252 (Dec) pp 475-629
251 (Sep) pp 289-473
250 (Jun) pp 107-288
249 (Mar) pp 1-106
Revisiones (Dec)
248 (Dec) pp 311-455
247 (Sep) pp 199-310
246 (Jun) pp 93-198
245 (Mar) pp 1-92
Revisiones (Dec)
244 (Dec) pp 563-700
243 (Sep) pp 397-562
242 (Jun)
241 (Mar)
Revisiones-Reviews
240 (Dec) pp 477-636
239 (Sep) pp 319-476
238 (Jun) pp 159-318
237 (Mar) pp 1-158
Revisiones
236 (Dec)
235 (Sep)
234 (Jun) pp 161-320
233 (Mar)
Revisiones-Reviews
232 (Dec) pp 839-1354
231 (Sep) pp 319-836
230 (Jun) pp 161-318
229 (Mar) pp 1-160
Revisiones-Reviews
228 (Dec) pp 477-636
227 (Sep) pp 319-476
226 (Jun) pp 159-318
225 (Mar) pp 1-158
Revisiones (Mar)
224 (Dec) pp 635-792
223 (Sep) pp 321-478
Suplemento 1 (Dec) pp 479-632
222 (Jun) pp 161-320
221 (Mar) pp 1-160
Revisiones-Reviews
220 (Dec) pp 389-578
219 (Sep) pp 291-388
218 (Jun) pp 99-290
217 (Mar) pp 3-98
Revisiones-Reviews
Suplemento 1 (Dec) pp 377-794
216 (Dec) pp 805-1006
215 (Sep) pp 275-366
214 (Jun) pp 101-272
213 (Mar) pp 1-100
Revisiones-Reviews
212 (Dec) pp 325-424
211 (Sep) pp 225-236
210 (Jun) pp 125-224
209 (Mar) pp 1-124
Revisiones-Reviews
208 (Dec) pp 585-708
206 (Sep) pp 123-574
205 (Mar) pp 1-121
204 (Dec) pp 357-474
203 (Sep) pp 237-356
202 (Jun) pp 117-236
201 (Mar) pp 1-116
200 (Dec) pp 417-494
199 (Sep) pp 291-416
198 (Jun) pp 125-289
197 (Mar) pp 1-124
196 (Dec) pp 411-484
195 (Sep) pp 291-410
193 (Jun) pp 1-290
192 (Dec) pp 435-628
191 (Sep) pp 311-434
189 (Jun) pp 1-310
188 (Dec) pp 434-512
187 (Sep) pp 311-433
185-186 (Jun) pp 1-308
184 (Dec) pp 371-448
183 (Sep) pp 249-370
182 (Jun) pp 123-248
181 (Mar) pp 1-122
180 (Dec) pp 597-679
178-179 (Sep) pp 129-596
177 (Mar) pp 1-128
176 (Dec) pp 293-424
175 (Sep) pp 197-292
174 (Jun) pp 105-196
173 (Mar) pp 1-102
172 (Dec) pp 377-488
170-171 (Sep) pp 97-376
169 (Dec) pp 3-95
168 (Dec) pp 369-470
166-167 (Sep) pp 97-368
165 (Mar) pp 1-96
164 (Dec) pp 305-403
163 (Sep) pp 201-302
162 (Jun) pp 105-195
161 (Mar) pp 3-102
160 (Dec) pp 401-508
159 (Dec) pp 301-396
158 (Sep) pp 203-300
157 (Jun) pp 105-200
156 (Mar) pp 3-100
155 (Dec) pp 605-710
154 (Sep) pp 303-603
153 (Sep) pp 195-302
152 (Jun) pp 101-194
151 (Mar) pp 1-100
149 (Dec) pp 315-412
148 (Sep) pp 207-314
147 (Jun) pp 101-209
146 (Mar) pp 1-100
145 (Sep) pp 219-330
144 (Jun) pp 107-218
143 (Mar) pp 1-106
142 (Sep) pp 209-332
141 (Jun) pp 105-210
140 (Mar) pp 1-106
139 (Sep) pp 203-326
138 (Jun) pp 103-204
137 (Mar) pp 1-106
136 (Sep) pp 203-370
135 (Jun) pp 107-204
134 (Mar) pp 1-108
133 (Sep) pp 209-332
132 (Jun) pp 103-209
131 (Mar) pp 1-102
130 (Sep) pp 209-333
129 (Jun) pp 107-208
128 (Mar) pp 1-106
127 (Sep) pp 203-331
126 (Jun) pp 109-201
125 (Mar) pp 1-106
124 (Sep) pp 205-329
123 (Jun) pp 109-202
122 (Mar) pp 1-108
121 (Sep) pp 217-330
120 (Jun) pp 113-216
119 (Mar) pp 1-108
118 (Sep) pp 215-330
117 (Jun) pp 107-211
116 (Mar) pp 1-105
115 (Sep) pp 213-330
114 (Jun) pp 105-212
113 (Mar) pp 1-104
112 (Dec) pp 299-400
111 (Sep) pp 199-298
110 (Jun) pp 103-197
109 (Mar) pp 1-101
108 (Dec) pp 301-399
107 (Sep) pp 205-299
106 (Jun) pp 103-204
105 (Mar) pp 1-102
104 (Dec) pp 309-407
103 (Sep) pp 119-308
102 (Jun) pp 113-217
101 (Mar) pp 1-110
100 (Dec) pp 307-403
99 (Sep) pp 201-306
98 (Jun) pp 109-200
97 (Mar) pp 1-108
95-96 (Sep) pp 209-301
94 (Jun) pp 109-207
93 (Mar) pp 1-108
41 (Mar) pp 1-100
Arch. Zootec. 59:  479-485. 2010.    Download 3228
 
