机器学习预测母猪断奶仔猪数

断奶仔猪数是评定母猪繁殖性能的重要指标,直接影响猪场的经济效益。为了能在分娩前后实现对断奶仔猪数的预测,本研究收集了广西某猪场13285头母猪的配种季节、分娩季节、断奶季节、断配间隔、胎次、妊娠天数、胎间距、分娩窝重、哺乳天数和断奶仔猪数信息,首先利用R软件中的Boruta特征选择算法筛选出分娩窝重等8个重要的特征变量,然后基于筛选出的重要特征使用随机森林、决策树、逻辑回归、支持向量机和K-近邻5种机器学习算法对断奶仔猪数进行分类预测。结果显示,5种算法模型的ROC曲线下面积(AUC值)在0.846~0.912之间,其中逻辑回归预测效果最好(AUC值为0.912),随机森林和支持向量机预测效果次之(AUC值为0.910和0.903),决策树和K-近邻预测效果较差(AUC值为0.876和0.846)。这意味着猪场管理者可在分娩前后对断奶仔猪数进行早期预测,进而提前制定母猪淘汰计划和调整哺乳期管理策略。

腹泻和健康断奶仔猪肠道微生物比较分析

为了探讨断奶后腹泻和健康仔猪肠道菌群的差异,试验选取断奶后1日龄腹泻和健康仔猪各6头,分为腹泻组和健康组,采集其新鲜粪便样品进行16S rDNA高通量测序,对原始数据进行reads拼接、质控和去嵌合体,利用Uparse软件按照97%的相似性进行OTU聚类,Mothur方法进行物种注释,Qiime 1.9.1软件计算α多样性指数和β多样性距离矩阵,应用t检验进行组间物种差异分析,Simper分析鉴定组间差异贡献度较高的物种。结果表明:共鉴定到3 248个OTUs,其中腹泻组特有847个,健康组特有567个,它们共有OTUs 1 834个,且观测到的OTU数目随着样品测序量的增加而趋于平缓。腹泻组仔猪肠道菌群α多样性指数Shannon、Chao1、ACE及PDwholetree均高于健康组,但无明显差异。在门水平上,腹泻组和健康组相对丰度较高的物种均为厚壁菌门,占比分别为64.58%和52.68%;在属水平上,腹泻组和健康组中相对丰度大于1%的物种分别为16,20个。在门水平上,腹泻组变形菌门和放线菌门的相对丰度显著高于健康组(P<0.05),厚壁菌门和Myxococcota极显著高于健康组(P<0.01),而拟杆菌门的相对丰度显著低于健康组(P<0.05);在属水平上,腹泻组中罗伊氏乳杆菌属、Marvinbryantia、消化球菌属和Subgroup10的相对丰度显著高于健康组(P<0.05),Bryobacter的相对丰度极显著高于健康组(P<0.01)。在门水平上,组间差异贡献度较高的物种有厚壁菌门、拟杆菌门和广古菌门等;在属水平上,组间差异贡献度较高的物种有罗伊氏乳杆菌属、甲烷短杆菌属和CAG-873等。说明仔猪肠道菌群结构的改变可能是仔猪发生腹泻的重要原因,且鉴定到的组间差异贡献度较高的物种可作为断奶仔猪腹泻的生物标记物。