Application of a Multiple-Trait Herd Cluster Model for Genetic Evaluation of Dairy Sires from Seventeen Countries
Notice bibliographique
Résumé
The multiple-trait across country evaluation method is currently used for international genetic evaluation of dairy sires. This method simultaneously combines national estimated breeding value (EBV) of sires in all countries and produces a separate breeding value to be used in each of the 24 countries that participate in the service. The major drawbacks to this method are the large number of genetic parameters that must be estimated and the large number of EBV produced for each sire. In the current method, each sire receives an EBV for each separate environment, and environments change at the country borders. It is unreasonable to assume that each country contains only one homogeneous environment and that every country has a distinctly different environment from all others. In the present study, an alternative method for international sire evaluation was utilized. Herds were grouped according to important management, climatic, and genetic factors rather than country borders. Data consisted of 16,403,413 first lactation cows in Australia, Austria, Belgium, Canada, Czech Republic, Estonia, Finland, Germany, Hungary, Ireland, Israel, Italy, The Netherlands, New Zealand, South Africa, Switzerland, and the United States. Herds were grouped according to 13 descriptive herd variables, including temperature, rainfall, peak yield, persistency, herd-size, age at calving, seasonality of calving, standard deviation of milk yield, culling percentage, fat-to-protein ratio, days to peak yield, percent of North American Holstein genes, and average PTA milk of sires. Variables were weighted by their relative importance in explaining genotype by environment interactions between herds. Herds were grouped into seven clusters; clusters ranged in size from 4805 to 59,272 herds and 1,414,966 to 3,966,431 cows. The proposed model predicts EBV for dairy sires based on the production environment in which their progeny wili perform, rather than the country where they will be located.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».