MétaCan
Menu
← Retour à la cohorte
Enregistrement W3186833286 · doi:10.1093/jas/skab235.050

54 Genetics Reloaded: Large-scale Collection of Novel Phenotypes in Turkey

2021· article· en· W3186833286 sur OpenAlexaff
Christine F. Baes, Nienke van Staaveren, Bayode O. Makanjuola, Emily M. Leishman, Emhimad A. Abdalla, Ryley J Vanderhout, Shai Barbut, Alexandra Harlander, Benjamin J. Wood

Notice bibliographique

RevueJournal of Animal Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHeritabilityBiologySelection (genetic algorithm)TraitInbreedingPopulationBiotechnologyRuns of HomozygosityGeneticsGenotypeSingle-nucleotide polymorphismComputer scienceGeneEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Effective application of genomic selection methodologies require genomic information, population-based pedigree data, and high-quality phenotypes. The implementation of such selection programs can increase the accuracy of breeding values, therefore improving the ability to estimate the genetic merit of livestock. In particular, traits with low heritability are amenable to genomic selection. The objective of this presentation is to outline improvement of traits such as livability, disease resistance, fertility, and other health and welfare traits in turkeys, which could considerably advance breeding programs. The aim of this study was to apply different methodologies (ssGBLUP, random regression approaches, etc.) to novel and conventional traits collected in commercial turkey lines (15,000 turkeys genotyped at 65K). This reference population was used to assess the increase in accuracy of selection using genomic information, which ranged from 0 to +0.3, depending on the trait. A further goal of the study was to monitor inbreeding within the different lines. A large number of high-quality phenotypes related to fertility, growth, production, and carcass composition were collected, as well as additional health and behaviour phenotypes related to livability. These traits are being developed for use in performance testing. Furthermore, meat quality (e.g. white striation, water holding capacity, pH, sheer force and colour, etc.) and total carcass composition phenotypes were analysed. With improved methodology, more detailed phenotypic information, and comprehensive data collection and integration, we present more accurate selection of parent stock for application in applied poultry breeding programs.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,259
Écart entre enseignants0,232 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science→Même sujetAnimal Nutrition and Physiology→Travaux en français237 207→