BREEDING AND GENETICS SYMPOSIUM: Resilience of livestock to changing environments1
Notice bibliographique
Résumé
The Breeding and Genetics Symposium titled “Resilience of Livestock to Changing Environments” was held at the Joint Annual Meeting, July 19–24, 2016, in Salt Lake City, UT. The objective of the symposium was to provide a broad overview of recent research on the effects of changing environmental conditions on livestock. Topics covered by the speakers included a review of the variation in response to heat stress and its effects on metabolic parameters and energy demands in pigs and cattle, production and reproduction in livestock and aquaculture species, the development of genetic improvement programs to produce more robust animals, and the use of gene introgression to develop heat-resistant animals. Substantial discussion focused on the tradeoffs involved in producing robust, high-producing livestock. The symposium included 6 invited presentations, each of which is discussed below. Modern livestock have been selected to efficiently convert feed into food and fiber for human use, but the most productive breeds generally require intensive management to maintain high levels of production. Most major livestock breeds in the U.S. are derived from animals that evolved in temperate climates, such as Holstein dairy cattle. Unfortunately, the climate in the southern states is hot enough to cause several months per year of heat stress. Heat stress occurs when the environmental temperature exceeds an animal's thermoneutral point, and its effects include decreased dry matter intake, reduced water consumption, depressed production, and impaired fertility (e.g., West, 2003). These effects will become more common in areas that have not previously experienced heat stress as global temperatures continue to rise (IPCC, 2014). Technological interventions, including fans, sprinklers, and shade structures, can be used to ameliorate many of the effects of heat stress, but they provide only temporary relief. Genetic selection for greater thermotolerance is possible and will result in cumulative, permanent gains (Aguilar et al., 2009; Dikmen et al., 2012, 2015).
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,007 |
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 ».