Aplicacin

de modelos
mixtos en
mejora gentica

Diseo de
experimentos y
anlisis de datos en
Produccin y
Sanidad Animal
Mster interuniversitario en
Produccin y Sanidad Animal

Mejora gentica
Elegir los reproductores de la

siguiente generacin

Incrementar el nivel gentico de una

poblacin para una determinada

caracterstica

Mejores
reproductores

-3 -2 -

Cmo elegir a los mejores?

Predecir efecto del animal (valor gentico)

Fenotipo

=
=

Rendimiento

Genotipo

Valor gentico animal

Ambiente
Efectos
ambientales

Rebao
Estado de lactacin
Edad animal
-3 -2 -

2 3

Nmero de parto
Ao

Descomposicin del fenotipo

Valor gentico paterno
EFECTOS ADITIVOS

Valor gentico materno

de los genes
VALOR GENTICO DEL Varianza gentica aditiva
INDIVIDUO

Se transmite a la
descendencia

Azar Mendeliano

(Efectos genticos)
EFECTOS NO ADITIVOS
de los genes

Dominancia

Epistasia

Efectos maternos
PRODUCCIN INDIVIDUAL

PERMANENTES

(Valor FENOTPICO)

Varianza
ambiental
permanente

Varianza fenotpica

Prdida de cuartern
Instinto maternal
Tamao de la madre
Duracin de la lactacin
Edad de la vaca

VALOR AMBIENTAL
(Efectos ambientales)

CONTROLADOS

Nmero de parto
Rebao, ao, estacin

TEMPORALES

Mes de parto
Tipo de parto

NO CONTROLADOS Varianza residual: ERROR

Parmetros genticos
Heredabilidad (h2)

Proporcin de la variabilidad del fenotipo de origen gentico

h2

Varianza Gentica Aditiva

Varianza Fenotpica

h2= 1 Reproductores: los de mejor rendimiento

h2 = 0 No tiene sentido la seleccin (Varianza Gen=0)

-3

-2

+2

+3

Parmetros genticos
Repetibilidad

Correlacin entre dos registros del mismo animal

r2

Varianza Gentica Aditiva Varianza Ambiental Permanente

Varianza Fenotpica

Definicin del modelo

yi S j Dk ei

Ecuacin del modelo

Esperanzas y varianzas

Asunciones

Restricciones

Limitaciones

Efectos fijos y/o aleatorios

El modelo no incluye el efecto sexo porque se

asume que no hay diferencias

El modelo slo incluye datos

de vacas en primera lactacin

No se incluye el efecto mes de

parto porque se desconocen
las fechas

Efectos
Fijos (sistemticos)
Pocos niveles en la poblacin
Todos los niveles representados en la muestra
Pertenecer a uno de los niveles representa una diferencia fija con respecto

a los otros niveles del efecto

COMPARACIN DE MEDIAS

Aleatorios
Muchos niveles en la poblacin
Muestra representativa de los niveles en la muestra
Todos los niveles pertenecen a una distribucin normal
DESCOMPOSICIN DE LA VARIANZA parmetros genticos

Tipos de modelos
Variable dep =

Iniciacin a la valoracin
gentica animal. Metodologa
aplicada al EEES (J. P. Gutirrez)

ef. FIJOS + ef. ALEATORIOS

yi ei

Modelo fijo:

yi S j Dk ei

S: Sexo (j=M, H)
D: Dieta (k= control, supl)

Modelo aleatorio:

yi R j Ak ei

R: Rebao (j=1, 500)

A: Animal (k=1, 3.294)

Modelo mixto:

yi S j yrk Rl Am ei

S: Sexo (j=M, H)
yr: Ao (k= 1, 2, 3)
R: Rebao (j=1, 500)
A: Animal (k=1, 3.294)

Modelo fijo
Ecuacin del modelo GMDi S j ei

1000
900
850
950
920

SM

SM
SM

SM

1000 1
900 1

850 1

950

1
920 1

SH
SH

SH

1
0
0
1
1

0
e1
1 e2
1 S M e3

0 S H e4
e5
0

b + e

e1
e2
e3
e4
e5

Individuo

Sexo

GMD
(g/d)

1000

900

850

950

920

y = Xb + e
y Xb

E b = b
e 0
var(y) var e = R Ie2

Modelo fijo
Variable dependiente: Dimetro de fibra de alpaca (micras)

1000 observaciones de 841 individuos

Edad y Edad2 (cov)
Sexo (2 niveles)
Color (3 niveles)
Mes-ao (47 niveles)

proc mixed data=datos;

class m_yr sexo color m_yr;
model mic= edad edad2 color sexo m_yr/ noint solution;
run;

