Palestra ministrada pelo professor do Departamento de Ciência Animal da Universidade da Califórnia (UCDavis), dos Estados Unidos, e pesquisador associado da ANCP Roberto D. Sainz, durante o 24º Seminário Nacional de Criadores e Pesquisadores.

1. Frame: importância para a seleção de
animais eficazes
Roberto D. Sainz1,2, Nayanny C. Guimarães3, Fernando B.
Lopes4, Raysildo B. Lôbo5, e Cláudio U. Magnabosco4
1University of California,Davis; 2Aval Serviços Tecnológicos; 3Universidade Federal
de Goiás; 4Embrapa Cerrados; 5Associação Nacional de Criadores e Pesquisadores

2. Frame: importância para a seleção de
animais eficientes, precoces e férteis
Roberto D. Sainz1,2, Nayanny C. Guimarães3, Fernando B.
Lopes4, Raysildo B. Lôbo5, e Cláudio U. Magnabosco4
1University of California,Davis; 2Aval Serviços Tecnológicos; 3Universidade Federal
de Goiás; 4Embrapa Cerrados; 5Associação Nacional de Criadores e Pesquisadores

3. Peso adulto vs. Custo de Mantença
Peso: 1000kg Peso: 750kg
Mantença: 13.7Mcal/dia Mantença: 11.0Mcal/dia
8.05kg MS/dia 6.49kg MS/dia

4. Curvas de crescimento
0
100
200
300
400
500
600
700
0 100 200 300 400 500 600
Peso,kg
Idade, dias

5. Curvas de crescimento
0
100
200
300
400
500
600
700
0 100 200 300 400 500 600
Peso,kg
Idade, dias

6. Curvas de crescimento
0
100
200
300
400
500
600
700
0 100 200 300 400 500 600
Peso,kg
Idade, dias

7. Crescimento alométrico
0
20
40
60
80
100
0 100 200 300
Peso,kg
Peso da carcaça, kg
Músculo
Gordura
Osso

8. Crescimento alométrico
(Aberdeen Angus)
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
50.0%
0 100 200 300 400 500 600 700
Gorduracorporal,%
Peso vivo, kg
FS3
FS 5
FS 7Choice 28% gordura

9. Source: National Beef Cattle Evaluation Consortium: Beef Sire Selection Manual

12. Critérios para um sistema de frame
• Fácil de entender
• Prático para usar
• Discrimina entre animais de portes (tamanho
adulto) diferentes
• Não discrimina entre animais de sexos
diferentes
• Permite a projeção do peso ideal ao abate
• Possui relação com a precocidade sexual

13. BIF (2002):
Frame Score (machos) = -11.548 + (0.4878 x Altura) – (0.0289 x Idade) +
(0.00001947 × Idade2) + (0.0000334 × Altura × Idade)
Frame Score (fêmeas) = -11.7086 + (0.4723 × Altura) – (0.0239 × Idade) +
(0.0000146 × Idade2) + (0.0000759 × Altura × Idade)
Horimoto et al. (2007)*:
Frame GMA (machos) = -7.01993 + 0.06294 × Altura - 0.14870 × Peso + 0.00119
× Altura × Peso
Frame GMA (fêmeas) = -93.47611 + 0.69992 × Altura + 0.14078 × Peso -
0.00093037 × Altura × Peso
*Peso e altura mensurados ou ajustados para 18 meses de idade.
Sistemas de frame existentes

14. Sistema de frame score proposto
Frame score
Peso carcaça, @ Peso abate, kg
Machos Fêmeas Machos Fêmeas
1 11 9 306 250
2 12 10 333 278
3 13 11 361 306
4 14 12 389 333
5 15 13 417 361
6 16 14 444 389
7 17 15 472 417
8 18 16 500 444
9 19 17 528 472
10 20 18 556 500
11 21 19 583 528
12 22 20 611 556

15. Passo a passo
1. Dados da ANCP para bovinos da raça Nelore,
coletados entre 2002 e 2017 (n = 2.315 machos,
1.783 fêmeas)
2. Regressão do peso com:
1. Sexo
2. Idade
3. Espessura de gordura (acabamento)
4. Altura da garupa
3. Projeção individual do peso ideal de abate, para
atingir 6 mm de gordura (classificação Uniforme)
4. Conversão do peso de abate em frame score, de
acordo com a tabela proposta
Pooled StDev = 45.0136

