RESUMO
Abstract Worm infections pose a significant challenge to goat farming in the tropics. While individual variations in the animals' response to this disease are observed, understanding its genetic component is crucial for establishing effective herd production management, prioritizing the selection of goats with higher resistance to parasitism. This study aimed to assess goat response to worm infection under natural field conditions using data on eggs per gram of feces (EPG), body condition score (BCS), and conjunctival mucosa coloration (FAMACHA©). Cluster analysis and artificial intelligence (AI) techniques were applied to 3,839 data points from 200 individuals in an experimental goat herd in Piauí, Brazil. The study considered the phenotypic expression of resistance, sensitivity, and resilience to worm infection as responses to parasitism. Three clustering methods, namely Ward, Average, and k-means, were employed and compared with fuzzy logic obtained through the CAPRIOVI web software. The analysis revealed statistically significant differences (P<0.05) between the groups of animals classified as resistant, resilient, and sensitive to parasitism. Pregnancy and peripartum were identified as stages of heightened sensitivity to parasitism (P<0.05). Among the clustering techniques, traditional statistical methods exhibited excellent performance, with an overall accuracy percentage exceeding 90.00%. In contrast, CAPRIOVI's fuzzy logic demonstrated lower overall accuracy (77.00%). The clustering methods showed similar efficiency, but differed in terms of the distribution of animals per group, with a tendency towards greater numbers in the resistant category. Fuzzy logic circumvented this limitation by enabling the formation of groups tailored to meet the producer's interests, adding consistency in terms of the animals' response to worm infection. This finding highlights the potential of the software for goat health management.
Resumo A incidência de verminose é um dos principais obstáculos para a caprinocultura nos trópicos. A variação individual da resposta do animal à enfermidade existe, mas precisa ser determinado o seu componente genético e estabelecer o manejo zootécnico dos rebanhos, priorizando a seleção de animais mais resistente ao parasitismo. Objetivou-se nesse estudo avaliar a resposta de cabras à incidência de verminose sob condições de infecção natural a campo, com informações de ovos por grama de fezes (OPG), escore da condição corporal (ECC) e grau de coloração da mucosa conjuntiva (FAMACHA©), recorrendo a utilização de análise de agrupamento e a aplicação de inteligência artificial (IA). Foram utilizadas 3.839 informações de 200 indivíduos em um rebanho experimental de caprinos no Piauí. Considerou-se como resposta ao parasitismo a expressão fenotípica de resistência, sensibilidade e resiliência a verminose, submetidos a três métodos de agrupamento: Ward, Average e K-means, comparado com a lógica Fuzzy, obtidos com o software web CAPRIOVI. Os resultados demonstraram que os grupos de animais resistente, resiliente e sensível ao parasitismo foram estatisticamente distintos (P<0,05). As cabras durante a gestação e o periparto foram identificadas como fases de maior sensibilidade ao parasitismo (P<0,05). O CAPRIOVI aplica a lógica Fuzzy e apresentou o menor percentual de acerto global (77,00%), enquanto os métodos estatísticos tradicionais se destacaram com percentual de acerto global superior a 90,00%, demonstrando excelência estatística com esse fim. Os métodos de agrupamentos apresentaram semelhança na eficiência, mas diferiram quanto à distribuição de animais por agrupamento, com tendência de maior quantidade na categoria resistente. A aplicação da lógica Fuzzy contornou essa limitação ao direcionar a formação dos grupos visando atender o interesse do produtor, inserindo consistência em termos de resposta dos animais a verminose, qualificando o software com potencial para adequação ao manejo sanitário de caprinos.
RESUMO
This study was undertaken to compare different non-linear models for fitting growth curves of Polled Nellore animals as well as to estimate genetic parameters for the components of the growth curve. The study involved body weight-age data of 6,717 Polled Nellore cattle from birth to 650 days of age, which belonged to the Brazilian Association of Zebu Breeders (ABCZ), corresponding to the period from 1980 to 2011. Four non-linear models (Brody, Bertalanffy, Logistic, and Gompertz) were fitted and compared by the adjusted coefficient of determination (R2adj), mean absolute deviation of residuals (MAD), root mean square error (RMSE), Akaike information criterion (AIC), and Bayesian information criterion (BIC). To estimate the genetic parameters and genetic values of asymptotic weight (A), integration constant (B), and maturation rate (K), the Bayesian inference method was adopted. The Brody model showed the lowest values of MAD, RMSE, AIC, and BIC and the highest R2adj. Heritability estimates for parameters A, B, and K were 0.11, 0.16, and 0.30, respectively, whereas genetic correlations were 0.01 (A-B), -0.91 (A-K), and 0.24 (B-K). The Brody model provided the best fit. The K parameter shows enough genetic variability for selection in the herd. Heavier animals in adulthood tend to exhibit lower growth rates. Despite the low heritability estimate of parameter A, there were genetic gains, indicating that selection is being efficient on asymptotic weight.(AU)
O objetivo deste estudo foi comparar diferentes modelos não lineares para o ajuste das curvas de crescimento de animais da raça Nelore Mocho e estimar os parâmetros genéticos para os componentes da curva de crescimento. Foram utilizados dados de peso corporal-idade do nascimento aos 650 dias de idades de 6.717 bovinos da raça Nelore Mocho, pertencentes à Associação Brasileira de Criadores de Zebu (ABCZ), referentes ao período de 1980 e 2011. Quatro modelos não lineares (Brody, Bertalanffy, Logístico e Gompertz) foram ajustados e comparados pelo coeficiente de determinação ajustado (R2adj), desvio médio absoluto dos resíduos (DMA), raiz quadrada do quadrado médio do resíduo (RMSE), critério de informação de Akaike (AIC) e o critério de informação bayesiano (BIC). Para estimativas dos parâmetros genéticos e valores genéticos do peso assintótico (A), constante de integração (B) e taxa de maturação (K), utilizou-se o método de inferência Bayesiana. O modelo Brody apresentou os menores valores de DMA, RMSE, AIC e BIC e o maior R2adj. As estimativas de herdabilidade foram 0,11; 0,16 e 0,30 para os parâmetros A, B e K, respectivamente, enquanto as correlações genéticas foram de 0,01 (A-B), -0,91 (A-K) e 0,24 (B-K). Constatou-se que o modelo Brody forneceu o melhor ajuste. O parâmetro K apresenta variabilidade genética suficiente para seleção no rebanho. Animais com maior peso na idade adulta tendem a apresentar menores taxas de crescimento. Apesar da baixa estimativa de herdabilidade do parâmetro A, observou-se ganhos genéticos, indicando que a seleção está sendo eficiente sobre o peso assintótico.(AU)