Использование математической модели при анализе показателей крови молодняка крупного рогатого скота

УДК 636.2.034

Использование математической модели при анализе показателей крови молодняка крупного рогатого скота

Трухачёв В. И.1, доктор сельскохозяйственных наук

Буряков Н. П.1, доктор биологических наук

Воробьёв Н. И.2, кандидат технических наук

Сычёва Л. В.3, доктор сельскохозяйственных наук

Косолапова В. Г.1, доктор сельскохозяйственных наук

Алёшин Д. Е.1, кандидат биологических наук

Медведев И. К.1

Никонов И. Н.4, кандидат биологических наук

Зверкова З. Н.5, кандидат сельскохозяйственных наук

1ФГБОУ ВО «РГАУ–МСХА им. К. А. Тимирязева», кафедра кормления животных

127434, Россия, г. Москва, ул. Тимирязевская, д. 49

2ФГБНУ «ВНИИ сельскохозяйственной микробиологии»

196608, Россия, г. Санкт-Петербург, г. Пушкин, ш. Подбельского, д. 3

3ФГБОУ ВО «Пермский ГАТУ им. академика Д. Н. Прянишникова», кафедра животноводства

614990, Россия, г. Пермь, ул. Петропавловская, д. 23

4ФГБОУ ВО «МГАВМиБ–МВА им. К. И. Скрябина», кафедра зоогигиены и птицеводства им. А. К. Даниловой

109472, Россия, г. Москва, ул. Академика Скрябина, д. 23

5ФНЦ «ВИК им. В. Р. Вильямса»

141055, Россия, Московская обл., г. Лобня, Научный городок, корп. 1

Исследование проводили на экспериментальном физиологическом дворе ФГБНУ «Всероссийский научно-исследовательский институт животноводства им. академика Л. К. Эрнста». Целью исследования являлось изучение влияние адаптогенных кормовых добавок на основе шунгита на состояние и показатели крови молодняка крупного рогатого скота. В опытных вариантах использовали шунгит в различных модификациях, полученный путём изменения режимов термоактивации: 1-я группа получала необожжённый, 2-я группа — обожжённый шунгит (при температуре 200оС). В качестве нового метода обработки показателей крови использовалась математическая модель с использованием гауссовой нейронной сети. На основании проведённых предварительных экспериментов было установлено, что отклонение фактической нестандартной статистики от гауссовой статистики данных может быть признаком защитной регуляции организмом биохимических процессов образования в крови эритроцитов, гемоглобина, тромбоцитов, лейкоцитов и др. При анализе полученных результатов было установлено, что расчёт индексов биоконсолидации и их связь с показателями продуктивности позволяют оперативно и с высокой точностью обработать результаты и установить закономерности. Установлено, что биохимические и гематологические характеристики крови телят, такие как АЛТ, альбумины, АСТ, общий белок, гематокрит, гемоглобин, глобулины, кальций, креатинин, лейкоциты, мочевина, отношение кальция к фосфору, общий холестерин и эритроциты, имеют положительную корреляцию соответствующих индексов биоконсолидации с показателями продуктивности. Выявлено, что биохимические и гематологические характеристики крови телят, такие как коэффициент А/Г, общий билирубин, глюкоза, коэффициент Ритиса, фосфор и щелочная фосфатаза, имеют отрицательную корреляцию соответствующих индексов биоконсолидации с показателями продуктивности. Таким образом, показано, что нестандартная статистика показателей крови животных может быть использована для оценки уровня организации и согласованности защитных биохимических процессов в организме животных, а величина индекса биоконсолидации, рассчитанная на основе нестандартной статистики распределения показателей крови, может быть использована в качестве количественного показателя уровня защищённости животных.

Ключевые слова: гауссова нейронная сеть, гематология, биохимические показатели крови, молодняк крупного рогатого скота.

В настоящее время на российском рынке присутствуют сотни кормовых добавок и кормовых средств, влияющих, по заявлению производителей, на показатели продуктивности и иммунитет крупного рогатого скота, особенно молодняка. Подбор необходимых добавок для балансирования рационов питания коров является актуальным направлением.

Одним из критериев выбора может быть построение математической модели для анализа зоотехнических и физиолого-биохимических показателей животных.

