Early prediction of paratuberculosis health status in cattle by integrating NMR analysis and blood indices through the LASSO method
Notice bibliographique
Résumé
Abstract INTRODUCTION: The early diagnosis of Mycobacterium avium subsp. paratuberculosis (MAP) is one of the current challenges of farmers and veterinarians. OBJECTIVES: This work aimed to investigated the changes in metabolic levels associated with natural MAP infection in infected and infectious dairy cattle METHODS: The study included sera from 23 infectious/seropositive, 10 infected but non-infectious/seronegative, and 26 negative animals. The samples were selected from a collection of samples gathered during a prospective study. The samples were analyzed by quantitative nuclear magnetic resonance (NMR) spectroscopy and routine blood chemistry. The blood indices and the 1H NMR data were concatenated by low-level data fusion, resulting in a unique global fingerprint. Afterwards, the merged dataset was statistically analyzed by the least absolute shrinkage and selection operator (LASSO), which is a shrinkage and selection method for supervised learning. Finally, pathways analysis was performed to get more insights on the possible dysregulated metabolic pathways.RESULTS: The LASSO model achieved, in cross-validation, an overall accuracy of 91.5% with high values of sensitivity and specificity in classifying correctly the negative, infected, and infectious animals. The pathway analysis revealed MAP-infected cattle have increased tyrosine metabolism and enhanced phenylalanine, tyrosine and tryptophan biosynthesis. The enhanced synthesis and degradation of ketone bodies was observed both in infected and infectious cattle.CONCLUSION: In conclusion, fusing data from multiple sources has proved to be useful in exploring the altered metabolic pathways in MAP infection and potentially predicting negative animals within paratuberculosis-infected herds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».