<b>Integrated GWAS, Meta-Analysis, and Bayesian Fine Mapping Reveal Novel QTLs and Functional Candidate Genes for Vulva Traits in Large White Pigs</b>_pheno data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The reproductive performance of pigs is crucial for agricultural production, and the vulva traits of sows—such as length, width, and angle—directly impact breeding efficiency. For example, gilts with small or upward-tilted vulva are often culled, limiting the size and efficiency of breeding herds. To improve the retention rate of breeding females, we conducted this study to explore the key genes and genetic mechanisms underlying these traits using genomics. We collected data on vulva traits from 2,197 gilts across three Large White pig populations (from PIC, Topigs, and Canada) and used genome-wide association studies (GWAS) and meta-analysis techniques, combined with Bayesian fine mapping, to systematically identify genetic loci and candidate genes associated with these traits. Through these methods, we discovered several new significant loci and identified potential candidate genes such as <i>SDC2</i>, <i>MTERF3</i>, <i>VIP</i>, <i>POP1</i>, and <i>PSMA1</i> that may play important roles in regulating vulva traits. These findings provide new insights into the genetic mechanisms of reproductive traits in pigs and offer a vital molecular basis for future breeding programs. By using marker-assisted selection (MAS) or genomic selection (GS), we can more effectively improve vulva traits, thereby increasing the retention rate and productivity of breeding females. This not only enhances the economic benefits of pig farming but also improves animal welfare by reducing the culling of gilts due to reproductive issues.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,033 | 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 découle