16. Estatísticas descritivas – dados utilizados
Variável N Média DP Mínimo Mediana Máximo
DT_NASC 4.098 ago-2007 1.583 out-2000 nov-2007 fev-2016
DT_US 4.098 jan-2009 1.553 out-2002 mai-2009 mai-2017
IDADE_US 4.098 533 45 370 534 752
PESO_US 4.095 329 55 169 323 644
AOL 4.098 49,48 9,83 21,86 47,90 103,55
EG 4.098 2,32 1,36 0,40 1,85 18,80
EGP8 4.098 3,28 1,95 0,40 2,79 19,81
ACAB 4.098 2,94 1,68 0,40 2,55 19,46
MAR 385 2,13 0,57 0,31 2,17 3,95
ALT 4.098 136 5,7 112 136 158

17. Distribuição de Frame BIF
10.89.68.47.26.04.83.62.4
200
150
100
50
0
6.013 0.9743 2315
6.618 1.076 1783
Mean StDev N
F
ycneuqerF
FIBemar
1
XS
2

18. Distribuição de Frame GMA
2
0
001
002
003
004
5- 0 5 01 51 02 5
6
NveDtSnaeM
3871287.2049.4
5132331.3379.
F
ycneuqerF
AMGemar
1
XS
2

19. Peso abate (machos) = -791 + 8.69 ALT + 15.8 ACAB + 0.317 IDADE
- 0.462 ACAB2 + 0.000691 IDADE2
+ 0.322 ALT*ACAB - 0.00664 ALT*IDADE -
0.0677 ACAB*IDADE
Peso abate (fêmeas) = 924 - 3.67 ALT - 25.2 ACAB - 2.40 IDADE -
0.462 ACAB2 + 0.000691 IDADE2
+ 0.322 ALT*ACAB + 0.0126 ALT*IDADE
+ 0.00317 ACAB*IDADE
R2 = 60,5%
sy‧x = 34,6
Regressão para estimar o peso de abate de
cada animal

21. Distribuição de pesos de abate
(6 mm de acabamento)

22. Sistema de frame score proposto
y = 0.036x - 10
y = 0.036x - 8
0
1
2
3
4
5
6
7
8
9
10
200 300 400 500 600
Framescore
Peso de abate, kg

23. Distribuição de frame scores

24. Frame BIF vs. novo Frame Score
Y = X

25. Frame GMA vs. novo Frame Score
Y = X

26. Análises Genéticas
• Estimação dos Parâmetros Genéticos:
– Programa THRGIBBS1F90 (Misztal)
– Amostrador de Gibbs
– Modelo Animal Misto: linear e limiar
– Excluídos GC com menos de 3 animais
• Efeitos Fixos:
– Grupo de Contemporâneos = fazenda, ano e
estação de nascimento
– Sexo (exceto IPP e 3P)

27. onde:
o η é um vetor de probabilidades (3P), and y é um vetor de
fenótipos (Frame, P450, AOL, ACAB and IPP)
o β representa os efeitos fixos de fatores ambientais,
associados às probabilidades em η ou aos fenótipos em y
pela matriz X
o a é um vetor de efeitos aditivos aleatórios, associados aos
elementos de η ou y pela matriz de incidência Z
o e é um vetor de resíduos
eZaXβη ++=
Modelos linear e de limiar
Modelo Animal Misto
eZaXβy ++=

28. Estimativas de componentes de variância e herdabilidade
Característica
Frame 6,62 8,28 14,0 0,44
P450 2.477,39 2.666,93 5.143,93 0,48
IPP 125,99 343,69 469,68 0,27
3P 0,70 1,00 1,70 0,41
AOL 65,52 92,30 15732 0,42
ACAB 0,80 1,08 1,88 0,43

29. Herdabilidades (diagonal ) e correlações genéticas
aditivas (diagonal superior)
Frame P450 AOL ACAB IPP 3P
Frame 0,44 0,78 0,92 0,62 -0.65 -0,44
P450 0,48 0,76 0,69 -0.97 0,02
AOL 0,42 0,68 -0,66 0,03
ACAB 0,43 -0,74 0,19
IPP 0,27 -0,20
3P 0,41

30. Herdabilidades de Frame Score
• BIF (2002):
ℎ 𝑎
2 = 0,23
• Horimoto et al. (2007):
ℎ 𝑎
2 = 0,26
• Frame Score proposto :
ℎ 𝑎
2 = 0,44

31. Quanto mais estudo a nutrição,
mais acredito na genética.

32. “ À medida que cresce a área do
nosso conhecimento, cresce também
o perímetro da nossa ignorancia.”
Neil DeGrasse Tyson
CONHECIMENTO Outras questões
• Mecanismos biológicos
• Interação com qualidade de
carcaça e da carne
• Outros efeitos
correlacionados
• Como otimizar o genótipo
em relação à oferta
ambiental (nutrição) do
sistema de produção?

33. 33
Obrigado!
rdsainz@ucdavis.edu