GENETIC AND GENOMIC FACTORS INFLUENCING GESTATIONAL LENGTH IN BEEF CATTLE
Notice bibliographique
Résumé
Gestation length in beef cattle is typically measured as the length of time in days from breeding to calving and is a trait under moderate genetic influence. Currently, the research surrounding gestation length variation is primarily conducted in dairy breeds because of increased use of artificial insemination (AI) in dairy operations compared with the beef industry. Identifying genetic regions and variants associated with the trait would allow for greater understanding of the variability in gestation length. This study aimed to evaluate the selection success of breeding bulls with predicted short or long gestation lengths on their offspring’s gestation lengths, birth weights and weaning weights and calving ease, and to investigate the genetic basis of gestation length. Five Hereford bulls were bred to 153 first-calf heifers using AI, and the calf records were used to determine influence of sire on economically important traits. A genetic analysis of the sires was completed to determine if there were specific variants in the coding exon sequences of six candidate genes (SIGLEC5, SIGLEC14, CTU1, FOXD2, EXOC4, ZNF613) that could be associated with gestation length. Kompetitive Allele Specific PCR (KASP) was used to genotype dams, sires, and their offspring for the c.617T>G, p.H143Q mutation identified through sequence analysis. Significant (P<0.05) effects of sire, dam breed, and calf sex were observed on measured traits. The genotype of the sire for c.617T>G also had a significant effect on gestation length, with TT sired calves gestating for 5.5 days shorter on average than GG sired calves. This study provides evidence of a potential genetic marker that could be used for gestation length prediction in Canadian beef cattle operations.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».