347

RESUMEN

Se utilizaron datos de 2618 registros de producción de leche (de

1991 a 1998) y ajustados a 305 días, para estimar la producción de

leche promedio y predecir los valores de cría en un hato Holstein

ubicado en Baja California Sur, México. Dichos datos son impor-

tantes para la selección de los futuros reproductores, por lo que se

efectuó una evaluación genética mediante un modelo animal con

mediciones repetidas, que incluyó los efectos aleatorios genéticos

aditivos de los animales, un efecto aleatorio permanente del am-

biente y efectos fijos de los grupos contemporáneos, determinados

por las subclases edad-lactancia-época-año. Se predijeron los va-

lores de cría para un total de 3305 animales utilizando el progra-

ma PEST. Los componentes de varianza se estimaron con base en

un procedimiento de máxima verosimilitud restringida con un al-

goritmo libre de derivadas, mediante el programa DFREML. La

producción promedio de leche fue de 8127.77±361.11 kg por lac-

tancia. El índice de herencia estimado para producción de leche

fue 0.26±0.09 y la varianza ambiental permanente, como propor-

ción de la varianza fenotípica, fue 0.45±0.01. Se concluye que los

componentes de varianza en este estudio pueden considerarse lo

suficientemente confiables para ser utilizados en la predicción de

los valores de cría de los animales evaluados.

Palabras clave: Parámetros genéticos, producción de leche, valor de

cría.

I NTRODUCCIÓN

L a producción de leche de bovinos en Méxicorequiere mayor eficiencia; en el aspecto de mejo-ramiento genético esto implica la necesidad de

establecer programas de selección capaces de obteneravances más intensos basados en el mérito genético delos reproductores. Así, es importante mejorar la metodo-logía para la evaluación genética de dichos reproductores,de manera que el mérito genético predicho sea lo máscercano posible al mérito genético real.

EVALUACIÓN GENÉTICA DE UN HATO HOLSTEIN EN BAJA CALIFORNIA SUR,UTILIZANDO UN MODELO ANIMAL CON MEDICIONES REPETIDAS

GENETIC EVALUATION OF A HOLSTEIN DAIRY HERD IN BAJA CALIFORNIA SUR, UTILIZING ANANIMAL MODEL WITH REPEATED MEASUREMENTS

Alejandro Palacios-Espinosa1, Felipe Rodríguez-Almeida2, Jorge Jiménez-Castro2, José Luis Espinoza-Villavicencio1

y Rafael Núñez-Domínguez3

1Universidad Autónoma de Baja California Sur. Carretera al Sur, Km. 5.5, CP. 23080, La Paz, B.C.S.(palacios@uabcs.mx). 2Universidad Autónoma de Chihuahua. 3Universidad Autónoma Chapingo.

Recibido: Octubre, 1999. Aprobado: Mayo, 2001.Publicado como ENSAYO en Agrociencia 35: 347-353. 2001.

ABSTRACT

Data from 2618 records of milk production adjusted to 305 days

from 1991 to 1998 were used, with the objective of estimating the

mean of milk production and to predict the breeding values in a

Holstein dairy herd in Baja California Sur, Mexico. Breeding are

important values in the selection process; therefore, a genetic

evaluation was conducted using an animal model with repeated

measurements. This model included the genetic additive random

effects, a permanent environmental random effect and fixed effects

of the contemporary groups determined by the subclasses age-

lactation-season-year. The breeding values for 3305 animals were

predicted using the PEST program. The variance components were

estimated by a restricted maximum likelihood method with a

derivative-free algorithm, using the DFREML program. The milk

production mean was 8127.77±361.11 kg by lactation. The

estimated heritability for milk production was 0.26±0.09 and the

permanent environmental variance as a fraction of the phenotypic

variance was 0.45±0.01. It is concluded that the variance

components in this study are reliable for prediction of breeding

values of the animals in the evaluated herd.

Key words: Genetic parameters, milk production, breeding value.

INTRODUCTION

The bovine milk production in Mexico requiresmore efficiency; for genetic improvement thisimplies the necessity of establishing selection

programs able to obtain more intense advances based onthe genetic merit of the reproducers. Thus, it is importantto improve the methodology for the genetic evaluationof this reproducers, so that the predicted genetic merit isas close as possible to the true genetic value.

