Genome-wide association study and genomic selection for growth-related traits in Eastern oyster (Crassostrea virginica)
Notice bibliographique
Résumé
Understanding the genetic architecture of economically important traits is essential for the design and implementation of efficient breeding programs. Here, we analysed 3,653 Eastern oysters (Crassostrea virginica) from 62 crossing groups and 307 full-sib families, all genotyped with a 200 K SNP array, to (i) estimate heritability and genetic correlations for six growth-related traits, (ii) detect quantitative trait loci (QTL) and candidate genes, and (iii) compare the accuracy of pedigree- (PBLUP) versus genomic-based (GBLUP) predictions across marker densities, selection strategies (physical distance (PD) versus linkage disequilibrium (LD) and phenotype-based genotyping strategies. SNP-based Heritabilities ranged from 0.33 to 0.56, and genetic correlations among traits exceeded 0.61, indicating strong pleiotropy. GWAS revealed a polygenic architecture with a shared QTL on chromosome 2; the top SNP explained ≤ 1.1% of phenotypic variance. Except for the 0.5 K LD panel-where PBLUP was more accurate-and the 1 K LD panel-where both methods performed similarly-GBLUP outperformed PBLUP in all scenarios, with the greatest advantage observed for physically spaced (PD) panels. The highest accuracy (0.80) was achieved with the full 100 K SNP set. GBLUP models required panels containing ≥ 0.5 K PD (accuracy ≥ 0.55) or ≥ 2 K LD (accuracy ≥ 0.56) to significatively surpass PBLUP predictions. Training sets built from extreme phenotypes boosted accuracy in small to intermediate sample sizes (e.g., 0.74 at n = 1,500 with 5 K PD SNPs versus 0.53 under random sampling). These results provide novel insights into not only the genomic regions controlling growth in this species but also about the utility of PD-based SNP panels and balanced sampling designs for enhancing GS accuracy in C. virginica.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».