Breeding Abstracts, 37: 191–202. Dickerson, G.E. 1972. Inbreeding and heterosis in animals. Dans Proceedings of Animal Breeding and Genetics Symposium in honor of Dr. J.L. Lush, pp. 54–77. Blacksburg, Virginia. ASAS, ADSA. Ducrocq, V. et Quaas, R.L. 1988. Prediction of genetic response to truncation selection across generations. Journal of Dairy Science, 71: 2543–2553. Eccleston J.A., Variance components and disconnected data, Biometrics 34 (1978) 479481. Falconer D.S., Mackay T.F.C., 1996. Introduction to quantitative genetics. Longmans Green, Harlow, Essex, UK, 4th Edition, 464p. Freeman G.H., 1973. Statistical methods for the analysis of genotype-environment interactions. Heredity, 31, 339-354. Garcia M., Ibañez-Escriche N., 2009. GSEVM v.3: MCMC software to analyze genetically structured environmental variance models. Proc. 60th Ann. Meet. EAAP, 24-27 August, Barcelona, Spain, 1p. Garreau H., Bolet G., Larzul C., RobertGranié C., Saleil G., SanCristobal M., Bodin L., 2008. Results of four generations of a canalising selection for rabbit birth weight. Livest. Sci., 119, 55-62. Gibson J.B., Bradley B.P., 1974. Stabilising selection in constant and fluctuating environments. Heredity, 33, 293-302. Gillespie J.H., Turelli M., 1989. Genotypeenvironment interaction and the maintenance of polygenic variation. Genetics, 121, 129-138. Gregory, K.E et Cundiff, L.V. 1980 Cross-breeding in beef cattle: evaluation of systems. Journal of Animal Science, 51: 1224–1242. Groen, A.F. 2000. Breeding goal definition. Dans S. Galal, J. Boyazoglu et K. Hammond, eds. Developing breeding strategies for lower input animal production environments. Rome. ICAR. Groeneveld, E., Kovac, M., 1990. A generalized computing procedure for setting up and solving mixed linear models. J. Dairy Sci. 73, 513–531.