The mixed models equations (Henderson, 1975 a),the calculation of the inverse of the relationships matrix(Henderson, 1976 a,b) and the inclusion of genetic groupsfor evaluation of sires in the models (Henderson, 1975 b,1977), were instrumental in the development of the Wmatrix (Westell, 1984). In this matrix, pedigrees are tracedback up to where parents lack records (called phantom

AGROCIENCIA VOLUMEN 35, NÚMERO 3, MAYO-JUNIO 2001348

Las ecuaciones de modelos mixtos (Henderson,1975a), el cálculo de la inversa de la matriz de relaciones(Henderson, 1976 a, b) y la inclusión de grupos genéticosen los modelos de evaluación de sementales (Henderson,1975b, 1977) sirvieron de base para desarrollar la matrizW (Westell, 1984). En esta matriz se trazan genealogíashasta donde los progenitores no tienen registros (llama-dos padres fantasma) y, de acuerdo con la teoría de gru-pos, son asignados a grupos de selección. Westell (1984)consideró un incremento de las ecuaciones del modelomixto, tal como lo hizo Henderson (1977) para los ani-males sin registros, incluyendo además a los padres fan-tasmas y los grupos de selección, lo que resulta en unconjunto de ecuaciones (Q-P-W) que son la base de lamatriz W. Al incluir la matriz W dentro de las ecuacionesdel modelo mixto, se vinculan las ecuaciones de los ani-males que cuentan con registros con las de los que no lostienen, y con las de los grupos de selección, dando ori-gen al modelo animal. Este modelo usa todos los paren-tescos genéticos entre machos y hembras en una pobla-ción, por lo que se incrementa la exactitud en la predic-ción de los valores de cría. Además, al evaluar conjunta-mente hembras y machos, se utiliza una misma base ge-nética arbitraria en los dos sexos y en todos los hatos, yla corrección por apareamiento aleatorio es automática(Van Vleck, 1992).

En México, el modelo animal se ha utilizado para lasevaluaciones genéticas de los animales registrados por laAsociación Holstein de México, aunque tales evaluacio-nes se han efectuado en el Animal Improvement ProgramsLaboratory en Beltsville, Maryland (Ruiz, 1997)4.

El objetivo del presente trabajo fue llevar a cabo laevaluación genética de un hato lechero Holstein en BajaCalifornia Sur, México, con base en un modelo animalcon mediciones repetidas.

MATERIALES Y MÉTODOS

Se utilizaron los datos de los registros de producción de leche

ajustados a 305 d, recabados entre 1991 y 1998 en el rancho El Cara-

col. El establo está ubicado en las coordenadas geográficas 27o 31’

30” N y 113o 20’ 20” O a 600 m de altitud. El clima es semiseco a seco

con lluvias escasas en invierno y en verano y con una precipitación

promedio anual de 91.9 mm. La temperatura máxima promedio du-

rante el verano es 40.1 oC y la media anual 21.3 oC (DGETENAL,1982).

La población de ganado Holstein se inició en 1986 y la base ge-

nética tiene sus orígenes en los Estados de California y Arizona,

EE.UU., principalmente. El número de animales se incrementó du-

rante los primeros años y en la última década se ha mantenido un

promedio de 500 vientres.

4 Ruiz, L.F. 1997. Estrategias para el establecimiento de programas deevaluación genética del ganado bovino lechero. Memorias Primer Forode Análisis de los Recursos Genéticos de la Ganadería Bovina. Méxi-co, D.F. pp: 36-44.

parents) and, in accordance with grouping theory, areassigned to selection groups. Westell (1984) consideredan increment of the equations in the mixed model, just asdid Henderson (1977) for the animals without records,including the phantom parents and the selection groups,resulting in a set of equations (Q-P-W) which are the baseof the W matrix. When including the W matrix in themixed model equations, the equations of animals that haverecords are linked to those of animals that lack of them,and with those of the selection groups, generating theanimal model. This model uses all genetic relationshipsbetween males and females in a population, henceincreasing the accuracy in the prediction of the breedingvalues. Also, when joint sire and cow evaluation isperformed, the same arbitrary genetics base is used inboth sexes and all herds, and the correction for randommating is automatic (Van Vleck, 1992).

In Mexico, the animal model has been used for geneticevaluations of the animals registered by the HolsteinMexico Association, although such evaluations have beenmade in the Animal Improvement Programs Laboratoryin Beltsville, Maryland (Ruiz, 1997).

The objective of this work was to carry out a geneticevaluation of a Holstein herd in Baja California Sur,Mexico, using an animal model with repeatedmeasurements.

