MétaCan
Menu
Retour à la cohorte
Enregistrement W2794726474 · doi:10.31274/ans_air-180814-285

Selection for Increased Natural Antibody Levels to Improve Disease Resilience in Pigs

2018· report· en· W2794726474 sur OpenAlexaff
Laura E. Tibbs‐Cortes, Carolyn Ashley, Austin M. Putz, Kyu‐Sang Lim, Michael K. Dyck, Frédéric Fontin, Graham Plastow, Jack C. M. Dekkers, John C. S. Harding

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensCentre de Développement du Porc du QuébecUniversity of AlbertaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésOffspringResilience (materials science)DiseaseSelection (genetic algorithm)BiologyHerdPsychological resilienceAntibodyNatural selectionAnimal scienceVeterinary medicineImmunologyMedicinePsychologyGeneticsPregnancyComputer scienceInternal medicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Breeding animals are typically raised under high health conditions in nucleus herds, but their offspring are often exposed to multiple disease challenges in commercial production facilities. Because breeding animals are not exposed to many common swine pathogens, it is difficult to select for resilience to disease. A possible solution is selecting for levels of natural antibodies (NAb), which can be measured in a high health environment and in this study are shown to correlate with disease resilience and to be heritable (h2 = 0.11 to 0.39). Therefore, breeding for increased NAb levels in clean conditions could be a valuable method to improve resilience and decrease mortality in market pigs. Work is ongoing to verify the potential of this prediction.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,042
Tête enseignante GPT0,330
Écart entre enseignants0,288 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnimal Virus Infections StudiesTravaux en français237 207