一种动物精液质量的测定方法与流程

测量装置的制造及其应用技术1.本发明涉及畜牧业领域，尤其涉及动物育种。2.本发明属于精液生产方法的范围，更具体地涉及动物精液质量的测定。背景技术：3.在育种领域，授精是最古老的育种生物技术之一。而且，自问世以来，这种生物技术在不断进步和发展。如今无论是为了特定促进动物的遗传进步，还是为了满足授精中心、繁育中心、分析实验室或其他育种者的期望，动物精液质量，尤其是牛精液的质量受到越来越多的关注。4.事实上，如今大规模实施授精是尤其可行的：[0005]-通过用单个雄性的精液使大量雌性受精，从而在畜群中传播遗传进步，所述雄性将根据其遗传品质进行选择，例如因其肌肉发育选择的牛肉品种公牛。[0006]-管理育种雄性种群的经济情况，[0007]-优化育种周期，从而优化生产周期，例如牛奶生产，以及[0008]-限制因育种造成的卫生风险。[0009]人工授精过程很复杂，因为它包含许多步骤，从收集精液开始到授精为止，这可能会导致成功或失败。[0010]对于饲养员来说，授精及其成功是优化牛群管理的重要步骤，因为它可以最大限度地延长，特别是奶牛的产奶期。有记录表明授精不成功会导致在授精后90天内奶牛恢复发情或发情。对于饲养员来说，这会导致产奶量减少，需要重复授精操作，因此会降低营业收入。[0011]人们很容易理解，为了减少不确定性，授精的质量和所用精液的质量非常重要。因此，精液质量评估是繁育中心、授精中心或其他分析实验室的主要问题。根据一套评估标准，可以对整个精液和/或通过选择精液的不同成分进行这种评估。[0012]然而，精液是一种复杂的生物液体，由混合在生殖道里不同器官分泌物中的雄性配子组成。精液具体地是由精子、精浆和外泌体组成的。[0013]此外，精子在精子发生阶段形成，穿过附睾后，在该器官的尾部积累，直到射精。因此，积累的精子产生于不同的精子发生批次，并且不具有相同的成熟度。[0014]其结果是，在待分析的动物射精期间采集的样品含有不同成熟度的精子，其中一些可能是不育的，例如死亡的、不动的或有畸形。[0015]此外，由于成熟度不同，同一样品的精子不会以相同的方式对受到的压力作出反应，这可能会使样品的部分精子不育。[0016]此外，为了确保受精，精子必须特别具有几个特征，例如迁移率、atp的产生、过度活化的诱导、进行获能和顶体反应的能力、有功能性质膜、识别和结合透明带的能力，甚至拥有完整的dna。[0017]实际上，人们可以理解，精子是极其复杂的多功能细胞，此外，还需要一组参数的正常运行才能受精。[0018]因此，测定精液质量一方面对于确保饲养员和授精中心的精液质量至关重要，可以减少不确定性，另一方面也颇具挑战，因为评估标准众多且紧密联系在一起以确保受精。[0019]从历史上看，接受精液以供后续冷冻仅基于宏观观察，例如对体积、颜色、粘度的分析。这些宏观观察更多地被作为一种描述性工具呈现，并且只能排除质量极差的样品。[0020]人们很容易理解，宏观观察不能准确可靠地确定精液的质量。[0021]各种单参数测试已经开发，例如包括对迁移率、浓度、具有正常形态的精子百分比的分析，但是这些测试未能检测到精子(通过使用所述的测试检查的参数外)其他有缺陷的参数。[0022]此外，利用这些单参数测试，可以像分析有活性精子一样分析不育精子，例如死精子、不动精子或畸形精子，这对于测定精液的质量是不希望的。[0023]出于与时间和成本相关的明显原因，实验室、繁育中心或分析中心也不可能对每个参数、每个样品执行一系列测试。[0024]因此，最近开发了多参数分析，能获得更全面的样品视角，从而改进缺陷参数的检测并能以越来越好的方式表征精液的生育潜力。[0025]例如，人们可能注意到使用casa分析(计算机辅助精子分析，computer assisted sperm analysis)或流式细胞术分析。[0026]这些技术虽然有用，但设置时间长、复杂且昂贵，因此在实验室或分析中心的实践中，它们通常不用于测定制造人工授精细管等授精产品的精液样品的质量。与分析中心的预期用途相反，这些技术主要用于提供研究结果。[0027]拉曼技术在现有技术中也是已知的，所述技术基于光衍射(参见cn103940802、cn103698310或cn103698311)。然而，这种分析技术需要对样品进行特殊的准备、昂贵的设备、实施和标准化，这些对于实验室或人工授精中心的常规实施是复杂的。[0028]还已知一种通过红外光谱分析精液质量的技术，其更具体地包括在中红外辐射(辐射波长在2.5μm和25μm之间)下分析辐照样品，也缩写为mir(中红外，mid-infrared)。[0029]具体而言，现有技术文件wo2017/068266或fr3042868涉及用于测定牛精液质量的方法。