301 Leveraging genomics to advance the breeding of Canadian livestock
Notice bibliographique
Résumé
Abstract Implementing breeding strategies for a more sustainable food system is one of the most pressing topics for livestock industries. Although different species face different challenges, large-scale research projects can pave the way for future opportunities in these key sectors. Herein, we present two examples (dairy and poultry) of how research projects can result in meaningful changes to commercial breeding programs. The first example is an international large-scale dairy project, which will deliver a roadmap for greenhouse gas (GHG) management using genomics and nutrition. The project aims to facilitate a 55% reduction in GHG emissions from Canadian dairy at an estimated value of $338M CAD. This systems-level approach will leverage resources developed through previous and current large-scale projects to produce accurate multi-level emission estimates and identify opportunities to mitigate enteric GHG emissions. The results of this project will provide accurate, reliable, and robust data for industry stakeholders, national policy, and GHG inventories. The second example is a research collaboration with a commercial turkey breeding company that will enable breeding strategies for long-term and sustainable genetic improvement in health traits. This project aims to reduce preslaughter mortality by 5% and condemnations due to myopathies and health issues. This reduction alone is expected to result in 7.5M kg more turkey meat at a value of $19.8M CAD. Furthermore, there is also an expected reduction of 2.3M kg of CO2 equivalent per year for each 1% livability improvement due to production efficiencies and reduced inputs wasted for more sustainable and ethical meat production. Overall, ongoing and future research initiatives will continue to deliver solutions for key Canadian livestock sectors to improve animal health and welfare as well as efficiency and sustainability. The strides made in these ongoing collaborative projects are imperative for enhancing the sustainability of animal agriculture to feed the growing population.
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 | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».