30/10/2016
1
Progreso genético en producción animal
(gentileza Ing. Agr. (Ph.D.) Raúl Ponzoni)
Ing. Agr. José Francisco Ramos Depto. Producción Animal y Pasturas
Facultad de Agronomía-UdelaR
31 de octubre de 2016
Objetivos de esta clase
• Explicar cómo se consigue cambio genético en poblaciones animales
• Mostrar qué factores influyen en la tasa de mejora genética
• Comentar por qué a veces los resultados no son los esperados
• Formación básica para referirse con propiedad y rigor técnico sobre el mejoramiento genético animal
Temario
• La predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
30/10/2016
2
Una primera mirada a la predicción del progreso genético
Propósito de un programa de mejora
genética
• Producir cambios en características de interés en las
futuras generaciones de animales, a través de la
selección
• En términos sencillos, el propósito es seleccionar
animales con “buenos genes” (aumentar la frecuencia
de alelos favorables)
Objetivos y criterios de
selección
MEDICIÓN
EVALUACIÓN
SELECCIÓN
USO
POBLACIÓN
Nueva generación
Programa de Mejora Genética
Aumenta frecuencia de alelos favorables
ΔG
30/10/2016
3
Principio básico del progreso genético
Aparear lo “mejor” con lo “mejor”
... y reemplazar generaciones lo más rápido posible
Ganancia genética/año = Superioridad genética de padres seleccionados
Intervalo generacional
¿Cuáles son los factores determinantes?
G/año = heredabilidad x diferencial de selección
Intervalo generacional
Intervalo generacional
intensidad x exactitud x variabilidad genética =
o...
¿Cómo afectan estos factores al progreso
genético?
Heredabilidad Progreso genético Exactitud
Diferencial de selección Progreso genético
Intervalo generacional Progreso genético
30/10/2016
4
Aclaración
G = Progreso genético generacional (PGG) = Ganancia genética (GG) = Respuesta a la selección (R)
Requisitos para conseguir mejora
genética
1. Presencia de variación genética [la magnitud a menudo está fuera del control del criador]
2. Dedicar esfuerzos de selección a las características de mayor interés (e influenciadas por la herencia)
3. Siempre que sea posible, medir objetivamente las características de los animales
4. Decidir qué proporción de animales se va a seleccionar y a qué edad
5. Usar los animales seleccionados eficazmente
Para esto hay que manejar intensidad, exactitud e intervalo generacional intentando optimizar la ecuación
Diferencial de selección (S)
30/10/2016
5
Seleccionamos los “mejores”
¿Qué pasa en la próxima generación?
Mensajes a destacar
• La diferencia entre la media fenotípica de los individuos seleccionados y la media de la población es
el diferencial de selección (S)
• La superioridad de la progenie respecto de la
generación anterior es la respuesta a la selección (R)
• La predicción de R es acerca del futuro: ¿cuánto mejor
va a ser el comportamiento de la progenie respecto de la generación actual?
30/10/2016
6
Respuesta a la selección masal
R = (MediaPadres Seleccionados – MediaGeneración Parental) x h2
= S x h2
Valor de críaSelección masal = h2 x S
Ejemplo con cabras
Supongamos que su peso adulto = 50 kg
Seleccionamos machos y hembras que en media pesan 55 kg (dejamos de lado diferencias entre sexos)
La heredabilidad de peso adulto = 0.42
¿Cual será el peso la próxima generación?
