The Resilient Dairy Genome Project - a general overview of methods and objectives related to feed efficiency and methane emissions
Notice bibliographique
Résumé
The Resilient Dairy Genome Project (RDGP) is an international large-scale applied research project that aims to generate genomic tools to breed more resilient dairy cows. In this context, improving feed efficiency and reducing greenhouse gases from dairy is a high priority. The inclusion of traits related to feed efficiency (e.g., dry matter intake [DMI]) or greenhouse gases (e.g., methane emissions [CH4]) relies on available genotypes as well as high quality phenotypes. Currently, 7 countries, i.e., Australia [AUS], Canada [CAN], Denmark [DNK], Germany [DEU], Spain [ESP], Switzerland [CHE], and United States of America [USA] contribute with genotypes and phenotypes including DMI and CH4. However, combining data is challenging due to differences in recording protocols, measurement technology, genotyping, and animal management across sources. In this study, we provide an overview of how the RDGP partners address these issues to advance international collaboration to generate genomic tools for resilient dairy. Specifically, we describe the current state of the RDGP database, data collection protocols in each country, and the strategies used for managing the shared data. As of February 2022, the database contains 1,289,593 DMI records from 12,687 cows and 17,403 CH4 records from 3,093 cows and continues to grow as countries upload new data over the coming years. No strong genomic differentiation between the populations was identified in this study, which may be beneficial for eventual across-country genomic predictions. Moreover, our results reinforce the need to account for the heterogeneity in the DMI and CH4 phenotypes in genomic analysis.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».