[0030]所述现有技术文件的测定方法包括分析预先在液氮中冷冻的细管形式的非人类脊椎动物射精的冷冻样品。因此，在细管中的样品首先被解冻，然后通过mir光谱进行分析。[0031]所述现有技术文件的mir分析能在预定义的j天数从冷冻然后解冻的样品计算不恢复率。基于在授精行为后j天间隔内记录的未恢复发情，无论是成功还是失败，j天的不恢复率是对授精结果的评估。[0032]该不恢复率是从吸收值和/或吸收的二阶导数的值计算出来的，这些值是从每个选定波长的至少一个吸收光谱中确定的，根据所述现有技术文件选定的特定波数计算不恢复率。[0033]文献daniel filipe cruz等也是现有技术("oxidative stress markers:can they be used to evaluate human sperm quality？",turkish journal of urology,october 14th,2015)，其中公开了一项研究，其涉及生活方式包括学术活动发生急剧变化后的人类精子的质量。为进行该文献的ftir分析，样品需预先离心和冷冻。[0034]不幸的是，无论是宏观的、微观的、单参数的、多参数的、使用拉曼技术或根据文件wo2017/068266或文件fr3042868的当前技术，对于分析实验室或授精中心来说都是不可行的，这些技术在试剂、必要的机器和部署的人力资源方面的成本很高。此外，这些分析费时且复杂，并且难以常规自动化进行。最后，这些方法通常会损坏样品。[0035]事实上，由实验室、繁育中心或其他分析中心确定精液质量应该具有几个特征，例如可重复性、准确性、速度、可靠性和成本考量，包括人力和物力。[0036]因此，需要为繁育中心、分析中心和实验室提供一种测定动物精液质量的方法，优选为测定牛精液，这最终能够为饲养员和授精中心提供具有生育潜力的优质精液。[0037]此外，需要提供一种快速、无损且易于实施的方法，该方法可以常规自动化进行，由此可降低其人力、物力或其他试剂成本，并最终通过该方法获得其准确、可靠和可重复的结果，以测定动物精液的质量。技术实现要素：[0038]本发明旨在通过提供一种测定动物精液质量的方法来克服现有技术的缺陷，包括以下步骤：[0039]-收集至少一个新鲜精液样品或冷冻精液样品，[0040]-测量所述精液的至少一个样品的至少一个吸收光谱xj，[0041]其特征在于，所述方法还包括以下步骤：[0042]-从所述至少一个吸收光谱xj确定吸收的一阶导数值x′j，[0043]-从先前确定的用于测定所述精液的质量的所述吸收的一阶导数x′j，计算代表所述精液质量的参数中的至少一个参数，所述参数选自浓度y1、迁移率y2、前进精子率y3、活力y4、含有稳定磷脂的活精子的百分比y5、线粒体电位y6、具有过氧化脂质的精子百分比y7、具有完整顶体的精子百分比y8、抗氧化能力tac y9，脂肪酸组成y10、具有正常形态的精子百分比y11、渗透压y12、谷胱甘肽gsh水平y13、56天不恢复率y14、90天不恢复率y15和妊娠诊断y16。[0044]可以注意到，无论是新鲜精液还是冷冻精液，本发明所述的方法均能测定动物精液的质量。非常有利的是，无论其形式如何，是新鲜的还是冷冻的，这都使分析实验室、繁育中心或授精中心能够非常快速地测定它们可用的精液的质量。[0045]本发明所述的方法能以特别有利的方式预测大量参数，每个参数都代表精液的质量。经过多年的发展，在对样品进行了数千次测试后，已经构成了不同的相关性，使这一预测成为可能。此外，特别令人惊讶的是，各代表精液质量的大量参数的预测是通过根据本发明的单一分析完成的，并且如此准确、快速、可靠和可重复。[0046]在一种特别有利的方式中，本发明所述的方法不会损坏被分析的样品，即本发明所述的方法不会破坏基质的分子连续体，因此能获得被分析样品的独特的特征性光谱分布。实际上，本发明所述的方法能在不损坏样品的前提下计算一组代表精液质量的参数，因此不会损坏样品，而样品本身是脆弱且敏感的材料。[0047]此外，在本发明所述的测定方法中，测量所述精液的至少一个样品(无论是新鲜的还是冷冻的)的至少一个吸收光谱xj。例如，认为新鲜精液仅占一次射精，而冷冻精液(也称为批次)，可能为冷冻单次射精的结果，也可能为同一公牛的两次具有相似宏观质量的精液组合的结果。本发明所述的测定方法可以用于这些不同的场景。[0048]优选地，本发明的用于确定精液质量的所述方法中的动物精液是动物精液，优选脊椎动物精液，优选哺乳动物，特别为非人脊椎动物，更特别为牛、猪、山羊、绵羊、马和反刍动物，进一步优选牛。[0049]有利地是，测量所述精液的至少一个样品的至少一个吸收光谱xj的步骤使用包括“atr:衰减全反射(atr:attenuated total reflection)”晶体的光谱仪并且更具体地使用购自bruker公司的opus计算机程序来进行。