R = S x h2 = (55 kg – 50 kg) x 0.42 = 2.1 kg
Peso próxima generación = 50 kg + 2.1 kg = 52.1 kg
Nota: los cálculos no tienen en cuenta efectos ambientales que puedan cambiar de una generación a otra
Factores que influyen en S
• Distribución y proporción seleccionada
30/10/2016
7
Factores que influyen en S
• Distribución y proporción seleccionada
• A igual proporción seleccionada, S es mayor cuanto mayor sea el desvío standard
• Para una distribución dada, S es mayor cuanto menor sea la proporción seleccionada
Expresión alternativa de S:
Intensidad de selección (i)
i = S / σP = z / p
S = i x σP
i depende de la proporción seleccionada (‘p’ en tablas), por lo tanto conociendo p y σP podemos calcular S
Seleccionamos los “mejores”
Z
30/10/2016
8
p i
0.01 2.67
0.02 2.42
0.03 2.27
0.04 2.15
0.05 2.06
0.10 1.76
0.12 1.67
0.14 1.59
0.20 1.40
0.30 1.16
0.40 0.97
0.50 0.80
0.60 0.64
0.70 0.50
0.80 0.35
0.90 0.20
1.00 0.00
Expresión alternativa de S:
Intensidad de selección (i)
i es una forma estandarizada de S Se expresa en unidades de desvíos estándar fenotípico Es conveniente desde varios puntos de vista, permite:
Calcular S a partir de la proporción seleccionada Comparaciones entre características y entre poblaciones
Temario • Una primera mirada a la predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
30/10/2016
9
Generalización de la ecuación de
respuesta a la selección (R)
Generalización de la ecuación de R
R = S x h2
h2 = σ2A / σ2
P (cociente varianzas aditiva y fenotípica)
h2 = bAP (regresión valor de cría en valor fenotípico) = covAP / σ2
P
P = A + remanente (remanente = ambiente, dominancia, interacciones)
A y remanente no correlacionados, por lo tanto
covAP = σ2A , llegando al mismo resultado con los dos
enfoques (cociente y regresion)
Generalización de la ecuación de R
La exactitud de la estimación del valor de cría a partir del fenotipo la podemos expresar como:
rAP = covAP / (σA x σP) = [(covAP) (σP)] / [(σA x σP) (σP)]
= [(covAP) / (σ2P)] x [(σP / σA)]
= (bAP) x (1 / h)
= h2 (1 / h) = h = rAP
30/10/2016
10
Generalización de la ecuación de R
R = S x h2
= i σP (σ2A / σ2
P) [= i h2 σP ]
= i (σA / σP) σA
= i h σA
= i rAP σA
= intensidad x exactitud x variación
La ecuación es válida para situaciones en que la exactitud se derive de fuentes de información adicionales al fenotipo del individuo, o diferentes. También, si la selección es por un
genotipo agregado (H) usando un índice (I)
Intensidad de selección en hembras y machos
• En muchas especies se necesitan más hembras que machos para reposición
• La inseminación artificial acentúa la situación
• De ahí que i a menudo sea diferente para cada sexo
iPromedio hembras y machos = (iH + iM) / 2
Un ejemplo sencillo
Supongamos que en Tilapia el peso a la cosecha es de 300g, y la h2 ~ 0.25
Supongamos que un reproductor macho pesa 100g por encima del promedio
Si se le aparea con hembras promedio, su progenie será: 100g x 0.25 x 0.5 = 12.5 g
por encima del promedio (VCE/2)
Intervalo generacional un año
30/10/2016
11
Respuesta a la selección R = h2 S = h2 i sP
h2 = 0.25, sP = 60g i = S/sP = z/p (obtenemos valor de tabla) Supongamos que se selecciona el 5% superior: R = (0.25) (2.063) (60g) = 30.94g ~ 31g por generación ~ 10 % por generación
Respuesta a la selección
La ganancia estimada es realista, pero algo conservadora
Podría usarse para:
Aumentar el peso de los peces comercializados a la misma edad
O para comercializar al mismo peso pero a menor edad
Temario • Una primera mirada a la predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
30/10/2016
12
Intervalo generacional (IG)
¿Qué nos esta faltando tratar?
G/año = heredabilidad x diferencial de selección
Intervalo generacional
Intervalo generacional
intensidad x exactitud x variabilidad genética =
o...
