Use of genotype × environment interaction model to accommodate genetic heterogeneity for residual feed intake, dry matter intake, net energy in milk, and metabolic body weight in dairy cattle
Notice bibliographique
Résumé
Feed efficiency in dairy cattle has gained much attention recently. Due to the cost-prohibitive measurement of individual feed intakes, combining data from multiple countries is often necessary to ensure an adequate reference population. It may then be essential to model genetic heterogeneity when making inferences about feed efficiency or selecting efficient cattle using genomic information. In this study, we constructed a marker × environment interaction model that decomposed marker effects into main effects and interaction components that were specific to each environment. We compared environment-specific variance component estimates and prediction accuracies from the interaction model analyses, an across-environment analyses ignoring population stratification, and a within-environment analyses using an international feed efficiency data set. Phenotypes included residual feed intake, dry matter intake, net energy in milk, and metabolic body weight from 3,656 cows measured in 3 broadly defined environments: North America (NAM), the Netherlands (NLD), and Scotland (SAC). Genotypic data included 57,574 single nucleotide polymorphisms per animal. The interaction model gave the highest prediction accuracy for metabolic body weight, which had the largest estimated heritabilities ranging from 0.37 to 0.55. The within-environment model performed the best when predicting residual feed intake, which had the lowest estimated heritabilities ranging from 0.13 to 0.41. For traits (dry matter intake and net energy in milk) with intermediate estimated heritabilities (0.21 to 0.50 and 0.17 to 0.53, respectively), performance of the 3 models was comparable. Genomic correlations between environments also were computed using variance component estimates from the interaction model. Averaged across all traits, genomic correlations were highest between NAM and NLD, and lowest between NAM and SAC. In conclusion, the interaction model provided a novel way to evaluate traits measured in multiple environments in which genetic heterogeneity may exist. This model allowed estimation of environment-specific parameters and provided genomic predictions that approached or exceeded the accuracy of competing within- or across-environment models.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».