43 Single and Multiple-breed Genomic Predictions for Conformation Traits of Canadian Dairy Goats
Notice bibliographique
Résumé
Abstract The use of multiple-breed models can increase the accuracy of estimated breeding values (EBV) when few phenotypes are available for a trait. However, pooling breeds is not always beneficial for genomic evaluations due to the low consistency of gametic phase between individual breeds. The objective of this study was to compare the expected gain in accuracy of single-step genomic breeding values (GEBV) for conformation traits of Canadian Alpine and Saanen goats predicted using single and multiple-breed models. The traits considered were body capacity, dairy character, feet and legs, fore udder, general appearance, rear udder, suspensory ligament, and teats, all recorded by trained classifiers, using a 1 to 9 scale. The full datasets included a total of 7,500 phenotypes for each trait (5,158 Alpine and 2,342 Saanen) and 1,707 50K genotypes (833 Alpine, 874 Saanen). Standard errors of prediction (SEP) were obtained for EBV and GEBV predicted using single-trait animal models on full or validation datasets. Breed difference was accounted for as a fixed effect in the multiple-breed models. Average theoretical accuracies were calculated from the SEP. For Saanen, with fewer records, expected accuracies of EBV and GEBV for the validation animals (selection candidates) were consistently higher for the multiple-breed models. Trait specific gains in theoretical accuracy of GEBV relative to EBV for the selection candidates ranged from 30 to 48% for Alpine and 41 to 61% for Saanen. Averaged across all traits, GEBV predicted from the full dataset were 32 to 38% more accurate than EBV for genotyped animals and the largest gains were found for does without conformation records (49 to 55%) and bucks without daughter records (56 to 82%). Overall, the implementation of genomic selection would substantially increase selection accuracy for young breeding candidates and, consequently, the rate of genetic improvement for conformation traits in Canadian dairy goats.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».