|
|
|
|
| LEADER |
03405ntm a22003137a 4500 |
| 001 |
20190415111157.0 |
| 003 |
AR-BaUFA |
| 005 |
20250307182801.0 |
| 008 |
171030t2019 ag d|||||m||| 00| 0 spa d |
| 999 |
|
|
|c 46248
|d 46248
|
| 040 |
|
|
|a AR-BaUFA
|
| 090 |
|
|
|a T.G.575 GAR m
|
| 100 |
1 |
|
|9 33814
|a García Baccino, Carolina Andrea
|
| 245 |
0 |
0 |
|a Modelos de evaluación genómica con metafundadores y efectos de dominancia
|
| 260 |
|
|
|c 2019
|
| 300 |
|
|
|a 116 p.
|b tbls., grafs.
|
| 502 |
|
|
|a Tesis.
|c Universidad de Buenos Aires. Facultad de Agronomía. Escuela para Graduados.
|b Doctor de la Universidad de Buenos Aires en el área de Ciencias Agropecuarias.
|g Doctorado en Ciencias Agropecuarias.
|d 2019.
|
| 520 |
|
|
|a Uno de los desafíos en el marco del GBLUP en un solo paso (ssGBLUP) es lograr la compatibilidad entre las matrices A y G al momento de calcular la matriz de estructura de covarianzas H. Una posible solución es el empleo de metafundadores (MF), pseudo individuos que permiten cuantificar las relaciones de parentesco ancestrales de una o varias poblaciones. En esta tesis se generaron contribuciones teóricas y metodológicas con relación a la estimación de los parámetros centrales de un modelo con MF para simplificar su implementación. Por un lado, se mostró la relación teórica entre la relación ancestral (γ) con las covarianzas de las frecuencias alélicas de la población base y el índice de fijación, Fst. Además, se propusieron y evaluaron por simulación métodos que permiten emplear la información genómica de animales relacionados para estimar γ. Las mejores estimaciones (más exactas e insesgadas) se obtuvieron empleando Máxima Verosimilitud (ML) y Mínimos Cuadrados Generalizados (GLS). Adicionalmente, se presentó un modo sencillo para calcular el parámetro s, relacionado con la heterocigosidad de los marcadores, en función del número de SNP empleados en el análisis. Se evaluó también el impacto predictivo de incorporar un MF en ssGBLUP por simulación estocástica, así como también en términos de la estimación de los componentes de varianza. Como resultado se encontró que las predicciones empleando MF presentaron similar exactitud y menor sesgo que las obtenidas con ssGBLUP tradicional. Además, el modelo con MF permitió obtener estimaciones de los parámetros genéticos más precisas. Finalmente, se evaluó la incorporación de los efectos de dominancia en un modelo de predicción para caracteres de crecimiento con información genómica en una población real de bovinos de carne. Los resultados sugieren que la proporción de la varianza genética explicada por dominancia es pequeña, y que el ajuste del modelo no mejora al considerarla. Se estimaron también valores de depresión consanguínea para los caracteres evaluados.
|
| 650 |
|
0 |
|9 306
|a SELECCION
|2 Agrovoc
|
| 650 |
|
0 |
|a MEJORA GENETICA
|2 Agrovoc
|9 7184
|
| 650 |
|
0 |
|a PARAMETROS GENETICOS
|2 Agrovoc
|9 305
|
| 650 |
|
0 |
|a COVARIANZA GENETICA
|2 Agrovoc
|9 26800
|
| 650 |
|
0 |
|9 1200
|a METODOS DE MEJORAMIENTO GENETICO
|2 Agrovoc
|
| 700 |
1 |
|
|9 12817
|a Cantet, Rodolfo Juan Carlos
|e dir.
|
| 700 |
1 |
|
|9 7786
|a Vitezica, Zulma Gladis
|e co-dir.
|
| 856 |
|
|
|x T20190501
|f 2019garciabaccinocarolinaandrea2
|q application/pdf
|i En internet
|u http://ri.agro.uba.ar/files/download/tesis/doctorado/2019garciabaccinocarolinaandrea2.pdf
|
| 942 |
0 |
0 |
|c TESIP0D
|
| 942 |
0 |
0 |
|c ENLINEA
|
| 976 |
|
|
|a AAG
|