Целью исследования было изучение влияние адаптогенных кормовых добавок на основе шунгита на состояние и показатели крови молодняка крупного рогатого скота. Для оперативного контроля за состоянием телят при разных режимах кормления потребовалось разработать оригинальную методику вычисления индекса биоконсолидации иммунитета животных на основе нейросетевой математической модели статистических характеристик показателей крови.

Методика исследований. В работе использовали зоотехнические и физиолого-биохимические показатели, полученные по итогам опыта по кормлению на телятах с использованием минерала шунгита в качестве кормовой добавки. Минеральная добавка из шунгита произведена на базе Зажогинского месторождения (Медвежьегорский район, Республика Карелия). Шунгит в форме крупки вводили в кормосмесь и размешивали в миксере.

Опыт проводили на экспериментальном физиологическом дворе ФГБНУ «Всероссийский научно-исследовательский институт животноводства им. академика Л. К. Эрнста» на трёх группах-аналогах телят в возрасте 2–5 месяцев. Телятам контрольной группы скармливались корма в соответствии с основным рационом (ЗЦМ, сено, концентраты в молочный период и сено и концентраты в послемолочный), телята 1-й опытной группы дополнительно получали 1% шунгита от массы концентратов, телята 2-й опытной группы — 1% от массы концентратов. В опытных вариантах использовали минерал шунгит различных модификаций, полученных путём изменения режимов термоактивации: 1-я группа получала необожжённый, 2-я группа — обожженный шунгит (при температуре 200оС). Продолжительность опыта составила 85 дней.

Исходные данные по телятам, участвующим в эксперименте, указаны в табл. 1–5. В ходе исследований оценивались зоотехнические, гематологические и биохимические показатели подопытных животных (телят).

1. Зоотехнические показатели телят (M±m)

Показатель

Группа (n=5)

контрольная

1-я опытная

2-я опытная

Живая масса, кг:

– при постановке на опыт

82,6±4,8

84,0±4,7

82,3±4,5

– через 1 месяц

104,4±6,3

107,0±5,5

104,2±4,3

– через 2 месяца

132,4±4,5

143,8±7,8

134,6±4,3

– при снятии с опыта

164,6±7,6

177,6±7,1

167,8±6,5

Валовой прирост, кг

82,0±6,9

93,6±5,2

85,5±4,1

Среднесуточный прирост, г

965,0±82

1101,0±61,2

1006±49

2. Гематологические и биохимические показатели крови подопытных животных в начале эксперимента (M±m)

Показатель

Группа (n=5)

контрольная

1-я опытная

2-я опытная

Белок общий, г/л

63,1±2,5

64,4±1,5

63,9±2,1

Альбумины, г/л

28,8±0,3

28,9±0,7

29,4±0,7

Глобулины, г/л

34,3±2,4

35,5±1,38

34,4±1,8

А/Г коэффициент

0,8±0,06

0,8±0,04

0,86±0,04

Мочевина, ммоль/л

4,6±0,4

4,51±0,16

4,7±0,2

Креатинин, мкмоль/л

70,1±8,7

70,36±2,9

70,8±5,2

Билирубин общий, мкмоль/л

8,1±0,5

8,3±0,5

8,1±1,15

АЛТ, МЕ/л

10,1±0,7

10,0±1,2

9,5±0,6

АСТ, МЕ/л

45,8±2,0

44,5±2,1

45,2±3,6

Коэффициент Ритиса

4,6±0,2

4,72±0,7

4,8±0,3

Щелочная фосфатаза, МЕ/л

656±40,4

598±47,6

632±88

Холестерин общий, ммоль/л

3,2±0,06

3,2±0,2

3,1±0,5

Глюкоза, ммоль/л

5,9±0,4

5,7±0,5

5,9±0,5

Кальций, ммоль/л

2,7±0,02

2,6±0,08

2,8±0,08

Фосфор, ммоль/л

3,7±0,2

3,6±0,2

3,6±0,16

Са/Р отношение

0,74±0,04

0,75±0,04

0,8±0,03

Лейкоциты, 109

9,8±2,3

11,1±0,8

10,4±2,3

Эритроциты, 1012

10,2±0,7

10,0±0,6

10,5±0,4

Гемоглобин, г/л

91,4±6,8

91,3±5,2

94,8±4,3

Гематокрит, %

36,1±2,9

35,0±3,1

36,6±2,3

3. Гематологические и биохимические показатели крови подопытных животных через 1 месяц после начала эксперимента (M±m)