Modelo fijo

R Ie2

e2
1(edad)+ 1(edad2)+2(sexo)+3(color)+47(m_yr)=54

Suma de niveles de efectos fijos

Modelo fijo
model mic= edad edad2 color sexo m_yr/ noint solution;

Modelo fijo
model mic= edad edad2 color sexo m_yr/ noint solution;

+color 1

model mic= edad edad2 color sexo m_yr/ solution;

Modelo mixto animal

Ecuacin del modelo

Individuo

Sexo

GMD (g/d)

1000

900

850

950

920

GMDi S j uk ei
1000
900
850
950
920

SM
u1

SH
u2

SH
u3
SM
u4
SM
u5

e1
e2
e3
e4
e5

Modelo mixto animal

Individuo

Sexo

GMD (g/d)

1000

900

850

950

920

Ecuacin del modelo

1000
900
850
950
920

1000 1
900 1

850 1

950

1
920 1

u1

SH
SH

u2

u3

SM
SM

SM

SM

1
0
0
1
1

u4

u1 u2

SH

0
1
1 0
1 S M 0

0 S H 0
0
0

0
1
0
0
0

u5

u3

u4

u5

0
0
1
0
0

0
0
0
1
0

0 u1 e1
0 u2 e2
0 u3 e3

0 u4 e4
1 u5 e5

u + e

e1
e2
e3
e4
e5

Modelo mixto animal

Individuo

Sexo

Edad

GMD
(g/d)

28

1000

21

900

25

850

20

950

26

920

Ecuacin del modelo con covariable

yi S j edad i uk ei
1000
900
850
950
920

SM

SM
SM

SH
SH

SM

1000 1
900 1

850 1

950

1
920 1

1
0
0
1
1

SH

0
1
1
0
0

4
3
1
4
2

bedad
bedad
bedad
bedad
bedad

u1
u2
u3
u4
u5
u1 u2

bedad

4
1

0
3

S
M
0
1
SH
4
0
bedad
0
2

b +

0
1
0
0
0

u3 u4

u5

0
0
1
0
0

0 u1 e1
0 u2 e2
0 u3 e3

0 u4 e4
1 u5 e5

0
0
0
1
0

u + e

e1
e2
e3
e4
e5

Modelo mixto animal

Esperanzas y varianzas del modelo

y = Xb + Zu + e
y Xb
b b
E =
u 0

e 0

y ZGZ' + R ZG R
var u = GZ'
G 0
e
R
0 R

Individuos independientes
u G 0 I u
var =

e 0 R 0

I e

Individuos emparentados
u G 0 A u
var =

e 0 R 0

I e

proc mixed data=datos;

class sexo color animal;
model mic= edad edad2 color sexo m_yr/ noint s;
random animal / solution;
ods output solutionr= EBV_indep ;
run;

Modelo animal
Individuos independientes

e2
u2

h 0.5532
2

Individuos independientes
solutionR

ATENCIN:
Slo tendremos valor
gentico de todos los
individuos del pedigr
(tengan o no respuesta
observada) si en DATOS
estn con valor
desconocido.

Modelo animal

Individuos emparentados
Pedigr = 1162 individuos

Modelo animal

data pedigri;
infile 'PED.prn';
input animal padre madre;
run;
proc inbreed data=pedigri
covar outcov=amatrix;
var animal padre madre;
run;
data ldata;
set amatrix;
parm=1;
row=_n_;
run;

u G 0 A u
var =

e 0 R 0

I e

Individuos emparentados

Modelo animal

proc mixed data=datos ;

class sexo color animal;
model mic= edad edad2 color sexo m_yr/ noint s;

random animal /type=lin(1) ldata=ldata solution ;

ods output solutionr=blup ;
run;

Modelo animal
Individuos independientes

Individuos emparentados

h 0.5532

h 0.4672

Modelo animal
Individuo

Micras

108

436

28.2

468

615

27.02

618

(21.33+24.59)/2= 22.96

Individuos emparentados

Individuos independientes
615
2.66 1.95

618

Modelo animal
Individuos independientes

Individuos emparentados

Modelo animal con efecto permanente

y = Xb + Zu + Wp + e
y Xb
b b

E u = 0

p 0
e 0

G
u A u

var p = 0
e 0

0
I e

0 0
I ep
0

del efecto permanente

ep Varianza
(parte comn que un mismo individuo aporta a todas sus mediciones)

Modelo animal con efecto permanente

Variable dependiente: Dimetro de fibra de alpaca (micras)

1000 observaciones de 841 individuos

Edad y Edad2 (cov)
Sexo (2 niveles)
Color (3 niveles)
Mes-ao (47 niveles)
Animal (1162 niveles)

Modelo animal con efecto permanente

proc mixed data=datos ;
class sexo color animal perm;
model mic= edad edad2 color sexo m_yr/ noint s;
random animal /type=lin(1) ldata=ldata s ;
repeated perm / type=VC;
proc mixed data=datos;
run;
class sexo color animal;
model mic= edad edad2 color sexo m_yr/ noint s;
random animal /type=lin(1) ldata=ldata s;
repeated / subject=animal type=VC;
run;
u2

2perm

!!!!

e2 ??

