Assessing haplotype-based models for genomic evaluation in Holstein cattle
Notice bibliographique
Résumé
A single-nucleotide polymorphisms-based genomic relationship matrix (G SNP ) discriminate less identity by state from identity by descent (IBD) alleles compared with a multi-locus haplotype-based relationship matrix (G HAP ), which can better capture IBD alleles and recent relationships. We aimed to compare the prediction reliability and prediction bias of genomic best linear unbiased prediction (GBLUP) using either G SNP or G HAP in Holstein cattle. Therefore, a total of 57 traits with a wide range of heritability values were analyzed. Classical validation tests were done using a validation dataset comprised of 50k genotype records of 561–669 proven bulls born in 2010–2011 with an official estimated breeding value (EBV) in 2016 and a training set of 5314–19 678 bulls born before 2010, depending on the trait. The method for building the genomic relationship matrix (G) had significant, but small effect on observed reliability (r 2 GEBV ) (p < 0.0001) and bias (p < 0.0001). A significant interaction between G and the level of trait heritability on r 2 GEBV and bias was also observed (p < 0.0001). The small gains in r 2 GEBV and small reductions in the bias by using G HAP BLUP were increased when predicting moderate to high-heritability traits compared with low-heritability traits.
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) | 0,000 | 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 ».