牛奶是人類營養(yǎng)物質(zhì)的重要來源，同時也已成為國際農(nóng)業(yè)經(jīng)濟的重要組成部分。傅立葉變換中紅外光譜法（Fourier Transform Mid-Infrared Spectroscopy , FT-MIRS）通過掃描牛奶樣品確定特定的化學鍵，形成由單個紅外光波數(shù)透射率/吸光度組成的光譜曲線，最終結(jié)合機器學習算法形成的函數(shù)與超參數(shù)組合來構(gòu)建模型并預測奶牛生產(chǎn)性狀，從而快速、批量、低成本和高通量地對奶牛的產(chǎn)奶性狀（蛋白質(zhì)組成、脂肪酸組成、氨基酸組成和多種礦物質(zhì)）、奶牛的生理性狀（乳房炎等健康、發(fā)情妊娠等繁殖、能量平衡等代謝）、奶牛的環(huán)境釋放性狀（甲烷等溫室氣體排放）性狀表型組等進行檢測和遺傳分析與選育。

 

FT-MIRS技術(shù)已廣泛應(yīng)用于奶牛生產(chǎn)性能測定和奶牛群體改良（Dairy Herd Improvement, DHI），但不同儀器對FT-MIRS測定靈敏度、激光強度和穩(wěn)定性存在顯著差異。僅一臺儀器測定獲得的光譜直接應(yīng)用于其他儀器通常會導致預測模型的準確性降低，無法直接整合并應(yīng)用到表型指標預測及相關(guān)研究。因此，需要對FT-MIRS儀器之間進行光譜校正，從而進行模型校準和轉(zhuǎn)移使用?，F(xiàn)有研究報道側(cè)重于分段直接標準化（Piecewise Direct Standardization,PDS）、追溯百分位標準化等校正方法，但均未考慮到光譜的共線和冗余性質(zhì)，應(yīng)用方面的靈活性欠佳，準確性也需進一步優(yōu)化。

 

本研究提出了一種基于凝聚聚類（Agglomerative Clustering,AC）的波段分段方式，在PDS之前根據(jù)樣本對不同儀器間每個波數(shù)的光譜響應(yīng)進行靈活的窗口選擇，避免了PDS方法在窗口選擇上存在的單一性和局限性。同時，還將優(yōu)化后的ACPDS方法與單波點直接標準化及PDS的光譜重現(xiàn)性水平、運算時間、內(nèi)存占用以及乳成分模型預測的重復性水平進行比較，并研究和優(yōu)化FT-MIRS標準化的應(yīng)用條件，提出了使用的流程和策略。

 

本研究創(chuàng)建的ACPDS新方法進一步提升了不同F(xiàn)T-MIRS儀器間的標準化水平，打破了國外的技術(shù)壟斷，為基于FT-MIRS預測模型的廣泛應(yīng)用開辟了新途徑，為中國甚至國際奶牛性能表型數(shù)據(jù)庫的建立和優(yōu)化、在跨地域和跨時間范圍的奶牛群體改良和聯(lián)合育種提供了技術(shù)支撐。

 

我校博士生樊懿楷和碩士生楊卓為文章共同第一作者，張淑君教授為通訊作者，全國畜牧總站劉剛和劉婷婷等為共同作者。本研究得到國家重點研發(fā)計劃政府間國際科技創(chuàng)新合作和湖北省國際合作項目等項目的資助。