Racing Performance of the Quarter Horse: Genetic Parameters, Trends and Correlation for Earnings, Best Time and Time Class
Notice bibliographique
Résumé
The aim of this study was to evaluate the sprint racing performance of Quarter Horses in Brazil. Estimating genetic parameters, trends and correlations were obtained by single- and two-trait analyses using Bayesian inference (earnings to 2 years of equestrian age, best time and time class at distances of 301 m and 402 m). The data comprised a period of 38 equestrian years (1978 to 2015) with 23,482 sprint race records from 5861 animals. The heritability estimates were of low to moderate magnitude, ranging from 0.10 to 0.37 (single-trait) and from 0.15 to 0.41 (two-traits), and the repeatability was 0.31 to 0.46. The additive, residual and phenotypic correlations between earnings to 2 years of equestrian age and the other traits (best time and time class in distances 301 m and 402 m) were high (-0.95, -0.96, 0.69 and 0.92), low (-0.29, -0.37, 0.26 and 0.27) and moderate (-0.41, -0.47, 0.37 and 0.47), respectively. There is a positive genetic trend for all traits considered. However, evaluation of the last 10 equestrian years (2006 to 2015) showed negative trends (genetic loss) and trends close to zero (genetic stagnation). The design of breeding programs using the earnings trait in conjunction with other racing performance traits can enhance changes in the genetic gains as a whole in speed-racing Quarter Horses. These findings suggest that the traits studied should be included in breeding selection programs for racing Quarter Horses.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».