SISTEMAS INTELIGENTES APLICADOS NA PREDIÇÃO DE PRENHEZ DE NOVILHAS DE DIFERENTES GRUPOS GENÉTICOS ACASALADAS AOS 14-16 MESES DE IDADE

Resumo

A intensificação sustentável da pecuária exige alta eficiência reprodutiva. Este estudo objetivou predizer a prenhez em novilhas de corte, identificando as variáveis de maior impacto. Foram utilizados dados de 98 novilhas (Charolês, Nelore e cruzas), com 14 meses de idade, avaliadas quanto ao peso corporal inicial (IBW) e final (FBW), escore de condição corporal inicial (IBS) e final (FBS), idade (AGE) e composição genética. Uma Análise de Componentes Principais (PCA) foi conduzida para exploração dos dados, onde os dois primeiros componentes (PC1 e PC2) explicaram 60,7% da variância total. O PC1 (44,6%) foi fortemente associado ao desenvolvimento corporal (peso e idade), enquanto o PC2 (16,1%) relacionou-se ao escore de condição corporal e à genética zebuína. O biplot da PCA revelou uma tendência de separação, com novilhas prenhas agrupadas com maiores pesos e idades. Subsequentemente, um modelo Random Forest (RF) foi treinado para classificar o status de prenhez, alcançando uma Área Sob a Curva ROC (AUC) de 0,80, indicando bom poder discriminatório. As variáveis de maior importância preditiva foram IBW (30,1%), FBW (19,9%), IBS (14,4%) e FBS (12,4%). Conclui-se que as variáveis fenotípicas ligadas ao desenvolvimento e estado nutricional foram mais determinantes para a prenhez do que a genética. A combinação da PCA e do RF demonstrou ser uma abordagem robusta para identificar fatores críticos e predizer o sucesso reprodutivo em novilhas de corte.