Analysis of kinetic parameters of sexed Holstein-Friesian bull spermatozoa using Percoll density gradient centrifugation with computer-assisted sperm analysis
Notice bibliographique
Résumé
Background and Aim: Artificial insemination (AI) is a key biotechnology for improving dairy cattle populations, offering genetic enhancement and increased milk production. The advent of sexed semen allows for the preferential selection of female offspring which is beneficial for dairy operations. This study aimed to evaluate and optimize a spermatozoa sexing method using Percoll density gradient centrifugation (PDGC) and analyze kinetic parameters of the separated spermatozoa using computer-assisted sperm analysis. Materials and Methods: The study was conducted on two Holstein-Friesian bulls at the Singosari Artificial Insemination Center and Universitas Brawijaya, Indonesia. Semen samples underwent PDGC sexing at two density gradients, (T1) 20%-65% and (T2) 20%-60%. Kinetic parameters, including motility, velocity, and movement patterns, were assessed pre- and post-sexing. Statistical analyses were performed using a one-way analysis of variance and Duncan's test to determine significant differences. Results: Fresh semen (control) exhibited significantly higher motility (88.45%) compared to T1 (70.94%) and T2 (72.22%), with p < 0.01. Velocity parameters, including curvilinear velocity, were also significantly reduced post-sexing. However, motility levels in sexed samples still exceeded the 40% AI threshold. The 20%-65% gradient demonstrated better performance in maintaining sperm quality compared to the 20%-60% gradient. Conclusion: Although sexing reduced motility and kinetic parameters, both gradients yielded semen suitable for AI applications. The 20%-65% gradient showed superior results, indicating its potential for optimizing the sexing process. Further research is recommended to refine the technique and improve the viability of sexed sperm.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».