PROC MIXED vs PROC GLIMMIX

MIXED
Respuesta distribucin

normal

Dist=normal link=identity

GLIMMIX
Respuesta con distribucin

no necesariamente normal
Binaria, binomial, Poisson
Normal, beta, gamma,

exponencial

Datos correlacionados

(heterogeneidad de
varianzas)
repeated

Var(cov) slo un efecto

aleatorio

Datos correlacionados

(heterogeneidad de
varianzas)
random _residual_

Varios efectos aleatorios

con diferentes estructuras

de var(cov)

Para 9.1: ftp://ftp.sas.com/techsup/download/pc/proc_glimmix_package.zip

Modelo animal: GLIMMIX

proc glimmix data=datos ;
class sexo color animal;
model mic= edad edad2 color sexo m_yr/
link=identity dist=gaussian noint solution;
random animal /type=lin(1) ldata=ldata solution ;
random _residual_ / subject=animal type=VC;
run;
proc mixed data=datos ;
class sexo color animal;
model mic= edad edad2 color sexo m_yr/
noint solution;
random animal /type=lin(1) ldata=ldata solution ;
repeated /subject=animal type=VC;
run;

Modelo animal con efecto permanente

proc glimmix data=datos ;
class sexo color animal;
model mic= edad edad2 color sexo m_yr/ noint s;
random animal /type=lin(1) ldata=ldata solution ;
random perm/type=VC solution ;
random _residual_ / subject=animal type=VC;
run;

Modelo animal con efecto permanente

u2 , ep2
e2

Modelo animal con efecto permanente

h 0.0946
2

r 0.5542
2

Modelo animal con efecto camada

y = Xb + Zu + Vc + e
y Xb
b b

E u = 0

c 0
e 0

u A u

var c = 0
e 0

0
I c
0

0
I e

Modelo animal con efecto materno

y = Xb + Zu + Mm + e
y Xb
b b

E u = 0

m 0
e 0

u A u

var m = A u , m
e 0

A u , m
A m
0

0
I e

Modelo animal con efecto materno

Variable dependiente: Peso nacimiento
543 observaciones de 543 terneros
Variables independientes:
Edad madre (cov)
Rebao-ao-estacin nac. (39 niveles)
Sexo (2 niveles)
Animal (1428 niveles)
Madres (402 madres)

Modelo animal con efecto materno

proc glimmix data=datosPNAC;
class sexo hys madre animal;
model pesonac = edmadre sexo hys / noint solution;
random animal /type=lin(1) ldata=ldataPNAC solution;
random madre /type=lin(1) ldata=ldataPNAC solution;
random _residual_ / subject=animal type=VC;
ods output solutionr= solutionMAT
ParameterEstimates=solutionFIX
CovParms= varCov;
run;

Modelo animal con efecto materno

OJO! No estima u , m
543 individuos con dato (u)+
402 madres (m)

Var(u)

Var(m)

u A

var m = A u , m
e 0

A u , m
A
0

0
I e

u A u

var m = 0
e 0

0
I e

0 0
A m
0

Modelo animal con efecto materno

ParameterEstimates

Slo tienen valor

gentico aditivo los
543 ind. con dato y
valor gentico
materno las
402 madres

Modelo animal con efecto materno

u A u

var m = A u , m
e 0

A u , m
A m
0

0
I e

proc glimmix data=datosPNAC;

class sexo hys madre animal;
model pesonac = edmadre sexo hys / noint solution;
random animal madre/type=lin(1) ldata=G solution;
random _residual_ / subject=animal type=VC;
run;

Modelo animal con efectos maternos y

efecto camada

y = Xb + Zu + Mm + Vc + e
y Xb
b b

u 0
E =

m
0
u

u
m
c 0
A um

var
=
c 0
e 0

e 0

G
A um

A m
0
0

0
0
I c
0

I e
0
0
0

Limitaciones de SAS
Memoria:
Genealogas pequeas
Pocos niveles de efectos fijos

Estimacin de covarianzas entre efectos aleatorios requiere

preparacin previa de estructura de co(var)

