MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386570244 · doi:10.3168/jds.2022-22951

The Resilient Dairy Genome Project—A general overview of methods and objectives related to feed efficiency and methane emissions

2023· article· en· W4386570244 sur OpenAlexafffundabout
Nienke van Staaveren, Hinayah Rojas de Oliveira, Kerry Houlahan, T.C.S. Chud, Gerson A. Oliveira Júnior, Dagnachew Hailemariam, G.J. Kistemaker, F. Miglior, Graham Plastow, Flávio S. Schenkel, R.L.A. Cerri, Marc‐André Sirard, Paul Stothard, J.E. Pryce, Adrien M. Butty, Patrick Stratz, Emhimad A. Abdalla, Dierck Segelke, E. Stamer, Georg Thaller, Jan Lassen, C.I.V. Manzanilla-Pech, Rasmus Bak Stephansen, Noureddine Charfeddine, A. García-Rodríguez, Óscar González-Recio, Javier López‐Paredes, R.L. Baldwin, Javier Burchard, Kristen L. Parker Gaddis, James E. Koltes, Francisco Peñagaricano, J.E.P. Santos, Robert J. Tempelman, M.J. VandeHaar, K.A. Weigel, Heather M. White, Christine F. Baes

Notice bibliographique

RevueJournal of Dairy Science · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensUniversité LavalUniversity of British ColumbiaUniversity of AlbertaUniversity of Guelph
Organismes subventionnairesOntario Ministry of Research and InnovationAgriculture and Agri-Food CanadaAgricultural Research ServiceCollege of Engineering, Michigan State UniversityNatural Sciences and Engineering Research Council of CanadaAgroscopeInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementOntario Ministry of Economic Development, Job Creation and TradeLa Trobe UniversityUniversity of AlbertaGenome British ColumbiaUniversité LavalFreie Universität BerlinOntario Genomics InstituteEidgenössische Technische Hochschule ZürichOntario GenomicsUniversity of Wisconsin-MadisonMcGill UniversityDairy Farmers of CanadaMinistero dello Sviluppo EconomicoIowa State UniversityGenome CanadaFoundation for Food and Agriculture ResearchAarhus UniversitetMichigan State UniversityGenome AlbertaPurdue UniversityUniversidade Estadual PaulistaU.S. Department of Agriculture
Mots-clésMethane emissionsMethaneGreenhouse gasEnvironmental scienceBiotechnologyBusinessBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The Resilient Dairy Genome Project ( RDGP ) is an international large-scale applied research project that aims to generate genomic tools to breed more resilient dairy cows. In this context, improving feed efficiency and reducing greenhouse gases from dairy is a high priority. The inclusion of traits related to feed efficiency (e.g., dry matter intake [ DMI ]) or greenhouse gases (e.g., methane emissions [ CH 4 ]) relies on available genotypes as well as high quality phenotypes. Currently, 7 countries, i.e., Australia [ AUS ], Canada [ CAN ], Denmark [ DNK ], Germany [ DEU ], Spain [ ESP ], Switzerland [ CHE ], and United States of America [ USA ] contribute with genotypes and phenotypes including DMI and CH 4 . However, combining data is challenging due to differences in recording protocols, measurement technology, genotyping, and animal management across sources. In this study, we provide an overview of how the RDGP partners address these issues to advance international collaboration to generate genomic tools for resilient dairy. Specifically, we describe the current state of the RDGP database, data collection protocols in each country, and the strategies used for managing the shared data. As of February 2022, the database contains 1,289,593 DMI records from 12,687 cows and 17,403 CH 4 records from 3,093 cows and continues to grow as countries upload new data over the coming years. No strong genomic differentiation between the populations was identified in this study, which may be beneficial for eventual across-country genomic predictions. Moreover, our results reinforce the need to account for the heterogeneity in the DMI and CH 4 phenotypes in genomic analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,020
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0110,020
Études des sciences et des technologies0,0010,001
Communication savante0,0060,003
Science ouverte0,0030,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,007

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 Opus0,031
Tête enseignante GPT0,364
Écart entre enseignants0,333 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations23
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetGenetic and phenotypic traits in livestock→Travaux en français237 207→