9 Selección Artificial

33
Genética de Poblaciones Selección Artificial Cátedra de Genética y Mejoramiento Animal 1.- Secuencia selectiva para caracteres cuantitativos 2.- Estimación del Progreso Genético (PG) 3.- Progreso Genético Anual (PGA) 4.- Fuentes de Información utilizadas en el Índice de Selección 5.- Respuesta correlacionada 6.- Selección Indirecta 7.- Métodos de Selección

Transcript of 9 Selección Artificial

Page 1: 9 Selección Artificial

Genética de Poblaciones Selección Art if icial

Cátedra de Genética y Mejoramiento Animal

1.- Secuencia selectiva para caracteres cuantitativos2.- Estimación del Progreso Genético (PG)3.- Progreso Genético Anual (PGA)4.- Fuentes de Información utilizadas en el Índice de Selección5.- Respuesta correlacionada6.- Selección Indirecta7.- Métodos de Selección

Page 2: 9 Selección Artificial

Selección Artificial

Proceso de decidir cuáles de los animales de una generaciónpodrán ser progenitores de la siguiente, y cuántos descendientes se permitirá que tengan

Proceso de decidir cuáles de los animales de una generaciónpodrán ser progenitores de la siguiente, y cuántos descendientes se permitirá que tengan

La selección no crea nuevos genes sino que permite que los animales que poseen ciertos genes o combinaciones de genes dejen más descendencia y así aumentar la frecuencia de los alelos más deseables.

Page 3: 9 Selección Artificial

Selección Artificial

Caracteres Cuantitativos

Para una población se trata de modificar la mediade un carácter a lo largo de las sucesivas generaciones eligiendo a los reproductores con mejor valor genético.

Page 4: 9 Selección Artificial

Machos Hembrasx

Machos Hembras

En una población artificial:

•Un cierto % de animales es eliminado, en cada ciclo , por diversas causas: sanitarias, reproductivas, productivas. Se denominan

refugos.•La reposición de dichos animales está dada por la descendencia de los animales reproductivamente activos

Page 5: 9 Selección Artificial

µ0

Page 6: 9 Selección Artificial

µ0 XmXm

grupo grupo selectoselecto

(p)(p)

Page 7: 9 Selección Artificial

µ0 µs

hijos del hi jos del grupo grupo

selectoselecto

µh

Page 8: 9 Selección Artificial

Progreso Progreso GenéticoGenético

µh - µ0

Page 9: 9 Selección Artificial

PG = rPG = r TITI . i . . i . σσ GaGa

Progreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

Progreso Genético Esperadopredicción del PG en una generación de selección

Page 10: 9 Selección Artificial

PG = rTI . i . σσ GaGaProgreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

2P

2Ga .σhσ =

22P unidades 100 σ =

h2 = 0,80

h2 = 0,30

u. 8.94σGa = u. 5.47σGa =

A mayor A mayor variabil idad variabil idad genética adit iva, genética adit iva, mayor PGmayor PG

Page 11: 9 Selección Artificial

PG = rr TITI . i . σGa

Progreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

h2 = 0,30

11αTI .bar =

A mayor exactitud, mayor PGA mayor exactitud, mayor PG

2TI h 1.r =

un registro propio

2ii'

21α

TI h1)a(p1.p.ha 0.50.r−+

=

promedio de registros de p hijos

rTI = 0,548 rTI = 0,786 (p = 20 hijos MHP)

Page 12: 9 Selección Artificial

- Datos de un individuo- Unica medida- Medidas repetidas

- Datos de un pariente- Unica medida- Medidas repetidas

- Datos de un grupo de parientes- Rendimiento promedio de hermanos- Rendimiento promedio de la progenie

- Datos combinados

Page 13: 9 Selección Artificial

PG = rTI . i i . σGaProgreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

PσDSi =

Page 14: 9 Selección Artificial

PσDSi =

Intensidad de SelecciónDiferencial de Selección Estandarizado

Page 15: 9 Selección Artificial

La media del Grupo Selecto se encuentra 1.59 desvíos estándar

desviada de la media poblacional

Intensidad de Selección (i)

DSi =

Page 16: 9 Selección Artificial

a menor p (proporción de ind. selectos), mayor DS → mayor PG

a menor (desvío estándar fenotípico), menor DS → menor PGσ P

Intensidad de Selección (i)

Page 17: 9 Selección Artificial

PG = rTI . i i . σGaProgreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

PσDSi =

40 % 4 %

A menor A menor proporción de proporción de seleccionados, seleccionados, mayor intensidad, mayor intensidad, mayor PGmayor PG

i = 0,966

i = 2,2145

Page 18: 9 Selección Artificial

El mejorador para incrementar PG utiliza como herramienta intensidad de selección

Limitantes:

•Tamaño de población •Tasa de endogamia•Sexo de los individuos•Eficiencia reproductiva (tasa rep.)

Intensidad de Selección (i)

Page 19: 9 Selección Artificial

Tasa ReproductivaBov. Carne Aves

Prop. Sel. 53 % = i es 0,72 Prop. Sel. 20 % = i es 1,4

Page 20: 9 Selección Artificial

PG = rPG = r TITI . i . . i . σσ GaGa

Progreso Genético

= exactitud

estimación VC selectos

. .intensidad de

selección

desvío estándar genético adit ivo

Page 21: 9 Selección Artificial

Machos Hembrasx

Machos Hembras

La Selección se realiza en forma separada para cada sexo, ya que el % de Refugos es distinto para cada uno de ellos.

