Modelling lactation curves of dairy goats by fitting random regression models using Legendre polynomials or B-splines

Abstract

Un total de 17 356 données de production de lait au jour de test (TDMY — « test-day milk yield ») provenant de 642 premières lactations de moutons alpins ont été utilisé pour modéliser les variations de la courbe de lactation au moyen de modèles à régression aléatoire (RRM — « random regression models »). Les polynômes orthogonaux Legendre et les courbes B-splines ont été évaluées pour obtenir des modèles adéquats et parcimonieux pour l’estimation des paramètres génétiques. Les analyses ont été effectuées au moyen d’un RRM à caractéristique unique, incluant les effets génétiques additifs, environnementaux permanents et résiduels. Nous avons estimé la tendance moyenne de production de lait, et les fonctions additives de covariance génétique et environnementale permanente par régression aléatoire utilisant différents ordres de polynôme orthogonal Legendre (trois à six) et fonctions de courbe B-spline (linéaire, quadratique, et cubique, avec trois à six nœuds). Cette étude a évalué plus en détail différents nombres de classes de variance résiduelle. Les composantes de covariance et les paramètres génétiques ont été estimés au moyen de la méthode de maximum de vraisemblance restreint. Les estimations d’héritabilité montraient des tendances similaires pour les deux fonctions. Les RRM ayant un plus grand nombre de paramètres décrivaient mieux la variation génétique des TDMY tout au long de la lactation. Le RRM qui convient le mieux pour l’évaluation génétique des TDMY des moutons alpins est une fonction quadratique à courbe B-spline avec six nœuds, pour la tendance moyenne, les courbes d’effets additifs génétiques en environnementaux permanents et cinq classes de variance résiduelle.