Symposium review: The choice and collection of new relevant phenotypes for fertility selection
Notice bibliographique
Résumé
In dairy production, high fertility contributes to herd profitability by achieving greater production and maintaining short calving intervals. Improved management practices and genetic selection have contributed to reversing negative trends in dairy cow fertility, but further progress is still required. Phenotypes included in current genetic evaluations are largely interval and binary traits calculated from insemination and calving date records. Several indicator traits such as calving, health, variation in body condition score, and longevity traits also apply to genetic improvement of fertility. Several fertility traits are included in the selection indices of many countries, but for improved selection, the development of novel phenotypes that more closely describe the physiology of reproduction and limit management bias could be more effective. Progesterone-based phenotypes can be determined from milk samples to describe the heritable interval from calving to corpus luteum activity, as well as additional measures of cow cyclicity. A fundamental component of artificial insemination practices is the observation of estrus. Novel phenotypes collected on estrous activity could be used to select for cows clearly displaying heat, as those cows are more likely to be inseminated at the right time and therefore have greater fertility performance. On-farm technologies, including in-line milk testing and activity monitors, may allow for phenotyping novel traits on large numbers of animals. Additionally, selection for improved fertility using traditional traits could benefit from refined and accurate recording and implementation of parameters such as pregnancy confirmation and reproductive management strategy, to differentiate embryonic or fetal loss, and to ensure selection for reproductive capability without producer intervention. Opportunities exist to achieve genetic improvement of reproductive efficiency in cattle using novel phenotypes, which is required for long-term sustainability of the dairy cattle population and industry.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».