ESTIMATIVA DAS DISTâNCIAS GENéTICAS E COMPONENTES PRINCIPAIS EM BOVINOS DE CORTE NO BRASIL
GENETIC DISTANCES AND PRINCIPAL COMPONENT ESTIMATIONS IN BRAZILIAN BEEF CATTLE

Souza, J.C.1,4*, Perotto, D.2, Abrahão, J.J.2, Freitas, J.A.1, Ferraz Filho, P.B.3, Weaber, R.L.4 e Lamberson, W.R.4

1Universidade Federal do Paraná. Campus Palotina. UFPR. Palotina, PR. Brasil. *jcs@ufpr.br
2Instituto Agronômico do Paraná. IAPAR. Curitiba. Brasil.
3Departamento de Ciências Biológicas. UFMS. Três Lagoas, MS. Brasil.
4Department of Animal Science. University of Missouri/Columbia. USA.

Palavras chave adicionais
Análise multivariada. Peso.
 
Additional keywords
Multivariate analysis. Weight.
 
Resumo
O objetivo desse trabalho foi estimar os componentes principais e as correlações entre o peso ao nascer (PN), aos 205 (P205), 365 (P365), 550 (P550) e aos 730 (P730) dias de idade para 2237 animais, provenientes do IAPAR, utilizando análise multivariada. A raça dos touros inclusos no programa foram: Nelore, Guzerá, Red Angus, Marchigiana e Limousin e das vacas: Nelore, ½ Guzerá x ½ Nelore, ½ Red Angus x ½ Nelore, ½ Marchigiana x ½ Nelore, ½ Simmental x ½ Nelore, ¾ Nelore x ¼ Red Angus, and ½ Red Angus x ¼ Guzerá x ¼ Nelore. O menor valor encontrado para as correlações foi entre PN e P730 dias, 0,22; e o maior, entre P365 e P550, 0,73. O primeiro componente principal (PC1) justificou 56%; o primeiro e o segundo (PC2), 72%; os três primeiros PC justificaram 87% e, os quatro primeiros PC 95%. O procedimento MANOVA permitiu separar os componentes de variância de cada par. O teste de Wilk"s Lambda indicou uma diferença significativa na distância entre as raças das vacas baseando se no desempenho dos bezerros. Matrizes pertencentes aos grupos ½ Marchigiana x ½ Nelore e ½ Simental x ½ Nelore tiveram comportamento materno mais próximos, (0,058) ao passo que matrizes Nelore e ½ Simental x ½ Nellore foram as que apresentaram maior distância (2,738). Utilizando o procedimento MANOVA é possível separar a variância para cada tratamento dos cinco avaliados permitindo a separação e estimativa das co-variâncias entre eles. O uso de análise multivariada na seleção de gado de corte através dos componentes principais permite a geração de indices precisos, ponderando as variáveis econômicas a serem selecionadas. O uso da arvore permitiu uma melhor visualização das respostas, no caso, do desenvolvimento das progênies de acordo com o grupo racial das matrizes.
 
Summary
The objective of this study was to estimate principal components for, and correlations between, weights at birth (BWT), 205d (WT205), 365d (WT3650), 550d (WT550) and 730d (WT730) using multivariate analysis of data from 2,237 animals from IAPAR, PR. Calves were produced from Nellore, Guzerá, Red Angus, Marchigiana, and Limousin bulls mated to Nellore, ½ Guzerá x ½ Nellore, ½ Red Angus x ½ Nellore, ½ Marchigiana x ½ Nellore, ½ Simmental x ½ Nellore, ¾ Nellore x ¼ Red Angus, and ½ Red Angus x ¼ Guzerá x ¼ Nellore cows. Correlations ranged from 0.22 (BWT with WT730) to 0.73 (WT365 with WT550). The proportions of variation justified by the principal components were: first, 56%; first and second, 72%; first through third, 87%; and first four, 95%. The MANOVA tests model a separate variance for each trait (in this case, a separate variance for each of the five traits, and a separate covariance for each of the pairs of traits). The Wilks" Lambda indicates a significant difference in genetic distance between breeds of dam based on the performance of calves. Dams composed of ½ Marchigiana x ½ Nellore versus ½ Simmental x ½ Nellore had the least genetic distance (0.058), while Nellore versus ½ Simmental x ½ Nellore were most distant (2.738). Multivariate analysis can be used to estimate principal components for developing economic weights and accurate indices important in beef selection. Trees generated from cluster analysis of progeny weights can be used to visualize genetic grouping of breed of dam.
 
Arch. Zootec. 59:  479-485. 2010.    Download 3228
     
         
Patrocinador: e-revistas   Patrocinador: DOAJ
         
Patrocinador: Fundación Unicaja   Patrocinador: Asociación Iberoamericana de Zootecnia
         
Visitor Nº   6378845
   ©  A r c h i v o s  d e  Z o o t e c n i a