排序方式: 共有67条查询结果,搜索用时 15 毫秒
1.
为研究不同剂量25羟基维生素D3[25(OH)VD3]对断奶前犊牛血液水平、抗氧化能力和免疫功能的影响,选取18 头健康状况良好的新生荷斯坦犊牛,随机分成3 组,每组6 头进行为期56 天的饲养试验。分为对照组[不添加25(OH)VD3]、低剂量组[25(OH)VD3添加量6 000 IU/头·天]和高剂量组[25(OH)VD3添加量12 000 IU/头·天]。结果表明,与对照组相比,随着25(OH)VD3添加剂量增加,血浆生长激素、胰岛素样生长因子-1、过氧化氢酶、超氧化物歧化酶、总抗氧化能力以及免疫球蛋白G(IgG)含量显著增加(P<0.05),而丙二醛含量随剂量增加而存在降低趋势(P=0.079)。与对照组和低剂量组相比,高剂量组血浆免疫球蛋白A(IgA)含量有增加趋势(P=0.059)。综上所述,断奶前犊牛饲喂高剂量25(OH)VD3有利于促进体内生长激素和胰岛素样生长因子-1分泌,可提高犊牛抗氧化能力,增强免疫功能。 相似文献
2.
3.
4.
5.
【目的】评估建立奶牛疾病预测模型的6种机器学习(machine learning,ML)算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树(Decision Tree,DT) C5.0、CHAID算法、人工神经网络(Artificial Neural Network,ANN)、随机森林(Random Forests,RF)、贝叶斯网络(Bayesian Networks,BN)和逻辑回归(Logistic Regression,LR)6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT CHAID则对样本量较多的疾病预测性能较好,可达74.4%;LR对病牛正确识别率不足40.0%,大多识别为健康牛。产奶量为RF、ANN、LR最重要的预测变量,泌乳天数为DT C5.0、CHAID和BN最重要的预测变量;纳入胎次和泌乳天数后,模型预测的敏感性平均提高9.8%。【结论】ML算法在对奶牛疾病的预测方面表现出很大潜力,其中,DT C5.0更适合用于预测奶牛疾病。产奶量和泌乳天数为疾病预测模型中相对重要的变量,此外,将胎次和泌乳天数纳入预测变量,可提高模型的预测精度。 相似文献
6.
在有猪高热病病史的猪场开展以高致病性猪蓝耳病(PRRS)灭活苗为主的免疫防控试验。结果表明PRRS阳性场免疫高致病性猪蓝耳病(NVDC-JXA1株)灭活苗与猪蓝耳(SD1株)灭活苗均产生了效果,且两者基本一致。灭活苗免疫均未出现明显副反应,但NVDC-JXA1株疫苗免疫组(HP)猪免疫发热持续时间相对长于免疫对照组SD1株苗,且其PRRSV感染率要极显著地高于免疫对照组(SD)和空白对照组(B)(P<0.01)。PRRS灭活苗对PRRS阳性场猪瘟体液免疫效果有显著提高(P<0.05),并且不影响伪狂犬(PR)弱毒苗、口蹄疫(FMD)灭活苗的体液免疫应答效果及猪圆环病毒2型(PCV2)的抗体阳性率。高水平PCV2母源抗体能极显著保护仔猪免受PCV2感染或延迟其感染时间(P<0.01)。 相似文献
7.
8.
9.
10.
不同肥密条件处理对水稻产量与品质影响 总被引:10,自引:0,他引:10
采用二次回归正交旋转组合设计,在大田条件下建立了不同播种量、插秧密度和氮、磷、钾施用量处理的水稻群体,调查并模拟其产量和品质性状。试验结果表明:产量与氮肥施用量呈二次曲线趋势,氮肥施用量过多,会导致参试水稻品种贪青晚熟,籽粒不饱满,成粒率和千粒重下降,垩白增加,并使沈稻7号加工品质下降,但沈稻3号高产群体的需氮量超过沈稻7号。沈稻3号插秧穴距10~15cm时适量施用钾肥,沈稻7号插秧穴距15~20m时,适当施用氮、磷、钾肥,可以显著提高产量。扩大穴距,会减少单位面积穗数,但可显著增加每穗粒数。但插秧穴距超过20cm或每盘播种量超过80g会降低加工品质。单位面积穗数与每穗粒数间存在显著的负相关,糙米率、精米率、整精米率间存在显著的正相关,垩白度与垩白粒率间存在显著的正相关。 相似文献