Porcine-CaMo multimodal wearable ECG, kinematics and heat- production data in respirometry chambers
De Porcine-CaMo-dataset is een dual-cohort multimodale bron van de China Agricultural University die continu opgenomen draagbare ECG- en kinematische signalen integreert met 5-minuten warmteproductiegegevens van groeiende varkens in respirometrie kamers om onderzoek naar porciene metabole modellering, hartslagvariabiliteitsanalyse en cross-cohort methode-evaluatie te ondersteunen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Het meten van hoeveel energie een dier verbrandt, is een fundamentele vraag in de biologie, een vraag die wetenschappers helpt te begrijpen hoe efficiënt alles werkt, van hoe een varken voer omzet in vlees tot hoe een groot dier zijn lichaamstemperatuur reguleert. Decennialang was de meest betrouwbare manier om dit antwoord te krijgen het plaatsen van een dier in een afgesloten, klimaatgecontroleerde kamer en het zorgvuldig meten van de zuurstof die het inademt en de koolstofdioxide die het uitademt. Deze methode, bekend als indirecte calorimetrie, fungeert als de gouden standaard voor het berekenen van warmteproductie. Deze kamers zijn echter duur, moeilijk te onderhouden en vaak te klein of te beperkend om dieren op een natuurlijke manier te laten bewegen, wat betekent dat de verzamelde gegevens mogelijk niet weerspiegelen hoe het dier zich in de echte wereld gedraagt. Wetenschappers wilden al lang een eenvoudigere manier om dit energieverbruik te schatten door te kijken naar signalen die het dier van nature afgeeft, zoals zijn hartslag en zijn bewegingen, maar ze hadden een gebrek aan een grote, hoogwaardige dataset om computers te leren hoe ze die verbinding nauwkeurig kunnen leggen.
Een team onderzoekers van de China Agricultural University heeft deze kloof nu opgevuld door een massaal, gedetailleerd verslag te maken van groeiende varkens die vrij bewegen in deze speciale kamers. Ze hebben de dieren uitgerust met kleine, draagbare apparaten die fungeerden als een continu dagboek van hun leven, waarbij hartslagen, lichaamsbewegingen en warmteafgifte gelijktijdig werden geregistreerd. Het resultaat is een dataset genaamd Porcine-CaMo, die meer dan 150 dagen aan continue gegevens vastlegt van twee verschillende groepen varkens. Eén groep bestond uit grotere varkens die over tien afzonderlijke perioden van vier dagen werden geobserveerd, terwijl de andere groep bestond uit kleinere varkens die over een periode van vierentwintig dagen werden gemonitord. Door deze draagbare gegevens te combineren met de precieze metingen uit de kamers, hebben de onderzoekers een nieuwe referentielibrairie geboden waarmee anderen betere modellen kunnen bouwen voor het voorspellen van energieverbruik zonder dat daarvoor dieren in een kamer opgesloten hoeven te worden.
De draagbare technologie die in deze studie werd gebruikt, was ontworpen om onopvallend en robuust te zijn. De apparaten, die stevig op de rug van de varkens waren bevestigd, registreerden de elektrische activiteit van het hart vijfhonderdtwaalf keer per seconde, waardoor het precieze moment van elke hartslag werd vastgelegd. Tegelijkertijd volgden ze de beweging van het dier tien keer per seconde, waarbij werd genoteerd hoe het varken roteerde en versnelde in drie dimensies. Deze hogesnelheidsregistratie is cruciaal omdat het wetenschappers niet alleen laat zien dat het dier bewoog, maar ook exact hoe de beweging correleerde met het ritme van het hart. De onderzoekers zorgden er ook voor dat de apparaten veilig waren voor de dieren, door gebruik te maken van afneembare draden om schade te voorkomen als een varken aan de draden zou kauwen, en de dieren konden normaal eten, drinken en rusten tijdens het hele experiment.
Om orde te scheppen in deze stroom aan informatie, ontwikkelde het team een geavanceerd computersysteem om de gegevens te reinigen en te organiseren. De ruwe hartslagsignalen bevatten vaak ruis veroorzaakt door de beweging van het dier, dus de onderzoekers gebruikten een gespecialiseerd kunstmatige intelligentie-model om de echte hartslagen te identificeren en de valse te verwijderen. Vervolgens groepeerden ze de gegevens in blokken van vijf minuten, waarbij de hartslag en bewegingspatronen werden gekoppeld aan de warmteproductiemetingen van de lucht sensoren in de kamer. Dit proces creëerde een gesynchroniseerde tijdlijn waarbij elke verandering in de activiteit of hartslag van het varken direct vergeleken kon worden met een verandering in de energie die het verbrandde. Het team bracht twee versies van de gegevens uit: een "gecorrigeerde" versie die geschikt is voor de meeste onderzoeken, en een "perfecte" versie die handmatig door experts is gecontroleerd om te garanderen dat elke hartslag correct is gelabeld, wat een gouden standaard biedt voor het trainen van nieuwe computerprogramma's.
De studie toonde aan dat de gegevens consistent en betrouwbaar genoeg zijn voor complexe analyses. De onderzoekers controleerden of de hartslagpatronen de natuurlijke dagelijkse cycli volgden, waarbij ze stegen en daalden met de activiteitsniveaus van de varkens, en bevestigden dat de warmteproductiecijfers biologisch zinvol waren, zoals het tonen van een lager energieverbruik op dagen dat de varkens niet gevoerd werden. Ze merkten ook op dat hoewel de twee groepen varkens verschillend in grootte waren en de gebruikte apparatuur voor hen licht varieerde, de kernsignalen duidelijk en vergelijkbaar bleven. Deze consistentie is essentieel omdat het betekent dat de gegevens gebruikt kunnen worden om te testen of een model dat getraind is op één groep varkens, ook kan werken op een andere, wat helpt bij het bouwen van meer universele instrumenten voor de dierwetenschap.
Dit werk beweert niet dat het op zichzelf het probleem van het meten van het energieverbruik van dieren heeft opgelost, maar het levert de essentiële grondstof die nodig is om dat te doen. Door deze dataset en de software die gebruikt wordt voor de verwerking vrij beschikbaar te stellen, hebben de onderzoekers de drempel verlaagd voor andere wetenschappers om betere voorspellingsinstrumenten te ontwikkelen. In plaats van dat toekomstige onderzoekers voor elke nieuwe studie dure kamers moeten bouwen, kunnen zij deze draagbare signalen gebruiken om de warmteproductie met grotere nauwkeurigheid te schatten. De dataset bevat niet alleen de cijfers, maar ook de code en instructies die nodig zijn om de analyse te repliceren, waardoor de wetenschappelijke gemeenschap op deze basis kan voortbouwen om de dierlijke voeding, welzijn en fokpraktijken te verbeteren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.