MATERIALS AND METHODS

Records of milk production from 1991 to 1998 adjusted to 305 d

from Caracol Ranch dairy herd were used. The stable is located at the

geographical coordinates 27° 31' 30” N and 113° 20' 20” W and at

600 m of altitude. The weather is semi-dry to dry with sparse rains in

winter and summer and an average annual precipitation of 91.9 mm.

The maximum average temperature in summer is 40.1° C and annual

average 21.3° (DGETENAL,1982).

This Holstein herd began in 1986 and the genetic base was

originated from California and Arizona, EE.U.U., mainly. The animal’s

number was increased during the first years, and in the last decade an

average of 500 cows has been maintained.

The cows are milked twice a day in a herringbone milking parlor.

Washing, drying, premilking and postmilking of the udder is practiced.

The cows were separated in six groups according to its lactating period:

less than 21 d postpartum, 21 - 150 d after calving, 210 - 305 d

pospartum and two groups of dry cows (initial and transition periods).

A 60 d of voluntary wait period for artificial insemination (IA) is used.

The estrous detection is practiced by a man during all day; the IA is

practiced 12 h after standing estrous is observed. Since 1996, the semen

is assigned according to Dairy Herd Improvement Association (DHIA)

evaluations. Before that year, semen assignment was based mainly on

the offer of sales companies, regardless of the genetic merit of the

cow. Feeding is based on total mixed rations. In summer, fans and

foggers are used for cows in high yield lactacting periods.

PALACIOS-ESPINOSA et al.: EVALUACIÓN GENÉTICA DE UN HATO HOLSTEIN 349349349349349

Las vacas son ordeñadas dos veces al día en una sala tipo espina

de pescado y se practica el lavado de la ubre, secado y presellado de la

misma; después de la ordeña se aplica un sellador. Las vacas están

agrupadas en seis categorías según su etapa de lactancia: con menos

de 21 d de paridas, entre 21 y 150 d posparto, entre los 210 y 305 d

posparto y dos grupos de vacas secas (periodo inicial y periodo de

transición). El periodo de espera voluntaria para la primera insemina-

ción artificial (IA) posparto es de 60 d. La detección de estros la hace

una persona que recorre durante el día corrales donde hay vacas en

espera de servicio; la IA se hace unas 12 h después de detectado el

celo. El semen utilizado se asigna de acuerdo con el resultado de las

evaluaciones hechas por la DHIA (Dairy Herd Improvement

Association) desde 1996. Antes de ese año, la asignación del semen se

basaba principalmente en la oferta de compañías comercializadoras,

sin considerar el mérito genético de la vaca. La alimentación de las

vacas se basa en raciones integrales, y para minimizar el efecto del

estrés por calor durante el verano se cuenta con ventiladores y

nebulizadores en los corrales donde están las vacas en las etapas de

lactancia con mayor producción de leche.

Para el presente estudio se creó una base de datos con 2618 regis-

tros de producción; la cual incluyó la identificación de la vaca, la de

su padre, la de su madre, la de la cría en cada lactancia y la del padre

de la cría. También se incluyó la información de los siguientes efectos

fijos: el año de parto (1991-1998), la época de parto (primavera, vera-

no, otoño e invierno), la edad de la vaca al parto (20 a 82 meses) y el

número de lactancia (primera, segunda o tercera).

A partir de la base de datos se creó una base de genealogía conte-

niendo la identificación de 3305 animales, así como la del padre y la

madre de cada uno de ellos. Ésta incluyó a todos los animales presen-

tes en la base de datos, tuvieran o no registros, (vacas, sementales y

progenie). Cuando no se conocía la identificación de alguno de los

padres de un animal, ésta se reemplazó con un cero. Se verificó:

a) Que en ambas bases (datos y genealogía) no se registraran animales

con igual identificación que aparecieran como padre y madre a la vez,

b) Que no existieran animales cuya identificación fuera menor a la de

su padre o su madre, y c) Que todos los animales presentes en la base

de datos estuvieran incluidos en la base de genealogía. La verifica-

ción anterior es necesaria cuando se estiman componentes de varianza

con el programa DFREML (Meyer, 1989).

