Heritability Estimates of Antler and Body Traits in White-Tailed Deer ( <i>Odocoileus virginianus</i> ) From Genomic-Relatedness Matrices
Notice bibliographique
Résumé
Estimating heritability (h2) is required to predict the response to selection and is useful in species that are managed or farmed using trait information. Estimating h2 in free-ranging populations is challenging due to the need for pedigrees; genomic-relatedness matrices (GRMs) circumvent this need and can be implemented in nearly any system where phenotypic and genome-wide single-nucleotide polymorphism (SNP) data are available. We estimated the heritability of 5 body and 3 antler traits in a free-ranging population of white-tailed deer (Odocoileus virginianus) on Anticosti Island, Quebec, Canada. We generated classic and robust GRMs from >10,000 SNPs: hind foot length, dressed body mass, and peroneus muscle mass had high h2 values of 0.62, 0.44, and 0.55, respectively. Heritability in male-only antler features ranged from 0.07 to 0.33. We explored the influence of filtering by minor allele frequency and data completion on h2: GRMs derived from fewer SNPs had reduced h2 estimates and the relatedness coefficients significantly deviated from those generated with more SNPs. As a corollary, we discussed limitations to the application of GRMs in the wild, notably how skewed GRMs, specifically many unrelated individuals, can increase variance around h2 estimates. This is the first study to estimate h2 on a free-ranging population of white-tailed deer and should be informative for breeding designs and management as these traits could respond to selection.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».