The gut microbiota represents a biological determinant of fundamental importance for dairy production efficiency. The present study investigates the predictive potential of fecal microbiota information for daily milk yield in the Rendena cattle breed. The research was designed as a longitudinal monitoring study involving 11 farms, with the collection of 829 fecal samples from approximately 500 cows, with the aim of disentangling the variance of individual microbiota and to use it as a predictor of productive performances within the individual and in the whole population. Model evaluation was based on cross-validation schemes designed to assess predictive robustness under different scenarios. Predictions were performed for the same individual using microbiota samples collected in the same season as the training data (summer), as well as in a different season (winter). The same approach was applied to predict milk production in different individuals. Results indicate that the inclusion of microbiota taxonomic data significantly improves predictive accuracy compared to conventional models. In particular, the model demonstrated strong predictive performance when monitoring the same animal over time, supporting the stability of the individual microbial signature as an indicator of physiological performance. At the same time, a positive predictive correlation was maintained when applied to animals not included in the training dataset, suggesting that the model may provide practical support for selection strategies and productivity improvement in the Rendena breed and, in general, in a bovine population.
Il microbiota intestinale rappresenta un determinante biologico di fondamentale importanza per l'efficienza produttiva bovina, il presente elaborato analizza il potenziale predittivo dell’informazione microbiotica fecale sulla produzione lattea giornaliera nella razza Rendena. La ricerca è stata strutturata su un monitoraggio longitudinale coinvolgente 11 allevamenti, con la raccolta di 829 campioni fecali da circa 500 bovine, al fine di isolare la varianza del microbiota fecale individuale e di usarla come predittore delle performance produttive nello stesso individuo e nel resto della popolazione. La valutazione si è basata su schemi di validazione incrociata (cross-validation) volti a testare la robustezza del modello in diversi scenari. Le predizioni sono state effettuate per lo stesso individuo sia con l’utilizzo di campioni di microbiota della stessa stagione di quelli utilizzati per l’addestramento (estate), sia con campioni di stagioni differenti (inverno). Lo stesso è stato fatto per predire le produzioni di altri individui. I risultati evidenziano che l’inclusione dei dati tassonomici del microbiota porta a un incremento significativo della precisione dei modelli predittivi rispetto ai metodi convenzionali. In particolare, il modello ha dimostrato un'ottima capacità predittiva nel monitoraggio dello stesso animale nel tempo, confermando la stabilità della firma microbica individuale come indicatore delle performance fisiologiche. Allo stesso tempo, si è mantenuta una correlazione positiva anche nella predizione su animali diversi da quelli usati per l’addestramento, dimostrando che il modello può costituire un concreto supporto operativo per la selezione e il miglioramento della produttività nella razza Rendena e,in generale, in una popolazione bovina.
Predizione della produzione di latte giornaliera in bovine tramite l'informazione del microbiota dell'individuo e dei conspecifici
GRIGOLETTO, LORIS
2025/2026
Abstract
The gut microbiota represents a biological determinant of fundamental importance for dairy production efficiency. The present study investigates the predictive potential of fecal microbiota information for daily milk yield in the Rendena cattle breed. The research was designed as a longitudinal monitoring study involving 11 farms, with the collection of 829 fecal samples from approximately 500 cows, with the aim of disentangling the variance of individual microbiota and to use it as a predictor of productive performances within the individual and in the whole population. Model evaluation was based on cross-validation schemes designed to assess predictive robustness under different scenarios. Predictions were performed for the same individual using microbiota samples collected in the same season as the training data (summer), as well as in a different season (winter). The same approach was applied to predict milk production in different individuals. Results indicate that the inclusion of microbiota taxonomic data significantly improves predictive accuracy compared to conventional models. In particular, the model demonstrated strong predictive performance when monitoring the same animal over time, supporting the stability of the individual microbial signature as an indicator of physiological performance. At the same time, a positive predictive correlation was maintained when applied to animals not included in the training dataset, suggesting that the model may provide practical support for selection strategies and productivity improvement in the Rendena breed and, in general, in a bovine population.| File | Dimensione | Formato | |
|---|---|---|---|
|
Grigoletto_Loris.pdf
Accesso riservato
Dimensione
736.98 kB
Formato
Adobe PDF
|
736.98 kB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/105171