[0050]术语“吸收光谱”，在本发明的全文中应当理解为样品的波长σj处的所有吸光度。[0051]根据本发明，在测量至少一个吸收光谱xj之后，基于该测量的吸收光谱xj，确定所述吸收的一阶导数x′j的值。所述吸收的一阶导数x′j的确定能提高先前测量的所述吸收光谱的光谱分辨率。[0052]相当令人惊讶的是，所述吸收的一阶导数x′j的确定(用于随后计算代表精液质量的参数)，是基于测量的吸收光谱xj进行的，并且不是基于现有技术中描述的特定波数的选择。最后，本发明所述的测定方法包括代表精液质量的参数中的至少一个的计算值，所述计算值来自测定的所述吸收的一阶导数x′j。[0053]所述代表精液质量的参数中的至少一个选自浓度y1、迁移率y2、前进精子率y3、活力y4、含有稳定磷脂的活精子的百分比y5、线粒体电位y6、具有过氧化脂质的精子百分比y7、具有完整顶体的精子百分比y8、抗氧化能力tac y9，脂肪酸组成y10、具有正常形态的精子百分比y11、渗透压y12、谷胱甘肽gsh水平y13、56天不恢复率y14、90天不恢复率y15和妊娠诊断y16。[0054]因此，特别有利地，本发明所述的测定方法能从吸收的一阶导数x′j计算代表精液质量的一组参数中的至少一个，而且所述方法如此准确、快速、可靠地重现，并且所述方法不会损坏样品。[0055]实际上，非常有利地，本发明所述的方法允许根据从样品测量的至少一个吸收光谱xj(也称为样品的mir光谱)，计算一组参数中的至少一个参数，每个所述参数均可代表精液的质量。计算出的参数可以准确预测样品中的相同参数，因此可以代表精液的质量。[0056]mir光谱，在本发明全文中应当被理解为波长在4,000和400cm-1之间。[0057]例如，浓度参数y1的计算能根据mir光谱和本发明准确地预测样品中精子的浓度。[0058]迁移率参数y2的计算能根据mir光谱准确预测样品中精子的迁移率。[0059]前进精子率参数y3的计算能根据mir光谱和本发明准确地预测样品中的前进精子率。[0060]活力参数y4的计算能根据mir光谱和本发明准确预测精液样品的精子活力。[0061]含有稳定磷脂的活精子的百分比参数y5的计算能根据mir光谱和本发明准确地预测精液样品的精子的膜磷脂的稳定性。[0062]线粒体电位参数y6的计算能根据mir光谱和本发明准确地预测线粒体电位，即精液样品的精子的能级。[0063]具有过氧化脂质的精子百分比y7参数的计算能根据mir光谱和本发明准确预测精液样品的具有过氧化脂质的精子百分比。[0064]具有完整顶体的精子百分比y8参数的计算能根据mir光谱和本发明准确预测具有完整顶体的精子百分比，顶体为保护精液样品中精子精细胞顶部的膜并且干预其与卵子的受精。[0065]抗氧化能力tac参数y9的计算能根据mir光谱和本发明准确地预测样品中精子的抗氧化能力tac。[0066]脂肪酸组成参数y10的计算能根据mir光谱和本发明准确地预测精液样品的脂肪酸组成。[0067]具有正常形态的精子百分比参数y11的计算能根据mir光谱并且根据本发明准确地预测精液样品的精子具有正常形态的精子百分比。[0068]渗透压参数y12的计算能根据mir光谱并和本发明准确地预测精液样品的渗透压。[0069]谷胱甘肽gsh水平y13参数的计算能根据本发明从mir光谱准确预测精液样品的谷胱甘肽gsh水平。[0070]56天不恢复率参数y14的计算能根据mir光谱和本发明准确预测授精的结果，无论是成功还是失败，该预测基于授精行为后56天的间隔内未恢复发情的记录。[0071]90天不恢复率参数y15的计算能根据mir光谱和本发明准确预测授精的结果，无论是成功还是失败，该预测基于授精行为后90天的间隔内未恢复发情的记录。[0072]妊娠诊断参数y16的计算能根据mir光谱和本发明准确地预测妊娠诊断的结果，该参数具有优越性，甚至比不恢复率更可靠。此外，现场的妊娠诊断为在人工授精行为后至少28天后，例如在直肠触诊、超声扫描、牛奶或血液分析期间，由授精者和技术人员收集的信息获得的。[0073]因此，本发明提供了一种用于测定动物精液质量的方法，所述方法可以常规自动化进行，不需要使用试剂或昂贵的设备并且没有破坏性，这是特别有利的且符合授精中心或分析实验室期望的。[0074]最后，本发明提供一种能从组y1至y16的所有参数中准确、可靠和可重复地计算表征精液质量的至少一个参数的方法。[0075]有利地是，本发明所述的方法的计算为至少两个所述参数的计算，优选为至少三个所述参数的计算，优选为至少四个所述参数的计算，优选为至少五个所述参数的计算，有利地为至少六个所述参数的计算，有利地为至少七个所述参数的计算，特别有利的方式为至少八个所述参数的计算，优选为至少九个所述参数的计算，优选为至少十个所述参数的计算。