Estudo genético quantitativo de características de eficiência alimentar em suínos testados em comedouros eletrônicos | Quantitative genetic study of feed efficiency traits in swine tested in electronic feeders

O consumo alimentar é a medida mais importante relacionada a eficiência alimentar de suínos. A maneira mais prática para a obtenção das informações de consumo de alimento é através do uso de alimentadores eletrônicos. Todavia, para o cálculo de parâmetros genéticos do consumo alimentar com dados provenientes de alimentadores eletrônicos é preciso que se faça a edição e correção destes dados. Tendo em vista que os alimentadores estão expostos a um ambiente hostil, com umidade e substâncias corrosivas, e ao comportamento agressivo dos suínos, é esperado que hajam medidas discrepantes de consumo alimentar individual, como valores biologicamente impossíveis, valores negativos e a ausência de registro para um consumo real. No primeiro artigo avaliou-se a edição e correção através de três métodos de dados fenotípicos de 962 suínos Large White testados em comedouros eletrônicos, estimou-se parâmetros genéticos para características de eficiência alimentar e avaliou-se o impacto do método de correção na seleção de reprodutores. Componentes de (co)variância foram calculados para conversão alimentar, ganho médio diário e consumo alimentar residual, baseados nos bancos de dados gerados a partir dos três métodos de correção e edição. A correlação genética entre características variou de 0,92 a 0,99. As correlações de rank dos valores genéticos de todos os animais entre os bancos de dados foi alta (acima de 0,94) para todas as características. O percentual de indivíduos selecionados em comum foi alto para o percentil 10% em todas as características (76 a 89%), e valores mais baixos foram encontrados para consumo residual entre os bancos de dados no percentil 5%. O método de correção mais adequado para os dados de consumo alimentar em comedouros eletrônicos é a exclusão de 16 tipos de erros e ajuste do consumo alimentar diário livre de erros através de um modelo misto de regressão linear. No segundo artigo investigou-se através do uso de modelos de regressão aleatória a variação dos parâmetros genéticos e da seleção genética ao longo das semanas de teste com medidas de consumo alimentar tomadas semanalmente ou bissemanalmente. O banco de dados continha 366.504 visitas ao comedouro eletrônico de 922 suínos Landrace testados em um núcleo de genética de uma empresa entre os anos de 2016 e 2021. O consumo médio semanal de cada animal foi medido de um peso vivo médio de 35 kg no início do teste a 120 kg no final. Modelos de regressão aleatória foram utilizados para ajustar o consumo alimentar diário nos dias de teste considerados. Os componentes de (co)variância foram estimados através da máxima verossimilhança restrita, considerando o melhor modelo identificado. Uma comparação foi feita entre o banco de dados de consumos semanais e bissemanais. As herdabilidades foram de moderadas a altas, variando de 0.61±0.09 (3.5 dias) a 0.99±0.003 (101.5 dias). As correlações de rank entre valores genéticos dos animais nos dois bancos de dados foram altas até as 12 semanas. Considerando os animais top 10% as correlações de rank variaram de 0,81 a 0,91 até os 80,5 dias em teste, e de 0,40 a 0,50 após. Utilizar medidas bissemanais de consumo alimentar não afetou os parâmetros genéticos utilizando modelos de regressão aleatória.

The feed intake is the most important trait related to the feed efficiency of swine. The most practical way for the obtainment of feed intake information is through the use of electronic feeders. However for the estimation of genetic parameters of feed intake with data from electronic feeders, editing and correcting the data is necessary. As the electronic feeders are exposed to a hostile environment, with humidity and corrosive substances and the aggressive behavior of pigs, outliers in the measurements of individual feed intake are expected to be found, as biologically impossible measures, negative values and the absence of feed intake information in some visits to the feeder. In the first paper the objective was to evaluate phenotypic data editing and three correction methods in data from Large White pigs tested in electronic feeders, estimate genetic parameters for feed efficiency traits, and evaluate the impact of the correction method on selection of breeding candidates. Feed intake data from 962 Large White boars was used to evaluate the impact of data editing and correction of phenotypic records based on different methods. Variance and covariance components were calculated for feed conversion ratio, average daily feed intake, and residual feed intake based on the datasets generated after editing and correction. The genetic correlation between traits ranged from 0.92 to 0.99. Rank correlations of estimated breeding values (EBVs) of all animals across datasets were high (above 0.94) for all traits. The percentage of commonly-selected individuals was high for 10% percentile in all traits (76% to 89%), and the lowest values were found for RFI between datasets in the 5% percentile. The recommended correction method for the data would be the exclusion of 16 error types and adjustment of the error-free daily feed intake. For the second paper the aim was to investigate the variation of the genetic parameters of feed intake over the weeks of test and to determine if changing the recording of measurements from weekly to bi-weekly affects the variance of the trait and the genetic selection of the animals. The dataset contained 366,504 records of individual visits to an electronic feeder of 922 Landrace boars tested in a nucleus herd of a breeding company between the years of 2016 and 2021. Mean weekly feed intake from each pig was measured from a mean body weight of 35 kg at the start of the test and of 120.0 kg at the end. Random regression analyses were performed to fit the average daily feed intake into the days in test considered. The (co)variance components were estimated via average information restricted maximum likelihood, considering the best model identified. A comparison was performed considering a full dataset and the dataset with the DFI recorded bi-weekly. The DFI heritabilities were moderate to high, ranging from 0.61±0.09 (DIT 3.5) to 0.99±0.003 (DIT 101.5). Adjacent DFI measure were strongly genetically correlated, with coefficients ranging from 0.78±0.03 to 0.99±0.0001. The correlation estimates were near zero between distant DIT. The Spearman correlations between EBV obtained in the genetic evaluations performed in the full and censored data sets, were strong until 12 weeks (above 0.80). When considering the top 10% animals for 3.5 days in test, the correlations ranged from 0.80 to 0.91 until 80.5 days in test, and from 0.40 to 0.50 after 80.5 days in test. Using bi-weekly measures of DFI does not affect the genetic parameter estimates using random regression models.