Genetic diversity of Guernsey population using pedigree data and gene-dropping simulations
Notice bibliographique
Résumé
The objectives of this study were to analyze the trend of within-breed genetic diversity and identify major causes leading to loss of genetic diversity in Guernsey breed in three countries. Pedigree files of Canadian (GCN), South African (GSA) and American (GUS) Guernsey populations containing 130 927, 18 593 and 1 851 624 records, respectively, were analyzed. Several parameters derived from the in-depth pedigree analyses were used to measure trends and current levels of genetic diversity. Pedigree completeness index of GCN, GSA and GUS populations, in the most recent year (2007), was 97%, 74% and 79%, respectively, considering four generations back in the analysis. The rate of inbreeding in each population was 0.19%, 0.16% and 0.17% between 2002 and 2007, respectively. For the same period, the estimated effective population size for GCN, GSA and GUS was 46, 57 and 46, respectively. The estimated percentage of genetic diversity lost within each population over the last four decades was 8%, 3% and 5%, respectively. The relative proportion of genetic diversity lost due to random genetic drift in the three populations was 93%, 91% and 86%, respectively. In conclusion, the results suggested that GCN and GUS have lost more genetic diversity than GSA over the past four decades, and this loss is gaining momentum due to increasing rates of inbreeding. Therefore, strategies such as optimum contribution selection and migration of genetic material are advised to increase effective population size, particularly in GCN and GUS.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».