Nutrición Animal Tropical ISSN electrónico: 2215-3527

OAI: https://revistas.ucr.ac.cr/index.php/nutrianimal/oai
Clasificación de toros lecheros mediante análisis de factores y análisis de conglomerados.
Yucas
PDF
HTML

Archivos suplementarios

Audio

Palabras clave

Ganado de leche
Evaluación de sementales
Mejoramiento animal
Recursos genéticos animales

Resumen

El uso de semen de toros genéticamente seleccionados es ampliamente difundido en explotaciones lecheras, pero la gran cantidad de características por analizar puede hacer que la elección de un toro sea difícil. El presente trabajo buscó: 1) Determinar los factores subyacentes a las evaluaciones genéticas de toros lecheros. 2) Clasificar los toros en grupos con características similares. 3) Comparar los grupos generados con respecto a índices bioeconómicos y de tipo, número de hijas y precio de semen. Se usó un archivo de datos con 3021 toros Holstein evaluados en los Estados Unidos y se aplicó un análisis de factores con rotación oblimin. Con los factores extraídos se crearon conglomerados mediante el método de k-medias. Índices bioeconómicos (Mérito neto, mérito quesero, mérito fluido, mérito pastoreo, TPI), de tipo (PTA Tipo, compuesto de ubres, compuesto de patas), el número promedio de hijas en hatos de EEUU y el precio promedio de la dosis de semen fueron comparados mediante Kruskall-Wallis. Cinco factores que explicaron el 79% de la variabilidad: Estructura, Permanencia, Producción, Pezones y Aplomos. Mediante estos factores se encontraron siete grupos, que mostraron diferencias significativas (p<0,001) en los diferentes índices bioeconómicos y de tipo, así como en el número de hijas pero el precio del semen mostró valores similares para la mayoría de los grupos. El uso de los cinco factores analizados podría facilitar la selección de toros de selección artificial, ayudando a perfilar más adecuadamente los animales.

https://doi.org/10.15517/nat.v13i2.38577
PDF
HTML

Citas

Ansari-Lari, M., M. Mohebbi-Fani, A. Rowshan-Ghasrodashti. 2012. Causes of culling in dairy cows and its relation to age at culling and interval from calving in Shiraz, Southern Iran. Veterinary Research Forum 3(4):233–237.

Arnhold, E. 2013. Package in the R environment for analysis of variance and complementary analyses. Brazilian Journal of Veterinary Research and Animal Science 50(6):488-492.

Chu, M.X., S.K. Shi. 2002. Phenotypic factor analysis for linear type traits in Beijing Holstein cows. Asian-Australian Journal of Animal Science 15(11): 1527-1530.

Corrales, J. A., M. Cerón-Muñoz, J. A. Cañas, C. R. Herrera, S.C. Calvo. 2011. Relationship between type traits and milk production in Holstein cows from Antioquia, Colombia. Revista MVZ Córdoba 16:2507-2513.

Hadley, G.L., C. A. Wolf, S. B. Harsh. 2006. Dairy cattle culling patterns, explanations, and implications. Journal of Dairy Science 89:2286–2296.

Holstein USA (Asociación de criadores de Ganado Holstein de EEUU). 2017. Updates to the Total Performance Index® (TPI®) and Type Composites: Keeping up with the changing times. Consultado: 8 abril 2018. Disponible en: http://www.holsteinusa.com/pdf/Upcoming_Changes_aug17.pdf

Kaiser, H. F., J. Rice. 1974. Little Jiffy, Mark IV. Educational and Psychological Measurement, 34(1):111–117.

Kern, E. L., J.A. Cobuci, C.N. Costa, C.M.M. Pimentel. 2014. Factor analysis of linear type traits and their relation with longevity in Brazilian Holstein cattle. Asian-Australasian Journal of Animal Sciences, 27(6), 784–790.

Oldenbroek, K., L. Van der Waaij. 2015. Textbook animal breeding and genetics for Bsc students. Centre for Genetic Resources the Netherlands and Animal Breeding and Genomics Centre. 311 p.

Pallete, A. 2001. Evaluación y selección de toros lecheros. Revista de Investigación Veterinaria del Perú 12(2): 150-160.

R Core Team. 2017. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. En: https://www.R-project.org/.

Revelle, W. 2017. Package Psych: Procedures for Psychological, Psychometric, and Personality Research. R package documentation. En: https://cran.r-project.org/web/packages/psych/psych.pdf

Van Raden, P.M. 2017. Net merit as a measure of lifetime profit: 2017 revision. Animal Improvement Program, Animal Genomics and Improvement Laboratory, Agricultural Research Service, USDA, Beltsville, MD. En: https://www.aipl.arsusda.gov/reference/nmcalc-2017.htm

Weigel, K.A., R.W. Palmer, D.Z. Caraviello. 2003. Investigation of Factors Affecting Voluntary and Involuntary Culling in Expanding Dairy Herds in Wisconsin using Survival Analysis. Journal of Dairy Science 86:1482 – 1486.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.