Relationships between milk yield and somatic cell score in Canadian Holsteins from simultaneous and recursive random regression models
Notice bibliographique
Résumé
Multiple-trait random regression animal models with simultaneous and recursive links between phenotypes for milk yield and somatic cell score (SCS) on the same test day were fitted to Canadian Holstein data. All models included fixed herd test-day effects and fixed regressions within region-age at calving-season of calving classes, and animal additive genetic and permanent environmental regressions with random coefficients. Regressions were Legendre polynomials of order 4 on a scale from 5 to 305 d in milk (DIM). Bayesian methods via Gibbs sampling were used for the estimation of model parameters. Heterogeneity of structural coefficients was modeled across (the first 3 lactations) and within (4 DIM intervals) lactation. Model comparisons in terms of Bayes factors indicated the superiority of simultaneous models over the standard multiple-trait model and recursive parameterizations. A moderate heterogeneous (both across- and within-lactation) negative effect of SCS on milk yield (from -0.36 for 116 to 265 DIM in lactation 1 to -0.81 for 5 to 45 DIM in lactation 3) and a smaller positive reciprocal effect of SCS on milk yield (from 0.007 for 5 to 45 DIM in lactation 2 to 0.023 for 46 to 115 DIM in lactation 3) were estimated in the most plausible specification. No noticeable differences among models were detected for genetic and environmental variances and genetic parameters for the first 2 regression coefficients. The curves of genetic and permanent environmental variances, heritabilities, and genetic and phenotypic correlations between milk yield and SCS on a daily basis were different for different models. Rankings of bulls and cows for 305-d milk yield, average daily SCS, and milk lactation persistency remained the same among models. No apparent benefits are expected from fitting causal phenotypic relationships between milk yield and SCS on the same test day in the random regression test-day model for genetic evaluation purposes.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 ».