Divergence in the sow vaginal microbiota is associated with fertility
Notice bibliographique
Résumé
In brief: Vaginal microbiota composition influences female fertility, however it has not been studied for measuring fertility level in female pigs. This study reveals significant vaginal microbiota composition differences between high reproductive performance and infertile sows, and demonstrates that the vaginal microbiota has promise for improving female pig selection using machine learning modeling. Abstract: There is a need for reliable and effective biomarkers of female fertility and reproductive potential in the pork industry, as current selection protocols are not keeping up with the rate of improvement for other production-related traits. This study aimed to investigate the vaginal microbiota composition between sows of differing fertility status and identify candidate vaginal microbiota biomarkers of sow fertility. The vaginal microbiota of high reproductive performance sows (HRP, n = 52) with number of piglets born alive ≥13 and infertile sows (INF, n = 23), that remained nonpregnant after two consecutive rounds of artificial insemination, were investigated. Sequencing results revealed significantly different (P < 0.05) beta diversity at the genus level between HRP and INF vaginal microbiota communities. Accordingly, the composition of the vaginal microbiota diverged between HRP and INF sows, with INF sows having increased (P < 0.05) relative abundance of Lachnospiraceae XPB1014 group and HRP sows having increased (P < 0.05) relative abundance of Aerococcus and Staphylococcus at the genus level. Forty-two genera were selected as candidate biomarkers of sow fertility via partial least squares discriminant analysis (PLS-DA) and recursive feature elimination. The support-vector machine model classified sow fertility with 93.3% accuracy, supporting potential industry application to improve upon current methods for selection and recruitment in the breeding herd. Future investigations should validate the candidate vaginal microbiota biomarkers in a large, independent population of sows and gilts to evaluate their application for predicting future reproductive performance and assess their true industry applicability.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».