MétaCan
Menu
Retour à la cohorte
Enregistrement W3000749006 · doi:10.1038/s41437-019-0290-3

Genomic prediction for hastening and improving efficiency of forward selection in conifer polycross mating designs: an example from white spruce

2020· article· en· W3000749006 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueHeredity · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversité LavalMinistère des Ressources naturelles et des ForêtsCanadian Wood CouncilNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaMinistère des Forêts, de la Faune et des ParcsGenome Canada
Mots-clésBiologySelection (genetic algorithm)HeritabilityGenetic gainTree breedingMatingDiallel crossMating designBest linear unbiased predictionContext (archaeology)Assortative matingWhite (mutation)Genomic selectionStatisticsGeneticsEcologyGenetic variationGeneSingle-nucleotide polymorphismAgronomyComputer scienceHybridMachine learningMathematicsWoody plantGenotype

Résumé

récupéré en direct d'OpenAlex

Genomic selection (GS) has a large potential for improving the prediction accuracy of breeding values and significantly reducing the length of breeding cycles. In this context, the choice of mating designs becomes critical to improve the efficiency of breeding operations and to obtain the largest genetic gains per time unit. Polycross mating designs have been traditionally used in tree and plant breeding to perform backward selection of the female parents. The possibility to use genetic markers for paternity identification and for building genomic prediction models should allow for a broader use of polycross tests in forward selection schemes. We compared the accuracies of genomic predictions of offspring's breeding values from a polycross and a full-sib (partial diallel) mating design with similar genetic background in white spruce (Picea glauca). Trees were phenotyped for growth and wood quality traits, and genotyped for 4092 SNPs representing as many gene loci distributed across the 12 spruce chromosomes. For the polycross progeny test, heritability estimates were smaller, but more precise using the genomic BLUP (GBLUP) model as compared with pedigree-based models accounting for the maternal pedigree or for the reconstructed full pedigree. Cross-validations showed that GBLUP predictions were 22-52% more accurate than predictions based on the maternal pedigree, and 5-7% more accurate than predictions using the reconstructed full pedigree. The accuracies of GBLUP predictions were high and in the same range for most traits between the polycross (0.61-0.70) and full-sib progeny tests (0.61-0.74). However, higher genetic gains per time unit were expected from the polycross mating design given the shorter time needed to conduct crosses. Considering the operational advantages of the polycross design in terms of easier handling of crosses and lower associated costs for test establishment, we believe that this mating scheme offers great opportunities for the development and operational application of forward GS.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,677
Score d'incertitude au seuil0,391

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,245
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle