科研产出
麦洼牦牛CYP4A 11基因多态性与体尺性状的关联分析
《基因组学与应用生物学 》 2020 北大核心 CSCD
摘要：为了探讨细胞色素P450 4A 11基因外显子多态性与麦洼牦牛体尺性状的相关性,挖掘与体尺性状显著关联的SNP位点,本研究选取麦洼牦牛为研究对象,通过PCR扩增和DNA测序技术,共发现G4806A、G10008A、G10185A、T13164C、A13199G和C13207T 6个SNPs,优势基因型分别为GG、GA、GA、TT、AA和TC型;位点G4806A和A13199G处于Hardy-Weinberg平衡状态,其余4个多态位点均未能达到哈代温伯格平衡.关联分析发现,G4806A位点与麦洼牦牛胸围和体重极显著相关(p<0.01),与管围显著相关(p<0.05),其中GA型个体均值显著高于GG型个体(p<0.05),表现为优势基因型;其他位点与麦洼牦牛体尺性状均不相关.CYP4A 11基因G4806A位点与牦牛胸围、体重及管围等体尺性状显著相关,可作为分子辅助标记用于牦牛优良性状的选育.
全文链接
请求原文
线性模型与机器学习模型对牦牛体重预测的比较
《现代农业科技 》 2019
摘要：本研究测定革吉那布地区102头2岁龄的牦牛相关体尺性状(体高、体长和胸围)与体重,按不同比例划分训练集和测试集,利用传统的一般线性模型方法和机器学习方法(高斯过程回归、支持向量机)分别构建体尺性状与体重之间的回归预测模型,比较线性回归模型与机器学习模型在利用体尺性状预测体重时的准确性。结果表明,随着训练集数据的增加,线性回归模型的预测结果较稳定在0.71～0.80之间,而机器学习方法的预测准确性最高可达0.91。在训练集数据充足的情况下,相比于一般线性模型的方法,利用机器学习方法进行预测具有更高的准确性。
全文链接
请求原文
首页上一页1下一页尾页