Показатель

Группа (n=5)

контрольная

1-я опытная

2-я опытная

Белок общий, г/л

63,6±2,1

63,8±1,8

64,5±0,8

Альбумины, г/л

27,5±0,2

28,6±0,5

28,1±0,8

Глобулины, г/л

36,1±1,8

35,2±1,6

36,4±0,4

А/Г коэффициент

0,77±0,05

0,82±0,04

0,77±0,03

Мочевина, ммоль/л

5,2±1,7

5,2±0,3

5,3±0,4

Креатинин, мкмоль/л

72,7±7,0

71,7±7,3

74,6±4,8

Билирубин общий, мкмоль/л

8,3±0,5

6,6±0,5

6,3±0,8

АЛТ, МЕ/л

13,4±0,5

13,7±1,5

12,4±1,0

АСТ, МЕ/л

56,4±2,4

56,0±3,0

52,1±2,9

Коэффициент Ритиса

4,3±0,3

4,2±0,2

4,2±0,3

Щелочная фосфатаза, МЕ/л

618±12

640±64

590±71

Холестерин общий, ммоль/л

3,5±0,2

3,3±0,2

2,9±0,2

Глюкоза, ммоль/л

6,7±0,8

7,01±0,4

6,9±0,4

Кальций, ммоль/л

2,7±0,03

2,7±0,03

2,8±0,1

Фосфор, ммоль/л

3,15±0,03

3,32±0,2

3,31±0,2

Са/Р отношение

0,8±0,005

0,80±0,05

0,85±0,05

Лейкоциты, 109

10,63±1,5

11,5±1,9

11,3±1,9

Эритроциты, 1012

11,0±0,3

11,4±0,4

11,4±0,3

Гемоглобин, г/л

102,2±2,0

110,0±2,4

107,0±3,5

Гематокрит, %

40,0±0,6

44,3±1,4

41,6±1,2

4. Гематологические и биохимические показатели крови подопытных животных через 2 месяца после начала эксперимента (M±m)

Показатель

Группа (n=5)

контрольная

1-я опытная

2-я опытная

Белок общий, г/л

71,7±2,1

72,4±2,4

71,6±1,7

Альбумины, г/л

33,2±1,1

34,4±1,2

33,4±0,6

Глобулины, г/л

41,5±1,3

38,0±3,2

38,2±1,1

А/Г коэффициент

0,81±0,04

0,93±0,11

0,88±0,01

Мочевина, ммоль/л

6,4±0,8

5,7±0,4

5,4±0,2

Креатинин, мкмоль/л

55,5±4,0

57,4±7,5

60,0±2,3

Билирубин общий, мкмоль/л

7,4±0,9

5,2±0,9

5,9±1,3

АЛТ, МЕ/л

17,3±0,8

15,5±0,5

17,3±0,5

АСТ, МЕ/л

69,7±1,5

62,4±1,7

68,0±2,0

Коэффициент Ритиса

4,0±0,2

4,0±0,2

3,9±0,1

Щелочная фосфатаза, МЕ/л

683±40

569±18

628±75

Холестерин общий, ммоль/л

3,1±0,2

3,1±0,1

2,9±0,2

Глюкоза, ммоль/л

6,4±0,4

6,5±0,1

6,5±0,3

Кальций, ммоль/л

3,0±0,1

2,9±0,04

2,9±0,05

Фосфор, ммоль/л

2,9±0,2

3,0±0,1

3,0±0,1

Са/Р отношение

1,0±0,1

0,9±0,03

0,9±0,02

Лейкоциты, 109

16,5±1,8

14,6±2,8

15,7±4,8

Эритроциты, 1012

12,3±0,2

11,5±0,2

11,9±0,5

Гемоглобин, г/л

116±4,2

114±2,2

116±5,0

Гематокрит, %

46,5±2,2

45,7±1,1

46,5±1,7

5. Гематологические и биохимические показатели крови подопытных животных в конце эксперимента (M±m)

Показатель

Группа (n=5)

