MétaCan
Menu
Retour à la cohorte
Enregistrement W2777609012 · doi:10.21521/mw.6069

Genetic markers of canine hip dysplasia

2017· article· en· W2777609012 sur OpenAlexaboutno aff
Paulina Krzemińska, Maciej Gogulski, R. Aleksiewicz, M. Świtoński

Notice bibliographique

RevueMedycyna Weterynaryjna · 2017
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyGeneticsHip dysplasiaDysplasiaGenetic markerBreedMicrosatelliteCandidate geneSNPHeritabilityGenetic disorderGeneSingle-nucleotide polymorphismMedicineGenotypeAllele

Résumé

récupéré en direct d'OpenAlex

Canine hip dysplasia is a complex skeletal malformation caused by genetic and environmental factors. The prevalence of hip dysplasia in different canine breeds ranges widely, from 1% (for Whippet and Borzoi) to over 70% (for Bulldog and Pug). These differences indicate the presence of genetic variants predisposing to or preventing this disorder in gene pools of particular breeds. The importance of genetic factors is also confirmed by a high coefficient of heritability (h2) of canine hip dysplasia, which for most breeds oscillates around 0.5 – 0.6. Application of modern genomic methods, that is, mainly genome scanning (based previously on microsatellite markers and currently on SNP microarrays) has led in recent years to the identification of potential genetic markers associated with this disorder. Such studies were carried out mostly in two breeds: Labrador retriever and German shepherd. Some of the markers were found in the vicinity of genes involved in skeletal development. Following these achievements, the use of some markers has been suggested for early risk diagnosis of hip dysplasia. This shows that molecular testing is becoming important for not only monogenic, but also polygenic canine diseases and disorders. Identification of genetic markers associated with predisposition to hip dysplasia offers an opportunity for an early risk evaluation of this disorder (prior to its first signs). Moreover, it facilitates effective breeding selection aimed at eradicating undesirable genetic variants from the gene pool of a given breed..

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,313
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedycyna WeterynaryjnaMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207