Genetic variability of test-day urea nitrogen and lactose in milk of Jersey, Brown Swiss and Ayrshire cattle breeds in Quebec
Bibliographic record
Abstract
Le Programme d'analyse des troupeaux laitiers du Québec (Valacta, Québec, Canada) a fourni une imposante base de données de relevées laitiers au jour du contrôle pour des vaches ayant vêlé entre janvier 2000 et mai 2007. Cette base de données contenait 919,814 relevées de production laitière au jour du contrôle provenant de 45520 vaches de race Ayrshire sur 956 fermes laitières, 133,690 relevés provenant de 7493 vaches de race Jersey sur 910 fermes laitières, et 118,996 relevés de 5693 vaches de race Suisse Brune sur 476 fermes laitières. Les relevées au jour du contrôle pour les trois premiers rangs de vêlage une fois édités servirent à faire l'estimation de paramètres génétiques grâce à une méthode de maximum de vraisemblance restreint. Pour chacun des trois premiers rangs de vêlage, les paramètres génétiques de six caractères laitiers, soit le rendement en lait, gras, lactose, et protéine totale, la cote de cellules somatiques et la teneur en azote uréique (TAU), furent estimés à l'aide de divers modèles de régression aléatoire de jour du contrôle. Des modèles de régression aléatoire, utilisant des polynômes de Legendre de 2e à 4e ordre ou une fonction Wilmink avec un terme exponentiel variant de ¬-0.01 to -0.09 en pas de 0.02, servirent à l'estimation des niveaux d'héritabilité quotidiens de chacun de ces caractères. Des modèles de régression aléatoire à deux variables de jour du contrôle pour animaux avec polynômes de Legendre comme coefficients de régression, servirent à l'estimation des corrélations génétiques et environnementales entre les caractères du rendement laitiers. L'exactitude des modèles de régression aléatoire à simple variable furent comparés selon le critère d'information Bayésien (CIB), le critère d'information de Akaike (CIA), la somme des carrés résiduelle, et l'erreur absolue moyenne. Les modèles utilisant les polynômes de Legendre pour les effets fixes et aléatoires furent parmi les meilleurs, tandis que pour certains caractères la fonction Wilmink mena à des estimées irréalistes de l'héritabilité. Pour les vaches de race Ayrshire cows, les héritabilités estimées moyennes furent de 0.39, 0.30 et 0.41 pour la TAU et de 0.39, 0.20 et 0.33 pour le rendement en lactose, pour les 1e, 2e, et 3e rangs de vêlage, respectivement. Pour les vaches de race Suisse Brune estimées moyennes furent de 0.28, 0.26 et 0.13 pour la TAU, et 0.30, 0.20 et 0.42 pour le rendement en lactose, pour les 1e, 2e, et 3e rangs de vêlage, respectivement. De façon semblable, pour les vaches de race Jersey, les héritabilités estimées moyennes furent de 0.26, 0.20 et 0.14 pour la TAU, et 0.42, 0.51 et 0.12 pour le rendement en lactose, pour les 1e, 2e, et 3e rangs de vêlage, respectivement. À l'exception faite de la cote de cellules somatiques, avec laquelle la corrélation génétique était très petite mais positive, des corrélations génétiques négatives mais proches de zéro existèrent entre la TAU et les autres caractères du rendement pour le 1e rang de vêlage des vaches de la race Ayrshire. Pour les 2e et 3e rangs de vêlage les corrélations génétiques furent petites et positives, à l'exception de celles pour la cote de cellules somatiques au 3e rang de vêlage, où la corrélation génétique était positive et modérée. Donc, en général, la corrélation génétique et la corrélation environnementale entre la TAU et les autres caractères de rendement furent proches de zéro. Ces mêmes corrélations furent positives et élevées entre le rendement en gras, protéine et lactose du lait pour les trois premiers rangs de vêlage des trois races. A l'exception du 1e et 2e rang de vêlage de la race Jersey où les corrélations entre la TAU et la cote de cellules somatiques s'avérèrent positifs mais proches de zéro, les corrélations entre la cote de cellules somatiques et les autres caractères s'avérèrent négatifs, variant de modéré à élevé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".