контрольная

1-я опытная

2-я опытная

Белок общий, г/л

71,5±0,7

71,5±0,3

71,8±1,3

Альбумины, г/л

31,4±0,5

32,5±0,3

31,6±1,1

Глобулины, г/л

40,1±0,7

39,0±0,2

40,2±1,2

А/Г коэффициент

0,79±0,02

0,83±0,01

0,79±0,04

Мочевина, ммоль/л

2,8±0,1

2,9±0,3

2,9±0,1

Креатинин, мкмоль/л

87,3±7,0

90,5±2,6

90,0±3,6

Билирубин общий, мкмоль/л

6,5±1,8

5,5±0,5

6,4±0,6

АЛТ, МЕ/л

21,7±0,4

19,7±0,9

22,1±0,3

АСТ, МЕ/л

67,0±5,7

65,5±2,1

63,7±1,1

Коэффициент Ритиса

3,1±0,3

3,3±0,2

2,9±0,04

Щелочная фосфатаза, МЕ/л

416±51

363±14

394±35

Холестерин общий, ммоль/л

3,6±0,1

3,2±0,3

3,1±0,1

Глюкоза, ммоль/л

5,4±0,3

5,6±0,2

5,5±0,3

Кальций, ммоль/л

2,8±0,08

2,8±0,03

2,8±0,1

Фосфор, ммоль/л

2,7±0,1

2,8±0,1

2,4±0,2

Са/Р отношение

1,03±0,07

1,0±0,04

1,15±0,1

Лейкоциты, 109

13,1±1,8

13,0±1,4

12,7±2,2

Эритроциты, 1012

12,3±0,4

11,3±0,3

12,0±0,1

Гемоглобин, г/л

109±1,6

110±2,0

113±2,2

Гематокрит, %

45,3±0,9

44,0±1,3

46,0±0,3

6. Пример группировки данных по периодам исследования из табл. 2–5

Период исследования

Показатель

Группа

контрольная

1-я опытная

2-я опытная

Март

Белок общий, г/л

63,1

64,4

63,9

Апрель

Белок общий, г/л

63,6

63,8

64,5

Май

Белок общий, г/л

71,7

72,4

71,6

Июнь

Белок общий, г/л

71,5

71,5

71,8

При анализе показателей крови потребовалось определить, насколько статистика этих данных отличается от гауссовой статистики (нормального распределения; Вентцель, 2005). На основании проведённых предварительных экспериментов мы установили, что отклонение фактической нестандартной статистики от гауссовой статистики данных может быть признаком защитной регуляции организмом биохимических процессов образования в крови эритроцитов, гемоглобина, тромбоцитов, лейкоцитов и др. Поэтому уровень отклонения нестандартной статистики от нормального распределения можно использовать для определения уровня иммунного ответа организма телят на внешние воздействия и оценивать по центральным статистическим моментам этих данных (Попов, 2013). Для вычисления центральных статистических моментов распределения данных крови и вычисления индексов биоконсолидации иммунной системы была разработана и применена гауссова нейронная сеть (ГНС, рис.) (Минский, 1971; Гафаров, 2018; Сергеев, 2017), основанная на нестандартной статистической модели параметров крови животных.

Рис. Гауссова нейронная сеть (ГНС), вычисляющая индексы биоконсолидации иммунной системы:

S — матрица исходных биохимических показателей крови; D — матрица центральных статистических моментов биохимических показателей крови; C — вектор индексов биоконсолидации иммунной системы животных

Статистическое распределение биохимических показателей крови можно характеризовать индексами Шеннона (индексами биоразнообразия, индексом энтропии, IndShen) (Городничев, 2019; Гришанов, 2010; Чернов, 2015) и индексами биоконсолидации иммунной системы (IndBconI). При возрастании энтропии (возрастании индекса IndShen) данные биохимических характеристик крови выравниваются, их дисперсия уменьшается. Следовательно, позитивная корреляция индекса IndBconI с индексом IndShen должна указывать на всё более глубокую и всеобъемлющую регуляцию защитных иммунных биохимических процессов в организмах животных.

Центральные статистические моменты (dl.j) биохимических показателей крови вычисляются по формуле (1) в слоях нейронов М2, М3, М4, …, Mn (рис.). В результате ячейки матрицы моментов D заполняются числовыми данными.

