Optimisation of breeding strategies to reduce the prevalence of inherited disease in pedigree dogs
Notice bibliographique
Résumé
Abstract One option for improving the welfare of purebred dog breeds is to implement health breeding programmes, which allow selection to be directed against known diseases while controlling the rate of inbreeding to a minimal level in order to maintain the long-term health of the breed. The aim of this study is to evaluate the predicted impact of selection against disease in two breeds: the Cavalier King Charles spaniel (CKCS) and the Labrador Retriever. Heritabilities for mitral valve disease, syringomyelia in the CKCS and hip dysplasia in the Labrador were estimated to be 0.64 (± 0.07), 0.32 (± 0.125) and 0.35 (± 0.016), respectively, which suggest encouraging selection responses are feasible based upon the estimation of breeding values (EBVs) if monitoring schemes are maintained for these breeds. Although using data from disease databases can introduce problems due to bias, as a result of individuals and families with disease usually being over-represented, the data presented is a step forward in providing information on risk. EBVs will allow breeders to distinguish between potential parents of high and low risk, after removing the influence of life history events. Analysis of current population structure, including numbers of dogs used for breeding, average kinship and average inbreeding provides a basis from which to compare breeding strategies. Predictions can then be made about the number of generations it will take to eradicate disease, the number of affected individuals that will be born during the course of selective breeding and the benefits that can be obtained by using optimisation to constrain inbreeding to a pre-defined sustainable rate.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».