Estimates of genetic parameters for ultrasound-measured carcass traits in sheep
Notice bibliographique
Résumé
Data on ultrasound traits (loin depth, average backfat thickness, and loin width) were collected from lambs (n = 3483) across Ontario, born between 1997 and 1999. The data were analysed with a REML procedure in a multiple-trait mixed-animal model to obtain (co)variance component estimates. Analyses of all traits included the additive genetic effect of the lamb, sex of the lamb, contemporary group, and breed group effects. Weight or age was included as a covariate in two separate analyses. Estimates of direct additive heritabilities for loin depth, average backfat thickness, and loin width were 0.29, 0.29 and 0.26 respectively, with genetic correlations of -0.17 between loin depth and average backfat thickness, 0.43 between loin depth and loin width, and 0.23 between loin width and average backfat thickness for the weight constant analysis. When the data were analysed using age in the regression analysis, corresponding estimates of direct additive heritabilities were 0.38, 0.35 and 0.30, and genetic correlations between traits were all positive, 0.29 between loin depth and average backfat thickness, 0.61 between loin depth and loin width, and 0.44 between loin width and average backfat thickness. Results indicate that it is possible to make genetic improvement if selection is based on ultrasound information. Key words: Sheep, genetic parameters, heritability, ultrasound
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».