Solucin: PROGRAMAS ESPECFICOS EN MEJORA GENTICA

VCE (ftp://ftp.tzv.fal.de/pub/vce6/)
WOMBAT (http://agbu.une.edu.au/~kmeyer/wombat.html)
BLUP90 (http://nce.ads.uga.edu/wiki/doku.php)
DMU (http://dmu.agrsci.dk)
TM (http://snp.toulouse.inra.fr/~alegarra/TMdist.tar.gz)

Utilidad de
los modelos
mixtos en la
mejora
gentica

Estimacin efectos fijos (sistemticos)

Estimacin de parmetros genticos para caracteres de produccin de leche
en la raza ovina Lacaune Espaola
David Snchez Lpez (TFM, 2014)

y = Xb + Zu + Wp + e
Nmero de lactacin (4 niveles)
Fecha de control (27 niveles)
Da de lactacin (180 niveles)

Estimacin de parmetros genticos

Estimacin de parmetros genticos para caracteres de produccin de leche
en la raza ovina Lacaune Espaola
David Snchez Lpez (TFM, 2014)

LD
PGD
GD
PPD
PD
logRCSD
LL
PGL
GL
PPL
PL
logRCSL

h2

c2

Var (p)

0,166

0,287

0,453

471.657

0,132

0,133

0,264

1,2

0,153

0,210

0,364

1.662

0,183

0,188

0,370

0,3

0,165

0,264

0,428

1.251

0,137

0,282

0,419

0,3

0,235

0,429

0,664

7.411

0,283

0,297

0,580

0,5

0,253

0,364

0,618

24,4

0,331

0,366

0,697

0,1

0,231

0,395

0,626

20,8

0,195

0,387

0,582

0,3

Leche diaria (LD) y por lactacin a 160 das (LL)

Recuento de clulas somticas diario y por
lactacin (logRCSD, logRCSL)
Grasa diaria y por lactacin (GD, GL)
Protena diaria y por lactacin (PD, PL)
% grasa diaria y por lactacin (PGD, PGL)
% protena diaria y por lactacin (PPD, PPL)

h2: heredabilidad; c2 : ratio entre la varianza ambiental permanente y la varianza fenotpica; r: repetibilidad (r= h2 + c2); Var (p): varianza fenotpica total

Estimacin de parmetros genticos

Estimacin de parmetros genticos para caracteres de produccin de leche
en la raza ovina Lacaune Espaola
David Snchez Lpez (TFM, 2014)
Correlaciones genticas (encima de la diagonal) y fenotpicas (debajo de la diagonal)
LD
LD
PGD
GD
PPD
PD
logRCSD
LL
PGL
GL
PPL
PL
logRCSL

---0,328
0,761
-0,253
0,930
-0,148
0,548
-0,171
0,453
-0,140
0,496
-0,040

PGD

GD

PPD

PD

-0,382 0,826 -0,339 0,934

--0,187 0,585 -0,212
0,295
---0,002 0,874
0,398 -0,032
--0,005
-0,216 0,776 0,080
--0,113 -0,082 0,126 -0,113
-0,164 0,426 -0,134 0,506
0,389 0,080 0,256 -0,083
0,046 0,473 0,010 0,463
0,225 0,008 0,507 0,042
-0,087 0,428 0,036 0,517
0,051 -0,009 0,067 -0,017

logRCSD

LL

-0,042
0,146
0,032
0,155
0,003
---0,044
0,052
-0,019
0,074
-0,021
0,494

0,999
-0,363
0,833
-0,318
0,938
-0,040
---0,284
0,841
-0,157
0,939
-0,128

PGL

GL

PPL

PL

-0,299 0,810 -0,293 0,918

0,993 0,222 0,544 -0,166
0,282 0,998 0,028 0,879
0,580 0,036 0,997 0,057
-0,118 0,868 0,057 0,998
0,139 0,026 0,159 0,007
-0,281 0,819 -0,273 0,924
--0,313 0,545 -0,075
0,259
--0,064 0,877
0,424 0,082
--0,107
-0,137 0,870 0,178
--0,120 -0,062 0,157 -0,075

Azul: Correlaciones genticas entre caracteres de produccin diaria y por lactacin;

Verde: Correlaciones genticas entre produccin de grasa o protena y produccin de leche diaria y por lactacin
Rojo: Correlaciones genticas entre porcentaje de grasa o protena y produccin de leche diaria y por lactacin
Amarillo: Correlaciones genticas entre porcentajes de grasa y protena
Naranja: Correlaciones genticas entre producciones de grasa y protena.

logRCSL
-0,042
0,145
0,035
0,152
0,004
0,999
-0,041
0,140
0,028
0,157
0,007
---

Utilidad de la prediccin valor gentico: Catlogos

http://213.0.29.171/IndicesGen/CatSementales.aspx