MétaCan
Menu
Retour à la cohorte
Enregistrement W3107675635 · doi:10.1093/jas/skaa278.422

PSIII-12 Genetic analysis of heat tolerance in Holsteins using test-day production records and satellite-based meteorological data

2020· article· en· W3107675635 sur OpenAlexaffabout
Paige L. Rockett, Flávio S. Schenkel, Christine F. Baes, F. Miglior, Dan Tulpan

Notice bibliographique

RevueJournal of Animal Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEffects of Environmental Stressors on Livestock
Établissements canadiensOntario GenomicsUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWeather stationEnvironmental sciencePopulationWeather Research and Forecasting ModelExtreme weatherMeteorologyClimate changeGeographyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Heat stress in dairy cattle is an existing issue in temperate regions that can cause reduced milk production, impaired fertility, and mortality. Genetic selection for heat tolerance using test-day production records and weather station data is a potential mitigation strategy. However, weather stations can have temporal data gaps and a low spatial resolution, which reduces the number of herds that can be incorporated into an analysis. The objectives for this study include: (1) compare satellite-based meteorological data from the NASA POWER database to weather station records in Ontario and Quebec, (2) evaluate the effects of heat stress on Canadian Holsteins, and (3) assess breeding value estimates for heat tolerance in the same population. Daily estimates of ambient temperature, dewpoint temperature, relative humidity, and wind speed from 481 weather stations in Ontario and Quebec were compared to the parameters estimated by the NASA POWER project using an ordinary least squares regression. The coordinates of herds in Ontario and Quebec were estimated using their addresses and Google Maps Geocoding. The best weather data for each herd location will be incorporated into two random regression animal models to analyze three test-day production traits: milk, fat, and protein yield. The first model will be used to estimate general and specific additive genetic merits over the thermal gradient. The second model will estimate the traditional additive genetic merit. In conclusion, this study explores the use of satellite estimated meteorological parameters in addition to or alternatively to weather station data in heat tolerance studies, quantifies the sensitivity of Canadian dairy cattle to heat stress, and evaluates if genetic selection for increased heat tolerance in Canadian dairy herds is possible.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,841
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,056
Tête enseignante GPT0,269
Écart entre enseignants0,213 · 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'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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetEffects of Environmental Stressors on LivestockTravaux en français237 207