سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات162
تعداد شماره‌ها6,578
تعداد مقالات71,072
تعداد مشاهده مقاله125,683,185
تعداد دریافت فایل اصل مقاله98,912,748
عبدی پور, فاطمه, احمدی, حامد, کریمی ترشیزی, محمد امیر, ایوک پور, علیرضا. (1403). بررسی مواد معدنی موثر بر فعالیت آنزیمی آلکالین فسفاتاز و بازدهی خوراک جوجه های گوشتی با استفاده از روش متاآنالیز و آموزش ماشین. , (), -. doi: 10.22059/ijas.2024.368959.653980
فاطمه عبدی پور; حامد احمدی; محمد امیر کریمی ترشیزی; علیرضا ایوک پور. "بررسی مواد معدنی موثر بر فعالیت آنزیمی آلکالین فسفاتاز و بازدهی خوراک جوجه های گوشتی با استفاده از روش متاآنالیز و آموزش ماشین". , , , 1403, -. doi: 10.22059/ijas.2024.368959.653980
عبدی پور, فاطمه, احمدی, حامد, کریمی ترشیزی, محمد امیر, ایوک پور, علیرضا. (1403). 'بررسی مواد معدنی موثر بر فعالیت آنزیمی آلکالین فسفاتاز و بازدهی خوراک جوجه های گوشتی با استفاده از روش متاآنالیز و آموزش ماشین', , (), pp. -. doi: 10.22059/ijas.2024.368959.653980
عبدی پور, فاطمه, احمدی, حامد, کریمی ترشیزی, محمد امیر, ایوک پور, علیرضا. بررسی مواد معدنی موثر بر فعالیت آنزیمی آلکالین فسفاتاز و بازدهی خوراک جوجه های گوشتی با استفاده از روش متاآنالیز و آموزش ماشین. , 1403; (): -. doi: 10.22059/ijas.2024.368959.653980

بررسی مواد معدنی موثر بر فعالیت آنزیمی آلکالین فسفاتاز و بازدهی خوراک جوجه های گوشتی با استفاده از روش متاآنالیز و آموزش ماشین

علوم دامی ایران
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 20 تیر 1403    اصل مقاله (1.2 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijas.2024.368959.653980
نویسندگان
فاطمه عبدی پور1؛ حامد احمدی* 1؛ محمد امیر کریمی ترشیزی2؛ علیرضا ایوک پور3
1گروه علوم دام و طیور، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران.
2گروه علوم دام و طیور، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
3گروه علوم دام و طیور، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
چکیده
این مطالعه با هدف توسعه دو مدل مجزا برای پیش بینی فعالیت آلکالین فسفاتاز سرم (ALP) در جوجه‌های گوشتی بر اساس مصرف مواد معدنی در جیره و پیش‌بینی ضریب تبدیل خوراک بر اساس مصرف مواد معدنی و فعالیت ALP سرم آنها انجام شده است. برای گردآوری داده‌ها از 29 مقاله منتشر شده بین سال‌های 1998 تا 2020 از روش متاآنالیز استفاده شد. این روش منجر به ایجاد مجموعه داده‌ای با 185 ردیف حاوی متغیرهایی مانند فعالیتALP سرم، کلسیم، فسفر، روی و ضریب تبدیل خوراک در جوجه‌های گوشتی شد. برای تجزیه و تحلیل داده‌ها و ایجاد مدل‌های پیش بینی، از تکنیک‌های یادگیری ماشین، به ویژه مدل‌های شبکه عصبی مصنوعی (ANN) استفاده شد. مدلANN در پیش‌بینی فعالیتALP و ضریب تبدیل خوراک با دقت بالایی عمل کرد و به ترتیب به مقادیرR2 معادل 97% و 95% دست یافت. آنالیز حساسیت نشان داد که فعالیتALP سرم نسبت به تغییرات کلسیم حساسیت بیشتری نشان می‌دهد، در حالی که ضریب تبدیل خوراک نسبت به تغییرات روی حساسیت بیشتری دارد. علاوه بر این، با بهینه‌سازی مدل ANN، کمترین ضریب تبدیل خوراک قابل دستیابی 41/1 تعیین شد. این مقدار با فعالیتALP معادل 1190 واحد در لیتر، مصرف روزانه روی 21/11 میلی گرم، فسفر 46/0 گرم و کلسیم 70/0 گرم بدست می آید. ابرای سهولت دسترسی خوانندگان و متخصصان تغذیه، یک ماشین حساب اکسل® برای پیش بینی فعالیتALP و ضریب تبدیل خوراک در جوجه‌های گوشتی با استفاده از مدل ANN ساخته شده است.
کلیدواژه‌ها
: آلکالین فسفاتاز؛ آموزش ماشین؛ جوجه گوشتی؛ ضریب تبدیل خوراک؛ متاآنالیز
عنوان مقاله [English]
Investigating mineral affecting alkaline phosphatase activity and feed efficiency of broiler chickens using meta analytical and machine learning approaches
نویسندگان [English]
fatemeh Abdipour1؛ Hamed Ahmadi1؛ Mohammad Amir Karimi Torshizi2؛ Alireza Eivakpour3
1Department of Poultry Science, Faculty of Agriculture Science, Tarbiat Modares University, Tehran, Iran
2Department of Poultry Science, Faculty of Agriculture Science, Tarbiat Modares University, Tehran, Iran
3Department of Poultry Science, Faculty of Agriculture Science, Tarbiat Modares University, Tehran, Iran
چکیده [English]
This study aims to develop two separate models to predict serum alkaline phosphatase (ALP) activity in broiler chickens based on dietary mineral intake and to forecast feed conversion ratio (FCR) based on their mineral intake and serum ALP activity. A meta-analysis method was employed to aggregate data from 29 articles spanning years 1998 to 2020. This resulted in a dataset of 185 rows containing variables such as serum ALP activity, calcium, phosphorus, zinc of the diet, and FCR in broiler chickens. Machine learning techniques, specifically artificial neural network models (ANN), were utilized for data analysis and predictive modeling. The ANN demonstrated high accuracy in predicting ALP activity and FCR, achieving R2 values of 97% and 95%, respectively. Sensitivity analysis revealed that serum ALP activity is more responsive to changes in calcium, whereas FCR is more sensitive to changes in zinc. Furthermore, through optimization of the ANN model, the minimum attainable FCR was found to be 1.41. This corresponded to ALP activity of 1190 U/L, and daily intake of zinc of 11.21 mg, phosphorus of 0.46 g, and calcium of 0.70 g. These findings provide insights into optimizing broiler chicken nutrition for improved performance. The developed model not only accurately predicts ALP activity and FCR in broiler chickens but also enhances broiler breeding by offering an easy-to-use tool for optimizing mineral intake and accurately predicting bird performance. To facilitate accessibility for readers and nutritionists, an Excel® calculator was created for predicting ALP activity and FCR in broilers using the developed ANN.
کلیدواژه‌ها [English]
alkaline phosphatase, broilers, feed efficiency, machine learning, meta-analytical
مراجع
آمار
تعداد مشاهده مقاله: 163
تعداد دریافت فایل اصل مقاله: 39





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب