As técnicas multivariadas podem ser aplicadas a dados de carcaça e de cortes de suínos medidos
em plantas frigoríficas, visando a identificação das variáveis mais relevantes no conjunto de dados
e, portanto, contribuindo para otimização da fenotipagem. Objetiva-se identificar as variáveis mais
relevantes relacionadas aos cortes comerciais de carcaça através da análise de componentes
principais e avaliar a eficiência da análise discriminante para a classificação de duas linhas macho
com diferentes idades ao abate utilizando dados de carcaça e cortes comerciais de carne suína. O
experimento foi conduzido em uma granja comercial de ciclo completo, localizada na zona rural
do município de Ponte Nova do Estado de Minas Gerais. Foi utilizado sêmen de reprodutores de
duas linhas macho distintas (L1 e L2) em fêmeas Camborough. Foram realizadas três inseminações
por fêmea, utilizando sempre machos da mesma linha (L1 ou L2), totalizando 167 coberturas
experimentais direcionadas durante 11 dias. Os animais foram identificados após o nascimento por
meio de tatuagem nas duas orelhas e foram criados seguindo o sistema de produção da granja,
utilizando mesma dieta e manejo para todos os animais. O abate de animais foi realizado no
Frigorífico Industrial Vale do Piranga S/A localizado no município de Oratórios do Estado de
Minas Gerais. Foram abatidos 433 animais por amostragem, sendo 213 progênies da L1 e 220 da
L2, com idades variando entre 145 a 191 dias. Os animais foram divididos em dois grupos de
acordo com a idade em que foram abatidos: animais abatidos entre 145 e 170 dias (1) e entre 185
e 191 dias (2). Sendo assim, foram formados quatro grupos (k = 4), representado pela combinação
das duas linhagens (L1 e L2) e de duas idades de abates (1 e 2). Foram mensuradas as variáveis
espessura de toucinho (ET), espessura de músculo (EM), percentual de carne magra (CM), peso de
carcaça quente automático (PCQAut), peso de carcaça quente (PCQ), peso da carcaça resfriada
(PCResf), peso de pernil para presunto (PerPresunto), peso de pernil para picanha (PerPicanha),
peso de pernil para alcatra (PerAlcatra), peso do pernil para bacon (PerBacon), peso do pernil
inteiro (Pernil), peso da paleta para presunto (PaPresunto), peso da paleta para bacon (PaBacon),
peso da paleta inteira (Paleta), peso do lombo (Lombo), peso do toucinho do carré (toucinho), peso
do carré (Carre), peso da barriga (barriga), Peso da barriga e costela inteiro (BarCost), peso da
costela (costela), peso da fraldinha (fraldinha), peso da sobrepaleta inteira (sobrepaleta), peso do
filé limpo (FileLimpo), peso do filé (File) e peso da papada (Papada). Os dados foram processados
e submetidos as análises de componentes principais e discriminante utilizando o software R. Os
dois primeiros componentes foram capazes de explicar 67,28% da variação total dos dados, sendo
necessários pelo menos 9 componentes para explicar mais de 90% da variabilidade. Somente 5
componentes principais apresentaram autovalores maiores que 0,7, assim as variáveis com maior
valor absoluto dentro desses componentes foram identificadas como as variáveis mais relevantes
nesse conjunto de dados originais estudadas (PCResf, CM, PaPresunto, EM e Papada. A análise
visual do gráfico de scores em relação aos componentes principais 1 e 2, revela que não ocorreu a
formação de clusters e que não é possível, a partir desses componentes, separar os indivíduos
pertencentes aos quatro grupos avaliados (combinação de idade de abate e linha). A análise
discriminante foi realizada utilizando somente as cinco variáveis identificadas como mais
importantes na análise de componentes principais. Utilizando populações de treinamento e
validação verificou-se que de modo geral o percentual de acertos de classificação utilizando a
análise discriminante foi maior para a idade de abate mais jovem (145-170 dias),
consequentemente, as maiores taxas de erro foram observadas para os animais com maiores pesos
ao abate. A coleta de dados das variáveis PCResf, CM, PaPresunto, EM e Papada em frigoríficos
é recomendada, permitindo, portanto, a otimização da fenotipagem apesar de não possibilitar a
diferenciação entre os grupos avaliados. Além disso, uma grande taxa de erro foi observada na
classificação das amostras, sendo mais difícil classificar animais abatidos mais velhos.