MétaCan
Menu
Retour à la cohorte
Enregistrement W1658735134 · doi:10.1111/jpn.12373

Broiler responses to digestible threonine at different ages: a neural networks approach

2015· article· en· W1658735134 sur OpenAlexafffund
A. Faridi, A. Gitoee, Daniella Carolina Zanardo Donato, J. France, Nilva Kazue Sakomura

Notice bibliographique

RevueJournal of Animal Physiology and Animal Nutrition · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São PauloCanada Research Chairs
Mots-clésBroilerAnimal scienceFeed conversion ratioFeatherThreonineBiologyChemistryBody weightBiochemistryEndocrinologyEcology

Résumé

récupéré en direct d'OpenAlex

Three experiments were conducted with broiler chickens to evaluate the effects of digestible threonine (DThr) and crude protein (CP) on their performance at three different phases of age: 1-14, 15-28 and 29-42 days. The measured traits included the following: average daily gain (ADG), feed intake (FI), feed conversion ratio (FCR), carcass crude protein (CCP), body lipid (BL), feather weight gain (FWG), protein deposited in feather (FCP), carcass plus feather protein (CFCP), carcass Thr deposition (CDThr) and nitrogen excretion (NE). A dilution technique was used to create seven diets (with eight replicates) increasing the DThr content from 1.5 to 10 g/kg of diet for phase 1, 1.3-8.9 g/kg of diet for phase 2, and 1.2-8.2 g/kg of diet for phase 3. Data measured were imported into neural networks (NNs) to: (i) predict the measured traits in response to DThr and CP, (ii) rank the importance of DThr and CP on these traits through sensitivity analysis and (iii) find the optimal levels of DThr and CP that lead to the desired (maximum or minimum) responses. For each trait investigated, 50 different random groups of data were generated using a bootstrapping method. These 50 data groups were then used to develop 50 separate NNs which were subsequently combined to construct the final ensemble NN model. In general, accuracy of the models constructed was acceptable, although models of high (ADG, FCR, CFCP, BL, DThr and NE; 0.64 ≤ R(2) ≤ 0.99) and low (CCP, FWG and FCP; 0.26 ≤ R(2) ≤ 0.79) accuracy were obtained. All models developed showed the greatest sensitivity to DThr. This may be explained by the dilution technique diet preparation used in these experiments. Optimization results showed decreases in optimal values of DThr and CP with increasing age for all traits. The highest level of DThr was suggested for minimum BL, followed by minimum FCR, maximum ADG, maximum CFCP, minimum NE and maximum CCP respectively. Results showed that the optimal values of DThr for minimum FCR in phases 1-3 were 8.5, 7.4 and 6.4 g/kg of diet, while these values for maximum ADG were 8.2, 7.2 and 6.4 g/kg of diet respectively.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,255
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Physiology and Animal NutritionMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207