[0076]实际上，本发明所述的测定方法能计算多个参数。计算的参数数量越多，例如二、三、四、五、六、七、八、九、十或更多，通过预测来测定精液的质量越准确。[0077]在本发明所述的方法的一个特定实施例中，所述至少一个吸收光谱xj包括选自波数范围[1,800cm-1；900cm-1]的第一波数范围和/或选自波数范围[3,000cm-1；2,700cm-1]的第二波数范围。[0078]实际上，特别有利的方式是，通过包括选自波数范围[1,800cm-1；900cm-1]的第一波数范围和/或选自波数范围[3,000cm-1；2,700cm-1]的第二波数范围，根据本发明，所述至少一个吸收光谱xj、mir光谱尤其适合测定吸收的一阶导数的值并计算表征动物精液质量的至少一个参数，优选为牛精液。[0079]优选，在本发明所述的方法中：和βj(j∈[1；n])为常数；和/或[0092]-谷胱甘肽gsh水平y13根据数学公式计算，其中x′j(j∈[1；n])为吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数；和/或[0093]-56天不恢复率的y14根据数学公式计算，其中x′j(j∈[1；n])为吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数；和/或[0094]-90天不恢复率y15根据数学公式计算，其中x′j(j∈[1；n])为吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数；和/或[0095]-妊娠诊断y16根据数学公式计算，其中x′j(j∈[1；n])为吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数；和/或[0096]在本发明所述的测定方法的一个特定实施例中，所述加权系数β0和βj(j∈[1；n])的值为从多个所述参数已知的动物精液样品的吸收光谱的测量值处理后获得的。[0097]在本发明所述的测定精液质量的方法的另一特定实施例中，在测量步骤中，测量所述精液的至少一个样品的至少两个、优选至少三个吸收光谱，并且在测量吸收的一阶导数值x′j的所述步骤中，包括对吸收的一阶导数值x′j来源的所述测量的光谱取平均值的步骤。[0098]有利地，本发明所述的方法还包括将计算得到的所述至少一个参数与所述参数特定的预定阈值进行比较的步骤，在计算的所述参数高于或等于所述参数特定的所述预定阈值的情况下能验证所述精液适用于育种目的，或者在计算的所述参数低于所述参数特定的所述预定阈值的情况下能拒绝所述精液。[0099]将计算的所述参数与该相同参数的特定阈值进行比较的这一步骤能有利地验证或拒绝精液样品，并因此验证或拒绝样品来源的精液批次。所述步骤还可以对代表精液质量的每个参数赋于一个分数，从而能对精液质量的总体评分。[0100]在本发明的另一个实施例中，给精液质量赋于的总分可以报告在由本发明所述的方法筛选得到的所述精液生产的人工授精细管上。[0101]以特别有利的方式，本发明所述的方法对新鲜精液质量的测定在30秒和5分钟之间，优选在30秒和4分钟之间，优选在30秒和3分钟之间，因此优选在30秒至2分钟，优选在30秒至1分钟。[0102]换言之，根据本发明所述测定动物新鲜精液质量的方法在30秒至5分钟的时间段之间进行，优选在30秒至4分钟之间，优选在30秒到3分钟之间，优选在30秒到2分钟之间，优选在30秒到1分钟之间。[0103]在另一个特别有利的实施方案中，本发明所述的方法对冷冻精液质量的测定在30分钟到90分钟之间获得，优选在30分钟和75分钟之间，优选在30分钟到60分钟之间，优选在30分钟到45分钟之间，以特别有利的方式在30分钟和35分钟之间。[0104]换言之，根据本所述测定动物冷冻精液质量的方法在30分钟至90分钟的时间段之间进行，优选在30分钟至75分钟之间，优选在30分钟和60分钟之间，优选在30分钟和45分钟之间，以特别有利的方式在30分钟和35分钟之间。[0105]有利地，本发明所述的方法还包括从经验证的所述动物精液制造用于育种的细管的步骤。[0106]实际上，所述测定动物精液(优选为牛精液)质量的方法，包括制造细管的步骤，该步骤能提供人工授精细管，所述细管的质量在将所述精液包装在细管中之前已经预先确定和验证。这是特别有利的，因为这样可以提供包含至少一个计算的参数的定性分数和优选代表精液质量的总体定性分数的细管。[0107]本发明所述的测定精液质量的方法的其他实施例在所附权利要求中指出。[0108]本发明还涉及一种将来自优质动物的精液进行人工授精的细管，所述细管通过实施本发明所述的动物精液质量测定方法获得的，所述动物优选为牛。