Associações genéticas entre produção de leite, porcentagens de sólidos e fertilidade em vacas da raça holandesa

Orientador: Prof. Rodrigo de Almeida Teixeira Coorientadora: Prof.ª Laila Talarico Dias Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Zootecnia. Defesa : Curitiba, 18/03/2021 Inclui referências Resumo: A tese teve como objetivos: (I) determinar modelos adequados que expliquem a curva de lactação e porcentagens de sólidos nas três primeiras lactações de vacas Holandesas, (II) avaliar como os efeitos de região, estação do parto e ordem de lactação interagem de maneira a alterar a curva de lactação em vacas da raça Holandesa, (III) estimar os parâmetros genéticos para as características da curva de lactação e avaliação da persistência de lactação empregando modelos de regressão aleatória em vacas da raça Holandesa, (IV) estimar a associação genética entre a produção de leite e características de fertilidade em vacas primíparas da raça Holandesa e (V) estimar a associação genética entre a relação gordura:proteína, produção de leite e fertilidade em animais da raça Holandesa e estimar as curvas de relação gordura:proteína em vacas categorizadas como acidose ruminal e cetose subclínica. Foram utilizados dados do serviço de controle leiteiro da Associação Paranaense de criadores de bovinos da raça Holandesa (APCBRH) referentes ao período entre 2010 e 2019. No capítulo I foram utilizados 11 modelos e ajustados separadamente à cada lactação (1ª, 2ª e 3ª lactação) pelo procedimento NLIN do programa SAS, depois comparados com base em diferentes medidas de qualidade de ajuste. Constatou-se que o melhor modelo segundo os critérios de ajuste foi o de Wood (1967), Rook (1993) e Wilmink (1987) para produção de leite, enquanto para as características de sólidos os melhores modelos foram o Rook (1993) e Dijkstra (1997). De maneira geral, o modelo Papajcsik e Bodero (1988) proporcionou o pior ajuste para todas as características. No capítulo II as curvas de lactação foram estimadas pelo modelo Wood (1967) de acordo com ordem de lactação, região e estação de parto. E por meio do procedimento GLM do SAS, avaliou-se a influência dos fatores ambientais sobre os parâmetros da curva de lactação (produção inicial (PI), tempo ao pico (TP), produção no pico (PP) e persistência (PER)) e a produção de leite estimada (L305). Os resultados indicaram que o formato da curva de lactação é dependente dos fatores ambientais, mostrando que os fatores ambientais influenciaram significativamente nos parâmetros da curva de lactação. No capítulo III a primeira parte os parâmetros genéticos para as características das curvas de lactação (PI, TP, PP e PER) e produção de leite estimada (L305) foram estimados em análises unicaracterística e bicaracterística. As herdabilidades foram de baixa magnitude (0,05 a 0,10), exceto para a PP (0,33). As correlações genéticas entre as características da curva de lactação foram de moderada a alta magnitude, variando de -0,35 a 0,99, e estas com o L305 foram todas positivas e de moderada a alta magnitude (0,38 a 0,86). Na segunda parte para as seis medidas de persistência os parâmetros genéticos foram estimados com um modelo de regressão aleatória utilizando o software GIBBS2F90. De modo geral entre as características da curva de lactação sugere que a PP como critério de seleção, e entre as medidas de persistências, a PS3 e PS4 são ideais para análise de persistência. No capítulo IV os parâmetros genéticos foram estimados com um modelo de regressão aleatória, utilizado o software Gibbs2f90. A herdabilidade para as PLDC foram de baixa a moderada magnitude (0,16 a 0,23), enquanto que para as características de fertilidade foram de baixa magnitude (0,04 a 0,07). A correlação genética entre a PLDC e as características de fertilidades foram positivas. Em geral, os resultados indicam que as PLDC são herdáveis e podem ser usadas como critério de seleção, enquanto que para as características de fertilidade, o melhoramento genético pode ser demorado e lento através da seleção direta. Além disso, a seleção para o aumento da produção de leite pode prolongar os dias do parto até a primeira inseminação, dias do parto até a inseminação com sucesso e intervalo de partos. No capítulo V os distúrbios metabólicos (acidose ruminal e cetose subclínica) foram avaliados com base na RGP e os parâmetros genéticos foram estimados com um modelo de regressão aleatória. Em geral, os resultados mostraram que 17,81%, das vacas estavam com algum nível de acidose ruminal (RGP < 1,0) e 8,42% com cetose subclínica (RGP ? 