Genome-Wide Association Study for Belly Traits in Canadian Commercial Crossbred Pigs
Notice bibliographique
Résumé
The improvement of carcass traits is a key focus in pig genetic breeding programs. To identify quantitative trait loci (QTLs) and genes linked to key carcass traits, we conducted a genome-wide association study (GWAS) using whole-genome sequencing data from 1118 commercial pigs (Duroc sires and Yorkshire/Landrace F1 dams). This study focused on six phenotypes: iodine value, belly firmness, belly side fat, total side thickness (belly SThK), belly subcutaneous fat (Subq), and belly seam. Phenotypes were measured using image analysis, DEXA, and fatty acid profiling, and genotyping was performed using low-pass sequencing (SkimSeq). After quality control, 18,911,793 single nucleotide polymorphisms (SNPs) were retained for further analysis. A GWAS was conducted using a linear mixed model implemented in GCTA. Key findings include a significant QTL on SSC15 (110.83–112.23 Mb), which is associated with the iodine value, containing genes such as COX15, CHUK, SCD, and HIF1AN, which have known roles in fatty acid metabolism. Additionally, PNKD, VIL1, and PRKAG3 (120.74–121.88 Mb on SSC15) were linked to belly firmness, influencing muscle structure and fat composition. Three QTLs for belly side fat were identified on SSC1, SSC2, and SSC3, highlighting genes like SLC22A18, PHLDA2, and OSBPL5, which regulate fat deposition and lipid metabolism. The results provide novel molecular markers that can be incorporated into selective breeding programs to improve pork quality, fat distribution, and meat composition. These findings enhance our understanding of the genetic mechanisms underlying carcass belly traits while offering tools to improve pork quality, optimize fat composition, and align with consumer preferences in the meat production industry.
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 ».