PSVIII-38 Late-Breaking Abstract: Estimating genetic parameters of feed efficiency traits in American mink
Notice bibliographique
Résumé
Abstract Feed cost is the major input cost in the mink industry and thus improvement of feed efficiency through selection for high feed efficient mink is necessary for the mink farmers. The objective of this study was to estimate the heritability, phenotypic and genetic correlations for different feed efficiency measures, including final body weight (FBW), daily feed intake (DFI), average daily gain (ADG), feed conversion ratio (FCR) and residual feed intake (RFI). For this purpose, 1,088 American mink from the Canadian Center for Fur Animal Research at Dalhousie Faculty of Agriculture were recorded for daily feed intake and body weight from August 1 to November 14 in 2018 and 2019. The univariate models were used to test the significance of sex, birth year and color as fixed effects, and dam as a random effect. Genetic parameters were estimated via bivariate models using ASReml-R version 4. Estimates of heritabilities (±SE) were 0.41±0.10, 0.37±0.11, 0.33±0.14, 0.24±0.09 and 0.22±0.09 for FBW, DFI, ADG, FCR and RFI, respectively. The genetic correlation (±SE) was moderate to high between FCR and RFI (0.68±0.15) and between FCR and ADG (-0.86±0.06). In addition, RFI had low non-significant (P > 0.05) genetic correlations with ADG (0.04 ± 0.26) and BW (0.16 ± 0.24) but significant (P < 0.05) high genetic correlation with DFI (0.74 ± 0.11) indicating that selection for lower RFI will reduce feed intake without adverse effects on the animal size and growth rate. The results suggested that RFI can be implemented in genetic/genomic selection programs to reduce feed intake in the mink production system.
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 | 0,000 | 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) | 0,002 | 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 ».