فهرست نشریات علمی دسترسی آزاد ایران

این مطالعه با هدف توسعه دو مدل مجزا برای پیش بینی فعالیت آلکالین فسفاتاز سرم (ALP) در جوجه­های گوشتی بر اساس مصرف مواد معدنی در جیره و پیش­بینی ضریب تبدیل خوراک بر اساس مصرف مواد معدنی و فعالیت ALP سرم آنها انجام شده است. برای گردآوری داده­ها از 29 مقاله منتشر شده بین سال­های 1998 تا 2020 از روش متاآنالیز استفاده شد. این روش منجر به ایجاد مجموعه داده­ای با 185 ردیف حاوی متغیرهایی مانند فعالیتALP  سرم، کلسیم، فسفر، روی و ضریب تبدیل خوراک در جوجه­های گوشتی شد. برای تجزیه و تحلیل داده­ها و ایجاد مدل­های پیش بینی، از تکنیک­های یادگیری ماشین، به ویژه مدل­های شبکه عصبی مصنوعی (ANN) استفاده شد. مدلANN  در پیش­بینی فعالیتALP  و ضریب تبدیل خوراک با دقت بالایی عمل کرد و به ترتیب به مقادیرR2  معادل 97% و 95% دست یافت. آنالیز حساسیت نشان داد که فعالیتALP  سرم نسبت به تغییرات کلسیم حساسیت بیشتری نشان می­دهد، در حالی که ضریب تبدیل خوراک نسبت به تغییرات روی حساسیت بیشتری دارد. علاوه بر این، با بهینه­سازی مدل ANN، کمترین ضریب تبدیل خوراک قابل دستیابی 41/1 تعیین شد. این مقدار با فعالیتALP  معادل 1190 واحد در لیتر، مصرف روزانه روی 21/11 میلی گرم، فسفر 46/0 گرم و کلسیم 70/0 گرم بدست می آید. این یافته­ها بینشی را برای بهینه سازی تغذیه جوجه­های گوشتی جهت بهبود عملکرد آنها ارائه می­دهد. مدل توسعه یافته علاوه بر پیش­بینی دقیق فعالیتALP  و ضریب تبدیل خوراک در جوجه­های گوشتی، با ارائه یک ابزار آسان برای بهینه سازی مصرف مواد معدنی و پیش­بینی دقیق عملکرد پرندگان، پرورش جوجه­های گوشتی را نیز بهبود می­بخشد. برای سهولت دسترسی خوانندگان و متخصصان تغذیه، یک ماشین حساب اکسل® برای پیش بینی فعالیتALP  و ضریب تبدیل خوراک در جوجه­های گوشتی با استفاده از مدل ANN  ساخته شده است.