Predicción del peso y del rendimiento en canal en conejos Nueva Zelanda a partir de medidas corporales

RESUMEN Objetivo. Predecir del peso y el rendimiento en canal en conejos Nueva Zelanda blanco a partir de medidas corporales. Materiales y métodos. En 100 machos Nueva Zelanda (NZ) criados de forma comercial de 60±3 días, con ayuno de 12 horas, se tomó el peso vivo (PV) el largo de cuerpo dorsal (LC) y ventral (LV), perímetro del tórax (PT), largo de lomo (LL), ancho de lomo (AL), ancho de tórax (AT) ancho de cabeza (AC) largo de cabeza (LC), perímetro de muslo (PM), largo de muslo (LM), perímetro del brazo (PB) y largo del brazo (LB). Los conejos fueron sacrificados, pesadas sus canales calientes (PC). Se realizó estadística descriptiva y se estimó el rendimiento en canal caliente (RC). Se estableció una ecuación de regresión del PC y del RC, con el procedimiento "Stepwise Regression" y se estimaron los coeficientes de correlación entre las variables a partir de un análisis de componentes principales. Resultados. Las variables in vivo fueron homogéneas con coeficientes de variación menores de 20%. El RC fue 54.7±2.4%. La ecuación de regresión que mejor se ajustó al PC fue Y= 75.83+0.58PV-11.86LC (R2: 0.91; p<0.05) y al RC fue Y= 49.23+0.21LD+0.25PT-0.64AT-0.57LC (R2: 0.20; p<0.05). De determinaron cuatro componentes que explican el 69% de la variación. Las mediciones de cabeza, lomo y brazo fueron las de mayor aporte. La correlación más alta que se encontró con el PC fue el PV (r= 0.84; p<0.001). Conclusiones. El RC es similar a otros NZ de edad similar. Las mediciones biométricas predicen mejor el PC que el RC. Estos resultados se pueden utilizar en programas de mejoramiento genético animal.

ABSTRACT Objective. Predicting carcass weight and yield in New Zealand white rabbits from body measurements. Materials and methods. In 100 New Zealand (NZ) commercially reared males of 60±3 days, with a 12-hour fast, the live weight (BW) was taken, length the dorsal (LD) and ventral (LV) body length, chest circumference (CC), loin length (LL), loin width (LW), chest width (CW) head width (HW) head length (HL), thigh circumference (TC), thigh length (TL), arm circumference (AR) and arm length (AL). The rabbits were euthanized, their carcasses weighed (CAW). Descriptive statistics and carcass yield (CAY) were estimated. A regression equation of the CAW and the CAY was established with the "Stepwise Regression" procedure and the correlation coefficients between the variables were estimated from the principal component analysis. Results. Variables in vivo were homogeneous with coefficients of variation of less than 20%. The CAY was 54.7±2.4%. The regression equation that best fit the CAW was Yi = 75.83+0.58BW-11.86HL (R2: 0.91; p<0.05) and the CAY was Yi = 49.23+0.21LD+0.25CC-0.64CW-0.57HL (R2: 0.20; p<0.05). Four components were determined that explain 69% of the variation. Head, loin, and arm measurements were the most important. The highest correlation found with the CAW was the BW (r=0.84; p<0.001). Conclusions. The CAY is similar to other NZs of similar age. Measurements in the live animal better predict CAW than CAY. These results can be used in animal genetic improvement programs.

