Count Bayesian models for genetic analysis of in vitro embryo production traits in Guzerá cattle
Notice bibliographique
Résumé
Four models for in vitro embryo production traits in Guzerá cattle were compared: Gaussian (untransformed variable - LIN and transformed in logarithmic scale - LOG), Poisson (POI) and zero-inflated Poisson (ZIP). Data consisted of 5716 ovum pick-up and in vitro fertilization records performed in 1205 cows from distinct regions of Brazil. Analyzed count traits were the number of viable oocytes (NOV), number of grade I oocytes (NGI), number of degenerated oocytes (NDG), number of cleaved embryos (NCLV) and number of viable produced embryos (NEMB). Heritability varied from 0.17 (LIN) to 0.25 (POI) for NOV; 0.08 (LOG) to 0.18 (ZIP) for NGI; 0.12 (LIN) to 0.20 (POI) for NDG; 0.13 (LIN) to 0.19 (POI) for NCLV; 0.10 (LIN) to 0.20 (POI) for NEMB depending on the considered model. The estimated repeatability varied from 0.53 (LOG) to 0.63 (POI) for NOV; 0.22 (LOG) to 0.39 (ZIP) for NGI; 0.29 (LIN) to 0.42 (ZIP) for NDG; 0.42 (LIN) to 0.59 (POI) for NCLV; 0.36 (LIN) to 0.51 (POI) for NEMB. The goodness of fit, measured by deviance information criterion and mean squared residuals, suggested superiority of POI and ZIP over Gaussian models. Estimated breeding values (EBV) obtained by different models were highly correlated, varying from 0.92 for NOV (between LIN-POI) and 0.99 for NGI (between POI-ZIP). The number of coincident animals on the 10% top EBV showed lower similarities. We recommend POI and ZIP models as the most adequate for genetic analysis of in vitro embryo production traits in Guzerá cattle.
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 | 0,000 |
| 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 ».