Direct – Maternal Genetic Parameters Estimated for Real-Time Ultrasound Scan Measures of Eye Muscle Area, Rib Fat Depth, and their Correlation with Body Weight in Male Philippine Riverine Buffaloes
Notice bibliographique
Résumé
Background: Ultrasound scanning is a non-invasive technique for evaluating animals based on carcass yield and meat quality traits. It has been incorporated into the beef cattle breeding program. However, little has been done in buffaloes. Thus, this study was conducted to estimate the genetic parameters for growth traits- body weights (BW) and a real-time ultrasound scan of eye muscle area (EMA) and rib fat (RF) to determine their suitability as a tool for selection.
 Methods: Four hundred thirty-eight (438) male Philippine riverine buffaloes with 1,535 BW records and 417 real-time ultrasound scans of EMA and RF scans at the 12th rib were available for the study. BW was taken and adjusted at birth, 6, 12, 18, 24, 30, and 36 months while RF and EMA scans were taken at 12 & 18 mos. Genetic parameters were estimated with a pedigree-based multi-trait animal model using ASREML software.
 Results: The average BW of buffaloes adjusted to 6, 12, 18, 24, 30, and 36 months of age were 135kg, 230.8kg, 323.0kg, 382.7, 453.6, and 502.4kg, respectively. The mean EMA and RF at 12 months were 29.7 cm2 and 3.2mm, respectively. Direct genetic heritabilities were 0.26±0.16, 0.29±0.12, 0.35±0.19 and 0.67±0.32 for birth, BW12mos, EMA12mos and RF12mos, respectively. Maternal genetic heritability for birth weight. was 0.12±0.09. Genetic correlations among traits were positive except between birth and RF.
 Conclusions: Results indicate that ultrasound scanning can be used for selection together with BW at 12mos. and suggest that early performance is an excellent predictor of performance at a later age.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».