166 Livestock Resiliency: Concepts and Approaches
Notice bibliographique
Résumé
Abstract Genetic improvement of health, welfare, efficiency, and fertility traits is challenging due to expensive and fuzzy phenotypes, the polygenic nature of traits, antagonistic genetic correlations to production traits and low heritabilities. Nevertheless, many organizations have introduced large-scale genetic evaluations for such traits in routine selection indexes. Medium and high-density arrays can be applied in genomic selection strategies to improve breeding value accuracy, and also in genome-wide association studies (GWAS) to identify causative mutations responsible for economically important traits. Genomic information is particularly helpful when traits have low heritability. The objective here is to provide a framework for including health, welfare, efficiency, and fertility traits taken from large-scale genetic and genomic analyses and identifying areas of potential improvement in terms of trait definition and performance testing. General tendencies between trait groups confirmed that a number of moderate unfavourable correlations (+/-0.20 or higher) exist between economically important trait complexes and health, welfare, and fertility traits. A number of trait complexes were identified in which “closer-to-biology” phenotypes could provide clear improvements to routine genetic and genomic selection programs. Here we outline development of these phenotypes and describe their collection. While conventional variance component estimation methods have underpinned the genomic component of some traits of economic interest, performance testing for health, welfare, efficiency, and fertility traits remains an elusive goal for breeding programs. Although our results are encouraging, there is much to be done in terms of trait definition and obtaining better measures of physiological parameters for wide-scale application in breeding programs. Close collaboration between veterinarians, physiologists, and geneticists is necessary to attain meaningful advancement in such areas. We would like to acknowledge the support and funding from all national and international partners involved in the RDGP project through the Large Scale Applied Research Project program from Genome Canada
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».