De la base de datos se obtuvo información referente a los efectos

fijos y a la producción en cada registro, para efectuar los análisis de

varianza (SAS, 1993) de varios modelos lineales. En los modelos se

incluyeron algunas combinaciones de los efectos principales y sus

interacciones. Con base en los resultados de esos análisis de varianza

se decidió utilizar el siguiente modelo:

yijk=EALEi+Aj+EPj+eijk

donde yijk, es la k-ésima producción de leche ajustada a 305 días del

j-ésimo animal en el i-ésimo grupo de comparación; EALEi es el efec-

to fijo del i-ésimo grupo contemporáneo, el cual estuvo definido por

las subclases Edad-Año-Lactancia-Epoca; Aj es el efecto aleatorio del

valor genético aditivo del j-ésimo animal, (0, s2A), EPj es el efecto

aleatorio del ambiente permanente en el j-ésimo animal, (0, s2P), y eijk,

For this study a database with 2618 production records was created;

which included cow, sire, dam, daughters and daughter’s sire

identification in each lactation. It also was included information about

the following fixed effects: calving year (1991-1998), calving season

(spring, summer, autumn and winter), age at calving (20 to 82 months)

and lactation number (first, second or third).

Starting from the database a genealogy base was created containing

the identification of 3305 animals, as well as that of sire and dam for

each of them. This included all animals in the database with or without

records (cows, sires and offspring). When the sire or dam identification

was unknown, it was replaced with a zero. It was verified: a) That

animals with the same identification were not registered in both bases

(data and genealogy) appearing as sire and dam at the same time, b)

That did not exist animals with identification smaller to that of its

father or its mother, and c) That all animals in the database were

included in the genealogy base. The previous verification is necessary

when components of variance are estimated using the DFREML

program (Meyer, 1989).

For the analysis of variance (SAS, 1993) of several lineal models,

the information about fixed effects and milk production in each record

was obtained from the database. Several combinations of the main

effects and their interactions were included in the models. Based in

the analyses of variance, it was decided to use the following model:

yijk=EALEi+Aj+EPj+eijk

where, yijk = k-th milk production adjusted to 305 days, of the j-th

animal, in the i-th comparison group; EALEi = fixed effect of the ith

contemporary group, which was defined by the subclases Age-Year-

Lactating season; Aj = random effect of the genetic value for the j-th

animal, (0, s2A), EPj = permanent environmental random effect in

the j-th animal, (0, s2P); and eijk = random error in j-th animal, doth

comparison group of the record k, (0, s2e).

Because some levels within the EALE comparison group had few

repetitions, the approach of group of mobile comparison was used

(Peña, 1995 a,b). This approach considers only the levels with ten or

more replications, and those levels that do not meet this condition are

included in the nearest level (s), until the condition is fulfilled. The

aforementioned is necessary, since if the levels of effects included in

the model have few repetitions, biased estimates are obtained (Peña,

1995 a).

To estimate the components of variance of the model, the

DFREML program, version 2.1 was used, which is written in

FORTRAN 77 language (Meyer, 1989). This program uses the

procedure of restricted maximum likelihood (REML) and the derivate

free algorithm of Grasser (Grasser et al., 1987).

The estimates of the additive variances, permanent environmental

and error, obtained as a proportion of the phenotypic variance, as well

as the estimate of heritability, were used to estimate the breeding value

of the animals included in the genealogy file. To this end, the PEST

program (Groeneveld et al., 1989) written in FORTRAN language was

used. This program uses the Jacobi and Gauss-Seidel algorithms to

solve the mixed models equations.

AGROCIENCIA VOLUMEN 35, NÚMERO 3, MAYO-JUNIO 2001350

es el error aleatorio en el j ésimo animal en el i ésimo grupo de compa-

ración del k ésimo registro, (0, s2e).

En virtud de que algunos niveles dentro del grupo de compara-

ción EALE tuvieron pocas repeticiones, se utilizó el criterio de grupo

de comparación móvil descrito por Peña (1995 a,b). Éste considera

solamente los niveles con diez o más repeticiones, de tal forma que

aquellos niveles que no cumplen esta condición son añadidos al o los

niveles más cercanos, hasta que la condición se cumpla. Lo anterior es

necesario, ya que si los niveles de los efectos que se incluyen en el

modelo tienen pocas repeticiones, se obtienen estimaciones sesgadas

(Peña, 1995a).

Para estimar los componentes de varianza del modelo se utilizó el

programa DFREML, versión 2.1, el cual está escrito en lenguaje

FORTRAN 77 (Meyer, 1989). Dicho programa utiliza el procedimiento

de máxima verosimilitud restringida (REML) y el algoritmo libre de

derivadas de Grasser (Grasser et al., 1987).