, (1)

где — среднее арифметическое показателей крови; sl.k — биохимические показатели крови; k = 1, 2, …, N — порядковые номера повторностей в выборках биохимических показателей крови; j = 2, 3, …, N–2 — номера центральных статистических моментов биохимических показателей крови; l — порядковый номер варианта опыта.

После вычисления матрицы моментов D по формулам (2), (3) в слое нейронов End вычисляются индексы IndBconI и формируется вектор индексов биоконсолидации С (рис.):

, (2)

где; ; ; , ; j = 2, 3, …, N–2 — номера статистических моментов биохимических показателей крови; k = 1, 2, …, N — номера повторностей в выборке биохимических показателей крови; l — порядковый номер варианта опыта.

, (3)

где l — порядковый номер варианта опыта; а = 1,5 — константа.

Вычисленные индексы биоконсолидации приведены в табл. 7. В табл. 8 приведены коэффициенты корреляции усреднённых индексов биоконсолидации (табл. 7) с показателями продуктивности животных.

7. Индексы биоконсолидации иммунитета, вычисленные по физиологическим и биохимическим показателям телят и с помощью гауссовой нейронной сети

Показатель

Группа

контрольная

1-я опытная

2-я опытная

АЛТ, МЕ/л

0,251

0,498

0,496

Альбумины, г/л

0,257

0,500

0,500

АСТ, МЕ/л

0,255

0,499

0,498

Белок общий, г/л

0,257

0,501

0,501

Гематокрит, %

0,256

0,500

0,498

Гемоглобин, г/л

0,257

0,499

0,498

Глобулины, г/л

0,257

0,500

0,500

Кальций, ммоль/л

0,257

0,499

0,500

Креатинин, мкмоль/л

0,255

0,497

0,497

Лейкоциты, 109

0,254

0,498

0,499

Мочевина, ммоль/л

0,251

0,495

0,496

Са/Р отношение

0,256

0,501

0,499

Холестерин общий, ммоль/л

0,257

0,500

0,500

Эритроциты, 1012

0,257

0,500

0,499

Среднее

0,256

0,499

0,499

А/Г коэффициент

0,804

0,500

0,502

Билирубин общий, мкмоль/л

0,743

0,501

0,502

Глюкоза, ммоль/л

0,743

0,500

0,500

Коэффициент Ритиса

0,744

0,503

0,502

Фосфор, ммоль/л

0,744

0,502

0,500

Щелочная фосфатаза, МЕ/л

0,745

0,504

0,504

Среднее

0,754

0,502

0,502

8. Коэффициенты корреляции усредненных индексов биоконсолидации (табл. 7) с показателями продуктивности

Показатель

Характеристики № 1-14

Характеристики № 15-20

Живая масса, кг:

– при постановке на опыт

0,352

–0,350

– через 1 месяц

0,445

–0,444

– через 2 месяца

0,651

–0,650

– при снятии с опыта

0,692

–0,691

Валовой прирост, кг

0,734

–0,733

Среднесуточный прирост, г

0,734

–0,733

Результаты исследований. Таким образом, показано, что нестандартная статистика показателей крови животных может быть использована для оценки уровня организации и согласованности защитных биохимических процессов в организме животных, а величина индекса биоконсолидации, рассчитанная на основе нестандартной статистики распределения показателей крови, может быть использована в качестве количественного показателя уровня защищённости животных.

Применение шунгита демонстрирует возрастание индекса биоконсолидации по сравнению с контрольным вариантом.

Заключение. Индексы биоконсолидации не выявили различий между опытными вариантами (табл. 7), что свидетельствует об одинаковой степени воздействия шунгта различных модификаций на организм телят.

Коэффициенты корреляции (табл. 8) имеют явную логистическую динамику. Абсолютное значение коэффициентов корреляции имеет явную динамику на повышение в течение времени наблюдений за телятами. Возможно, процессы биоконсолидации имеют инерцию и охватывают полностью организм телят по истечении нескольких месяцев.

Биохимические и гематологические характеристики крови, такие как АЛТ, альбумины, АСТ, общий белок, гематокрит, гемоглобин, глобулины, кальций, креатинин, лейкоциты, мочевина, отношение кальция к фосфору, общий холестерин и эритроциты, имеют положительную корреляцию соответствующих индексов биоконсолидации с показателями продуктивности телят.

