MIM: an indirect method to assess inbreeding and coancestry in large incomplete pedigrees of selected dairy cattle
Notice bibliographique
Résumé
In real data, inbreeding is usually underestimated because of missing pedigree information. A method adapted to the dairy cattle situation is presented to approximate inbreeding when the stored population pedigree is incomplete. Missing parents in incomplete pedigrees were given a dummy identification and assigned to groups (up to nine for a given birth date of progeny). These groups were linked to contemporary reference groups with known parents. An explicit model considered that polygenic breeding values in a censored group were centred on a function of the average breeding value in the corresponding reference group and deviated independently. Inbreeding coefficients were obtained progressively over birth dates starting from founders. For each date considered, the parameters pertaining to its groups were computed using the parameters already obtained from groups belonging to the previous dates. The updating algorithms were given in detail. An indirect method was implemented to expedite mass computations of the relationship coefficients involved (MIM). MIM was compared to Van Raden's (VR) method using simulated populations with 20 overlapping generations and different rates of missing sires and dams. In the situation of random matings, the average inbreeding coefficients by date obtained by MIM were close to true values, whereas they were strongly underestimated by VR. In the situation of assortative matings, MIM gave average inbreeding coefficients moderately underestimated, whereas those of VR's method were still strongly underestimated. The main conclusion of this study adapted to the situation of dairy cattle with incomplete pedigrees was that corrections for inbreeding and coancestry coefficients are more efficient with an explicit appropriate genetic model than without.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».