Las estimaciones de las varianzas aditiva, ambiental permanente

y del error, obtenidas como proporciones de la varianza fenotípica, así

como la estimación de la heredabilidad, se utilizaron para estimar el

valor de cría de los animales presentes en el archivo de genealogía.

Para ello se utilizó el programa PEST (Groeneveld et al., 1989), escri-

to en lenguaje FORTRAN, y que usa los algoritmos de Jacobi y Gauss-

Seidel para resolver las ecuaciones de los modelos mixtos.

RESULTADOS Y DISCUSIÓN

En el Cuadro 1 se presenta el análisis de varianza dela producción de leche ajustada a 305 días, la cual fue de8127.77±361.11 kg (media ± una desviación estándar).Este valor es inferior al reportado por Gallardo et al.(1999)5 para un hato Holstein en Mexicali, B.C.(8835.82±1411.80 kg). Sin embargo, la producción pro-medio obtenida en el presente trabajo es superior a laconsiderada como mínima necesaria (6000 a 7600 kg)para que un establo en Latinoamérica pueda ser rentable(García, 1999).

En el Cuadro 2 se puede apreciar que los promediosajustados de la producción de leche tienden a incremen-tarse en las épocas de otoño e invierno. Estos resultados

RESULTS AND DISCUSSION

The analysis of variance for milk production adjustedto 305 days, which was 8127.77±361.11 kg (mean ± onestandard desviation), is shown in Table 1. This value islower to the one reported by Gallardo et al. (1999)5 for aHolstein herd in Mexicali, B.C. (8835.82±1411.80 kg).However, the average production obtained in this work isgreater to the considered as minimum necessary (6000 to7600 kg) so that a herd in Latin America can be profitable(García, 1999).

The adjusted average of milk production tend toincrease in the autumn and winter seasons (Table 2). Theseresults agree with those observed by Gallardo et al.(1999)5 for Holstein cows in Mexicali, B. C. where themilk production also decreased in 7% during spring andsummer seasons. This should be expected in climates likethat of Baja California Sur, where the temperature fromApril to September is extremely high (up to 41°C).

In the Table 3 can be observed a higher milkproduction as the lactation number increases. Madalenaet al. (1979) observed an increment of 30% in milkproduction of mature cows, compared with first lactationones. The fact mentioned above can be explained by aneffect of physiologic maturity (Pérochon et al., 1996).Milk production, adjusted by calving year (Table 4)increased through the years, showing a difference slightlygreater to 3200 kg in 1991 and 1998. This can be attributedto better management systems and a to a more strictselection of reproducers; which could have caused anincrement in the genetic tendency of herd and an increaseof the milk production (Wilcox, 1992).

The estimated heritability for milk production in thiswork was 0.26±0.09, similar to the obtained by otherauthors, but the standard error of the estimate was greater(Table 5). This is related, probably, with the smallerrecords number used in the present work.

Table 6 shows that the fraction of phenotypic variancecorresponding to the environmental permanent variance

Cuadro 1. Análisis de varianza de la producción de leche de un hato lechero Holstein en Baja California Sur.Table 1. Analysis of variance for milk production in a Holstein herd in Baja California Sur.

Fuente de variación Grados de libertad Suma de cuadrados Cuadrados medios F Pr>F

Ed† 6 4624754.07 770792.35 2.51 .0230L¶ 2 5576787.03 2788393.52 9.09 .0002Ep§ 3 9362902.89 3120967.63 10.18 .0001Año 7 80444520.31 11492074.33 37.48 .0001Ed*L*Ep*Año 133 96749067.53 727436.60 2.37 .0001Error 192 58870602.51 306617.72Total 343 441600533.88

† Ed = Edad; ¶ L = Lactancia; § Ep = Época.

PALACIOS-ESPINOSA et al.: EVALUACIÓN GENÉTICA DE UN HATO HOLSTEIN 351351351351351

concuerdan con observados por Gallardo et al. (1999)5

para ganado Holstein en Mexicali, donde la producciónde leche también disminuyó 7% durante las épocas deprimavera y verano. Lo anterior es de esperarse en cli-mas como el de Baja California Sur, donde la temperatu-ra ambiente de abril a septiembre es extremadamente alta(temperatura máxima hasta 41°C).