[0109]本发明所述将来自优质动物的精液进行人工授精的细管的其他实施例在所附权利要求中指出。[0110]本发明还涉及用于实施本发明所述测定精液质量的方法的计算机的用途，以及用于实施根据本发明的精液质量的测定方法的软件。[0111]使用计算机和软件来实现本发明所述的测定方法的其他实施例在所附权利要求中指出。具体实施方式[0112]本发明的其他特征、细节和优点将从下文提供的描述中变得显而易见，而不受限制并参考所附示例和附图。[0113]1.实验方案[0114]分析的样品是来自脊椎动物的精液，更特别是来自牛的精液，呈新鲜精液形式，未经任何分析处理，或者以细管的形式保存在液氮中。[0115]已经对来自300多头不同公牛的5,180多份射精精液进行了用于制作预测模型的初步分析。[0116]2.样品的制备[0117]对于冷冻样品的制备，在第一步中，将细管在37℃+/-2℃的水浴中解冻30秒。第二步，将解冻的两根细管的内容物转移到eppendorf管中。之后，将eppendorf管以3500g离心5分钟，离心后排空上清液并加入600μlnacl。等待5分钟后，再次以3500g离心5分钟，然后重新排空上清液并重新加入600μlnacl。最后，在3500g下进行第三次离心5分钟，排空上清液并将eppendorf管储存在4℃以供沉淀的mir分析。[0118]3.mir光谱采集[0119]在4,000至600cm-1的吸光度下采集光谱。光谱分辨率为4cm-1，进行了64位数字化。[0120]光谱仪包括一个金刚石，上面放置了一个水滴以获取背景噪声，具有128位数字化。事实上，精液主要由水组成，该操作能去除与水相关的光谱信息，以便随后仅突出与精液的其他成分(精浆和精子的混合物)相关的光谱信息。有利地，该背景噪声评估的操作每10个读数执行一次。[0121]采集背景噪声后，将10ml新鲜精液或解冻制备的精液样品置于光谱仪中清洁干燥的金刚石上。光谱仪对样品的分析以32位数字化启动，优选一式三份进行分析(3×10μl样品)。在每次分析之间，进行清洁金刚石的步骤，使用吸水纸去除样品，再使用蒸馏水冲洗金刚石，然后使用蘸有乙醇的新试纸擦拭和金刚石，以去除所有微量水分。[0122]4.光谱处理[0123]使用opus软件在3,800到900cm-1区间分析光谱，尤其是在3,000到2,700cm-1区间和1,800到900cm-1区间，这是光谱中信息量最大的部分，也称为光谱指纹。[0124]优选对射精样品进行一式三份的分析，获得的3个光谱取平均值以得到每个射精的平均光谱。[0125]所有光谱进行snvd1预处理。snvd1预处理，在本发明的全文中应理解为“标准正态变量(standard normal variate)”snv标准化，以便单独校正光的影响和吸收的一阶导数以提高光谱分辨率。[0126]5.矩阵的选择[0127]对于光谱的处理，在一组光谱的基础上形成一个矩阵，这些光谱有参考值(实验室数据、田间生育力数据、脂肪酸数据或其他参数)。[0128]下文描述的不同矩阵已经平衡，即在被测量参数的差精液、平均精液和良好精液的数量方面已经达到平衡。此外，从多余的精液中提取的光谱被去除，因此为校准不同参数而考虑的射精数量范围为49到1,392次射精。[0129]第一个矩阵由从新鲜精液获得的光谱组成，并与体外测量的参数相关联(参考值＝实验室数据)。[0130]第二个矩阵由从冷冻精液获得的光谱组成，并且可提供生育数据(tnr56——56天的不恢复率、tnr90——90天的不恢复率和妊娠诊断)。这可以通过可追溯性来实现，所述可追溯性为申请人的人工授精中心生产的剂量的直至授精行为，所述剂量/细管具有唯一的条形码，在授精行为时扫描该条形码，这要归功于授精机配备的数字个人助理系统。[0131]第三个矩阵由从新鲜精液获得的光谱组成，并且可提供生育率数据(tnr56——56天的不恢复率、tnr90——90天的不恢复率和妊娠诊断)并可设置这些数据。[0132]对这三个矩阵进行了分析，以便为新鲜或冷冻后分析的不同参数开发回归模型。回归模型的开发采用pls偏最小二乘法。[0133]6.结果和获得的校准[0134]由于r2(校准测定系数)和rpd(性能/偏差比)来评估已建立模型的性能，所述rpd通过计算标准偏差(sd)和交叉验证标准误差(rmsecv)之间的比率得到。[0135]实际上，rpd可评估模型的准确性。低于1.5的值表示模型的准确性较差，介于1.5和2之间的值表示预测误差是原始误差的一半，介于2和2.5之间的值表示近似的定量预测，而介于2.5和3之间的值或高于3表示出色的预测精度。[0136]7.