MétaCan
Menu
Retour à la cohorte
Enregistrement W3044422310 · doi:10.1111/age.12978

SNP‐based heritability and genetic architecture of cranial cruciate ligament rupture in Labrador Retrievers

2020· article· en· W3044422310 sur OpenAlexaboutno aff
Shawna R. Cook, Michael G. Conzemius, Molly E. McCue, Kari J. Ekenstedt

Notice bibliographique

RevueAnimal Genetics · 2020
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthVeterinary Orthopedic SocietyBernice Barbour Foundation
Mots-clésHeritabilitySNPMedicineBreedGenotypingCruciate ligamentBiologyLamenessSingle-nucleotide polymorphismGenotypeGeneticsSurgeryGeneAnterior cruciate ligament

Résumé

récupéré en direct d'OpenAlex

Cranial cruciate ligament rupture (CCLR) is one of the leading causes of pelvic limb lameness in dogs. About 6% of Labrador Retrievers suffer from this orthopedic problem. The aim of this study was to determine the heritability of CCLR in this breed using SNP array genotyping data. DNA samples were collected from CCLR-affected dogs (n = 190) and unaffected dogs over the age of 8 years (n = 143). All 333 dogs were genotyped directly or imputed up to approximately 710k SNPs on the Affymetrix Axiom CanineHD SNP array. Heritability of CCLR was calculated using multiple methodologies, including linear mixed models, Bayesian models and a model that incorporates LD. The covariates of sex and sterilization status were added to each analysis to assess their impact. Across the algorithms of these models, heritability ranged from 0.550 to 0.886, depending on covariate inclusion. The relatively high heritability for this disease indicates that a substantial genetic component contributes to CCLR in the Labrador Retriever.

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 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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,781
Score d'incertitude au seuil0,817

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 Opus0,059
Tête enseignante GPT0,297
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal GeneticsMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207