Identification of blood variables involved in the variability of the growth rate of pigs according to their inflammatory and metabolic status

Autor: Le Floc'h, Nathalie, Gondret, Florence, Resmond, Rémi
Přispěvatelé: Physiologie, Environnement et Génétique pour l'Animal et les Systèmes d'Elevage [Rennes] (PEGASE), Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), European Project: 613574,EC:FP7:KBBE,FP7-KBBE-2013-7-single-stage,PROHEALTH(2013)
Jazyk: francouzština
Rok vydání: 2019
Předmět:
Zdroj: Journées de la Recherche Porcine en France
51. Journées de la Recherche Porcine
51. Journées de la Recherche Porcine, Feb 2019, Paris, France
51èmes Journées de la Recherche Porcine. 2019; 51. Journées de la Recherche Porcine, Paris, FRA, 2019-02-05-2019-02-06, 247-252
Popis: La croissance et la santé des porcs sont affectées par les conditions d’hygiène du logement. Le ralentissement de la croissance en conditions dégradées s’explique par la baisse d’ingestion et des modifications métaboliques induites par l’activation des fonctions de défense. Une précédente étude a rapporté des réponses moyennes contrastées en termes de performances, métabolites sanguins et indicateurs immunitaires chez des porcs soumis à un challenge sanitaire durant leur croissance. L’objectif de cette étude est de prendre en compte la variabilité interindividuelle des réponses observées afin de déterminer, par des méthodes statistiques multivariées, si un profil sanguin particulier peut prédire la variabilité de croissance. Les données ont été collectées sur 160 porcs en croissance soumis pour la moitié d’entre eux à un challenge sanitaire pendant six semaines. Les animaux ont été pesés à jeun et des prises de sang effectuées à trois reprises : avant puis trois et six semaines après le début du challenge. Le jeu de données est constitué de 51 variables comprenant des métabolites et des indicateurs des statuts redox et immunitaires sanguins. La méthode des forêts aléatoires (Random Forest) a été utilisée pour identifier 22 variables constituant de bons prédicteurs du gain de poids (GMQ). Parmi ces variables, une recherche semi-exhaustive de modèles linéaires a permis d’identifier sept variables sanguines relatives à l’inflammation, aux défenses antioxydantes et des acides aminés, permettant de prédire le GMQ avec une précision de 63% environ (R2 ajusté). Cette approche nous permet de proposer des métabolites sanguins indicateurs du ralentissement de la croissance et de mettre en exergue des modifications métaboliques en situation d’inflammation.
Health and growth of pigs are affected by the hygienic conditions of housing. The lower growth rate observed in poor hygienic conditions is explained by reduced feed intake and metabolic changes caused by the activation of body defences. A previous study reported contrasting average values for growth performance, blood metabolites, redox and immune indicators in pigs subjected to a hygiene challenge during the growing period compared to pigs housed under good conditions. The objective of this study was to consider inter-individual variability in responses to determine, using a machine learning method and multivariate statistics, whether a particular blood profile can predict average daily gain (ADG). The data were collected from 160 growing pigs, half of which were subjected to a health challenge for six weeks. The animals were weighed in the fasted state, and blood samples were taken three times: before, and then three and six weeks after the beginning of the challenge. The dataset consisted of 51 variables including metabolites and immune indicators. The random forest method was used to identify 22 variables that were good predictors of ADG. Among these variables, a semi-exhaustive search of the best linear models made it possible to identify seven variables (indicators of inflammation and antioxidant status, amino acids) to predict ADG with an accuracy of about 63% (adjusted R2). This approach allows us to propose blood metabolites as indicators of slower growth and to highlight metabolic changes in a situation of inflammation.
Databáze: OpenAIRE
Externí odkaz: