Assessment of residual body weight gain and residual intake and body weight gain as feed efficiency traits in the turkey (Meleagris gallopavo)
Notice bibliographique
Résumé
BACKGROUND: Since feed represents 70% of the total cost in poultry production systems, an animal's ability to convert feed is an important trait. In this study, residual feed intake (RFI) and residual body weight gain (RG), and their linear combination into residual feed intake and body weight gain (RIG) were studied to estimate their genetic parameters and analyze the potential differences in feed intake between the top ranked birds based on the criteria for each trait. METHODS: Phenotypic and genetic analyses were completed on 8340 growing tom turkeys that were measured for feed intake and body weight gain over a four-week period from 16 to 20 weeks of age. RESULTS: The heritabilities of RG and RIG were 0.19 ± 0.03 and 0.23 ± 0.03, respectively. Residual body weight gain had moderate genetic correlations with feed intake (-0.41) and body weight gain (0.43). All three linear combinations to form the RIG traits had genetic correlations ranging from -0.62 to -0.52 with feed intake, and slightly weaker, 0.22 to 0.34, with body weight gain. Sorted into three equal groups (low, medium, high) based on RG, the most efficient group (high) gained 0.62 and 1.70 kg more (P < 0.001) body weight than that of the medium and low groups, yet the feed intake for the high group was less (P < 0.05) than that of the medium group (19.52 vs. 19.75 kg). When separated into similar partitions, the high RIG group (most efficient) had both the lowest (P < 0.001) feed intake (18.86 vs. 19.57 and 20.41 kg) and the highest (P < 0.001) body weight gain (7.41 vs. 7.03 and 6.43 kg) relative to the medium and low groups, respectively. CONCLUSIONS: The difference in feed intake between the top ranked birds based on different residual feed efficiency traits may be small when looking at the average individual, however, when extrapolated to the production level, the lower feed intake values could lead to significant savings in feed costs over time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».