Uso do algoritmo genético artificial para o melhoramento genético de gado bovino em Angola
Article Sidebar
Main Article Content
Resumo
O objectivo geral deste trabalho é utilizar o algoritmo genético artificial como ferramenta para o melhoramento genético de bovinos em Angola. A utilização desta ferramenta para o melhoramento genético de bovinos visa aumentar a produção de carne e leite através da selecção e cruzamento de animais com características desejáveis. O governo angolano tem investido em programas de desenvolvimento pecuário, incluindo repovoamento de gado e melhoramento genético. O melhoramento genético do gado em Angola, como em outras regiões, visa melhorar as características genéticas dos animais para aumentar a produção de carne, leite ou outras características desejadas, como precocidade e qualidade da carne. Isso é feito por meio da selecção de animais com boas características, do uso de técnicas como a inseminação artificial e do manejo dos rebanhos para garantir a evolução genética ao longo do tempo. Assim, o melhoramento genético tem contribuído não só para gerar um animal mais produtivo e precoce, mas também para ganhos ligados à resistência a ambientes adversos, doenças e parasitas. Os resultados demonstram que a inseminação artificial tem sido a biotecnologia de reprodução mais bem-sucedida e eficaz na produção animal em Angola, sendo responsável por taxas de aumento genético na pecuária leiteira em torno de 1,0 a 1,5%. Ela revolucionou a população de gado leiteiro comercial nos últimos anos, permitindo a disseminação de genótipos superiores em larga escala.
Article Details
Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 4.0.
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Referências
BARUSELLI, P.S.: “Evolução da inseminação artificial em fêmeas bovinas de corte e de leite no Brasil”, Boletim eletônico do Departamento de Reprodução Animal/FMVZ/USP, 4, 2020.
BARUSELLI, P.S.; CATUSSI, B.L.C.; ABREU, L.Â. de; ELLIFF, F.M.; SILVA, L. da G. da; BATISTA, E.S.; CREPALDI, G.A.: “Evolução e perspectivas da inseminação artificial em bovinos”, Revista Brasileira de Reprodução Animal, 43(2): 308-314, 2019.
BURKHART, M.C.; RUIZ, G.: “Neuroevolutionary representations for learning heterogeneous treatment effects”, Journal of Computational Science, 71: 102054, 2023, ISSN: 1877-7503.
DE CARVALHO, B.C.; CHITITTI, G.M.; IMBELLONI, J.C.G.: Inseminação artificial em gado bovino,[en línea], 2021, Disponible en:https://sistemafamato.org.br/senarmt/wp-content/uploads/sites/2/2023/08/Cartilha-84-MT-Inseminacao-Artificial-em-Bovinos.pdf.
FERREIRA, A.M.; FERREIRA DE SÁ, W.; VIANA, J.H.M.; CAMAGO, L.S.A.: Inseminação artificialem gado bovino, [en línea], Inst. Portal Embrapa recursos genéticos e biotecnologia e gado de leite, 2021, Disponible en:https://www.embrapa.br/agencia-de-informacao/.
GERGES, F.; ZOUEIN, G.; AZAR, D.: “Genetic algorithms with local optima handling to solve sudoku puzzles”, En: Proceedings of the 2018 international conference on computing and artificial intelligence, pp. 19-22, 2018.
JANSEN, T.; WEYLAND, D.: “Analysis of evolutionary algorithms for the longest common subsequence problem”, En: Proceedings of the 9th annual conference on Genetic and evolutionary computation, pp. 939-946, 2007.
LARSON, G.; FULLER, D.Q.: “The evolution of animal domestication”, Annual review of ecology, evolution, and systematics, 45(1): 115-136, 2014, ISSN: 1543-592X.
LUQUE-RODRIGUEZ, M.; MOLINA-BAENA, J.; JIMENEZ-VILCHEZ, A.; ARAUZO-AZOFRA, A.: “Initialization of feature selection search for classification”, Journal of Artificial Intelligence Research, 75: 953-983, 2022, ISSN: 1076-9757.
MINAGRIF: Melhoramento genético do gado bovino, [en línea], Inst. Ministério de agricultura e florestas. Orgão oficial da Republica de Angola., Luanda, Angola, 2021, Disponible en:https://faolex.fao.org/docs/pdf/ang215085.pdf.
PÉTROWSKI, A.; BEN-HAMIDA, S.: Evolutionary algorithms, Ed. John Wiley & Sons, vol. 9, 2017, ISBN: 1-84821-804-4.
POULSON, L.J.J.: Formação e desenvolvimento do sistema agroalimentar do milho na província do Huambo/Angola, Ed. Universidade Regional de Blumenau (Brazil), 2024, ISBN: 979-8-3103-4446-4.
ROSA, A. do N.; MARTINS, E.N.; MENEZES, G.R. de O.; SILVA, L.O.C. da: Melhoramento genético aplicado em gado de corte: Programa Geneplus-Embrapa, Ed. Embrapa, 2013, ISBN: 85-7035-256-5.
TAVARES, J.; MACHADO, P.; CARDOSO, A.; PEREIRA, F.B.; COSTA, E.: “On the evolution of evolutionary algorithms”, En: European Conference on Genetic Programming, Ed. Springer, pp. 389-398, 2004.
TOMOIAGĂ, B.; CHINDRIŞ, M.; SUMPER, A.; SUDRIA-ANDREU, A.; VILLAFAFILA-ROBLES, R.: “Pareto optimal reconfiguration of power distribution systems using a genetic algorithm based on NSGA-II”, Energies, 6(3): 1439-1455, 2013, ISSN: 1996-1073.
WEIBLEN, R.; NOGUEIRA, A.: Melhoramento genético animal 2., Porto Alegre: Editora da UFRGS, 2015.
ZART, A.L.; NICACIO, A.C.; DO GITO, A.A.; GONDO, A.; SOUZA., A.: Melhoramento genético aplicado em gado de corte: Programa Geneplus-Embrapa, Ed. Embrapa, editores técnicos: António do Nascimento Rosa [et al]. ed., Brasília, DF : Embrapa, 256 p., 2013, ISBN: 978-85-7035-256-9.