Modelling lactation curves of dairy goats by fitting random regression models using Legendre polynomials or B-splines
Notice bibliographique
Résumé
A total of 17 356 test-day milk yield (TDMY) records from 642 first lactations of Alpine goats were used to model variations in lactation curve using random regression models (RRM). Orthogonal Legendre polynomials and B-splines were evaluated to obtain adequate and parsimonious models for the estimation of genetic parameters. The analysis was performed using a single-trait RRM, including the additive genetic, permanent environmental, and residual effects. We estimated the mean trend of milk yield, and the additive genetic and permanent environmental covariance functions through random regression using different orders of orthogonal Legendre polynomial (three to six) and B-spline functions (linear, quadratic, and cubic, with three to six knots). This study further evaluated different number of classes of residual variances. The covariance components and the genetic parameters were estimated using the restricted maximum likelihood method. Heritability estimates presented similar trends for both functions. The RRM with a higher number of parameters better described the genetic variation of TDMY throughout the lactation. The most suitable RRM for genetic evaluation of TDMY of Alpine goats is a quadratic B-spline function with six knots, for the mean trend, curves of additive genetic and permanent environmental effects, and five classes of residual variance.
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 | 0,001 | 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 ».