附图的详细说明[0137]图1显示了浓度参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0138]浓度y1根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0139]所用的平衡矩阵由1,392份射精样本组成。获得的r2为0.75，rpd为1.9。这些性能表明该模型能从mir光谱准确、快速和可重复地预测样品中的精子浓度。[0140]浓度的参考值为横坐标轴并以三角形点表示(▲val系列)。[0141]浓度的预测值为纵坐标轴并以圆点表示(●cal系列)。[0142]浓度值用-10因子表示。[0143]图2显示了迁移率参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0144]迁移率y2根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0145]所用的平衡矩阵由1,392份射精样本组成。获得的r2为0.63，新鲜精液测量的迁移率的rpd为1.4，冷冻精液测量的迁移率分别为0.44和1.2。这些性能可以评估新鲜样品中精子的迁移率，预测误差接近原始误差的一半，可根据mir光谱快速且可重复地进行评估。冷冻精子的流动性预测具有较低和不足的校准性能。[0146]迁移率的参考值为横坐标轴并以三角形点表示(▲val系列)。[0147]迁移率的预测值为纵坐标轴并以圆点表示(●cal系列)。[0148]迁移率的值用-10因子表示。[0149]图3显示了前进精子率参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0150]前进精子率y3根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0151]所用的平衡矩阵由1,392份射精样本组成。对于新鲜精液测量的前进精子率的r2为0.57、rpd为1.4，冷冻精液测量的前进精子率的r2和rpd分别为0.35和1.1。这些性能可以评估新鲜精液样品中的前进精子率，预测误差接近原始误差的一半，可根据mir光谱快速且可重复地进行评估。与新鲜精液的前进精子率相比，该模型对冷冻精液的前进精子率具有较低的校准性能。[0152]前进精子率的参考值为横坐标轴并以三角形点表示(▲val系列)。[0153]前进精子率的预测值为纵坐标轴并以圆点表示(●cal系列)。[0154]前进精子率的值用-10因子表示。[0155]图4显示了活力参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0156]活力参数y4根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0157]所用的平衡矩阵由1,386份射精样本组成。获得的r2为0.6，rpd为1.3。这些性能可验证被实际测量的具有超过50％存活精子的射精样本被预测在具有超过30％存活精子(可接受的质量阈值)的精液类别中。[0158]活力的参考值为横坐标轴并以三角形点表示(▲val系列)。[0159]活力的预测值为纵坐标轴并以圆点表示(●cal系列)。[0160]活力值用-9因子表示。[0161]图5显示了含有稳定磷脂的活精子的百分比参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0162]膜磷脂的稳定性，换句话说，含有稳定磷脂的活精子的百分比y5根据数学公式膜磷脂的稳定性，换句话说，含有稳定磷脂的活精子的百分比y5根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0163]所用的平衡矩阵由1,386次射精样本组成。获得的r2为0.6，rpd为1.3。这些性能可以验证被实际测量的具有超过50％存活精子(且具有良好的膜磷脂组织)射精样本被预测在具有超过25％的相应精子(可接受的质量阈值)的精液类别中。[0164]膜磷脂的稳定性的参考值为横坐标轴并以三角形点表示(▲val系列)。[0165]膜磷脂的稳定性的预测值为纵坐标轴并以圆点表示(●cal系列)。[0166]膜磷脂的稳定性值以-8因子表示。[0167]图6显示了线粒体电位参数的pls回归模型，即具有极化线粒体的精子的百分比，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0168]线粒体电位y6根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0169]所用的不平衡矩阵由1,386次射精样本组成。获得的r2为0.46，rpd为1.1。