通过IVM期间的非侵入性观察预测日本黑牛公牛的卵细胞的核成熟速度:使用机器学习算法尝试使用机器学习算法
Thomas Chia-Tang Ho1, Noritoshi Kawate1, Keisuke Koyama1
1Laboratory of Theriogenology, Graduate School of Veterinary Sciences, Osaka Metropolitan University, Izumisano, 598-8531, Osaka, Japan.
Theriogenology
|July 15, 2023
概括
使用机器学习预测牛卵细胞的核成熟速度 (NMS),可以优化体外胚胎生产. 这项研究开发了使用非侵入性指标的模型,显示了辅助生殖技术提高效率的潜力.
科学领域:
- 兽医繁殖 兽医繁殖 兽医繁殖
- 卵细胞生物学 卵细胞生物学
- 辅助生殖技术 辅助生殖技术
背景情况:
- 核成熟对于卵细胞发育能力至关重要.
- 试管成熟 (IVM) 持续时间在卵细胞之间有显著差异.
- 预测核成熟速度 (NMS) 对于优化体外受精 (IVF) 非常重要.
研究的目的:
- 开发机器学习模型来预测日本黑牛母牛卵细胞中的NMS.
- 在IVM期间利用非侵入性形态指标进行NMS预测.
- 评估预测的NMS与随后的受精和胚胎发育之间的相关性.
主要方法:
- 来自日本黑牛牛母牛的积卵细胞复合体 (COC) 单独成熟了18小时.
- 拍摄了COC的照片,以提取形态特征 (面积,膨胀比,速度,图案).
- 机器学习算法 (决策树,随机森林) 用于构建NMS预测模型.
主要成果:
- 机器学习模型 (DT和RF) 成功预测了NMS,在快速和慢速预测组之间的第II阶段 (MII) 速度有显著差异 (P <0.05).
- 预测的NMS与受精动态没有显著的相关性.
- 通过RF模型 (P = 0.08) 观察到卵细胞具有快速预测NMS的分裂率更高的趋势.
结论:
- 在IVM期间的非侵入性指标可以用于开发牛卵细胞中NMS的预测模型.
- 虽然NMS预测对受精和胚胎发育的影响需要进一步调查,但它有可能优化基于IVM的个体胚胎生产.
