通过机器学习揭示反动物甲排放的微生物生物标志物

科学领域:

• 农业科学 农业科学
• 微生物学 微生物学
• 环境科学 环境科学

背景情况:

• 来自牛的肠道甲是主要的温室气体来源,源自肠微生物发酵.
• 基于微生物组的精密料策略旨在通过向关键的甲生产微生物来缓解这一问题.
• 有限的研究已经应用机器学习来识别反动物甲排放的微生物生物标志物.

研究的目的:

• 确定微生物和元数据生物标志物,用于预测反动物的甲排放.
• 将常用于人类微生物组研究的回归算法和特征选择方法应用于牛数据.
• 建立一个开发有针对性,微生物组知情的料干预措施的基础.

主要方法:

• 从两个大型荷尔斯坦奶牛数据集中分析了肠微生物组合和元数据.
• 训练各种回归模型以利用微生物和元数据特征预测甲排放.
• 使用换试验来确定微生物种类和环境因素的重要性.

主要成果:

• 随机森林回归证明了甲排放的高预测精度.
• 关键的微生物属,包括*Piromyces*,*Succinivibrionaceae UCG-002*和*Acetobacter*,被确定为甲生物标志物.
• 群体位置,脂质摄入量和中性洗剂纤维摄入量也是重要的预测因素.

结论:

• 机器学习,特别是回归算法,可以准确预测牛甲排放.
• 这项研究成功地确定了与甲生产相关的关键菌微生物.
• 这些发现为精确养策略提供了基础,以减少牛的肠道甲排放.