Strategies of genotypes imputation for genome-wide association studies in Nellore cattle

Temperamento em bovinos é definido como a reação dos animais em resposta ao contato com o ser humano, geralmente atribuído ao medo ocasionado no manejo. Animais agitados são mais difíceis de manejar nas fazendas. Estudos na literatura mostram que características de temperamento influenciam o desempenho produtivo dos rebanhos, devido à sua correlação com outras características dentre elas, ganho de peso diário, taxa de prenhez, qualidade e rendimento de carcaça. Todavia, estudos visando o melhor entendimento dos mecanismos biológicos, e da arquitetura genética destas características são escassos. Com a evolução das tecnologias de genotipagem em alta densidade com marcadores de polimorfismo único (SNP), observou-se um aumento de pesquisas nas áreas de seleção genômica (GS) e associação genômica (GWAS). Entretanto, devido ao alto custo que a genotipagem em larga escala apresenta, torna-se inviável a genotipagem para todos os animais candidatos à seleção. Porém, existe a possibilidade de utilizar painéis de baixa densidade de SNP e inferir estes genótipos desconhecidos para painéis de alta densidade. Neste contexto foram desenvolvidos dois estudos. No primeiro, o objetivo foi identificar regiões cromossômicas associadas com características de temperamento em animais da raça Nelore. As características avaliadas foram: velocidade de saída (VS) e mediana do escore composto (EC_mediana), em que 599 e 575 animais foram utilizados, respectivamente. Todos os animais foram genotipados com Illumina BovineHD BeadChip (800K), e para o GWAS dois modelos estatísticos foram aplicados. O primeiro modelo utilizado foi genômico de única etapa (ssGBLUP), em que os efeitos dos SNP são derivados da predição dos valores genéticos genômicos dos animais. O segundo modelo foi linear misto, similar ao modelo anterior, porém várias análises, SNP por SNP (regressão simples) foram realizadas. Nos dois modelos foram incluídos os efeitos de grupo de contemporâneo como fixo, idade do animal como covariável e efeito poligênico do animal e ambiente permanente como aleatórios. Os componentes de variância foram estimados pelo método de máxima verossimilhança restrita. Os coeficientes de herdabilidade apresentaram baixa magnitude com estimativas de 0,02 e 0,05 para VS e EC_mediana, respectivamente. Diferentes regiões cromossômicas foram associados com as características estudadas nesta população, de acordo com os modelos utilizados, contribuindo para o entendimento da arquitetura genética dessas características. No segundo, o objetivo foi avaliar a acurácia de imputação também nesta população, usando dois painéis de baixa densidade (3K e 6K) e um de média densidade (50K) imputados para o painel de alta densidade (800K). Os animais genotipados com 800K foram divididos em população de validação e população de referência. Na população de validação, os animais tiveram seus genótipos mascarados para os chips Illumina 3K, 6K e 50K. A imputação de 3K, 6K e 50K para 800K foi realizada utilizando os softwares de imputação fastPHASE e Beagle. O software fastPHASE apresentou maiores valores de acurácia de imputação em comparação ao Beagle. O painéis 6K e 50K apresentaram maiores valores de acurácia.Temperament in cattle is generally defined as the reaction of an animal in response to contact with human, usually attributed to the fear. Animals agitated are harder to manage in farms. Studies in the literature reported that temperamental traits have been found to influence the productive performance of herds, due to its correlation with other traits such as carcass quality, daily gains, pregnancy rate and feed efficiency. However, almost nothing is known regarding the genetic landscape controlling temperamental animal variation in cattle. With the advances in genotyping technologies for high density genotyping platforms to markers of single nucleotide polymorphisms (SNP), there was an increase in research in the areas of genomic selection (GS) and genome-wide association studies (GWAS). However, genotyping many animals with a high-density marker panel can be expensive and economically unfeasible. An alternative in this context is to use a lower density marker panel on a larger number of animals, and impute the missing genotypes. In this context two studies were developed. In the first study, the objective was to identify chromosomal regions associated with temperament traits in Nellore cattle. The temperamental traits evaluated in this study were: exit velocity (VS) and the median score temperament (EC_mediana) assessed in 599 and 575 animals, respectively. All animals were genotyped with Illumina BeadChip BovineHD (800K), and two GWAS statistical models were applied. The first model used was genomic single step (ssGBLUP) in which the effects of SNP are derived from the genomic prediction values of the animals. The second was linear mixed model, similar to the previous model, but a series of models, one for each SNP (single regression), were performed. In both models were included the effects of contemporary group as fixed, the animal\'s age as a covariate effect and polygenic animal and permanent environment as random effect. Variance components were estimated by restricted maximum likelihood. The heritability coefficients showed low magnitude estimative of 0.02 and 0.05 for VS and EC_mediana, respectively. Different chromosomal regions were associated with the traits studied in this population, according with the models used, and moreover to contribute in the understanding of the genetic architecture of these traits. In the second study, the objective was to evaluate the accuracy of imputation in a same population, using two panels of low-density (3K and 6K) and one medium-density (50K) panel markers imputed up to higher density of 800K. The animals genotyped with 800K markers panel were split into a reference population and validation population. The validation population the animals had markers masked to Illumina chip 3K, 6K e 50K. Imputation from 3K, 6K and 50K up to 770K markers was performed using fastPHASE and Beagle. The software fastPHASE had higher imputation accuracy compared to Beagle. The 6K and 50K panels showed higher accuracy