Биохимические и гематологические характеристики крови, такие как коэффициент А/Г, общий билирубин, глюкоза, коэффициент Ритиса, фосфор и щелочная фосфатаза, имеют отрицательную корреляцию соответствующих индексов биоконсолидации с показателями продуктивности телят.

Таким образом, уровень биоконсолидации биохимических процессов в организме телят можно тестировать по абсолютному значению соответствующих коэффициентов корреляции. Разработанная математическая модель может дать комплексную оценку действия адаптогеных кормовых добавок на основе результатов опытов по кормлению.

Работа выполнена в рамках реализации программы развития университета «Агропрорыв-2030», программы стратегического академического лидерства «Приоритет-2030», проекта «Исследование действия природных адаптогенов в кормлении коров суксунской породы при профилактике микотоксикозов».

Литература

  1. Вентцель Е. С. Теория вероятностей / Е. С. Вентцель. — М.: Academia, 2005. — 576 с.
  2. Гафаров Ф. М. Искусственные нейронные сети и приложения: учебное пособие / Ф. М. Гафаров, А. Ф. Галимянов. — Казань: Издательство Казанского университета, 2018. — 121 с.
  3. Методы экологических исследований. Основы статистической обработки данных: учебно-методическое пособие / Р. М. Городничев, Л. А. Пестрякова, Л. А. Ушницкая, С. Н. Левина, П. В. Давыдова. — Якутск: Издательский дом СВФУ, 2019. — 94 с.
  4. Гришанов Г. В. Методы изучения и оценки биологического разнообразия / Г. В. Гришанов, Ю. Н. Гришанова. — Калининград: Российский университет им. И. Канта, 2010. — 58 с.
  5. Гудфеллоу Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль. — М.: ДМК Пресс, 2018. — 652 с.
  6. Минский М. Персептроны / М. Минский, С. Пейперт. — М.: Издательство «Мир», 1971. — 264 с.
  7. Николенко С. Глубокое обучение / С. Николенко, А. Кадурин, Е. Архангельская. — СПб: Питер, 2018. — 480 с.
  8. Попов В. А. Теория вероятностей. Часть 2. Случайные величины: учебное пособие / В. А. Попов. — Казань: Казанский университет, 2013. — 45 с.
  9. Сергеев А. П. Введение в нейросетевое моделирование: учебное пособие / А. П. Сергеев, Д. А. Тарасов. — Екатеринбург: Издательство Уральского университета, 2017. — 128 с.
  10. Хливненко Л. В. Практика нейросетевого моделирования / Л. В. Хливненко. — Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2015. — 214 с.
  11. Чернов Т. И. Оценка различных индексов разнообразия для характеристики почвенного прокариотного сообщества по данным метагеномного анализа / Т. И. Чернов, А. К. Тхакахова, О. В. Кутовая // Почвоведение. — 2015. — № 4. — С.462–468.

Mathematical model for the blood tests of young cattle

Trukhachev V. I.1, Dr. Agr. Sc.

Buryakov N. P.1, Dr. Biol. Sc.

Vorobev N. I.2, PhD Techn. Sc.

Sycheva L. V.3, Dr. Agr. Sc.

Kosolapova V. G.1, Dr. Agr. Sc.

Aleshin D. E.1, PhD Biol. Sc.

Medvedev I. K.1

Nikonov I. N.4, PhD Biol. Sc.

Zverkova Z. N.5, PhD Agr. Sc.5

1Russian Timiryazev State Agrarian University, department of Livestock Feeding

127434, Russia, Moscow, Timiryazevskaya str., 49

2The All-Russian Research Institute of Agricultural Microbiology

196608, Russia, St. Petersburg, Pushkin, shosse Podbelskogo (highway), 3

3Perm State Agro-Technological University n. a. academician D. N. Pryanishnikov, department of Animal Husbandry

614990, Russia, Perm, Petropavlovskaya str., 23

4Moscow State Academy of Veterinary Medicine and Biotechnology n. a. K. I. Skryabin, department of Zoological Hygiene and Poultry Farming

