PSIII-8 Genomic prediction of reproductive performance of commercial sows in health challenged herds
Notice bibliographique
Résumé
Abstract The objective of this study was to perform genomic predictions for reproductive performance of sows under natural health challenge. Reproductive performance (1 to 4 parities) and genotype (~40K SNPs) were available for 2,604 crossbred sows, for a total of 7,635 farrowing records. Animals from 17 high-health multipliers from 7 breeding companies (PigGen Canada) were shipped to 23 commercial farms with recent history of common infectious diseases. Gilts entered farms with an average of 53 animals per contemporary group (CG). Traits included total number of piglets: born (TB), born alive (NBA), stillborn (SB), mummified (MUM), born dead (NBD), and weaned (NW). Genomic predictions were performed using Bayes-B (pi=0.995) with a seven-fold cross-validation using each company in turn for validation and the others for training. The model included the effects of CG (fixed) and SNP (random), and net number of fosters (covariate) for NW. Genomic predictions were done for animal lifetime performance (sum performance of parities) for each trait and using first parity performance as the training set to predict subsequent parity performance. Accuracy was calculated as the weighted average correlation between GEBV and adjusted phenotype across validation sets divided by the square root of heritability. Lifetime performance accuracies were low to moderate, ranging from 0.11 (TB) to 0.45 (NBD). Accuracies using parity 1 to predict subsequent performance were low, ranging from -0.07 (SB in parity 3) to 0.19 (NBD in parity 2), with average accuracies per trait ranging from 0.04 (SB) to 0.16 (NBD).Although most accuracies were low, the moderately high accuracies for some lifetime performance shows that genomic prediction can be used to improve performance under natural health challenge in sows. We appreciate the financial support of PigGen Canada, Canadian Swine Health Board, Genome Alberta and Swine Innovation Porc, and the late Dr. Stephen Bishop for his scientific contributions.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 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) | 0,001 | 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 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 ».