Efficiency of feed utilisation by livestock — Implications and benefits of genetic improvement
Notice bibliographique
Résumé
Genetic improvement strategies in the past have concentrated on traits associated with outputs. Traits that directly affect input costs, such as those related to the efficiency of feed utilisation, have only recently started to receive some attention. This paper examines the current state of knowledge, benefits and challenges associated with genetic improvement of feed utilisation by livestock. Current information indicates the existence of genetic variation in feed efficiency and moderate heritability for most feed efficiency traits in all livestock species. However, there is a paucity of information on the genetic relationships among feed efficiency traits and other traits at different phases of the production cycle. The challenge is to develop breeding programs that exploit genetic variation in efficiency of feed utilisation to improve whole production system efficiency. The cost of recording feed intake (used to compute feed efficiency traits) is high, making it uneconomical, in some species, to measure feed intake in all potential seedstock animals. However, where a two-stage selection approach has been adopted, the inclusion of feed efficiency traits in genetic improvement schemes has yielded substantial additional benefits over and above the benefits from existing schemes that do not include feed efficiency traits. Under a two-stage selection strategy all potential seedstock animals are first evaluated for the production traits of interest, after which strategically selected individuals undergo feed efficiency testing. Where physiological or genetic markers for feed efficiency exist, such information is included in the first stage selection decision. There is theoretical evidence that selection for some feed efficiency traits, such as residual feed intake, will have additional benefit of reducing greenhouse emissions by livestock and improving environmental sustainability. The challenge is to generate the necessary empirical data to support this assertion. Key words: Feed efficiency, genetics, physiology, economic benefit, environmental sustainability
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 | 0,000 |
| 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 ».