MétaCan
Menu
Retour à la cohorte
Enregistrement W4294669234 · doi:10.1017/s0022029922000474

Genomic prediction and genetic correlations estimated for milk production and fatty acid traits in Walloon Holstein cattle using random regression models

2022· article· en· W4294669234 sur OpenAlexaff
José Teodoro de Paiva, Rodrigo Reis Mota, Paulo Sávio Lopes, Hedi Hammami, Sylvie Vanderick, Hinayah Rojas de Oliveira, Renata Veroneze, Fabyano Fonseca e Silva, Nicolas Gengler

Notice bibliographique

RevueJournal of Dairy Research · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of Guelph
Organismes subventionnairesService Public de WallonieConselho Nacional de Desenvolvimento Científico e TecnológicoFédération Wallonie-BruxellesDirection Générale Opérationnelle Agriculture, Ressources Naturelles et Environnement du Service Public de WallonieCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversité de LiègeGouvernement Wallon
Mots-clésLactationFatty acidAnimal scienceDairy cattleBiologyChemistryGeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The aims of this study were to: (1) estimate genetic correlation for milk production traits (milk, fat and protein yields and fat and protein contents) and fatty acids (FA: C16:0, C18:1 cis -9, LCFA, SFA, and UFA) over days in milk, (2) investigate the performance of genomic predictions using single-step GBLUP (ssGBLUP) based on random regression models (RRM), and (3) identify the optimal scaling and weighting factors to be used in the construction of the H matrix. A total of 302 684 test-day records of 63.875 first lactation Walloon Holstein cows were used. Positive genetic correlations were found between milk yield and fat and protein yield ( r g from 0.46 to 0.85) and between fat yield and milk FA ( r g from 0.17 to 0.47). On the other hand, negative correlations were estimated between fat and protein contents ( r g from −0.22 to −0.59), between milk yield and milk FA ( r g from −0.22 to −0.62), and between protein yield and milk FA ( r g from −0.11 to −0.19). The selection for high fat content increases milk FA throughout lactation ( r g from 0.61 to 0.98). The test-day ssGBLUP approach showed considerably higher prediction reliability than the parent average for all milk production and FA traits, even when no scaling and weighting factors were used in the H matrix. The highest validation reliabilities ( r 2 from 0.09 to 0.38) and less biased predictions ( b 1 from 0.76 to 0.92) were obtained using the optimal parameters (i.e., ω = 0.7 and α = 0.6) for the genomic evaluation of milk production traits. For milk FA, the optimal parameters were ω = 0.6 and α = 0.6. However, biased predictions were still observed ( b 1 from 0.32 to 0.81). The findings suggest that using ssGBLUP based on RRM is feasible for the genomic prediction of daily milk production and FA traits in Walloon Holstein dairy cattle.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,300

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,336
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy ResearchMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207