Whole genome marker-assisted selection.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Most applications of genomic selection (GS) have so far been in animals, especially dairy cattle, although theoretical studies have also been conducted for maize. For the last 50 years, commercial breeding programmes for dairy cattle have been based on the progeny test scheme, which results in an average generation interval of approximately 7 years for the sire to dam path. It should be possible to double rates of genetic gain by the application of GS, if generation intervals are reduced to close to the biological minimum. During the last decade, methods were developed for high-throughput genotyping of thousands of single nucleotide polymorphisms per individuals. The number of potential polymorphic markers per species was increased from about 1000 to tens of thousands, and costs per individual marker genotype were reduced from several dollars to less than one cent. The application of marker-assisted selection based on genome-wide association studies requires solutions to new statistical problems. Specifically how should information from pedigree, phenotypic records and genotypes be combined to optimally rank candidates for selection? Various linear and Bayesian methods have been proposed and tested to compute genomic estimated breeding values. Linear models require significantly less computing time, and perform nearly as well as Bayesian methodologies. Methods are generally evaluated by comparing genomic evaluations based only on pedigree and genotype to genetic evaluations based on daughter records of the same bulls. Genomic selection programmes for dairy cattle have been implemented in the USA, Canada, Australia, New Zealand and the Netherlands. With declining genotyping costs it becomes economically viable to genotype more individuals, including candidate bull dams. More emphasis can be placed on low heritability traits, such as fertility and disease traits, and it will be easier to control the increase in inbreeding in commercial animal populations.
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.
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 | 0,000 | 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 découle