MétaCan
Menu
Retour à la cohorte
Enregistrement W3122787811 · doi:10.20944/preprints201806.0330.v1

Identification of Marbling Gene Loci in Commercial Pigs in Canadian Herds

2018· preprint· en· W3122787811 sur OpenAlexaffabout
William Jon Meadus, Pascale Duff, Jordan C. Roberts, Jennifer L. Zantinge, I. L. Larsen, J.L. Aalhus, M. Juárez

Notice bibliographique

RevuePreprints.org · 2018
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésMarbled meatLoinBiologyIntramuscular fatBreedHerdGeneticsSNPPopulationLongissimus dorsiGeneAnimal scienceSingle-nucleotide polymorphismGenotypeMedicine

Résumé

récupéré en direct d'OpenAlex

We examined the amount of marbling and tested the genome of boars from 5 breeds of Duroc, Iberian, Lacombe, Berkshire and Pietrian that were commercially available for a swine herd in Canada. The marbling was ranked according to the amount of intramuscular fat % obtained in loin chops consisting of the longissimus dorsi muscle. The genetics were analysed by genome wide association study using 80,000 single nuclear polymorphism (SNP) microarrays. Our samples had pork that achieved > 7 % IMF from 110kg animals. Meta-analysis revealed SNP markers that were associated with the highest marbled pork chops on chromosomes 5, 7, and 16. Using the susScr 11.1 map, we determined that the nearest genes were SSNP, Rh glycoprotein and EGFLAM. We tested a sub-population of Duroc sired animals and found a different set of markers close to GRLB and KCNJ3 on chromosomes 8 and 15. Based on our sample, we can achieve pork with good marbling from animals conventionally raised to standard market weights of 110kg. The choice of a good marbling line of pig is not necessarily breed specific.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
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 Opus0,057
Tête enseignante GPT0,323
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'étudeExpérimental (laboratoire)
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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207