Dr. José Gallardo. Resistencia genética a patógenos en acuicultura.

Dr. José A. Gallardo

OBJETIVOS TERMINALES

1.- Conocer principios generales de la mejora genética.

2.- Conocer estructura y resultados de un programa de mejora genética de salmones.

3.- Conocer software de apoyo y nuevos desafíos.

Genotipo Fenotipo

Carácter cualitativo

Pigmentado v/s no pigmentado

Pigmentación del cuerpo

Carácter cualitativo:Expresa una cualidad; Controlados por pocos genes; Sin influencia del ambiente sobre su expresión.

Carácter cuantitativo:Expresa una cantidad; Controlados por muchos genes; Gran influencia del ambiente sobre su expresión.

Genotipo + Ambiente (manejo productivo) = Fenotipo

Carácter cuantitativo

Según los genetistas :Son técnicas y procedimientos de genética que permiten modificar caracteres biológicos (cualitativos o cuantitativos), de importancia económica, para mejorar la eficiencia de los sistemas productivos en la empresa.

Mejora genética

Paso 1: Formular los objetivos del mejoramiento.Identificar rasgos de importancia económica para mi sistema de producción.Establecer ponderaciones económicas.¿Los puedo medir?, ¿Dónde estoy?, ¿Dónde quiero llegar en el mediano y largo plazo? , ¿Qué me piden mis clientes?Seleccionar unos pocos caracteres es mejor.

Paso 2: Definir población baseUsar la mejor disponible, realizar líneas sintéticas.

Paso 3: Estimar parámetros genéticos.Heredabilidad, correlaciones genéticas, interacción genotipo-ambiente, etc.¿Qué es eso?, ¿Para qué sirven?,¿Qué diseño debo utilizar para estimarlos?

Heredabilidad (h 2)

Muy bueno: h2 > 0,50.Bueno: 0,20 < h2 > 0,40.Muy malo: h2 < 0,10 (usar otras rasgos o marcadores genéticos).

Heredabilidad (h 2)

Correlaciones genéticas (r g)

Correlaciones genéticas (r g)Muy bueno: Correlación positiva crecimiento y resistencia a patógenos.

Bueno: Sin correlación.Malo: Correlación negativa crecimiento y resistencia a patógenos.

Muy malo: Sin información

Diseño estándar para mejora genética de salmones

Full sib

Full sib

Full sib

Full sib

Full sib

Full sib

Full sib

Full sib

Full sib

Peces para selección

Peces para evaluación

Núcleo

Centros de prueba

Piscicultura 1 Piscicultura 2

Pez Fam A Fam B Fam C Fam D

1 130 110 70 90

2 100 90 70 50

3 80 60 60 30

4 50 60 40 30

Promedio 90 80 60 50

Promedio 70

¿Elegir 4 mejores animales de 16 candidatos posible s?

Modelo animal requiere:

1.- Matriz de fenotipos ( y).

2.- Matriz de parentesco ( A): genealogía.

3.- Matrices de diseño ( XZ): Año, Piscicultura, Estanque, Fecha desove, etc.

4.- Parámetros genéticos y fenotípicos (λ): varianzas (h 2), covarianzas ( rg).

