Theoretical efficiency of multiple‐trait quantitative trait loci‐assisted selection
Notice bibliographique
Résumé
The effectiveness of five selection methods for genetic improvement of net merit comprising trait 1 of low heritability (h(2) = 0.1) and trait 2 of high heritability (h(2) = 0.4) was examined: (i) two-trait quantitative trait loci (QTL)-assisted selection; (ii) partial QTL-assisted selection based on trait 1; (iii) partial QTL-assisted selection based on trait 2; (iv) QTL-only selection; and (v) conventional selection index without QTL information. These selection methods were compared under 72 scenarios with different combinations of the relative economic weights, the genetic correlations between traits, the ratio of QTL variance to total genetic variance of the trait, and the ratio of genetic variances between traits. The results suggest that the detection of QTL for multiple-trait QTL-assisted selection is more important when the index traits are negatively correlated than when they are positively correlated. In contrast to literature reports that single-trait marker-assisted selection (MAS) is the most efficient for low heritability traits, this study found that the identified QTL of the low heritability trait contributed negligibly to total response in net merit. This is because multiple-trait QTL-assisted selection is designed to maximize total net merit rather than the genetic response of the individual index trait as in the case of single-trait MAS. Therefore, it is not economical to identify the QTL of the low heritability traits for the improvement of total net merit. The efficient, cost-effective selection strategy is to identify the QTL of the moderate or high heritability traits of the QTL-assisted selection index to facilitate total economic returns. Detection of the QTL of the low h(2) traits for the QTL-assisted index selection is justified when the low h(2) traits have high negative genetic correlation with the other index traits and/or when both economic weights and genetic variances of the low h(2) traits are larger as compared to the other index traits of higher h(2). This study deals with theoretical efficiency of QTL-assisted selection, but the same principle applies to SNP-based genomic selection when the proportion of the genetic variance 'explained by the identified QTLs' in this study is replaced by 'explained by SNPs'.
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 | 0,012 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».