Genome-Wide Association Analysis of Growth Traits in Hu Sheep
Notice bibliographique
Résumé
(1) Background: The Hu sheep is a renowned breed characterized by high reproduction, year-round estrus, and resistance to high humidity and temperature conditions. However, the breed exhibits lower growth rates and meat yields, which necessitate improvements through selective breeding. The integration of molecular markers in sheep breeding programs has the potential to enhance growth performance, reduce breeding cycles, and increase meat production. Currently, the applications of SNP chips for genotyping in conjunction with genome-wide association studies (GWAS) have become a prevalent approach for identifying candidate genes associated with economically significant traits in livestock. (2) Methods: To pinpoint candidate genes influencing growth traits in Hu sheep, we recorded the birth weight, weaning weight, and weights at 3, 4, 5, 6, and 7 months for a total of 567 Hu sheep, and genotyping was performed using the Ovine 40K SNP chip. (3) Results: Through GWAS analysis and KEGG pathway enrichment, we identified three candidate genes associated with birth weight (CAMK2B, CACNA2D1, and CACNA1C). Additionally, we found two candidate genes linked to weaning weight (FGF9 and BMPR1B), with CACNA2D1 also serving as a shared gene between birth weight and weaning weight traits. Furthermore, we identified eight candidate genes related to monthly weight (FIGF, WT1, KCNIP4, JAK2, WWP1, PLCL1, GPRIN3, and CCSER1). (4) Conclusion: Our findings revealed a total of 13 candidate genetic markers that can be utilized for molecular marker-assisted selection, aiming to improve meat production in sheep breeding programs.
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 ».