Hereditary monogenic health disorders in canine breeds in relation to breeding
Notice bibliographique
Résumé
This thesis deals with problematic of prevalence of single-gene disorders for various dog breeds. The goal was to discover the groups of dog breed with the highest prevalence of single-gene disorders and discover which of these disorders tends to affects most of the dog breeds. We have evaluated 23 closely related groups of dog breeds (Parkerová et al. 2017) with the appearance of some single-gene disorder as we predicted based on our analysis based on OMIA database dated to year 2018-2020. The analysis showed us that the Neuronal Ceroid Lipofuscinosis (NCL) and Progressive Rod-Cone Degeneration (PRCD) affecting most of the dog breeds. We also discovered that the genetically closely related dog breed group 20T, which contains 16 dog breeds, suffers from over 49 types of single-gene disorders. We also discovered that the Border Collie is the dog breed with the highest single-gene disorder prevalence in previously mentioned group 20T. This dog breed is affected by 9 disorders at least. In our analysis the dog breed Labrador Retriever and German Shepherd are suffering from most types of single-gene disorder (more than 15). These dog breeds are one of the most common dog breeds in Czech Republic. This finding supports the hypothesis that the popular dog breeds tends to have better mapped genome and are subjects of testing more often. This thesis provides the characteristic of selected dog breeds. The genetic specifications also contains the recommended breeding method parameters for the minimization of disorders in population.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 0,001 |
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 ».