Genetic correlations for reproductive and growth traits in rabbits
Notice bibliographique
Résumé
The objective of this study was to obtain heritability estimates for reproductive (litter size at birth, number born alive, litter size at weaning) and growth traits (individual weaning weight, individual weight at the end of the fattening period), then determine the genetic correlation between them in a synthetic rabbit line. A total of 805 females, 3242 parities, and 18 472 growth records were measured from 2006 to 2017. A pentavariate animal model was used with reproductive and growth traits. Heritability ranged from 0.025 to 0.126 for reproductive traits and from 0.033 to 0.059 for growth traits. These traits showed a large coefficient of variation (from 32% to 56% for reproductive traits and from 21% to 28% for growth traits). The repeatability of reproductive traits was low and the common litter effect for growth traits was the most important component of total variance. The genetic and phenotypic correlations between reproductive and growth traits were high and negative, especially with weight at weaning (−0.848, −0.922, and −0.854 for litter size at birth, number born alive, and litter size at weaning, respectively). In conclusion, because of the high negative correlation between reproductive and growth traits, both reproductive and growth traits should be selected in independent lines and the response to selection should be due mainly to the high coefficient of variation of the 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 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 | 0,001 | 0,001 |
| 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 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 ».