000			04612nab a2200337 i 4500
003			BR-BrBNA
005			20231031145232.0
008			231031b2020 bl.qr|pooa||| 00| 0 eng |
040			_aBR-BrBNA _beng
072			_aQ04 _b5214
072			_aL01
100			_aAbreu, Bueno da Silva
100			_aBarbosa, Severino Benone Paes
100			_aSilva, Elizabete Cristina da
100			_aSantoro, Kleber Régis
100			_aBatista, Ângela Maria Vieira
100			_aMartinez, Rafael Leonardo Varga
245			_aPrincipal component and cluster analyses to evaluate production and milk quality traits
500			_a Publicação on-line; 31 ref.; 6 tables; Summaries (En, Pt)
520			_a ABSTRACT - Using multivariate analyses, this study attempted to identify important traits explaining the relationship between milk production and quality produced by Holstein cows. Monthly milk records from three commercial dairy farms located in the Agreste region of Pernambuco, Brazil, collected in the period from 2007 to 2017, were used. A total of 5,872 observations regarding milk production, milk components and somatic cell score (SCS) were analyzed using principal component analysis (PCA) and cluster analysis. According to the former analysis, the first three principal components explained 79.69% of the total variation. Total solids content contributed 29.66% of the variation in the first principal component, while lactose content contributed 49.43% of the variation in the second principal component. According to the latter analysis, three clusters differed for all characteristics (p<0.001) and cluster 2 concentrated 43.15% (2,534) of the information with lower SCS and higher lactose content and milk production. Total solids, lactose and fat were considered the most representative traits explaining the variability of the data set. The multivariate techniques used in this study proved useful in obtaining effective characteristics, with three factors considered important in explaining the relationship between Holstein cows’ milk production and quality. Key words: Multivariate analysis. Dairy cattle. Milk composition.
520			_a RESUMO - Objetivou-se com este estudo identificar, por meio da análise de componentes principais e análise de agrupamento, as variáveis capazes de explicar a variabilidade na qualidade e na produção de leite de vacas Holandesas. Foram utilizados dados mensais de controle leiteiro, de três fazendas comerciais localizadas na região Agreste do estado de Pernambuco, Brasil, obtidos no período de 2007 a 2017. Foram analisadas 5.872 informações de produção e componentes do leite, e de escore de células somáticas (SCS), quanto à possibilidade de formação de grupos que pudessem ser destacados pela similaridade e verificar a capacidade discriminante dessas características nos grupos. Os métodos K-means e Ward.D2, baseados na análise da distância euclidiana e dos componentes principais (PCA), foram utilizados para indicar as fontes de variação que diferenciaram os grupos. Foi observado que os primeiros três componentes principais explicaram 79,69% da variabilidade dos dados. A variável que mais contribuiu no primeiro componente foi o teor de sólidos totais com 29,66%. No segundo componente, a lactose, se destacou com uma contribuição de 49,43%. Na análise de agrupamento, três clusters diferiram em relação a todas as características (p<0,001), o cluster 2, por exemplo, concentrou 43,15% (2.534) das informações, agrupando animais com um menor SCS e maior lactose e produção de leite. As variáveis sólidos totais, lactose e gordura foram as que mais contribuíram dentro dos três componentes selecionados. A ACP e agrupamento podem ser ferramentas úteis na obtenção de características efetivas, sendo três fatores considerados importantes para explicar a relação entre produção e qualidade do leite. Palavras-chave: Análise multivariada. Bovinocultura leiteira. Composição do leite
650			_aGADO HOLANDÊS
650			_aSELEÇÃO
650			_aPRODUÇÃO LEITEIRA
650			_aCOMPOSIÇÃO QUÍMICA
650			_aMÉTODO ESTATÍSTICO
773	0		_04290 _925562 _dFortaleza-CE Universidade Federal do Ceará. Centro de Ciências Agrárias 2002 _o2023-436128 _tRevista Ciência Agronômica (Brazil) _x0045-6888; 1806-6690 (on-line) _gv. 51(3) p. 1-10; (2020) _wBr2023001144
856			_uhttps://www.scielo.br/j/rca/a/JLxkSDXjVprFM577Cxt8XgG/?format=pdf&lang=en
942			_cAnalítica
999			_c86618 _d86618