MétaCan
Menu
Retour à la cohorte
Enregistrement W4309463785 · doi:10.3390/ani12223184

Genetic and Phenotypic Parameters for Pelt Quality and Body Length and Weight Traits in American Mink

2022· article· en· W4309463785 sur OpenAlexafffundabout
Shafagh Valipour, Karim Karimi, David M. Barrett, Duy Ngoc, Guoyu Hu, Mehdi Sargolzaei, Zhiquan Wang, Younes Miar

Notice bibliographique

RevueAnimals · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversity of AlbertaUniversity of GuelphDalhousie University
Organismes subventionnairesNova Scotia Mink Breeders AssociationDepartment of Agriculture, Nova ScotiaCanada Mink Breeders Association
Mots-clésMinkHeritabilityBiologyTraitLitterAnimal scienceVeterinary medicineGeneticsEcologyMedicine

Résumé

récupéré en direct d'OpenAlex

Understanding the genetics of fur characteristics and skin size is important for developing effective breeding programs in the mink industry. Therefore, the objectives of this study were to estimate the genetic and phenotypic parameters for pelt quality traits including live grading overall quality (LQU), live grading nap size (LNAP), dried pelt size (DPS), dried pelt nap size (DNAP) and overall quality of dried pelt (DQU), and body length and weight traits, including November body weight (Nov_BW), November body length (Nov_BL), harvest weight (HW) and harvest length (HL) in American mink. Dried pelt quality traits on 1195 mink and pelt quality traits on live animals on 1680 were collected from mink raised at two farms, in Nova Scotia and Ontario. A series of univariate analyses were implemented in ASReml 4.1 software to identify the significance (p < 0.05) of random effects (maternal genetic effects, and common litter effects) and fixed effects (farm, sex, color type, year, and age) for each trait. Subsequently, bivariate models were used to estimate the genetic and phenotypic parameters using ASReml 4.1. Heritability (±SE) estimates were 0.41 ± 0.06 for DPS, 0.23 ± 0.10 for DNAP, 0.12 ± 0.04 for DQU, 0.28 ± 0.06 for LQU, 0.44 ± 0.07 for LNAP, 0.29 ± 0.10 for Nov_BW, 0.28 ± 0.09 for Nov_BL, 0.41 ± 0.07 for HW and 0.31 ± 0.06 for HL. DPS had high positive genetic correlations (±SE) with Nov_BW (0.89 ± 0.10), Nov_BL (0.81 ± 0.07), HW (0.85 ± 0.05) and HL (0.85 ± 0.06). These results suggested that body weight and length measured on live animals in November of the first year were reliable indicators of dried pelt size. DQU had favorable genetic correlations with Nov_BL (0.55 ± 0.24) and HL (0.46 ± 0.20), and nonsignificant genetic correlations with DNAP (0.13 ± 0.25), Nov_BW (0.25 ± 0.25) and HW (0.06 ± 0.20), which made body length traits an appealing trait for selection for increased pelt size. High positive genetic correlation (±SE) was observed between LNAP and DNAP (0.82 ± 0.22), which revealed that nap size measurement on live animals is a reliable indicator trait for dried pelt nap size. However, nonsignificant (p > 0.05) low genetic correlation (±SE) was obtained between LQU and DQU (0.08 ± 0.45), showing that indirect selection based on live grading might not lead to the satisfactory improvement of dried pelt overall quality. The estimated genetic parameters for live grading, dried pelt quality, and body weight and body length traits may be incorporated into breeding programs to improve fur characteristics in Canadian mink populations.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,275
Écart entre enseignants0,255 · 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'étudeObservationnel
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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207