使用机器学习对猪生育分类的精子流动性的试点评估

科学领域:

• 动物科学动物科学
• 生殖生物学 生殖生物学
• 兽医医学 兽医医学 兽医医学

背景情况:

• 标准的猪精液质量测量 (运动性,形态) 不能充分预测生育能力.
• 低生育性野猪降低了猪业的生殖效率,并造成经济损失.
• 需要准确的生育预测工具来补充现有的评估.

研究的目的:

• 评估精子流动性试验的预测潜力,以根据受孕率 (CR) 来分类野猪.
• 评估商业Duroc猪的精子流动性和CR之间的关系.
• 探索移动性和计算机辅助精液分析 (CASA) 参数对生育预测的有用性.

主要方法:

• 从21只Duroc野猪 (11个高CR,10个低CR) 的繁殖剂量分析了移动性和CASA参数.
• 经过一夜间运输后,精液样本被储存在17°C,并在每周三次复制时进行分析.
• 用双项逻辑回归和随机森林算法来评估预测模型.

主要成果:

• 精子流动性与CR (r=0.47,P=0.03) 和适度预测的生育群 (AUC=0.77,P<0.01) 有显著的关联.
• 该模型在77%的时间内正确地将野猪按CR组排名,当将马作为交互方式包括在内时,这一比例提高到83%.
• 运动反映精子动力学 (例如,ALH,LIN) 和精子振荡 (WOB) 对于CR和运动都很重要.

结论:

• 精子流动性测试显示,作为改善猪业猪猪生育预测的工具,具有前景.
• 运动性反映了鞭毛功能和膜生理学,可以作为更广泛的精液质量指标.
• 在商业应用基于移动性的生育预测之前,在更大,更多样化的群体中进一步验证是必不可少的.