Latent relations between selected morphometric, physiological and biochemical parameters / Relaciones latentes entre parámetros morfométricos, fisiológicos y bioquímicos seleccionados

The main purpose of this study was to explore the latent relations of the selected morphometric, physiological and biochemical parameters. Thirty-six variables (12 morphometric, 9 physiological and 15 biochemical variables) were measured on 317 male-entities aged 17 - 35 y/o. The obtained data were analysed through the factor analysis of the first and second order. The statistical analyses were performed with the IBM SPSS Statistics software package, version 20. The factorization of the first order enabled extraction of 12 latent factors that explain 74.8 % of the total variance, while the factorization of the second order enabled extraction of five latent components that explain 51.39 % of the total variance. The final results of this study confirm the main hypothesis that there exist the numbers of latent variables that explain the latent structure of selected biometric measures. The nature of the extracted latent factors/ components in both orders of factorization is relatively clear, understandable, and easy to interpret. The higher projections of the manifest biometric variables on the extracted latent factors of the first and second order were accordingly with the nature of the measured variables. The results of this research might be considered as one step more in the holistic approach to the biometric measures.

El objetivo principal de este estudio fue explorar las relaciones latentes de parámetros morfométricos, fisiológicos y bioquímicos seleccionados. Treinta y seis variables (12 morfométricas, 9 fisiológicas y 15 bioquímicas) se midieron en 317 hombres de 17 a 35 años. Los datos obtenidos fueron analizados a través del análisis factorial de primer y segundo orden. Los análisis estadísticos se realizaron con el software IBM SPSS Statistics, versión 20. La factorización del primer orden permitió la extracción de 12 factores latentes que explican el 74,8 % de la varianza total, mientras que la factorización del segundo orden permitió la extracción de cinco componentes latentes que determinaron el 51,39 % de la varianza total. Los resultados finales de este estudio confirmaron la hipótesis principal de que existen números de variables latentes que explican la estructura latente de las medidas biométricas seleccionadas. La naturaleza de los factores/componentes latentes extraídos en ambos órdenes de factorización es relativamente clara, comprensible y fácil de interpretar. Las proyecciones superiores de las variables biométricas manifiestas en los factores latentes extraídos del primer y segundo orden correspondieron a la naturaleza de las variables medidas. Los resultados de esta investigación podrían considerarse como un paso más en el enfoque holístico de las medidas biométricas.

The use of the nonlinear models in the growth of pears of 'Shinseiki' cultivar / O uso de modelos não lineares na descrição do crescimento de frutos de pereira cultivar 'Shinseiki'

ABSTRACT: The goal of this study was to elucidate the growth and development of the Asian pear fruit, on the grounds of length, diameter and fresh weight determined over time, using the non-linear Gompertz and Logistic models. The specifications of the models were assessed utilizing the R statistical software, via the least squares method and iterative Gauss-Newton process (DRAPER & SMITH, 2014). The residual standard deviation, adjusted coefficient of determination and the Akaike information criterion were used to compare the models. The residual correlations, observed in the data for length and diameter, were modeled using the second-order regression process to render the residuals independent. The logistic model was highly suitable in demonstrating the data, revealing the Asian pear fruit growth to be sigmoid in shape, showing remarkable development for three variables. It showed an average of up to 125 days for length and diameter and 140 days for fresh fruit weight, with values of 72mm length, 80mm diameter and 224g heavy fat.

RESUMO: Este trabalho teve por objetivo descrever o crescimento e desenvolvimento de frutos de pereira asiática, com base no comprimento, diâmetro e peso fresco obtidos ao longo do tempo, pelos modelos não lineares Gompertz e Logístico. Os parâmetros dos modelos foram estimados utilizando rotinas no software R, pelo método de mínimos quadrados e processo iterativo de Gauss-Newton (DRAPER & SMITH, 2014). Os modelos foram comparados utilizando o desvio padrão residual, coeficiente de determinação ajustado e o critério de informação de Akaike. A correlação residual presente nos dados de comprimento e diâmetro foi modelada por processo auto-regressivo de segunda ordem, tornando os resíduos independentes. O modelo Logístico mostrou-se mais adequado para descrever os dados, comprovando o caráter sigmoidal do crescimento da pera asiática com desenvolvimento acentuado das três variáveis, com até 125 dias para o comprimento e diâmetro e 140 dias para o peso fresco dos frutos, estabilizando-se, em média, com 72mm de comprimento, 80mm de diâmetro e 224g de peso fresco.