Kananmunan kuoren kestävyyden parantaminen
Notice bibliographique
Résumé
SABRE-hankkeessa tutkimuspopulaatio koostuu Lohmann Tierzucht jalostusyhtiön kahden eri ruskean linjan risteytyksestä. Noin 2000 kanasta koostuva tutkimussukupolvi oli koko tuotantokauden (elinviikot 18 - 60) tuotannontarkkailussa. Munan laatua tutkittiin Canadian Egg Shell Tester laitteella, jolla saadaan selville munankuoren jousto ja kesto. Kuorenpaino mitattiin kerran 42 viikon iässä. Vuoden 2007 loppuun mennessä tehtiin alustava ominaisuuksiin vaikuttavien kromosomialueiden kartoitus tutkimuspopulaation 668 eläimestä. Kaikista tutkimusukupolven eläimistä ja niiden vanhemmista ja isovanhemmista otettiin verinäyte, josta eristettiin DNA. DNA- merkkeinä käytettiin selkeästi tunnistettavia DNA-jaksoja, joiden paikka kromosomissa on tarkalleen jo määritetty. Näillä merkeillä ei itse ole vaikutusta tutkittavaan ominaisuuteen. Mitä lähempänä tiettyä geenimerkkiä ominaisuuteen vaikuttava geeni sijaitsee, sitä useammin geenimerkki ja geeni periytyvät yhdessä. Tätä tietoa käytetään hyväksi kun tilastotieteen menetelmillä analysoidaan minkä geenimerkin läheisyydessä tutkittavaan ominaisuuteen vaikuttava geeni sijaitsee. Tutkimus käsitti 160 DNA-merkkiä 26 kromosomissa. Tutkimuksessa testattiin erilaisia tilastollisia analyysimalleja sekä geenien yhdysvaikutuksia kuoren laatuominaisuuksiin yhteistyössä Roslin Instituutin kanssa. Kanan genomista löytyi useita kuoren laatuun vaikuttavia kromosomialueita, joista lupaavimmat valittiin jatkotutkimuksiin. Kuoren kestävyyteen ja joustoon sekä alku- että loppumunintakaudella vaikuttavia alueita löytyi kromosomeista 2, 3, 6, 14, ja Z. Jatkokartoituksessa keskitytään näiden alueiden tarkempaan analysointiin koko 2000 eläimen populaatiossa käyttäen lähekkäin sijaitsevia DNA-merkkejä. MTT:ssä keskitytään kromosomeissa 14 ja Z oleviin alueisiin.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».