关键词:
乳品科学
大数据
抗逆性状
摘要:
自动挤奶系统(AMS)和精确畜牧业(PLF)系统提供的大量多维度数据,有助于探索现实世界的抗逆性状和可持续农业战略。AMS自20世纪90年代在荷兰问世以来,在北欧地区的应用日益广泛,由机器人收集的牛奶总量约占总产量的1/3。北欧地区主要品牌的牧场管理系统(FMS)仅能报告当前数据,未能涵盖对研究牛群遗传、行为和环境至关重要的历史信息。本研究介绍了瑞典农业科学大学(SLU)的奶牛数据基础设施——SLU Gigacow系统,该系统从某些瑞典农场收集数据。每个农场的FMS每晚向SLU Gigacow发送报告,该系统统一记录并将数据收集到中央数据库。收集的记录包括数千头奶牛的挤奶统计数据、健康事件、交易数据和SNP基因型,研究人员可通过结构化查询语言(SQL)或R语言查询并访问这些记录。SLU Gigacow还整合了来自瑞典全国奶牛登记处的数据,包括参与农场奶牛的系谱信息和牛群转移情况。SLU Gigacow的纵向观察(首批数据收集于2020年)将基因型、表型和动物福利联系起来,旨在加快乳业科学试点研究,并提供一个活跃于商业环境的奶牛大数据集。用Python 3(比弗顿,美国)数据收集编写软件可从多个版本的DeLaval DelPro(帝波罗公司推出的一款牧场管理软件系统)收集数据模块,并扩展到任何具有图形用户界面的FMS,且在大多数客户的操作系统运行。使用SSIS,即SQL Server集成服务协调解决语言、FMS版本的差异后,数据被存储在SLU Gigacow维护的数据库中,使用SSIS。通过与瑞典乌普萨拉的瓦克萨瑞典公司(Växa Sverige AB)达成协议,参与农民可使用由荷兰阿姆斯特丹生产的包含45K EUROG MD微珠芯片,对大量动物进行基因分型。目前,该数据库包含17000余头牛、300余万次挤奶、2969个SNP基因型的信息。交叉参考数据可用于各种目的,包括应激反应和抗逆性状研究。虽然SLU Gigacow旨在从瑞典农场收集数据并为瑞典研究人员提供支持,它证明来自奶牛场多种来源和系统的数据可被自动收集,并整理成方便研究人员使用的格式。笔者认为,这显示出从农场到餐桌统计数据的巨大效用,并提升了FMS的交互操作性。SLU Gigacow是在缺乏奶业数据通信的标准化接口的情况下建立的,因此畜牧业正在建立此类数据标准,但标准的制定和实施需要时间且依赖于各方的积极参与。SLU Gigacow的研究驱动方法能更快速、更综合的测量奶牛场环境的各方面数据,为PLF系统开辟了新的细分领域,并为适应不断变化的气候开辟了更广阔的探索空间。