Estimation of genetic parameters for milk mid-infrared-predicted methane production in Holstein dairy cattle
Notice bibliographique
Résumé
Livestock methane emissions contribute to 18% of global greenhouse gas emissions. Integrating methane production into breeding goals has the potential to mitigate methane emissions and contribute to more sustainable livestock systems. To achieve this through genetic selection, large datasets of phenotypic records are required, making the use of direct measurement of methane emissions limited on a broad scale. Consequently, alternative approaches, such as using predicted methane emissions derived from more easily measured traits, have been proposed. The objective of this study was to estimate the genetic parameters of weekly average milk mid-infrared–predicted methane production (PCH 4 ) and its genetic correlation with milk yield (MY), fat yield (FY), and protein yield (PY) in Canadian Holstein dairy cows. We analyzed a total of 37,202 PCH 4 records and corresponding test-day records for MY, FY, and PY collected between 119 and 179 DIM from 18,505 first-lactation Canadian Holstein cows distributed over 100 herds. Several statistical models were evaluated to estimate the genetic parameters of PCH 4 . These included a single-trait model and 3 separate 2-trait random regression models that employed fifth-degree Legendre polynomials on weeks of lactation. The estimated heritability of PCH 4 ranged from 0.37 (SE = 0.06) to 0.45 (SE = 0.02), indicating a moderate genetic influence on predicted methane production. The genetic correlations between PCH 4 and test-day MY, FY, and PY ranged from −0.23 (SE = 0.06) to −0.13 (SE = 0.06), 0.3 (SE = 0.06) to 0.48 (SE = 0.08), −0.17 (SE = 0.07) to −0.09 (SE = 0.06), respectively, suggesting low to moderate associations between PCH 4 and the production traits. These results suggest that PCH 4 is moderately heritable and can be used for genetic selection to mitigate methane emissions in dairy cows. However, the positive unfavorable genetic correlation with FY should be considered when selecting animals for lower PCH 4 to avoid potential negative impacts on fat yield. These findings contribute to the ongoing efforts to improve the environmental sustainability of the livestock industry while maintaining productivity.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».