Genetic Evaluation Weight, Carcass and Stayability in Nellore Females
Notice bibliographique
Résumé
ABSTRACT Traits related to growth, carcass quality and stayability are key components in enhancing the profitability and sustainability of Nelore cattle production systems. This study aimed to estimate heritabilities and genetic and environmental correlations for these traits using a Bayesian approach. Data from 94,703 females were analysed for weights at 210, 365 and 450 days of age (W210, W365 and W450), loin eye area (LEA), subcutaneous fat thickness in the loin (LFT) and rump (REFT) and stayability at 48, 54 and 72 months (STAY48, STAY54 and STAY72). Heritability estimates (± standard error) were 0.14 ± 0.03 for LEA, 0.20 ± 0.03 for LFT, 0.43 for REFT, 0.12 ± 0.02 for STAY54, and 0.18 ± 0.02 for STAY72. Moderate heritabilities for W210, W365, W450, LFT and REFT indicate a substantial additive genetic component, whereas lower estimates for LEA and stayability suggest a predominant influence of environmental factors. Genetic trends were generally positive but moderate: 0.14 kg/generation (W210), 1.40 kg/generation (W365), 1.77 kg/generation (W450), 0.016 cm 2 /generation (LEA) and 0.0081 months/generation (STAY72). In contrast, STAY48 showed a slightly negative trend (−0.0073 months/generation). Direct selection for W450 yielded a genetic gain of 9.837 kg, whereas indirect selection via correlated traits resulted in gains ranging from 0.125 to 9.272 kg. These findings highlight the relevance of environmental effects on traits with low heritability, such as LEA and stayability, and reinforce the effectiveness of selection for weight‐related traits due to their moderate heritability and favourable genetic trends.
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 ».