MétaCan
Menu
Retour à la cohorte
Enregistrement W3018639812 · doi:10.3168/jds.2019-17846

Symposium review: Exploiting homozygosity in the era of genomics—Selection, inbreeding, and mating programs

2020· review· en· W3018639812 sur OpenAlexaff
Christian Maltecca, Francesco Tiezzi, John B. Cole, Christine F. Baes

Notice bibliographique

RevueJournal of Dairy Science · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRuns of HomozygosityInbreeding depressionInbreedingBiologyCullingSelection (genetic algorithm)Genomic selectionPopulationBiotechnologyGeneticsEcologyComputer scienceGenotypeEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

The advent of genomic selection paved the way for an unprecedented acceleration in genetic progress. The increased ability to select superior individuals has been coupled with a drastic reduction in the generation interval for most dairy populations, representing both an opportunity and a challenge. Homozygosity is now rapidly accumulating in dairy populations. Currently, inbreeding depression is managed mostly by culling at the farm level and by controlling the overall accumulation of homozygosity at the population level. A better understanding of how homozygosity and recessive load are related will guarantee continued genetic improvement while curtailing the accumulation of harmful recessives and maintaining enough genetic variability to ensure the possibility of selection in the face of changing environmental conditions. In this review, we present a snapshot of the current dairy selection structure as it relates to response to selection and accumulation of homozygosity, briefly outline the main approaches currently used to manage inbreeding and overall variability, and present some approaches that can be used in the short term to control accumulation of harmful recessives while maintaining sustained selection pressure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

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 Opus0,029
Tête enseignante GPT0,296
Écart entre enseignants0,267 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ScienceMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207