Mérito genetico total para varios rasgos

Ecuaciones modelo animal

Selección BLUP y Consanguinidad Optimización de cru zamientos

E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D

CLASE AÑO IMPAR B L U P B L U P B L U P B L U P B L U P

BASE G1 G2 G3 G4 G5

CLASE AÑO PAR B L U P B L U P BLUP B L U P

BASE G1 G2 G3 G4

AÑO 1998 AÑO 1999 AÑO 2001AÑO 2000AÑO 1991 AÑO 1992 AÑO 1993 AÑO 1994 AÑO 1995 AÑO 1996 AÑO 1997

Objetivo de selección = Peso a la cosecha + desove temprano

Correlación con otros rasgos reproductivos y de calidad en planta

Even population Odd population

Year

class

Sires Dams Harvest

weight

Spawn

Day

Year

Class

Sires Dams Harvest

weight

Spawn

day

1992 22 50 851 208 1993 36 99 1.632 331

1994 33 93 951 198 1995 32 102 1.746 283

1996 27 103 1.796 349 1997 33 100 4.070 309

1998 30 100 4.458 232 1999 31 98 2.220 364

2000 34 99 3.796 1285 2001 43 100 2.159 60

Total 144 445 11.852 2272 Total 174 498 9.668 1.347

Animal Padre Madre Jaula Sexo Peso

2000001 1190 190 1 1 8500

2000002 1190 190 1 2 3800

2000003 1190 190 1 2 3900

2000004 1190 190 2 1 7000

2000005 1190 190 2 2 3500

2000006 1190 190 2 1 4700

2000007 1190 200 1 1 4800

2000008 1190 200 1 1 4300

2000009 1190 200 1 1 7300

2000010 1190 200 2 2 5000

2000011 1190 200 2 2 5600

2000012 1190 200 2 1 6400

Propósito: Permite estimar parámetros genéticos (heredabilidad, ganancia genética) y elaborar ranking de peces (análisis BLUP).

0

1000

2000

3000

4000

5000

1 2 3 4 5

Generaciones

Pes

o a

la c

osec

ga (

g)

0

1000

2000

3000

4000

5000

1 2 3 4 5

Generación

Pes

o a

la c

osec

ha (

g)

Fenotipo

Fenotipo

Respuesta genética: 302 g por generación (9 %).

Respuesta genética: 383 g por generación (10%).

h2 peso cosecha = 0,21-0,37

Respuesta fenotípica (DP) y genética (∆∆∆∆G) a la selección para desove temprano en salmón Coho.

∆∆∆∆P ∆∆∆∆G

Even -13 d - 2.7 d

Odd -15 d - 4.4 d

h2 fecha de desove: 0,44

0

5

10

15

20

25

Base G1 G2 G3 G4

Inbr

eedi

ng (

%)

EvenOdd

Pop. Sires Dams Ne ∆F

Even 22 50 61 2.4 %

Odd 36 99 106 1.1 %

Cruzamientos que minimizan el parentezco de los padres seleccionados

Software ASREML: Permite estimar componentes de varianza y valores de cría (BLUP) usando modelos mixtos complejos.

Software PEDIGREE Viewer: Permite evaluar genealogías, calcular consanguinidad y estimar valores de cría (BLUP) usando modelos simples.

Software LINDO: Permite optimizar cruzamiento mediante programación lineal. Simple pero efectivo.

Software SAS: Permite manejar y evaluar datos de genealogía y de producción antes de realizar análisis genéticos usando diseños complejos.

Software ACCCES: Permite almacenar grandes cantidades de datos de genealogía y de producción.

GIMS: Permite manejar y evaluar distintas fuentes de información de genealogías y datos de producción, genes, etc. Creado para animales de granja en Australia.

GenDataSave: Permite manejar y evaluar distintas fuentes de información de genealogías y datos de producción, especies, etc. Creado para acuicultura en Chile.

Estimación de heredabilidad para resistencia a Caligus en salmón del Atlántico.

Trait h2 + EE

Sessile lice by fishWith BW as covariable

With-out BW as covariable

SLF 0,34 ± 0,07** 0,42 ± 0,08 **

TESL 0,34 ± 0,07** 0,42 ± 0,08 **

Mobile lice by fish

ML 0,06 ± 0,06 ns 0,18 ± 0,08 ns

� �

Software BLUPF90: Desarrollado en USA. Permite estimar valores de cría (BLUP) usando modelos mixtos complejos. Actualmente permite incorporar información genómica. Muyusado en USA.

www.joseandresgallardo.wordpress.com

www.red.cyted.gicpa.ucv.cl