En el Cuadro 3 se puede constatar un aumento de laproducción de leche conforme se incrementa el númerode lactancia. Madalena et al. (1979) observaron un in-cremento de 30% en la producción de leche en vacas ma-duras, en relación con vacas de primera lactancia. Lo an-terior puede ser explicado por un efecto de madurez fi-siológica (Pérochon et al., 1996).

La producción de leche, ajustada por año de parto(Cuadro 4), también se incrementó a través de los años,manifestándose una diferencia ligeramente mayor a los3200 kg de 1991 y 1998. Lo anterior puede atribuirse amejores sistemas de manejo y a una selección más estric-ta de los reproductores; esto pudo causar un incrementoen la tendencia genética del hato y un aumento en la pro-ducción de leche (Wilcox, 1992).

La heredabilidad estimada para producción de lecheen el presente trabajo fue 0.26±0.09, similar a las estima-ciones obtenidas por otros autores, pero el error estándarde la estimación resultó mayor (Cuadro 5). Esto se debe,probablemente, al menor número de registros que se uti-lizaron en este trabajo.

En el Cuadro 6 se observa que la fracción de la va-rianza fenotípica correspondiente a la varianza ambien-tal permanente obtenida en el presente trabajo (0.45±0.01)es similar a las obtenidas por Dimov et al. (1995) y Swalve(1995) de 0.31 y 0.28 a 0.43, respectivamente.

En la Figura 1 se aprecia que la distribución de losvalores de cría de la población es aproximadamente nor-mal, lo cual concuerda con lo esperado teóricamente (Ju-rado, 1998). Además, en los valores de cría cercanos a

obtained in this work (0.45±.01) is similar to those ofDimov et al. (1995) and Swalve (1995) who reportedvalues of 0.31 and 0.28 to 0.43, respectively.

In Figure 1 can be appreciated that a normaldistribution for the breeding values in the population islikely, which agree with theoretical expectations (Jurado,1998). Besides, in breeding values close to zero, the curvehas a nearly symmetrical distribution, with a considerablevariation, which allows to have enough animals to selectfuture sires and dams.

The averages breeding values by year in first lactationcows (Figure 2) allow to observe the genetic progress upto 1997, which, probably, is part of the effect that has had

Cuadro 2. Promedios de la producción de leche ajustados por épo-ca de parto.

Table 2. Average of milk production adjusted by calving season.

Época Registros Producciónde parto (n) de leche (kg)

E.E.

Primavera 498 7975.23 a 125.17Verano 465 7882.10 a 145.73Otoño 852 8216.93 b 109.88Invierno 803 8267.23 b 111.19

Literales diferentes en las columnas indican diferencias (Tukey, 0.05).

5 Gallardo, L. S., A. P. Márquez, R. S. Ortiz, y G. A. Carrillo. 1999.Efectos del estrés calórico sobre la producción de leche y característi-cas reproductivas en vacas Holstein de 1ª lactancia agrupadas por co-lor. Memorias 9ª Reunión Internacional sobre Producción de Carne yLeche en Climas Cálidos. Mexicali, B.C. pp: 15-19.

Cuadro 3. Producción promedio de leche ajustada por número delactancia.

Table 3. Average of milk production adjusted by lactation number.

Núm. de Registros Producción delactancia (n) leche (kg)

E.E.

1 1126 7356.2 a 67.33 2 857 8489.5 b 96.10 3 635 9004.2 c 79.24

Literales diferentes en las columnas indican diferencias (Tukey, 0.05).

Cuadro 4. Producción promedio de leche ajustada por año de par-to.

Table 4. Average of milk Production adjusted by calving year

AñoRegistros Producción

E.E.(n) de leche (kg)

1991 18 6088.1 a 1394.161992 251 7048.6 b 126.301993 353 7656.0 c 123.391994 447 8078.0 d 112.181995 466 7968.3 d 115.211996 500 8901.6 e 112.811997 524 8339.9 d 129.281998 59 9320.6 e 358.89

Literales diferentes en las columnas indican diferencias (Tukey, 0.05).

Cuadro 5. Valores de la heredabilidad estimadas en este trabajo ypor otros autores.

Table 5. Estimated heritability in this work and by other authors

h2 ± E.E. Referencia bibliográfica

0.26 ± 0.09 Presente trabajo0.29 ± 0.03 Chauhan y Hayes, 19910.21a ± 0.010.28b ± 0.01 Dimov et al., 19950.27 a 0.30 ± 0.03 Swalve, 19950.24 ± 0.02 Vissher y Goddard,

1995

h2 = Heredabilidad, a = California, b = Nueva York y Pennsylvania.