Intervalo generacional (IG)
• En muchas especies de baja tasa reproductiva hay que mantener hembras y machos de diferente edad en la población
• IG es la edad promedio de los padres cuando nacen los hijos que los van a reemplazar
• Mide el tiempo requerido en reemplazar una generación con la siguiente
• Depende de la estructura en edades de la población (edad al primer parto, nº de categorías de edad, proporción de animales en cada categoría)
30/10/2016
13
Intervalo Generacional (años)
• Vacunos
• Ovinos
• Suinos
• Equinos
• Aves
• Tilapia
Machos
3 - 4
2 - 3
1.5 - 2
8 - 12
1 - 1.5
1
Hembras
4.5 - 6
4 - 4.5
1.5 - 3
8 - 12
1 - 1.5
1
Generalización de la ecuación de R, ahora
incorporando IG
R/año = {[(SH + SM)/2] x h2 } / [(IGH + IGM)/2]
= [(iH + iM) h2 σP] / (IGH + IGM)
= [(iH + iM) h σA] / (IGH + IGM)
= [(iH + iM) rAP σA] / (IGH + IGM)
intensidad x exactitud x variación
= -------------------------------------------
intervalo generacional
Ejemplo con ovinos
Dos
predios
Alfa, Beta
% corderos
nacidos de
carneros de
diferente edad
Edad
carneros
Alfa Beta
2 50 0
3 50 40
4 0 40
5 0 20
I. G.
Promedio
2.5 3.8
Estructura en hembras
Dos
predios
Alfa, Beta
% corderos nacidos
de ovejas de
diferente edad
Edad
ovejas
Alfa Beta
2 15 0
3 30 20
4 30 25
5 25 30
6 0 25
I. G.
Promedio
3.65 4.6
Estructura en machos
30/10/2016
14
Ejemplo
Podría pensarse que siempre tendremos mayor progreso genético por año si:
• Bajamos la edad a la primera encarnerada
• Tenemos menos categorías de edad
Veamos qué sucede: Ejemplo
Promedio Peso de vellón en la majada: 3.5 kg
Heredabilidad de un registro de peso de vellón = 0.35
Animales Carneros Ovejas
Seleccionados 4.3 kg 3.74 kg
Promedio majada 3.5 3.5
Superioridad 0.8 kg 0.24 kg
Ejemplo
(0.8 + 0.24)/2 = 0.52 kg
0.52 x 0.35 = 0.182 kg
Promedio de producción esperado en los reemplazos:
La mitad proviene de cada progenitor:
Trasmitido a la siguiente generación (R):
3.5 + 0.182 = 3.682 kg
30/10/2016
15
Ejemplo Supongamos que la superioridad de los animales se mantiene al mismo nivel, pero para tomar la decisión de selección el criador Beta toma dos registros, de ahí que los animales seleccionados entren más tarde a la majada.
h2 para un registro = 0.35
Si la repetibilidad para peso de vellón es de t=0.55, el factor por el que se multiplica la heredabilidad para reflejar la mayor exactitud de dos registros es:
k / [1+(k-1)t] = 2 / 1.55 = 1.29
h2 para dos registros = (0.35) (1.29) = 0.45
Ejemplo
(0.8 + 0.24)/2 = 0.52 kg
0.52 x 0.45 = 0.234 kg
Promedio de producción esperado en los reemplazos:
Al igual que antes, la mitad proviene de cada progenitor:
Trasmitido a la siguiente generación (R):
3.5 + 0.234 = 3.734 kg
Ejemplo
• 3.734 kg > 3.682 kg
• R es mayor para Beta que para Alfa
• Pero Beta tiene mayor intervalo generacional
30/10/2016
16
Ejemplo
Para el criador Alfa,
IGPromedio hembras y machos = (IGH + IGM) / 2 =
(3.65 + 2.5) / 2 = 3.075
R/año = 0.182 / 3.075 = 0.059 kg
~ 1.7 %
Ejemplo
Para el criador Beta,
IGPromedio hembras y machos = (IGH + IGM) / 2 =
(4.6 + 3.8) / 2 = 4.2
R/año = 0.234 / 4.2 = 0.056 kg
~ 1.6 %
En conclusión, no hay gran diferencia
Pero el criador Beta trabaja más, tomando dos registros, y no obtiene ventaja respecto de
progreso genetico anual
La estrategia del criador Alfa parece más acertada
¿Alguna otra consideración?
