Estimation of genetic parameters for pre-weaning growth traits in Dorper sheep under local Chinese conditions
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to estimate non-genetic factors, variance components, and genetic parameters, including heritability, genetic/phenotypic correlations for birth weight (BW), weaning weight (WW), average daily gain (ADG), and Kleiber ratio (KR) traits of Dorper sheep under localized Chinese conditions. METHODS: Data from 2,022 Dorper sheep lambs, collected between 2019 and 2021 at Inner Mongolia Sano Sheep Breeding Co., Ltd. were analyzed. Traits included BW, WW adjusted to 90 days, ADG, and KR. Generalized linear model (R 4.3.1) assessed non-genetic factors, including recipient dam age, sex, birth year, month, and herd. Six animal models were evaluated using ASReml's AIREML to determine the most suitable model for estimating genetic parameters while bivariate models were utilized to analyze genetic and phenotypic correlations. RESULTS: Recipient dam age, sex, birth year, month, and herd significantly affected all traits (p<0.05). Model 2, which incorporates direct additive genetic and maternal permanent environmental effects, was determined to be optimal. Heritability was low (BW: 0.0215; WW: 0.0287; ADG: 0.0391; KR: 0.0504). BW showed a negative genetic correlation with WW, ADG, and KR. In contrast, WW showed a strong positive genetic correlation with ADG (0.9952) and KR (0.9984), along with high phenotypic correlations with these traits (0.9829 and 0.8819, respectively). CONCLUSION: The low heritability limits direct selection for pre-weaning traits. Prioritizing WW enhances indirect genetic gains for ADG and KR, facilitating the optimization of Dorper sheep breeding strategies under Chinese intensive systems.
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 | 0,000 |
| 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 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 ».