43 Advancing poultry phenotyping: A novel CT-derived lung trait for turkey (Meleagris gallopavo) selection.
Notice bibliographique
Résumé
Abstract Despite marked improvements in productivity, pre-slaughter mortality remains a prominent issue in turkey production, possibly due to disproportionate growth of internal organs relative to increased meat yield. Consequently, there has been a push for incorporating traits related to organ health and function into breeding programs to improve the welfare and health of turkeys. Computed tomography (CT) is becoming a popular tool to provide non-invasive cross-sectional images of internal structures which have potential to be used as novel phenotypes in livestock breeding programs. This study aims to develop CT-derived traits to assess and improve livability traits, organ traits in particular, which could be a crucial step toward optimizing both production efficiency and animal well-being. The lung trait (lung pixels) was derived by summing the number of pixels from each slice of the CT scan where lungs were detected. Lung pixel records from 5,367 purebred male turkeys from a reproduction-focused line (Line A) and 6,774 purebred male turkeys from a meat-yield focused line (Line B) were analysed. Both lung pixels and breast meat yield derived from CT (BMYct) were measured, allowing for genetic evaluation without requiring slaughter. A multi-trait model for lung pixels, BMYct, and breast weight in grams from manual cut up (BRMT) was implemented in ASREML 4.2 to estimate genetic parameters of each trait in each line. The fixed effects included body weight estimated from the CT images, age at scan, and a location factor which encompassed barn and farm. Heritability estimates for lung pixels, BMYct, and BRMT in line A were 0.29 ± 0.03, 0.55 ± 0.04, and 0.50 ± 0.04, respectively. Unfavorable genetic correlations were estimated between lung pixels and BMYct (-0.25 ± 0.07) and lung pixels and BRMT (-0.32 ± 0.07), whereas favorable genetic correlations were estimated between BMYct and BRMT (0.68 ± 0.04). Heritability estimates for lung pixels, BMYct, and BRMT in line B were 0.15 ± 0.02, 0.46 ± 0.03, and 0.33 ± 0.03, respectively. Unfavorable genetic correlations were estimated between lung pixels and BMYct (-0.15 ± 0.08) and lung pixels and BRMT (-0.19 ± 0.09), whereas favorable genetic correlations were estimated between BMYct and BRMT (0.72 ± 0.03). These results show a potential for selection on lung pixels and provide insight into the relationship between potential lung traits derived from CT and meat yield traits in two lines. By integrating CT-based selection criteria, the turkey industry could enhance sustainability, reduce mortality, and improve the overall robustness of flocks.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».