MétaCan
Menu
Retour à la cohorte
Enregistrement W4414830741 · doi:10.1093/jas/skaf300.542

PSXI-3 Comparing the heritability of methane emission traits in cattle and sheep: A Meta-analysis.

2025· article· en· W4414830741 sur OpenAlexaff
Timothy Houghton, Emily M. Leishman, Natalee T Richardson, J.L. Ellis, F. Miglior, Flávio S. Schenkel, Christine F. Baes, Ricarda E Jahnel

Notice bibliographique

RevueJournal of Animal Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHeritabilityMethaneGreenhouse gasRestricted maximum likelihoodSelection (genetic algorithm)Methane emissionsDairy cattleProduction (economics)

Résumé

récupéré en direct d'OpenAlex

Abstract One source of greenhouse gases is the natural production of enteric methane from microbial fermentation in a ruminant’s digestive system. In recent years, genetic selection has been identified as a possible approach to reducing these emissions due to the identification of methane production as a heritable trait. However, heritability estimates might vary according to the animal type or their purpose (i.e., beef or dairy production), or measurement method. The objective of this study was to conduct a systemic literature review and a meta-analysis comparing heritability estimates of methane production. The literature review identified 38 unique methane production heritability estimates across 31 different studies that provided standard errors of the estimates. Purpose of animal (Beef cattle, Dairy cattle, or Dual-Purpose Sheep), collection methods (Greenfeed, Chambers (Respiration/Portable Accumulation), SF6, or Sniffers), and geographical location (Australia, Europe, New Zealand, or North America) were among the variables extracted from each study into Excel. Methane production heritability estimates from both directly measured methane and MIR/DMI predicted measures of methane production were also extracted from the studies. A generalized linear fixed effects model assuming a Beta distribution of the estimates and logit link function was fit using SAS 9.4 Proc GLIMMIX. Due to the dataset not having effective cross-classification across the levels of factors, no two-way interactions were tested. Across the studies, an average moderately low heritability was found at 0.17 ± 0.01 with a minimum and maximum of 0.11 and 0.43, respectively. Heritability estimates were weighted using the reported standard errors. Preliminary results showed that the fixed effects of collection method (P=0.002), animal purpose (P< 0.001), and geographical location (P< 0.001) were all significant. Prediction type (Direct or Predicted) was found to be non-significant (P=0.93), further supporting the potential effectiveness of methods for predicting methane production. Compared to New Zealand, the log-odds estimates of Europe, Australia, and America decrease by -1.3 ± 0.45, -1 ± 0.27, and -0.49 ± 0.47, respectively. While the estimates for beef increase by 0.63 ± 0.24 compared to sheep and estimates for dairy decrease by -0.45 ± 0.30. Further models incorporating other variables are being developed to potentially investigate the impact of the frequency of measurements. These preliminary findings suggest that there can be significant impacts of collection method, animal type, and geographical location on the estimated heritability of methane production. However, further work needs to be done to refine these analyses and investigate other potentially contributing factors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,028
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal ScienceMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207