Genetic evaluation of carcass yield using ultrasound measures on young replacement beef cattle1
Notice bibliographique
Résumé
Live weight and ultrasound measures of fat thickness and longissimus muscle area were available on 404 yearling bulls and 514 heifers, and carcass measures of weight, longissimus muscle area, and fat thickness were available on 235 steers. Breeding values were initially estimated for carcass weight, longissimus muscle area, and fat thickness using only steer carcass data. Breeding values were also estimated for weight and ultrasound muscle area and fat thickness using live animal data from bulls and heifers, with traits considered sex-specific. The combination of live animal and carcass data were also used to estimate breeding values in a full animal model. Breeding values from the carcass model were less accurate and distributed more closely around zero than those from the live data model, which could at least partially be explained by differences in relative amounts of data and in phenotypic mean and heritability. Adding live animal data to evaluation models increased the average accuracy of carcass trait breeding values 91, 75, and 51% for carcass weight, longissimus muscle area, and fat thickness, respectively. Rank correlations between breeding values estimated with carcass vs live animal data were low to moderate, ranging from 0.16 to 0.43. Significant rank changes were noted when breeding values for similar traits were estimated exclusively with live animal vs carcass data. Carcass trait breeding values estimated with both live animal and carcass data were most accurate, and rank correlations reflected the relative contribution of carcass data and their live animal indicators. The addition of live animal data to genetic evaluation of carcass traits resulted in the most significant carcass trait breeding value accuracy increases for young replacements that had not yet produced progeny with carcass data.
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 | 0,000 |
| 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 ».