Choice of statistical model for estimating genetic parameters using restricted maximum likelihood in swine

M. Satoh, C. Hicks, K. Ishii, T. Furukawa
2002 Journal of Animal Breeding and Genetics  
Restricted maximum likelihood (REML) was used to determine the choice of statistical model, additive genetic maternal and common litter effects and consequences of ignoring these effects on estimates of variance-covariance components under random and phenotypic selection in swine using computer simulation. Two closed herds of different size and two traits, (i) pre-weaning average daily gain and (ii) litter size at birth, were considered. Three levels of additive direct and maternal genetic
more » ... lations (r dm ) were assumed to each trait. Four mixed models (denoted as GRM1 through GRM4) were used to generate data sets. Model GRM1 included only additive direct genetic effects, GRM2 included only additive direct genetic and common litter effects, GRM3 included only additive direct and maternal genetic effects and GRM4 included all the random effects. Four mixed animal models (defined as EPM1 through EPM4) were defined for estimating genetic parameters similar to GRM. Data from each GRM were fitted with EPM1 through EPM4. The largest biased estimates of additive genetic variance were obtained when EPM1 was fitted to data generated assuming the presence of either additive maternal genetic, common litter effects or a combination thereof. The bias of estimated additive direct genetic variance (VA d ) increased and those of recidual variance (VE) decreased with an increase in level of r dm when GRM3 was used. EPM1, EPM2 and EPM3 resulted in biased estimation of the direct genetic variances. EPM4 was the most accurate in each GRM. Phenotypic selection substantially increased bias of estimated additive direct genetic effect and its mean square error in trait 1, but decreased those in trait 2 when ignored in the statistical model. For trait 2, estimates under phenotypic selection were more biased than those under random selection. It was concluded that statistical models for estimating variance components should include all random effects considered to avoid bias. Zusammenfassung Auswahl des statistischen Modells zur Scha¨tzung genetischer Parameter mittels Restricted Maximum Likelihood bei Schweinen In einer Simulationsstudie wurde bei zufälliger und phänotypischer Selektion mittels der Restricted Maximum Likelihood (REML) Methode das optimale statistische Modell bestimmt, bei vorhandenen additiv genetischen maternalen und gemeinsamen Wurfumwelteffekten bei Schweinen. Die Auswirkungen auf genetische Parameterschätzungen, wenn diese Effekte im Modell ignoriert werden, wurden analysiert. Zwei geschlossene Herden unterschiedlicher Grö ße und die zwei Merkmale tägliche Zunahme bis zum Absetzen und Wurfgrö ße bei der Geburt wurden dabei berü cksichtigt. Drei Levels von Korrelation zwischen den direkten additiven und den maternalen Effekten (r dm ) wurden fü r jedes Merkmal simuliert. Vier gemischte Modelle (GRM1 bis GRM4) wurden generiert. Model GRM1 berü cksichtigte nur direkte additiv genetische Effekte, GRM2 nur direkte additive genetische und gemeinsame Wurfumwelteffekte, GRM3 nur direkte additive genetische und maternale genetische Effekte und GRM4 alle genannten zufälligen Effekte. Vier gemischte Tiermodelle (EPM1 bis EPM4) wurden zur Schätzung der genetischen Parameter analog den GRM Modellen analysiert. Jedes GRM Modell wurde mit jeweils EPM1 bis EPM4 analysiert. Die grö ßten Verzerrungen bei der Schätzung der additiv genetischen Varianz traten auf, wenn EPM1 zur Analyse benutzt wurde und die Daten mit vorhandenen additiv maternalen, gemeinsamen Wurfumwelteffekten oder einer Kombination aus beiden generiert wurden. Die Verzerrungen der additiv genetischen Varianz VA d wurden hö her und die der Restvarianz VE wurden kleiner mit steigender r dm bei Anwendung von GRM3. EPM1, EPM2, und EPM3 ergaben verzerrte Schätzwerte der additiv genetischen Varianzen. EPM4 stellte sich fü r alle GRMs als das beste Modell heraus. Eine phänotypische Selektion erhö hte die Verzerrungen der geschätzten additiv genetischen Varianz und deren Standardfehler fü r Merkmal 1, während die Verzerrungen fü r Merkmal 2 kleiner wurden, wenn es im Modell ignoriert wurde. Die Verzerrungen fü r Merkmal 2 waren bei phänotypischer Selektion grö ßer als bei zufälliger Selektion. Aus den Ergebnissen wird geschlossen, dass zur Schätzung von Varianzen alle zufälligen Effekte im Modell berü cksichtigt werden sollten, um Verzerrungen zu vermeiden. 286 M. Satoh et al. 288 M. Satoh et al.
doi:10.1046/j.1439-0388.2002.00355.x fatcat:qz4amrub2vgpfbjyh64luqylku