0
Os fenótipos nos animais de produção são determinados tanto pela variação genética como por mecanismos regulatórios subsequentes, tornando a previsão de características complexas um desafio fundamental para a produção animal. Os dados transcriptómicos representam uma camada biológica intermédia entre genótipos e fenótipos e podem captar sinais regulatórios que a informação genómica, por si só, não explica completamente.
Objetivo: Este estudo avaliou a contribuição dos dados transcriptómicos sanguíneos, isoladamente ou em combinação com a informação genómica, para prever seis características imunológicas, de stress e de produção em 255 suínos Duroc.
Métodos: Quatro características estavam intimamente relacionadas com o tecido e com o momento da amostragem, enquanto outras duas eram menos relevantes biologicamente. Os métodos de regressão Bayesiana (BayesC e RKHS) e um modelo de rede neural linear mista foram comparados utilizando todos os transcritos ou subconjuntos selecionados por mínimos quadrados parciais (PLS).
Resultados: Obteve-se uma elevada precisão preditiva para características relacionadas com o sistema imunitário, como as células T gama delta e a contagem de leucócitos, com correlações de 0,74 e 0,67, respetivamente, utilizando dados transcriptómicos. Foram observadas melhorias moderadas na previsão do cortisol, enquanto os modelos baseados em polimorfismos de nucleótidos únicos (SNPs) apresentaram um melhor desempenho para o peso da carcaça. A seleção de características baseada em PLS demonstrou que um pequeno subconjunto de características pode apresentar um desempenho igual ou superior ao do conjunto de dados transcriptómicos completo e identificou genes candidatos biologicamente relevantes, como MAF, SOX13, DDIT4 e FOS.
Conclusão: Os dados transcriptómicos do sangue melhoraram substancialmente o desempenho preditivo de características biologicamente relevantes no tecido amostrado, enquanto os modelos baseados em SNPs apresentaram um melhor desempenho para características menos relevantes, e a combinação de dados ómicos proporcionou apenas melhorias modestas e não significativas. A seleção de características foi essencial para melhorar o desempenho preditivo, a eficiência computacional e para facilitar a identificação de genes candidatos relacionados com o sistema imunitário.
Vourlaki I-T, Piles M, Jové-Juncà T, Ramayo-Caldas Y, Quintanilla R, Ballester M. Incorporating genomic and transcriptomic effects in joint linear and non-linear structural models for predicting complex traits in pigs. Animal Volume 20, Issue 3, March 2026, 101765. https://doi.org/10.1016/j.animal.2026.101765
