Notice bibliographique
Résumé
This review article is devoted to the use of feed efficiency traits in dairy cattle breeding. An efficient cow is defined as the one that produces the same amount of milk and milk solids while consuming less feed and remaining healthy and fertile; thus, allowing to reduce costs without decrease in production. Improving feed efficiency is economically important due to the increasing price of fodder. Feed efficiency is a genetically complex trait that can be described as units of product output (e.g., milk yield) per unit of feed input. Nowadays genetic evaluation of dairy cattle for feed efficiency is routinely conducted in several countries, including Australia, USA, Canada, Netherlands, Denmark, Sweden, Finland, Norway and United Kingdom. Different countries use different measures of feed efficiency of dairy cows. The main feed efficiency traits are dry matter intake, gross feed efficiency, residual feed intake, energy balance and feed saved. Genome-wide association studies demonstrated that feed efficiency in polygenic trait. Nevertheless, several genes with large effects on feed efficiency were identified. Estimates of heritability of these traits vary from 0.07 to 0.49 and show the presence of considerable genetic variation of these traits and therefore, the possibility of their genetic improvement under the conditions of inclusion in breeding programs. Changes in diet and rumen microbiome substantially impact feed efficiency of dairy cows. Feed efficiency is related to methane emissions and excess nitrogen excretion. Genetic improvement of feed efficiency requires recording of individual data on feed intake in cows. Such data are limited. Two options exist to solve this problem: use of indirect predictors and genomic prediction. Accuracy of genomic prediction varies from 0.21 to 0.61 across countries. International cooperative projects such as Efficient Dairy Genome Project in Canada were launched to establish large databases and to increase accuracy of feed efficiency traits genomic prediction. Future directions of research are the use of novel technologies: mid-infrared spectroscopy, artificial intelligence, holo-omics.
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 ».