牛奶是人類營養(yǎng)物質的重要來源，同時也已成為國際農(nóng)業(yè)經(jīng)濟的重要組成部分。傅立葉變換中紅外光譜法（Fourier Transform Mid-Infrared Spectroscopy , FT-MIRS）通過掃描牛奶樣品確定特定的化學鍵，形成由單個紅外光波數(shù)透射率/吸光度組成的光譜曲線，最終結合機器學習算法形成的函數(shù)與超參數(shù)組合來構建模型并預測奶牛生產(chǎn)性狀，從而快速、批量、低成本和高通量地對奶牛的產(chǎn)奶性狀（蛋白質組成、脂肪酸組成、氨基酸組成和多種礦物質）、奶牛的生理性狀（乳房炎等健康、發(fā)情妊娠等繁殖、能量平衡等代謝）、奶牛的環(huán)境釋放性狀（甲烷等溫室氣體排放）性狀表型組等進行檢測和遺傳分析與選育。

 

FT-MIRS技術已廣泛應用于奶牛生產(chǎn)性能測定和奶牛群體改良（Dairy Herd Improvement, DHI），但不同儀器對FT-MIRS測定靈敏度、激光強度和穩(wěn)定性存在顯著差異。僅一臺儀器測定獲得的光譜直接應用于其他儀器通常會導致預測模型的準確性降低，無法直接整合并應用到表型指標預測及相關研究。因此，需要對FT-MIRS儀器之間進行光譜校正，從而進行模型校準和轉移使用。現(xiàn)有研究報道側重于分段直接標準化（Piecewise Direct Standardization,PDS）、追溯百分位標準化等校正方法，但均未考慮到光譜的共線和冗余性質，應用方面的靈活性欠佳，準確性也需進一步優(yōu)化。

 

本研究提出了一種基于凝聚聚類（Agglomerative Clustering,AC）的波段分段方式，在PDS之前根據(jù)樣本對不同儀器間每個波數(shù)的光譜響應進行靈活的窗口選擇，避免了PDS方法在窗口選擇上存在的單一性和局限性。同時，還將優(yōu)化后的ACPDS方法與單波點直接標準化及PDS的光譜重現(xiàn)性水平、運算時間、內(nèi)存占用以及乳成分模型預測的重復性水平進行比較，并研究和優(yōu)化FT-MIRS標準化的應用條件，提出了使用的流程和策略。

 

本研究創(chuàng)建的ACPDS新方法進一步提升了不同F(xiàn)T-MIRS儀器間的標準化水平，打破了國外的技術壟斷，為基于FT-MIRS預測模型的廣泛應用開辟了新途徑，為中國甚至國際奶牛性能表型數(shù)據(jù)庫的建立和優(yōu)化、在跨地域和跨時間范圍的奶牛群體改良和聯(lián)合育種提供了技術支撐。

 

我校博士生樊懿楷和碩士生楊卓為文章共同第一作者，張淑君教授為通訊作者，全國畜牧總站劉剛和劉婷婷等為共同作者。本研究得到國家重點研發(fā)計劃政府間國際科技創(chuàng)新合作和湖北省國際合作項目等項目的資助。