Potential of eight mutations for marker-assisted breeding in Chinese Lulai black pigs
Notice bibliographique
Résumé
Molecular marker-assisted selection (MAS) provides an efficient tool for pig breeding. In this study, according to the literature, we selected eight effective or causal mutations from eight functional genes, including five causal mutations in PHKG1 ( rs330928088), MUC13 ( rs319699771), IGF2 ( g.3072 G> A), VRTN ( g.20311_20312ins291), and MYH3 ( XM_013981330.2:g.-1805_-1810del) genes, and three effective mutations in LIPE ( rs328830166), LEPR ( rs45435518), and MC4R ( rs81219178) genes, to investigate their potential breeding effect in 418 Lulai pigs. The linear model was used to analyse the association between mutations and intramuscular fat (IMF) content, average backfat thickness, and muscle moisture %. The results revealed that amongst the three effective mutations, only the mutation in the LEPR gene, which affects IMF deposition, was significantly associated with IMF content. However, the other molecular markers were not significantly associated with the affected traits reported in previous studies, and these mutations are ineffective for MAS in the Lulai black pig population. Therefore, causal mutations in PHKG1, IGF2, and VRTN genes, and an effective mutation in LEPR gene could be used as effective breeding makers for MAS in Lulai pigs. These results can provide helpful information for further breeding in Lulai black 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».