MARC

 008260126s2025        us                              c    eng  d
■001000017359344
■00520260202105105
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291553473
■035    ▼a(MiAaPQ)AAI32236572
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a636
■1001  ▼aGuinan,  Fiona  Louise.
■24510▼aGot  Grit?  Data-Driven  Detection  and  Genetic  Analysis  of  Consistency  and  Resilience  in  Us  Dairy  Cattle
■260    ▼a[Sl]▼bThe  University  of  Wisconsin  -  Madison▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a126  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-02,  Section:  B.
■500    ▼aAdvisor:  Weigel,  Kent  A.;Penagaricano,  Francisco.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Wisconsin  -  Madison,  2025.
■520    ▼aThis  dissertation  explores  various  approaches  to  quantifying  resilience  in  U.S.  dairy  cattle  using  high-frequency  data,  specifically  daily  milk  weights.  Chapter  One  provides  an  introduction  and  outlines  the  structure  of  the  dissertation.  Chapter  Two  presents  a  comprehensive  literature  review  covering  the  use  of  high-frequency  data  in  dairy  production,  the  importance  of  improving  dairy  cow  resilience,  current  definitions  of  resilience,  and  future  directions  for  incorporating  this  novel  trait  into  breeding  programs.  Chapter  Three  investigates  the  genetic  basis  of  lactation  consistency  in  U.S.  Holsteins.  Results  indicate  that  consistency  is  a  heritable  trait  that  is  favorably  correlated  with  fertility,  longevity,  and  health  traits,  offering  producers  the  potential  to  select  animals  that  perform  reliably  across  a  range  of  environmental  and  management  challenges.  Chapter  Four  introduces  a  novel  approach  for  defining  contemporary  groups  by  leveraging  pen-level  information  linked  to  daily  milk  yield  data.  Refining  contemporary  groups  to  more  closely  reflect  the  day-to-day  management  and  environmental  conditions  to  which  individual  cows  are  exposed  can  improve  the  accuracy  of  genetic  evaluations,  particularly  the  reliability  of  sire  predicted  transmitting  abilities  for  milk  yield.  This  method  represents  an  important  step  toward  more  precise  modeling  of  high-frequency  phenotypes.  Chapter  Five  describes  the  development  and  implementation  of  a  data-driven  method  to  detect  pen-level  perturbations  and  evaluates  the  heritability  of  a  novel  resilience  phenotype,  along  with  its  genetic  relationship  to  lactation  consistency.  Results  reveal  that  heritability  increases  with  the  severity  and  duration  of  perturbations  to  which  the  animals  are  exposed,  and  that  resilience  and  consistency  capture  distinct  genetic  traits.  This  distinction  supports  the  selection  of  animals  with  generalized  resilience  or  the  ability  to  withstand  diverse  challenges.  Chapter  Six  examines  seven  alternative  resilience  phenotypes  derived  from  the  perturbation  detection  framework,  focusing  on  how  cows  respond  to  and  recover  from environmental  and  management  disturbances.  Phenotypes  calculated  over  the  full  perturbation  period  demonstrated  the  highest  heritabilities  and  lowest  standard  errors,  while  those  based  on  single  days  or  shorter  windows  were  less  reliable.  These  results  underscore  meaningful  genetic  differences  among  cows  in  their  ability  to  sustain  production  during  adverse  events.  Chapter  Seven  concludes  the  dissertation  with  a  summary  of  key  findings  and  their  implications  for  future  genetic  selection  and  resilience  phenotyping  strategies  in  dairy  cattle.
■590    ▼aSchool  code:  0262.
■650  4▼aAnimal  sciences
■650  4▼aAnimal  diseases
■650  4▼aBioinformatics
■650  4▼aGenetics
■653    ▼aConsistency
■653    ▼aContemporary  groups
■653    ▼aDaily  milk  weights
■653    ▼aPerturbation  detection
■653    ▼aResilience  indicators
■653    ▼aU.S.  Holsteins
■690    ▼a0475
■690    ▼a0476
■690    ▼a0369
■690    ▼a0715
■71020▼aThe  University  of  Wisconsin  -  Madison▼bAnimal  and  Dairy  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g87-02B.
■790    ▼a0262
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359344▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서