Page 22: 9 Selección Artificial

A.Angus

Peso al Destete

h2 = 0,30

µ0 = 280 kg

σ2P = 1600 kg2

PG = rPG = r TITI . i . . i . σσ GaGa

Selección del 4 % de los machosmachos, en base al promedio de 20 hijos (MHP)

PGmachos = 0,786 . 2,2145 . 21,90 kg = + 38,11 kg.

Selección del 40 % de las hembrashembras, en base a su registro propio

PGhembras = 0,548 . 0,966 . 21,90 kg = + 11,59 kg.

Page 23: 9 Selección Artificial

Progreso Genético Anual:

IG = Intervalo Generacional = edad promedio de los padres cuando nace su descendencia

IG

PGPGA =

Page 24: 9 Selección Artificial

2MH PGPG +

2MH IGIG

PGA+

=

2MH IGIG

IG+

=

Progreso Genético AnualProgreso Genético Anual

Intervalo GeneracionalIntervalo Generacional

Page 25: 9 Selección Artificial

.

IG Bovinos: 3-6 años en machos y 4-6 en hembras, Prom. 5 años.

IG Aves: 0,5-1,5 años machos y hembras, Prom. 1 año.

Progreso Genético Anual:

Page 26: 9 Selección Artificial

Fuentes de Información

h2 C Lim. x Sexo IG rVCE Ga Costo

Fenotípico - Individual

Moderadas a altas

NO Puede ↑

• función de h2

• ↑ en repetibles

Variable

PorAntecesores

Moderadas a altas SI Puede ↓

función de h2, a1α

Bajo

Por Parientes Colaterales

Moderadas a altas

SI =función de

h2, a1αVariable

Por Progenie

Bajas SI ↑↑↑función de

h2, p Alto

Page 27: 9 Selección Artificial

Respuesta Correlacionada:

realizar selección por un carácter trae aparejado un cambio en aquellos asociados al mismo.

( )σ 2

22

21212 .

PGG ihhrPG =

Progreso Genético correlacionado esperado en el carácter 2 cuando se selecciona directamente por el carácter 1

Page 28: 9 Selección Artificial

Selección Indirecta:seleccionar por un carácter correlacionado en lugar de hacerlo directamente por el carácter principal

La selección indirecta es ventajosa cuando:

1.- el carácter deseado es caro y / o difícil de ser medido con precisión; 2.- cuando puede medirse en un solo sexo pero el carácter secundario se puede medir en ambos sexos y

3.- el carácter se expresa tardíamente en la vida del individuo, por ejemplo longevidad.

Page 29: 9 Selección Artificial

Métodos de Selección para más de un carácter

Tandem

Carácter 1

Nivel deseado

Carácter 2

Nivel deseado

Page 30: 9 Selección Artificial

Métodos de Selección para más de un carácter

NIR: niveles independientes de rechazo

Xm1

Xm2

GS

Page 31: 9 Selección Artificial

Indice de Selección

índice de selección ∑=

=n

1iii .XbIS

∑=

=n

jjiji eaH

1

. índice de selección económico

donde : Hi = mérito económico del iésimo animal, aij = valor de cría del iésimo animal para el carácter j, ej = valor económico del carácter j.

Page 32: 9 Selección Artificial

Rasgo Unidades

Standard desviación 

(SD)

Valor ($ / unidad de la PTA) Valor relativo (%)

NM $ CM $ FM $ NM $ CM $ FM $

Proteína Libras 19 3,41 7,52 0 16 25 0

Grasa Libras 27 2,89 2,89 2,89 19 13 20

Leche Libras 723 0,001 -0,119 0,107 0 -15 19

PL Meses 2.5 35 35 35 22 15 22

SCS Log 0,23 -182 -235 -91 -10 -9 -5

ubre Compuesto 0,90 32 32 32 7 5 7

Pies o piernas

Compuesto 1,03 15 15 15 4 3 4

Tamaño del cuerpo

Compuesto 1,03 -23 -23 -23 -6 -4 -6

DPR Por ciento 1,70 27 27 27 11 8 12

CA $ Dólares 20 1 1 1 5 3 5

Valores económicos por unidad de habilidad de transmisión predicha ( PTA ) y valores económicos relativos de los rasgos (http://aipl.arsusda.gov/reference/nmcalc.htm)

( NM $ = mérito neto ) (SCS = células somáticas ) ( CM $ = el mérito para queso ) ( FM $ = el mérito para líquidos) ( DPR = tasa de preñez de la hija).

Page 33: 9 Selección Artificial

Decidir los objetivos de selección 

Estimar el valor genético aditivo (VC) de cada animal candidato a reproducción. 

Ordenar los animales por su mérito genético. 

Decidir la intensidad de selección que se va aplicar. 

Elegir los animales para reproducción. 

Aparear los animales elegidos. 

Verificar el progreso genético obtenido. 

Caracteres Cuantitativos

Selección Artificial