Genetic and Phenotypic Correlations between Performance Traits with Meat Quality and Carcass Characteristics in Commercial Crossbred Pigs
Notice bibliographique
Résumé
Genetic correlations between performance traits with meat quality and carcass traits were estimated on 6,408 commercial crossbred pigs with performance traits recorded in production systems with 2,100 of them having meat quality and carcass measurements. Significant fixed effects (company, sex and batch), covariates (birth weight, cold carcass weight, and age), random effects (additive, litter and maternal) were fitted in the statistical models. A series of pairwise bivariate analyses were implemented in ASREML to estimate heritability, phenotypic, and genetic correlations between performance traits (n = 9) with meat quality (n = 25) and carcass (n = 19) traits. The animals had a pedigree compromised of 9,439 animals over 15 generations. Performance traits had low-to-moderate heritabilities (±SE), ranged from 0.07±0.13 to 0.45±0.07 for weaning weight, and ultrasound backfat depth, respectively. Genetic correlations between performance and carcass traits were moderate to high. The results indicate that: (a) selection for birth weight may increase drip loss, lightness of longissimus dorsi, and gluteus medius muscles but may reduce fat depth; (b) selection for nursery weight can be valuable for increasing both quantity and quality traits; (c) selection for increased daily gain may increase the carcass weight and most of the primal cuts. These findings suggest that deterioration of pork quality may have occurred over many generations through the selection for less backfat thickness, and feed efficiency, but selection for growth had no adverse effects on pork quality. Low-to-moderate heritabilities for performance traits indicate that they could be improved using traditional selection or genomic selection. The estimated genetic parameters for performance, carcass and meat quality traits may be incorporated into the breeding programs that emphasize product quality in these Canadian swine 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.
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 | 0,002 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».