Analyse comparative de modèles de croissance et de ...€¦ · Analyse comparative de modèles de...
Transcript of Analyse comparative de modèles de croissance et de ...€¦ · Analyse comparative de modèles de...
Analyse comparative de modèles de croissance et de composition corporelle
F. Garcia-Launay et J AgabrielINRA, UR1213 Herbivores, Theix, 63122 Saint-Genès Champanelle
avec la collaboration de R.D. Sainz, L.G. Barioni et J.W. Oltjen, UC Davis
DNAcell
Protein
Lipids
MEI
EBW
ME maintenance
dDNA_dt
dFat_dt
ProtSynProtDeg
ProtC
ProtNC
LipC
LipNC
MEI
synthesis
synthesis
synthesis
synthesis
degradation
degradation
degradation
degradation
A estimer :
Composition corporelle?Composition de la carcasse?
Selon la nature et la quantité ingérée
Etat initialvariable ou induit
Contexte : des croissances observées parfois discontinues et des simulations qui portent sur des durées longues (2ans et +)
Modélisation de la croissance de bovins dans les systèmes herbagers
Poids
Temps9 mois 24 mois
été hiver été
Objectifs du modèle « mecsic »(Hoch et Agabriel 2004)
(Minimum de compartiments mesurables)
• Intégrable dans un outil de recommandations
Modèle « principal » prédictif• Pour prédire dynamiquement l’évolution de la composition corporelle
Capable de se lier avec d’autres modèles : ingestion composition tissulaire de l’animal
Pour reconstituer in silico un animal très simplifié
�projet BeefBox soutenu par Casdar et labellisé RMT Modelia
Deux modèles mécanistes de la croissance et de la composition corporelle chez les bovins
MECSIC (Hoch et Agabriel, 2004)Dynamic Growth Model (Oltjen et al 1986)
Energie Métabolisable Ingérée
Dépôt Protéines et Lipides
Croissance Composition Corporelle 40
60
80
100
120
140
160
0 100 200 300 400 500 600Time (days)
kgCroissance continue ok
0
50
100
150
200
250
0 200 400 600 800Time (days)
kgCroissance discontinue ?
1) Identifier les situations dans lesquelles les modèles ne fournissent pas des estimations fiables des quantités de protéines et de
lipides corporels
2) Donner des pistes pour l’amélioration des modèles
Plutôt qu’une réelle validation, une évaluation comparée
Problématique méthodologique
Lourdeur des expérimentationsTrès peu de jeux de données avec
quantités ingérées individuelles
Calibration (2 paramètres) et « validation » avec les mêmes
jeux de données
Les résultats des simulations et des observations ne sont pas indépendants et les analyses de type
régression ne sont donc pas valides
Modèle MECSIC (Hoch et Agabriel 2004)
( )EMIfmaximalesynthèsebasalemétabolismotéinesSynthèsePr ×+=
××=
i
iiii Prot
ProtmaxlnProtαxProtSynthèsema
degradation
degradation
ProcessusProcessus biologiquesbiologiques: : SynthSynthèèsese et et ddéégradationgradation
ProteinCarcass
ProteinNonCarcass
lipidsCarcass
lipidsNonCarcass
EnergieMétabolisable
ingérée
synthese
synthese
synthese
synthese
degradation
degradation
ProcessusProcessus biologiquesbiologiques: : HomeorrhHomeorrhèèsese et et homhomééostaseostase
EMIk
EMIf(EMI)
ME +=
Prise en compte du format de l’animal
Davis Growth Model (Oltjen et al 1986)
DNABody
fatBody
ProteinBody
accretionDNA
accretionFat
SynthesisProtein nDegradatioProteinMetabolizable Energy Intake
Heat production
NUT1s_DNA)(DNAmaxk1dDNA_dt ×−×=
Prise en compte du format de l’animal
0.75EBW(a/km)EMMaint ×=
FatEMMaint)/EREProt(EMIdFat_dt −−=
Jeux de données disponibles
tardivetardiveRace
IndividuellesIndividuellesDonnéesd’ingestion
Haut EM 9.4Haut EM 9.4Bas EM 7.7Bas EM 7.7
Énergiemétabolisable des régimes (MJ/kg)
Continue et DiscontinueContinue et Discontinue2 2 groupesgroupes
Trajectoires de croissance
34 34 moismoisAge à l’abattage
8 8 moismoisÂge initial
2323Nombre animaux
GGéénissesnisses SalersSalers
IndividuellesIndividuelles
Haut EM 12.8Haut EM 12.8Bas EM 7.8Bas EM 7.8
Continue et DiscontinueContinue et Discontinue5 5 groupesgroupes
