Efficiency of quantitative trait loci‐assisted selection in correlations between identified and residual genotypes
Notice bibliographique
Résumé
ABSTRACT This study quantified the efficiency of quantitative traits loci (QTL)‐assisted selection in the presence of correlations (ρqr) between identified (q) and residual (r) genotypes. Two levels of heritability (h2 = 0.1 or 0.3), two levels of correlation (ρqr = −0.3 or 0.3) and five proportions of genetic variance explained by QTL detected ( = 0.1, 0.2, 0.4, 0.6 or 0.8) were combined to give 20 scenarios in all. QTL‐assisted selection placed a larger index weight on the QTL genotype than on the phenotype in 17 of 20 scenarios, yielding a greater response in the QTL genotype than in residual genotype. Although QTL‐assisted selection was superior to phenotypic selection in all 20 scenarios, QTL‐assisted selection showed a greater advantage over phenotypic selection when ρqr was positive than when ρqr was negative. Doubling the proportion of detected QTL variance to genetic variance does not result in a twofold increase in the genetic response to QTL‐assisted selection, suggesting that economic returns diminish for each additional cost of detecting extra QTL. The correlation between q and r would make the interpretation (or prediction) of QTL effects difficult and QTL‐assisted selection strategy must consider the joint effect of q and r. When q and r are not independent, a failure to account for ρqr in QTL‐assisted selection would underestimate the genetic responses when ρqr is positive, but overestimate the genetic responses when ρqr is negative. Estimation bias is more serious at high heritability than at low heritability. Accounting for ρqr would improve the efficiency of QTL‐assisted selection and the accuracy of QTL detection. The generalized procedure developed in this study allows for quantifying the efficiency of QTL‐assisted selection and assessing estimation bias for ignoring the correlation between q and r for all possible combinations of h2, ρqr, and .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».