Prediction of Immunoglobulin G in Lambs with Artificial Intelligence Methods

Pınar CİHAN, Erhan GÖKÇE, Ali Haydar KIRMIZIGÜL, Onur ATAKİŞİ, Hidayet Metin ERDOĞAN

Abstract

The health, mortality and morbidity rates of neonatal ruminants depend on colostrum quality and the amount of Immunoglobulin G (IgG) absorbed. Computer-aided estimates are important as measuring IgG concentration with conventional methods is costly. In this study, artificial neural network (ANN), multivariate adaptive regression splines (MARS), support vector regression (SVR) and fuzzy neural network (FNN) models were used to predict the serum IgG concentration from gamma-glutamyl transferase (GGT) enzyme activity, total protein (TP) concentration and albumin (ALB). The correlation between parameters was examined. IgG positively correlated with GGT and TP and negatively correlated with ALB (R = 0.75, P

Özet

Yenidoğan ruminantların sağlığı, ölüm ve hastalık oranları, kolostrum kalitesine ve emilen Immunoglobulin G (IgG) miktarına bağlıdır. Konvansiyonel yöntemlerle IgG konsantrasyonunun ölçülmesi maliyetli olduğundan, bilgisayar destekli tahminler önemlidir. Bu çalışmada, gama-glutamil transferaz (GGT) enzim aktivitesi, toplam protein (TP) ve albümin (ALB) değerlerinden serum IgG konsantrasyonunu tahmin etmek için yapay sinir ağı (YSA), çok değişkenli uyarlanabilir regresyon eğrileri (MARS), destek vektör regresyonu (SVR) ve bulanık sinir ağı (FNN) modelleri kullanılmıştır. Parametreler arasındaki korelasyon incelenmiş ve serum IgG konsantrasyonunun, GGT ve TP ile pozitif, ALB ile negatif korelasyonlu olduğu görülmüştür (sırasıyla R = 0.75, P