1,5), mas a maior parte permaneceu dentro da faixa ideal. A herdabilidade para RGP variou entre 0,17 e 0,27, e a correlação genética com a PLDC foi negativa ao longo da lactação, enquanto que as correlações genéticas com as características de fertilidades foram positivas no início da lactação e negativas no final da lactação (exceto com a PP1C). Além disso, os resultados indicaram que a RGP é uma característica herdável, animais geneticamente com menor RGP no terço inicial e final da lactação é desejável para a PLDC, por outro lado é indesejável para as características de fertilidade. Palavras-chave: Curvas de Lactação, Persistência, Regressão Aleatória, Relação Gordura:Proteína. Abstract: The thesis aim was: (I) determine appropriate models that explain the lactation curve and percentages of solids in the first three lactations of Holstein cows, (II) to evaluate how the effects of region, calving season and lactation order interact in order to alter the lactation curve in Holstein cows, (III) to estimate the genetic parameters for the traits of lactation curve and evaluation of persistence of lactation using random regression models in Holstein cows, (IV) to estimate the genetic association between milk production and fertility traits in primiparous Holstein cows and (V) to estimate the genetic association between the fat:protein ratio, and milk production and fertility in Holstein cows, and estimate the fat:protein ratio curves in cows categorized as ruminal acidosis and subclinical ketosis. Data from the dairy control service of the Paraná Holstein Breeders Association (APCBRH) from 2010 to 2019 were used. In Chapter I, 11 models were used and adjusted for each lactation (1st, 2nd and 3rd lactation) by the NLIN procedure of the SAS program, then compared based on different measures of fit quality. It was found that the best model according to the adjustment criteria was that of Wood (1967), Rook (1993) and Wilmink (1987) milk production, while for the traits of solids the best models were Rook (1993) and Dijkstra (1997). In general, the Papajcsik and Bodero (1988) model provided the worst fit for all traits. In chapter II, the lactation curves were estimated by the Wood model (1967) according to the lactation order, region and calving season. And through the SAS GLM procedure, the influence of environmental factors on the parameters of the lactation curve (initial milk production (PI), time in days to reach the peak of lactation (TP), Production at the peak of lactation (PP) and persistence (PER)) was evaluated and the estimated milk production (L305).The results indicated that the shape of the lactation curve is dependent on environmental factors, showing that environmental factors significantly influenced all parameters of the lactation curve. In Chapter III the first part, the genetic parameters for the traits of the lactation curves (PI, TP, PP and PER) and estimated milk production (L305) were estimated in univariate and bivariate analyzes. Heritabilities were of low magnitude (0.05 to 0.10), except for PP (0.33). The genetic correlations between the traits of the lactation curve were moderate to high magnitude, ranging from -0.35 to 0.99, and these with L305 were all positive and from moderate to high magnitude (0.38 to 0.86). In the second part for the six persistence measures, the genetic parameters were estimated with a random regression model using the GIBBS2F90 software. In general, among the traits of the lactation curve, it suggests that PP as a selection criterion, and among persistence measures, PS3 and PS4 are ideal for persistence analysis. In chapter IV the genetic parameters were estimated with a random regression model, using the Gibbs2f90 software. Heritability for PLDCs was low to moderate magnitude (0.16 to 0.23), while for fertility traits they were low (0.04 to 0.07). The genetic correlation between PLDC and fertility traits was positive. In general, the results indicate that PLDC are inheritable and can be used as a selection criterion, whereas for fertility traits, genetic improvement can be slow and slow through direct selection. In addition, selection for increased milk production can extend calving days until the first insemination, calving days until successful insemination and the calving interval. In chapter V metabolic disorders (ruminal acidosis and subclinical ketosis) were assessed based on RGP and genetic parameters were estimated using a random regression model. In general, the results showed that 17.81% of the cows had some level of ruminal acidosis (RGP