218 Quantifying resilience in growing pigs under a heavy disease challenge using daily individual feed intake records
Notice bibliographique
Résumé
Abstract Resilience is defined as the ability to maintain productivity through any number of stressors such as disease or heat stress. A total of 2273 animals, in groups of ~60–75 piglets, were sent through a natural disease challenge barn every three weeks that consisted of three phases: i) a healthy quarantine nursery to collect immune parameters, ii) a challenge nursery, and iii) a challenged finishing unit which was attached to the challenge nursery. Individual feed intake (FI) was collected in the finishing unit with IVOG® feeders and aggregated into daily totals. Three resilience phenotypes were extracted from the individual trends in feed intake over time, including the root mean square error (RMSE), the quantile regression (QR), and run of depression (ROD) phenotypes. The RMSE phenotype was calculated by fitting a simple linear regression of FI on age within animal and taking the square root of the average squared residual from the model. To calculate the QR phenotype, a 5% quantile regression was fitted across all daily feed intake records to set a lower bound for off-feed days. The QR phenotype was quantified as the proportion of days within animal that fell below the overall quantile regression line. The ROD phenotype was calculated by fitting a within animal linear regression line, flagging extended consecutive stretches of days below that regression line (i.e. a ROD), and calculating the percentage of days that fall within a ROD for each animal. Heritability estimates for the FI resilience phenotypes ranged from 0.10±0.04 to 0.17±0.04. Genetic correlations of the FI resilience phenotypes with mortality and treatment rate ranged from 0.66±20 to 0.94±0.20. This research demonstrates that resilience phenotypes can effectively quantify resilience and can add value to a breeding program to improve resilience to many stressors. Funded by Genome Canada, Genome Alberta, and PigGen Canada.
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 | 0,001 |
| 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 | 0,001 | 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 | 0,000 |
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 ».