A method is presented to optimize s

A method is presented to optimize selection for traits that can be repeatedly measured along trajectories. Covariance functions can be used to describe the variance-covariance structure of traits measured at different points. From this, eigenfunctions are derived, giving insight into the scope for changing the trajectory (e.g. a growth curve). Associated with eigenfunctions are canonical variables. Selection can be optimized by finding index weights for the canonical variables that maximize profit from the resulting genetic change. The method is illustrated with a beef cattle example, showing that selection for final weight is less optimal than optimized selection where change of initial weight gain is restricted. The methodology outlined in this paper can be a basis for selection for multidimensional trajectories to jointly optimize genetic change for weight, fat and muscle, along with correlated changes in mature weight and onset of puberty.

ผลลัพธ์ (ไทย) 1:

มีการนำเสนอวิธีปรับตัวเลือกในลักษณะที่สามารถซ้ำวัดตาม trajectories ความแปรปรวนร่วมของฟังก์ชันสามารถใช้เพื่ออธิบายโครงสร้างความแปรปรวนความแปรปรวนร่วมของลักษณะที่วัด ณจุดต่าง ๆ จากนี้ eigenfunctions มา ให้เป็นขอบเขตสำหรับการเปลี่ยนแปลงวิถี (เช่นโค้งการเจริญเติบโต) เกี่ยวข้องกับ eigenfunctions เป็นตัวแปรมาตรฐาน เลือกสามารถปรับให้เหมาะ โดยการหาดัชนีน้ำหนักสำหรับตัวแปรมาตรฐานที่เพิ่มกำไรจากการเปลี่ยนแปลงทางพันธุกรรมได้ วิธีจะแสดงให้เห็นเป็นตัวอย่างเนื้อวัว แสดงน้ำหนักสุดท้ายเลือกว่าเหมาะสมน้อยกว่าเลือกให้เหมาะซึ่งมีการจำกัดการเปลี่ยนแปลงของน้ำหนักเริ่มต้น วิธีที่ระบุไว้ในเอกสารนี้สามารถเป็นข้อมูลพื้นฐานสำหรับการเลือกสำหรับหลาย trajectories ร่วมปรับเปลี่ยนพันธุกรรมน้ำหนัก ไขมัน และกล้าม เนื้อ พร้อมกับการเปลี่ยนแปลงน้ำหนักผู้ใหญ่และเริ่มมีอาการของวัยแรกรุ่น correlated

ผลลัพธ์ (ไทย) 2:

วิธีการที่จะนำเสนอในการเพิ่มประสิทธิภาพการเลือกลักษณะที่สามารถวัดได้ซ้ำแล้วซ้ำอีกพร้อมลูกทีม ฟังก์ชั่นความแปรปรวนสามารถนำมาใช้เพื่ออธิบายโครงสร้างความแปรปรวนความแปรปรวนของลักษณะการวัดที่จุดที่แตกต่าง จากนี้ eigenfunctions จะได้มาให้ข้อมูลเชิงลึกในขอบเขตสำหรับการเปลี่ยนวิถี (เช่นอัตราการเจริญเติบโต) ที่เกี่ยวข้องกับการ eigenfunctions เป็นตัวแปรที่ยอมรับ การคัดเลือกสามารถเพิ่มประสิทธิภาพโดยการหาน้ำหนักดัชนีตัวแปรที่ยอมรับที่เพิ่มกำไรจากการเปลี่ยนแปลงทางพันธุกรรมที่เกิด วิธีการที่จะแสดงตัวอย่างการเลี้ยงโคเนื้อแสดงให้เห็นว่าการเลือกสุดท้ายคือน้ำหนักที่เหมาะสมน้อยกว่าการเลือกที่ดีที่สุดที่มีการเปลี่ยนแปลงของน้ำหนักที่เพิ่มขึ้นเริ่มต้นถูก จำกัด วิธีการที่ระบุไว้ในบทความนี้สามารถเป็นพื้นฐานสำหรับการเลือกสำหรับลูกทีมหลายมิติเพื่อร่วมกันเพิ่มประสิทธิภาพการเปลี่ยนแปลงทางพันธุกรรมน้ำหนักไขมันและกล้ามเนื้อพร้อมกับการเปลี่ยนแปลงความสัมพันธ์น้ำหนักผู้ใหญ่และการโจมตีของวัยแรกรุ่น

ผลลัพธ์ (ไทย) 3:

วิธีที่นำเสนอเพื่อเพิ่มประสิทธิภาพการคัดเลือกลักษณะที่สามารถวัดได้ตามวิถีซ้ำๆ . ฟังก์ชันอย่างง่ายสามารถใช้อธิบายโครงสร้างความแปรปรวนร่วมของลักษณะวัดที่จุดที่แตกต่างกัน จากเรื่องนี้ eigenfunctions จะได้มาให้ข้อมูลเชิงลึกในขอบเขตสำหรับการเปลี่ยนเส้นทาง ( เช่นการเจริญเติบโตของเส้นโค้ง )ที่เกี่ยวข้องกับ eigenfunctions ตัวแปรคาโนนิคอล . เลือกที่สามารถเพิ่มประสิทธิภาพโดยหาดัชนีน้ำหนักพระไตรปิฎกตัวแปรที่เพิ่มกำไรจากผลทางพันธุกรรมเปลี่ยน วิธีการแสดงด้วยเช่น โคเนื้อ ให้เลือกที่น้ำหนักน้อยกว่าการเลือกสุดท้ายที่ดีที่สุดที่ดีที่สุดที่การเปลี่ยนแปลงของน้ำหนักเริ่มต้นจำกัดวิธีการที่ระบุไว้ในกระดาษนี้สามารถพื้นฐานสำหรับการเลือกหลายมิติวิถีร่วมปรับพันธุกรรมเปลี่ยนแปลงน้ำหนัก ไขมัน และกล้ามเนื้อ พร้อมกับมีการเปลี่ยนแปลงน้ำหนักในผู้ใหญ่ และการโจมตีของวัยแรกรุ่น