30/10/2016
17
Temario • Una primera mirada a la predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
Repaso de conceptos a
retener
¿Cómo afectan estos factores al progreso
genético?
Heredabilidad Progreso genético Exactitud
Diferencial de selección Progreso genético
Intervalo generacional Progreso genético
Lo que sabemos ahora es que no son independientes
30/10/2016
18
Conceptos a retener
• Media de la población
• Superioridad de los progenitores (S, i)
• Variabilidad disponible para hacer selección y obtener respuesta (R) (h2, rAP y más generalmente rAC)
• Edad de los animales cuando se reproducen por primera vez, estructura en edad de la población (IG)
• Interacciones entre estos factores
Valores generales de tasas de progreso
genético anual
• Animales terrestres (Mamíferos)
▫ 0.5 a 2%
• Animales terrestres (Aves)
▫ 1.0 a 6%
• Animales acuáticos y de laboratorio
▫ 10 a 20%
30/10/2016
19
Respuestas a la selección cuando la selección ha sido
únicamente o principalmente por PV (Simm, 1998)
Temario
• Una primera mirada a la predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
Intensidad de selección,
consanguinidad y Ne
30/10/2016
20
Intensidad de selección, consanguinidad
y Ne de la población
• Idealmente, destinaríamos a la reproducción sólo los animales más destacados en mérito genético
• En la práctica, la tasa reproductiva es limitada y es necesario hacer un balance entre la intensidad de selección y el tamaño efectivo (Ne) de la población
Intensidad de selección, consanguinidad
y Ne de la población
• Necesitamos un Ne relativamente grande para:
▫ Contar con variación genética en el largo plazo ▫ Poder manejar la consanguinidad [ΔF = 1 / (2Ne)]
▫ Aumentar el límite de selección ▫ Que la respuesta a la selección sea predecible
▫ En una población grande S puede ser mayor sin incurrir en problemas de consanguinidad
• Las evaluaciones genéticas poblacionales ayudan
enormemente, la población no es ya la propia cabaña, sino todas las de la raza que participan en la evaluación (ej: Merino Australiano URU 300, Corriedale URU 500, Angus EEUU 445)
Atención: evaluaciones genéticas
poblacionales
• Las ecuaciones de predicción recién presentadas son útiles
• Es fácil comprender como funcionan para el caso de selección individual
• No así cuando se usa información de todos los parientes de cada individuo, a través de la matriz de parentesco
30/10/2016
21
Atención: evaluaciones genéticas
poblacionales
• Cuando se ajusta un modelo de evaluación poblacional se tienen en cuenta efectos tales como fecha de nacimiento, tipo de parto, edad de la madre, grupo de manejo, y cualquier otra fuente de variación que se piense afecte los datos
• Se usa la matriz de parentesco que vincula la genealogía de todos los animales
• El merito genético de cada animal (valor de cría, DEP, EBV, etc.) queda ajustado por esos efectos, el mérito genético de cada animal es comparable con todos los demás en la población evaluada, e IG se optimiza
Atención: evaluaciones genéticas
poblacionales • Agrupando el merito genético de los animales por año de
nacimiento se obtiene lo que usualmente se llama “tendencia genética” en las evaluaciones poblacionales
Temario
• Una primera mirada a la predicción del progreso genético
• Diferencial de selección (S)
• Generalización de la ecuación de respuesta a la selección (R)
• Intervalo generacional (IG)
• Repaso de conceptos a retener
• Intensidad de selección, consanguinidad y Ne
• ¿Por qué a veces la respuesta a la selección no es la esperada?