AGROCIENCIA VOLUMEN 35, NÚMERO 3, MAYO-JUNIO 2001352

cero, la curva tiene una distribución casi simétrica, conuna variación considerable, lo cual permite disponer desuficientes animales para seleccionar a los futurosreproductores.

Los promedios de los valores de cría por año de pro-ducción en vacas de primera lactancia (Figura 2) permi-ten apreciar el progreso genético hasta 1997, lo cual, pro-bablemente, es parte del efecto que ha tenido el uso desemen de toros con un alto valor genético. También sepuede ver el notable incremento, entre 1991 y 1992, enlos valores de cría estimados (-90 y +100, respectiva-mente), lo que concuerda con el incremento en produc-ción de leche en 1992, respecto a 1991.

Los promedios de los valores de cría estimados para1993, 1994 y 1995 (+20, +23 y +37, respectivamente) noconcuerdan con los promedios de producción de lecheobservados para esos años; la producción promedio deleche aumentó, mientras que los valores de cría disminu-yeron en relación con el promedio de producción de le-che y el promedio de los valores de cría de 1992. El in-cremento en la producción podría deberse a un mejor ma-nejo reproductivo y nutricional del hato, y la disminu-ción en el valor de cría a una selección inadecuada de lossementales en la IA. Para 1996 y 1997, las tendenciasentre los promedios de producción de leche y los valoresde cría son consistentes.

CONCLUSIONES

La estimación de heredabilidad (0.26±0.09) y de loscomponentes de varianza (0.45 y 0.29, para varianza per-manente y varianza del error, respectivamente) del pre-sente trabajo fueron similares a estimaciones reportadasen la literatura; sin embargo, el error estándar en la esti-mación de la heredabilidad fue mayor. La producciónpromedio de leche en el hato (8127.77±361.11 kg) seincrementó de 1991 a 1998 y fue influenciada por el nú-mero de lactancia y época del año. Los valores de cría,en términos generales, se incrementaron de 1991 a 1998,lo cual refleja el progreso genético del hato.

Cuadro 6. Estimación de componentes de varianza y como pro-porción de la varianza fenotípica.

Table 6.Variance component estimations and its fraction in relationto phenotypic variance.

Componente kg2 leche Proporción E.E.

s2A 1247437.7 0.26 0.091

s2p 2158051.2 0.45 0.010

s2e 1365847.5 0.29 0.012

s2A = Varianza aditiva, s2

p = Varianza ambiental permanente,s2

e = Varianza del error.

Figura 1. Histograma de frecuencias de valores de cría estimados.Figure 1. Histogram of frecuencies of estimated breeding values.

500

Fre

cuen

cia

450400350300250200150100500

Valor de cría estimado

-600

-500

-400

-300

-200

-100 0

100

200

300

400

500

600

700

800

the use of semen of bulls with a high breeding value. Alsoit can be observed the notable increment in the estimatedbreeding values (-90 and +100, respectively) between1991 and 1992, which agrees with the increase in milkyield in 1992, with respect to 1991.

The average estimated breeding values for 1993, 1994and 1995 (+20, +23 and +37, respectively) do not agreewith the averages of milk production observed for thoseyears; the average milk production increased, whilebreeding values diminished in relation to average milkyield and the average of breeding values obtained in 1992.The increment in production could be related to a betterreproductive and nutritional management of the herd, andthe decline in breeding value to a poor selection of siresfor IA. In 1996 and 1997, the tendencies between theaverages of milk production and breeding values areconsistent.

CONCLUSIONS

The estimates for heritability (0.26±0.09) and variancecomponents (0.45 and 0.29, for permanent variance and

Figura 2. Promedio de valores de cría, por año de producción envacas de primera lactancia.

Figure 2. Average breeding values, by year of production in firstlactation cows.

Val

or d

e cr

ía e

sti m

ado

(pro

med

io) 150

100

50

0

-50

-10091 92 93 94 95 96 97

Año

PALACIOS-ESPINOSA et al.: EVALUACIÓN GENÉTICA DE UN HATO HOLSTEIN 353353353353353

L ITERATURA CITADA

Chauhan, V. P. S., and J. F. Hayes. 1991. Genetic parameters for firstlactation milk production and composition traits for Holstein usingmultivariate restricted maximum likelihood. J. Dairy Sci. 74: 603-610.

