Marker-assisted estimation of quantitative genetic parameters in rainbow trout, <i>Oncorhynchus mykiss</i>
Notice bibliographique
Résumé
Estimation of quantitative genetic parameters conventionally requires known pedigree structure. However, several methods have recently been developed to circumvent this requirement by inferring relationship structure from molecular marker data. Here, two such marker-assisted methodologies were used and compared in an aquaculture population of rainbow trout (Oncorhynchus mykiss). Firstly a regression-based model employing estimates of pairwise relatedness was applied, and secondly a Markov Chain Monte Carlo (MCMC) procedure was employed to reconstruct full-sibships and hence an explicit pedigree. While both methods were effective in detecting significant components of genetic variance and covariance for size and spawning time traits, the regression model resulted in estimates that were quantitatively unreliable, having both significant bias and low precision. This result can be largely attributed to poor performance of the pairwise relatedness estimator. In contrast, genetic parameters estimated from the reconstructed pedigree showed close agreement with ideal values obtained from the true pedigree. Although not significantly biased, parameters based on the reconstructed pedigree were underestimated relative to ideal values. This was due to the complex structure of the true pedigree in which high numbers of half-sibling relationships resulted in inaccurate partitioning of full-sibships, and additional unrecognized relatedness between families.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».