Effect of Canine Oxytocin Receptor Gene Polymorphism on the Successful Training of Drug Detection Dogs
Notice bibliographique
Résumé
Drug detection dogs can be trained to locate various prohibited drugs with targeted odors, and they play an important role in the interdiction of drug smuggling in human society. Recent studies provide the interesting hypothesis that the oxytocin system serves as a biological basis for co-evolution between dogs and humans. Here, we offer the new possibility that genetic variation of the canine oxytocin receptor (OXTR) gene may regulate the success of a dog's training to become a drug detection dog. A total of 340 Labrador Retriever dogs that were trained to be drug detection dogs in Japan were analyzed. We genotyped an exonic SNP (rs8679682) in the OXTR gene and compared the training success rate of dogs with different genotypes. We also asked dog trainers in the training facility to evaluate subjective personality assessment scores for each dog and examined how each dog's training success was related to those scores. A significant effect of the OXTR genotype on the success of the dogs' training was found, with a higher proportion of dogs carrying the C allele (T/C and C/C genotypes) being successful candidates than dogs carrying the T/T genotype. Dog personality scores of Training Focus (Factor 1) were positively correlated with an increased likelihood that a dog would successfully complete training. Although the molecular mechanism of the OXTR gene and its functional pathway related to dog behavior remains unknown, our findings suggest that canine OXTR gene variants may regulate individual differences between dogs in their responsiveness to training for drug detection.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».