相关实验视频
Updated: Jul 29, 2025
07:57
Fish Sperm Assessment Using Software and Cooling Devices
Published on: July 28, 2018
8.8K
对于莫斯科 (Cairina moschata) 的机器学习方法 精液质量评估
Desislava Abadjieva1, Boyko Georgiev1, Vasko Gerzilov2
1Department of Immunoneuroendocrinology, Institute of Biology and Immunology of Reproduction, Bulgarian Academy of Sciences, Bul. Tzarigradsko Shosse 73, 1113 Sofia, Bulgaria.
Animals : an open access journal from MDPI
|May 27, 2023
概括
这项研究开发了一种机器学习方法,将精子动力学和DNA甲基化结合起来,以评估用于人工授精的莫斯科射精质量. 这种方法改善了优质精子样本的选择,提高了农场实践中的育种效率.
科学领域:
- 动物科学动物科学
- 生殖生物学 生殖生物学
- 生物技术是生物技术.
背景情况:
- 莫斯科 (Cairina moschata) 的人工授精需要对射精质量的准确评估.
- 传统的精子运动分析可能无法完全捕捉精子用于繁殖的功能能力.
研究的目的:
- 开发一种全面的机器学习 (ML) 方法来评估莫斯科的射精质量.
- 将精子动力学与非动力学参数 (如酶活动和DNA甲基化) 结合起来,以提高预测能力.
主要方法:
- 用计算机辅助精子分析 (CASA) 来评估精子动力学.
- 非动力学参数包括活力,酶活性 (AP,CK,LDH,GT) 和总DNA甲基化.
- 机器学习模型使用这些特征进行训练,以分类精子样本质量.
主要成果:
- 样品根据运动性和DNA甲基化进行分类,显示动力参数和活体正常精子细胞的显著差异.
- 酶活性 (AP,CK) 有显著差异,与LDH和GGT相关.
- 机器学习模型,特别是神经网络和梯度增强,突出了DNA甲基化对准确分类的重要性,ALH,VCL,LDH和VAP等参数是关键预测因素.
结论:
- 将非动力学参数,特别是DNA甲基化与ML模型的整合显著提高了子精子质量评估的准确性.
- 这种方法有助于选择动态和形态上优越的精子样本进行人工授精.
- 这项研究提供了一种有希望的方法来提高莫斯科的繁殖效率.
