Genomic prediction of breed composition and heterosis effects in Angus, Charolais and Hereford crosses using 50K genotypes
Notice bibliographique
Résumé
This study examined the feasibility and accuracy of using Illumina BovineSNP50 genotypes to estimate individual cattle breed composition and heterosis relative to estimate from pedigree. First, pedigree was used to compute breed fractions for 1124 crossbred cattle. Given the breed composition of sires and dams, retained heterosis and retained heterozygosity were computed for all individuals. Second, all animals’ genotypes were used to compute individual’s genomic breed fractions by applying a cross-validation method. Average genome-wide heterozygosity and retained heterozygosity based on genomic breed fraction were computed. Lastly, accuracies of breed composition, retained heterozygosity and retained heterosis were assessed as Pearson’s correlation between pedigree- and genome-based predictions. The average breed compositions observed were 0.52 Angus, 0.23 Charolais, and 0.25 Hereford for pedigree-based prediction and 0.46, 0.26, and 0.28 for genome-based prediction, respectively. Correlations of predicted breed composition ranged from 0.94 to 0.96. Genome-based retained heterozygosity and retained heterosis from pedigree were also highly correlated (0.96). A positive association of nonadditive genetic effects was observed for growth traits reflecting the importance of heterosis for these traits. Genomic prediction can aid analyses that depend on knowledge of breed composition and serve as a reliable method to predict heterosis to improve the efficiency of commercial crossbreeding schemes.
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 | 0,001 |
| 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 ».