• Conclusiones finales
30/10/2016
22
¿Por qué a veces la respuesta
a la selección no es la
esperada?
¿Por qué a veces la respuesta a la
selección no es la esperada?
• Malas estimaciones de los parámetros genéticos.
• Refugos (defectos graves, otros.)
• Selección sin datos objetivos.
• Primero subjetivo (Pistero) luego los datos.
• Malos criterios de selección (Ej finura visual)
• Consanguinidad (depresión, reducción de fertilidad, reducción de la varianza)
• Objetivos de selección poco claros, demasiado ambiciosos y/o cambiantes. (Simple breeding objectives, accurately assessed)
Variación en respuesta a la selección
66
290
340
390
440
490
0 2 4 6 8 10
Line 1
Line 2
Line 3
Line 4
Line 5
Generations
30/10/2016
23
Variación en respuesta a la selección
Variación en respuesta a la selección
Variación en respuesta a la selección
Coeficiente de variación de la respuesta
CV_R = [(2IG)0.5] / [Q(Ne t)0.5]
Donde Q es el promedio del producto de intensidad de selección y exactitud para hembras y machos (puede
ser igual para ambos sexos), y t es el número de generaciones durante el cual se conduce el programa
69
30/10/2016
24
Variación en respuesta a la selección
Re-ordenando
CV_R = [(2IG)0.5] / [Q(Ne t)0.5]
podemos estimar Ne para un valor deseado de CV_R:
Ne = 2IG / (CV_R Q)2 t
70
Efecto “Bulmer”
BULMER, M. G. 1971. The effect selection on genetic variability. Am. Nat. 105: 201-211.
• La selección causa una reducción de VA. Se llega a un
equilibrio en aproximadamente 3 generaciones …
• La reducción es de alrededor de 25%, ~75% de la variancia inicial permanece
• El impacto del efecto Bulmer es mayor con más intensidad de selección y mayor exactitud
30/10/2016
25
Efecto “Bulmer”
• Es un efecto importante por dos razones:
▫ Reduce la respuesta ~ 25% (importante al estudiar relación beneficio/costo de programas)
▫ Puede cambiar el mérito de diferentes programas [el efecto Bulmer reduce la varianza entre familias, y la informacion de hermanos (medios y enteros) se vuelve menos importante; pero no reduce la varianza por Mendelian sampling y la información individual y de progenie se vuelve relativamente mas importante que la familiar]
Conclusiones finales
Generalización de la ecuación de R, ahora
incorporando IG
R/año = {[(SH + SM)/2] x h2 } / [(IGH + IGM)/2]
= [(iH + iM) h2 σP] / (IGH + IGM)
= [(iH + iM) h σA] / (IGH + IGM)
= [(iH + iM) rAP σA] / (IGH + IGM)
intensidad x exactitud x variación
= -------------------------------------------
intervalo generacional
30/10/2016
26
Balance entre los elementos de la ecuación
• Intensidad e Intervalo Generacional
• Intensidad y riesgo
• Exactitud e Intervalo Generacional
• Exactitud e Intensidad de Selección
Para aproximarse al óptimo hay que experimentar con valores realistas de los parámetros involucrados
La mejora genética…
• Puede tener carácter permanente • Las ganancias por selección no son impresionantes a
nivel de una población • Pero son espectaculares cuando se acumulan en el
tiempo y se expresan en miles o millones de individuos
Estas propiedades hacen que la mejora genética constituya una de las más poderosas y económicas vías de aumentar la eficiencia
de la producción animal
30/10/2016
27
“Frecuentemente se cree que los planteleros que logran éxitos poseen algún método
misterioso que los demás ignoran. Sin embargo, los principios del cabañero exitoso han sido sumamente simples, la dificultad radica
no tanto en conocer los principios, sino en aplicarlos”.
Sewall Wright (1889-1988)
¡Muchas gracias!