Dimov, G., L. G. Albuquerque, and J.F. Keown. 1995. Variance ofinteraction effects of sires and herd for yield traits of Holsteins inCalifornia, New York, and Pennsylvania with an animal model. J.Dairy Sci. 78: 939-946.

DGTENAL. 1982. Cartas geográficas del estado de B.C.S. DirecciónGeneral de Estudios del Territorio Nacional. SPP., México.

García, A. 1999. Producción de leche. Lechero Latino. Tercer Cuarto.New York, NY. USA. pp: 8-14.

Grasser, H. V., S. P. Smith, and B. Tier. 1987. A derivative-free approachfor estimating variance components in animal models by restrictedmaximum likelihood. J. Anim. Sci. 64:1362- 366.

Groeneveld, E., M. Kovacs, and T. Wang. 1989. PEST. UIUC. V2.8.Dept. Animal Science. Univ. Illinois. Urbana. IL.

Henderson, C. R. 1975a. Best linear unbiased estimation and predictionunder a selection model. Biometrics 31: 243-249.

Henderson, C.R. 1975b. Rapid method for computing the inverse of arelationship matrix. J. Dairy Sci. 58: 1727-1734.

Henderson, C. R. 1976a. A simple method for computing the inverseof a numerator relationship matrix used in prediction of breedingvalues. Biometrics 32: 69-75.

Henderson, C. R. 1976b. Inverse of a matrix of relationship due tosires and maternal grandsires in an inbred population. J. DairySci. 59: 1585-1588.

Henderson, C. R. 1977. Best linear unbiased predictors of breedingvalues not in the model for records. J. Dairy Sci. 60: 783-787.

Jurado, J. J. 1998. Modelos lineales y evaluación de reproductores.Memoria VIII Curso Internacional de Mejora Genética Animal.INIA. Madrid, España. pp: 35-49.

Madalena, F. E., M. L. Martínez, and A. F. Freitas. 1979. Lactationcurves of Holstein-Friesian and Holstein-Friesian x Gir cows.Anim. Prod. 29: 101-107.

Meyer, K. 1989. Restricted maximum likelihood to estimate variancecomponents for animal models with several random effects usinga derivative-free algorithm. Genet. Sel. Evol. 21: 317-340.

error variance, respectively) in this work, were similar toestimates reported in the literature; however, the standarderror in the estimates for heritability was greater. Averagemilk yield in the herd (8127.77±361.11 kg) increasedfrom 1991 to 1998 and was influenced by lactationnumber and year season. Breeding values, generallyspeaking, were increased from 1991 to 1998, whichindicates genetic progress in the herd.

—End of the English version—

pppvPPP

Pérochon, L., J. B. Coulon, and F. Lescourret. 1996. Modelling lactationcurves of dairy cows with emphasis on individual variability. Ani-mal Sci. 63: 189-200.

Peña, J. 1995a. Datos utilizados en la evaluación genética nacional decaracteres de producción del vacuno frisón español. Frisona Es-pañola 86: 62-79.

Peña, J. 1995b. Influencia de la edad al parto y del mes de parto en laproducción de leche. Frisona Española 87: 13-28.

SAS Institute. 1993. Guide for Personal Computers. Version 5. SASInstitute Inc. Cary, NC. pp: 327-342.

Swalve, H. H. 1995. The effect of test day models on the estimation ofgenetic parameters and breeding values for dairy yield traits. J.Dairy Sci. 78: 929-938.

Van Vleck, L. D. 1992. Animal model for bull and cow evaluation. In:Large Dairy Herd Management. H. H. Van Horn, and C. J. Wilcox(eds). American Dairy Sci. Assoc. Champaign, IL. pp: 8-25.

Visscher, P. M., and M. E. Goddard. 1995. Genetic parameter for milkyield, survival, workability, and type traits for Australian dairycattle. J. Dairy Sci. 78: 205-220.

Westell, R. A. 1984. Simultaneous evaluation of sires and cows for alarge population. Ph. D. Dissertation. Cornell University, Ithaca,NY.

Wilcox, C. J. 1992. Genetics: Basic Concepts. In: Large Dairy HerdManagement. H. H. Van Horn, and C. J. Wilcox (eds). AmericanDairy Sci. Assoc. Champaign, IL. pp: 1-7.