PSXV-9 Transgenerational epigenetic variance for production and reproduction traits in maternal-line pigs
Notice bibliographique
Résumé
Abstract Modeling epigenetic factors impacting phenotypic expression of economically important traits has become a hot-topic in the field of animal breeding due to the variability in genetic expression caused by environmental stressors (e.g., heat stress). This variability may be due, in part, to in-utero epigenomic remodeling, which has been reported to be passed from parent to offspring. We aimed to estimate transgenerational epigenetic variance for various production and reproduction traits measured in a maternal-line pig population, using a Bayesian approach. The phenotypes for production [n = 10,862; i.e., weaning weight (WW), birth weight (BW) and ultrasound-backfat thickness (BF)] and reproduction [n = 5,235, i.e., number of piglets born alive (NBA) and total number of piglets born (TB)] traits from a purebred Landrace population were provided by Smithfield Premium Genetics (NC, USA). The pedigree information traced back to 10 generations. Single-trait genetic analyses were performed using mixed models that included additive genetic, common environmental, and epigenetic random effects. The Gibbs sampler algorithm based on Markov chain Monte Carlo was used to estimate the variance components. The epigenetic relationship matrix was constructed using a recursive parameter (λ) related to the transmissibility coefficient of epigenetic markers. A grid search approach was used to define the optimal λ value (λ values ranged from 0.1 to 0.5, with an interval of 0.1). The optimal λ value was determined based on the deviance information criterion, and it was used to estimate the additive and epigenetic variances. For instance, based on preliminary results, the optimal λ value estimated for TB was 0.3 with an additive genetic variance of 0.94 (0.19 PSD) and epigenetic variance of 0.67 (0.18 PSD). The additive genetic heritability was 0.076 (0.015 PSD) and the estimated epigenetic heritability was 0.053 (0.015 PSD). This preliminary result suggests that epigenetics contribute to the non-Mendelian variability in pigs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».