PSV-14 Using Bayesian Hamiltonian Monte Carlo and a nonlinear model for the estimation of genetic parameters for lactation curves in goats
Notice bibliographique
Résumé
Abstract Hamiltonian Monte Carlo (HMC) is an algorithm of the Markov Chain Monte Carlo (MCMC) method that uses dynamics to propose samples that follow a target distribution. This algorithm enables more effective and consistent exploration of the probability interval and is more sensitive to correlated parameters. Therefore, Bayesian-HMC is a promising alternative to estimate individual parameters of complex functions such as nonlinear models, especially when using small datasets. Our objective was to estimate genetic parameters for milk traits defined based on nonlinear model parameters predicted using the Bayesian-HMC algorithm. A total of 64,680 milk yield test-day records from 2,624 first, second, and third lactations of Saanen and Alpine goats were used. First, the Wood model was fitted to the data. Second, lactation persistency (LP), peak time (PT), peak yield (PY), and total milk yield [estimated from zero to 50 (TMY50), 100(TMY100), 150(TMY150), 200(TMY200), 250(TMY250), and 300(TMY300) days-in-milk] were predicted for each animal and parity based on the output of the first step (the individual phenotypic parameters of the Wood model). Thereafter, these predicted phenotypes were used for estimating genetic parameters for each trait. In general, the heritability estimates across lactations ranged from 0.10 to 0.20 for LP, 0.04 to 0.07 for PT, 0.26 to 0.27 for PY, and 0.21 to 0.28 for TMY (considering the different intervals). Lower heritabilities were obtained for the nonlinear function parameters (A, b and l) compared to its predicted traits (except PT), especially for the first and second lactations (range: 0.09 to 0.18). Higher heritability estimates were obtained for the third lactation traits. To our best knowledge, this study is the first attempt to use the HMC algorithm to fit a nonlinear model in animal breeding. The two-step method proposed here allowed us to estimate genetic parameters for all traits evaluated.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».