实际测量的射精样本中包含超过45％的精子具有良好的极化线粒体的样本，被预测在具有超过30％的相应精子(可接受的质量阈值)的精液类别中。[0170]线粒体电位的参考值为横坐标轴并以三角形点表示(▲val系列)。[0171]线粒体电位的预测值为纵坐标轴并以圆点表示(●cal系列)。[0172]线粒体电位的值用-7因子表示。[0173]图7显示了具有过氧化脂质的精子百分比参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0174]具有过氧化脂质的精子百分比y7根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0175]矩阵总共使用了1,386个射精样本。获得的r2为0.53，rpd为1.2。[0176]具有过氧化脂质的精子百分比的参考值为横坐标轴并以三角形点表示(▲val系列)。[0177]具有过氧化脂质的精子百分比的预测值为纵坐标轴并以圆点表示(●cal系列)。[0178]具有过氧化脂质的精子百分比值用-7因子表示。[0179]图8显示了具有完整顶体的精子百分比参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0180]具有完整顶体的精子百分比y8根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0181]所用的不平衡矩阵由1,386个射精样本组成。获得的r2为0.39，rpd为1.2。实际测量的射精样本中包含超过75％的具有完整顶体的精子的样本被预测为具有超过60％的相应精子(可接受的质量阈值)的精液类别。[0182]具有完整顶体的精子百分比的参考值为横坐标轴并以三角形点表示(▲val系列)。[0183]具有完整顶体的精子百分比的预测值为纵坐标轴并以圆点表示(●cal系列)。[0184]具有完整顶体的精子百分比值用-5因子表示。[0185]图9显示了总抗氧化能力tac参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0186]抗氧化能力tac y9根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,700cm-1；910cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0187]所用的不平衡矩阵由59个射精样本组成。获得的r2为0.83，rpd为1.1。[0188]总抗氧化能力tac的参考值为横坐标轴并以三角形点表示(▲val系列)。[0189]总抗氧化能力tac的预测值为纵坐标轴并以圆点表示(●cal系列)。[0190]总抗氧化能力tac的值用-5因子表示。[0191]图10是一个表格，列出了在精子中测定的脂肪酸组成参数的r2s和rpds，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得，所述新鲜精液来自比利时蓝牛和荷斯坦公牛。[0192]脂肪酸组成y10根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]和波数范围[3,000cm-1；2,700cm-1]通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0193]所用的不平衡矩阵由86个比利时蓝牛精液和23个荷斯坦牛精液组成。这些性能通常允许从mir光谱准确快速地预测样品中n-3型脂肪酸的存在，对于其中最不饱和的脂肪酸更有利。[0194]图11显示了具有正常形态的精子百分比参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0195]具有正常形态的精子百分比y11根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0196]所用的不平衡矩阵由1,392个射精样本组成。获得的r2为0.45，rpd为1.3。实际测得的射精样本中有超过95％的精子具有正常形态的样本被预测为具有超过80％的相应精子(可接受的质量阈值)的精液类别。[0197]具有正常形态的精子百分比的参考值为横坐标轴并以三角形点表示(▲val系列)。[0198]具有正常形态的精子百分比的预测值为纵坐标轴并以圆点表示(●cal系列)。[0199]具有正常形态的精子百分比值用-7因子表示。