109472, Russia, Moscow, Akademika Skryabina str., 23

5Federal Williams Research Center of Fodder Production and Agroecology

141055, Russia, the Moscow region, Lobnya, Science Town, 1

This research was conducted at the Research Farm of the All-Russian Research Institute of Animal Husbandry n. a. academician L. K. Ernst. Its aim was to test the impact of adaptogene feed additives containing shungite on blood biochemistry of young cattle. One of the test-groups consumed normal shungite, another one — heat-treated under 200оС. Blood statistics was performed using Gaussian neural net. Any deviations from the Gaussian statistical model possibly resulted from the organism defense regulation of the biosyntheses of erythrocytes, hemoglobin, platelets, leukocytes, etc. Bioconsolidation indices and their correlations with productivity enabled fast and precise data processing and pattern detection. Such parameters of blood biochemistry and hematology as alanine transaminase (ALT), albumins, aspartate transaminase (AST), total protein, hematocrit, hemoglobin, globulins, calcium, creatinine, leukocytes, urea, calcium-to-phosphorus ratio, total cholesterol and erythrocytes had positive correlation with productivity and respective bioconsolidation indices. At the same time atherogenic coefficient (AC), total bilirubin, glucose, the De Ritis ratio, phosphorus and alkaline phosphatase negatively correlated with the respective bioconsolidation indices and productivity. Therefore, nonstandard blood statistics was able to describe organism defense mechanisms, and the values of bioconsolidation indices — to estimate the effectiveness of animal immune system.

Keywords: Gaussian neural net, hematology, blood bichemistry, young cattle.

References

1. Venttsel E. S. Teoriya veroyatnostey / E. S. Venttsel. — Moscow: Academia, 2005. — 576 p.

2. Gafarov F. M. Iskusstvennye neyronnye seti i prilozheniya: uchebnoe posobie / F. M. Gafarov, A. F. Galimyanov. — Kazan: Izdatelstvo Kazanskogo universiteta, 2018. — 121 p.

3. Metody ekologicheskikh issledovaniy. Osnovy statisticheskoy obrabotki dannykh: uchebno-metodicheskoe posobie / R. M. Gorodnichev, L. A. Pestryakova, L. A. Ushnitskaya, S. N. Levina, P. V. Davydova. — Yakutsk: Izdatelskiy dom SVFU, 2019. — 94 p.

4. Grishanov G. V. Metody izucheniya i otsenki biologicheskogo raznoobraziya / G. V. Grishanov, Yu. N. Grishanova. — Kaliningrad: Rossiyskiy universitet im. I. Kanta, 2010. — 58 p.

5. Gudfellou Ya. Glubokoe obuchenie / Ya. Gudfellou, I. Bendzhio, A. Kurvill. — Moscow: DMK Press, 2018. — 652 p.

6. Minskiy M. Perseptrony / M. Minskiy, S. Peypert. — Moscow: Izdatelstvo “Mir”, 1971. — 264 p.

7. Nikolenko S. Glubokoe obuchenie / S. Nikolenko, A. Kadurin, E. Arkhangelskaya. — St. Petersburg: Piter, 2018. — 480 p.

8. Popov V. A. Teoriya veroyatnostey. Ch. 2. Sluchaynye velichiny: uchebnoe posobie / V. A. Popov. — Kazan: Kazanskiy universitet, 2013. — 45 p.

9. Sergeev A. P. Vvedenie v neyrosetevoe modelirovanie: uchebnoe posobie / A. P. Sergeev, D. A. Tarasov. — Ekaterinburg: Izdatelstvo Uralskogo universiteta, 2017. — 128 p.

10. Khlivnenko L. V. Praktika neyrosetevogo modelirovaniya / L. V. Khlivnenko. — Voronezh: FGBOU VO “Voronezhskiy gosudarstvennyy tekhnicheskiy universitet”, 2015. — 214 p.

11. Chernov T. I. Otsenka razlichnykh indeksov raznoobraziya dlya kharakteristiki pochvennogo prokariotnogo soobshchestva po dannym metagenomnogo analiza / T. I. Chernov, A. K. Tkhakakhova, O. V. Kutovaya // Pochvovedenie. — 2015. — No. 4. — P.462–468.

Обсуждение закрыто.