Construction of Optimum Index to Maximize Overall Response Across Countries in the Presence of Genotype × Environment Interaction
Notice bibliographique
Résumé
Sire effect is partitioned into two parts: constant effect unaffected by environments and interaction effect specific to each environment and responsible for genotype x environment (GE) interaction. Response to selection for constant effect is the same across environments, thus increasing genetic stability, whereas response to selection for interaction effect would vary depending upon environments. The conventional measure of GE interaction based on genetic correlation (gammaG) considers both constant and interaction components even though the constant component plays no role in GE interaction. In contrast, the proposed measure of GE interaction based on interaction correlation (gammaI) deals only with interaction component responsible for GE interaction and thus indicates the intensity of GE interaction generated by responsible genes. Constant and interaction effects with different economic weights were combined into optimum index to improve both genetic stability and overall response across countries (countries represent environments). Optimum index was more efficient than the unpartitioned index which was more efficient than selection in a single country except when economic weights between constant and interaction effects were equal. Optimum index and unpartitioned index were the same when these economic weights were equal. The advantage of optimum index over the other selection methods increases as the intensity of GE interaction increases. When the relative economic weights are equivalent among countries and between constant and interaction effects, selection in a country with a larger sire variance is more effective than selection in a country with a smaller sire variance.
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 | 0,002 | 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 ».