[0200]图12显示了渗透压参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0201]渗透压y12根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,700cm-1；910cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0202]所用的不平衡矩阵由56个射精样本组成。获得的r2为0.88，rpd为1.4。这些性能允许从mir光谱快速评估样品的渗透压(预测误差接近原始误差的一半)。[0203]渗透压的参考值为横坐标轴并以三角形点表示(▲val系列)。[0204]渗透压的预测值为纵坐标轴并以圆点表示(●cal系列)。[0205]渗透压的值用-4因子表示。[0206]图13显示了谷胱甘肽gsh水平参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0207]谷胱甘肽gsh水平y13根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0208]所用的不平衡矩阵由56个射精样本组成。获得的r2为0.78，rpd为1.04。[0209]谷胱甘肽水平的参考值为横坐标轴并以三角形点表示(▲val系列)。[0210]谷胱甘肽水平的预测值为纵坐标轴并以圆点表示(●cal系列)。[0211]谷胱甘肽水平的值用-5因子表示。[0212]图14显示了56天不恢复率参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0213]在56天的不恢复率的y14根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0214]基于新鲜精液(冷冻前)获得的光谱制得的不平衡矩阵由96个射精样本组成。获得的r2为0.86，rpd为1.6。这些性能允许从mir光谱快速且可重复地评估tnr56(预测误差等于原始误差的一半)。[0215]在56天的不恢复率的参考值为横坐标轴并以三角形点表示(▲val系列)。[0216]在56天的不恢复率的预测值为纵坐标轴并以圆点表示(●cal系列)。[0217]56天的不恢复率值以-7因子表示。[0218]此外，基于冷冻精液获得的光谱制得的不平衡矩阵由162个射精样本组成。获得的r2为0.53，rpd为1.2。该模型对冷冻精液的预测较为不准确，但可以识别非常好的和非常差的精液批次。[0219]图15显示了90天不恢复率参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0220]90天不恢复率y15根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0221]基于新鲜精液(冷冻前)获得的光谱制得的不平衡矩阵由67份射精样本组成。获得的r2为0.82，rpd为1.5。这些性能允许从mir光谱快速且可重复地评估射精样本的tnr90(预测误差等于原始误差的一半)。[0222]90天不恢复率的参考值为横坐标轴并以三角形点表示(▲val系列)。[0223]90天不恢复率的预测值为纵坐标轴并以圆点表示(●cal系列)。[0224]在90天的不恢复率以-5因子表示。[0225]此外，基于冷冻精液获得的光谱制得的不平衡矩阵由99份射精样本组成。获得的r2为0.86，rpd为1.3。该模型对冷冻精液的预测较为不准确，但可以识别非常好的和非常差的精液批次。[0226]图16显示了妊娠诊断参数的pls回归模型，根据经snvd1预处理与交叉验证的新鲜精液的mir光谱制得。[0227]妊娠诊断y16根据数学公式计算，其中x′j(j∈[1；n])是吸收xj的一阶导数，针对波数范围[1,800cm-1；900cm-1]优选通过snv预处理进行标准化，权重系数β0和βj(j∈[1；n])为常数。[0228]基于新鲜精液(冷冻前)获得的光谱制得的不平衡矩阵由49份射精样本组成。获得的r2为0.79，rpd为1.6。这些性能允许从新鲜精液的mir光谱快速和可重复的方式评估精液的妊娠诊断参数(预测误差等于原始误差的一半)。[0229]妊娠诊断的参考值为横坐标轴并以三角形点表示(▲val系列)。[0230]妊娠诊断的预测值为纵坐标轴并以圆点表示(●cal系列)。[0231]妊娠诊断的值用-5因子表示。[0232]此外，基于冷冻精液获得的光谱制得的不平衡矩阵由81份射精样本组成。获得的r2为0.84，rpd为1.8。这些性能允许从冷冻精液的mir光谱快速和可重复的方式评估妊娠诊断(预测误差等于原始误差的一半)。[0233]应当理解，本发明不必然受限于上述实施例，并且可以在不背离所附权利要求的范围的情况下对技术方案进行诸多修改。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!