1010--16 16 moismois
8 8 moismois
120120
prpréécocecoce
BoeufsBoeufs AngusAngus--HerefordHereford
Paramétrisation et analyses
Biais moyen : Différence moyenne entre les valeurs observées etles valeurs prédites par le modèle
Déviations (valeurs prédites par le modèle – valeurs observées)sont examinées en fonction des valeurs prédites
MSEP: Mean Square Error of PredictionCarré Moyen de l’erreur de prédiction
n
XXfYMB
ip
n
ii )),....,(( 1
1
−=∑
=
n
XXfYMSEP
ip
n
ii
21
1
)),....,(( −=∑
=
Analyse comparative avec les jeux de données utilisés pour la paramétrisation
� Un manque d’ajustement indique des problèmes dans la structure du modèle
Tedeschi, 2006, assessment of the adequacy of Mathematical models, Agric. Syst. 89, 225-247
40
50
60
70
80
90
100
110
120
0 100 200 300 400 500 600 700 800
Time (days)
kg of protein
Observations CC
Observations CD
DGM CC
DGM CD
MecSic CC
MecSic CD
Simulation des protéines corporelles chez les génisses Salers
Simulations individuelles des lipides corporels chez les génisses Salers
Observations CC
Observations CD
MecSic CC
MecSic CD
MecSic CC - individus
MecSic CD - individus
0
50
100
150
200
250
0 100 200 300 400 500 600 700 800
Time (days)
kg of fat
0
20
40
60
80
100
120
140
160
0 50 100 150 200 250 300
Time (days)
kg of fat
CA-CAData CA-CACL-CAData CL-CACL-CLData CL-CLFA-CAData FA-CAFA-CLData FA-CL
Simulations des lipides corporels chez les bœufs Angus avec MecSic
0
20
40
60
80
100
120
140
160
0 50 100 150 200 250
Time (days)
kg of fat
CA-CAData CA-CACL-CAData CL-CACL-CLData CL-CLFA-CAData FA-CAFA-CLData FA-CL
Simulations des lipides corporels chez les bœufs Angus avec DGM
Biais moyen pour les estimations de lipides corporelsévaluation de la « justesse »
-100.00
-80.00
-60.00
-40.00
-20.00
0.00
20.00
40.00
60.00
80.00
100.00
SH Restr1
SH Refeed1
SH Restr2
SH Refeed2
A-H S Conc ad lib
A-H S Restr
A-H S Refeed
Lipides (kg)
MECSIC
DGM surestimation
sousestimation
Carré moyen des erreurs de prédiction
évaluation de la « justesse » et de la précision
mais valeurs de « bornes »minimales puisque données non
indépendantes
MSEP Lipides - Boeufs (kg²)
0100200300400500600700800900
1000
croissancecontinue soutenue
restriction compensation
DGM
MECSIC
MSEP Lipides - génisses Salers (kg²)
0
100
200
300
400
500
600
700
800
900
1000
Restriction 1 Compensation 1 Restriction 2 Compensation 2
DGM
MECSIC
Déviations pour les lipides chez les bœufs Angus avec DGM
A1) DGM
-50
-30
-10
10
30
50
0 20 40 60 80 100 120 140 160 180
Predicted fat (kg)
Dev
iati
ons
(kg)
B1) IGM
-50
-30
-10
10
30
50
0 20 40 60 80 100 120 140 160 180Predicted fat (kg)
Dev
iatio
ns (k
g)
Plus basse est la quantité de lipides, plus le modèle la surestime
Plus haute est la quantité de lipides, plus le modèle la sous estime
Déviations pour les lipides chez les bœufs Angus avec MecSic
Avantages et limites de la méthodologie adoptée
La méthodologie a permis d’identifier et de caractériser les améliorations nécessaires des modèles
Les performances de prédiction ne peuvent pas être complètement étendues à d’autres jeux de données / on
peut s’attendre à une plus faible précision avec des données externes.
Dans ce type de situation on ne peut pas appliquer les méthodes relatives à la régression à cause de la non-
indépendance des observations et des simulations
Bilan de l’analyse comparative
ProtéinesLes structures de modèles sont adéquates
MecSic plus simple, sans ADN
LipidesLa structure de DGM est adéquate
La production de chaleur doit être mieux préditepour les périodes de restriction
MecSic n’est pas suffisamment sensible à l’énergie métabolisable ingérée
Les deux approches ont appris l’une de l’autreet vont évoluer conjointement
Plus de détails dans : Garcia et al. 2008. Comparative analysis of two dynamic mechanistic models
of beef cattle growth, Anim. Feed Sci. Tech. 143, 220-241.