Na pecuária leiteira, o interesse em selecionar animais com alto potencial genético para produção e qualidade do leite, pode causar um decréscimo na variabilidade genotípica, devido à intensa pressão de seleção. Neste contexto, as avaliações genéticas têm considerado apenas os efeitos genéticos aditivos, não sendo incluídos efeitos de dominância nos modelos de predição, por exemplo. O objetivo deste trabalho foi verificar a contribuição dos efeitos genéticos não-aditivos nos modelos de predição genômica e inferir a heterozigose molecular e a heterose genômica. Foram testadas a habilidade e o viés na predição dos valores genéticos genômicos (GEBVs) por um modelo puramente aditivo e outro aditivo-dominante. Estes foram comparados e as estimativas de variância computadas e avaliadas de acordo com o modelo proposto. Uma segunda fase compreendeu estimar a heterozigosidade e a heterose genômica, e realizar uma adaptação da associação ampla do genoma (GWAS) para capturar as variâncias não-aditivas, identificar regiões do genoma com possível vantagem heterozigótica e de marcadores moleculares associados ao fenótipo. Em ambas as fases foram utilizados dados simulados e registros fenotípicos reais de bovinos leiteiros da raça Holandesa. As proporções da variância de dominância em relação ao fenótipo foram de 2,9 a 5,2% em dados simulados, e de 0,08 a 3,8% para as características produção e qualidade do leite. A maior acurácia foi de 0,79 e 0,36 no modelo aditivo e aditivo-dominante simulado, respectivamente. Para os dados reais, as estimativas foram semelhantes entre os modelos. O melhor desempenho do modelo foi para gordura e ácido graxo, com maior vantagem para ácido graxo quando incluído os efeitos de dominância na avaliação. Em média, para o cenário de menor herdabilidade (h² = 0,10), a taxa de heterozigosidade foi de 35,6%, e níveis próximos foram encontrados para os demais cenários (35,4 e 35,7%). O cenário de maior herdabilidade apresentou os maiores valores médios de heterose genômica (17,0%), comparado aos demais (3,02 a 11,0%). Os coeficientes de regressão revelaram que a heterozigosidade tem impacto positivo sobre a heterose genômica para a maioria das populações simuladas. A heterozigosidade avaliada de forma empírica e por meio de dados reais revelou resultados otimistas quanto à possibilidade de selecionar os animais de raça pura, para gerar maior e melhor heterose genômica. Incluir os efeitos de dominância no modelo de GWAS adaptado pode contribuir para a identificação de marcadores associados ao fenótipo, de forma semelhante ou superior ao modelo aditivo adaptado. Conclui-se que incluir os efeitos de dominância deve beneficiar uma melhor estimativa dos componentes de variância genética, principalmente para as características de menor herdabilidade e altamente influenciadas pelo ambiente. Além disso, sugere-se que a heterose genômica em populações de raça pura pode ser acessada se considerado os fatores de heterozigosidade molecular e suas associações com o fenótipo de interesse.

In dairy farming, the interest in selecting animals with high genetic potential for milk production and quality may cause a decrease in phenotypic and genotypic variability, due to intense selective pressure. Furthermore, genetic evaluations have been limited to additive genetic effects, not including dominance effects in genomic prediction models, for example. The aim of this study was to verify the contribution of non-additive genetic effects in genomic prediction models and to infer molecular heterozygosity and genomic heterosis. Two main lines of research were followed. Two main lines of research were followed. Initially, the ability and bias in predicting genomic breeding values by a purely additive model and an additive-dominant model were tested. The models were compared for ability and bias to genomic estimated breeding values (GEBVs) and the estimates of variance computed and evaluated according to the proposed model. The second phase involved inferring genomic heterozygosity and heterosis, and performing an adaptation of genome-wide association (GWAS) to capture non-additive variances, identify regions of the genome with possible heterozygous advantage, and molecular markers associated with the phenotype. In both phases, simulated data and real phenotypic records of Holstein dairy cattle were used. The proportions of dominance variance in relation to phenotype were 2.9 to 5.2% in simulated data, and from 0.08 to 3.8% for the milk yield and quality traits. The highest accuracy was 0.79 and 0.36 in the simulated additive and additivedominant model. The estimates were similar across models for the real data. Higher variance estimates were found for fat and fatty acid, with a greater advantage for fatty acid when dominance effects were included in the assessment. On average, for the lower heritability scenario, heterozygosity was 35.6%, and similar levels were found for the other scenarios (35.4 and 35.7%). The high heritability scenario presented the highest mean values of genomic heterosis (17.0%), compared to the others (3.02 to 11.0%). Regression coefficients revealed that heterozygosity has a positive impact on genomic heterosis for most simulated populations. The heterozygosity evaluated empirically and through real data revealed optimistic results regarding the possibility of selecting purebred animals to genomic heterosis. Including dominance effects in the adapted GWAS model can contribute to the identification of markers associated with the phenotype in a similar or superior way to the adapted additive model. We conclude that accounting for dominance effects in genomic prediction models should benefit better estimates of genetic variance components, especially for traits with lower heritability and highly influenced by the environment. Furthermore, it is suggested that genomic heterosis in purebred populations can be accessed if molecular heterozygosity factors and their associations with the phenotype of interest are considered.