[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-pt-112":3,"doc-seo-123543-112":49,"doc-detail-123543-pt":124},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},26,"Document","Contos e Romances",60,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},46,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},28,"Exames","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},47,"Geral","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},29,"Histórias em Quadrinhos","comic",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},27,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},32,"Pesquisa e Relatórios","research-report",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},33,"Religião e Espiritualidade","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},31,"Saúde e Cuidados","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},45,"Tecnologia","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":117,"head_meta":119,"extra_data":121,"updated_unix":123},112,"pt","fertility-parameter-analysis-in-equus-caballus-using-unsupervised-machine-learning-models","Análise de parâmetros de fertilidade em Equus caballus - utilizando modelos não supervisionados de Machine Learning","","Análise de parâmetros de fertilidade em garanhões da raça Crioula por meio de modelos não supervisionados de Machine Learning, utilizando dados de motilidade e cinética espermática obtidos pelo sistema CASA (SpermVision). Foram avaliadas variáveis como motilidade total e progressiva, medidas de distância e velocidades (VAP, VCL, VSL), além de parâmetros de oscilação e batimento flagelar. Os dados foram padronizados com Z-Score, agrupados por métodos hierárquico aglomerativo e K-means, com validação por Elbow e coeficiente de silhueta, e comparação estatística por ANOVA para identificar variáveis mais discriminantes entre clusters.",{"@graph":59,"@context":116},[60,77,99],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/pt/document/",2,{"item":72,"name":35,"@type":66,"position":73},"https://docshare.wps.com/pt/document/pesquisa-e-relatórios/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/pt/document/fertility-parameter-analysis-in-equus-caballus-using-unsupervised-machine-learning-models/123543/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/fertility-parameter-analysis-in-equus-caballus-using-unsupervised-machine-learning-models/123543.png","ImageObject",300,407,{"name":85,"@type":86},"Ophelia","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-25","2026-08-04",true,{"@type":95,"interactionType":96,"userInteractionCount":98},"InteractionCounter",{"@type":97},"ViewAction",8,{"@type":100,"mainEntity":101},"FAQPage",[102,108,112],{"name":103,"@type":104,"acceptedAnswer":105},"Qual foi o objetivo do estudo com Machine Learning?","Question",{"text":106,"@type":107},"Identificar amostras de alta e baixa fertilidade em garanhões a partir dos dados de motilidade e cinética espermática fornecidos pelo sistema CASA.","Answer",{"name":109,"@type":104,"acceptedAnswer":110},"Quais métodos de agrupamento foram utilizados para classificar as amostras?",{"text":111,"@type":107},"Foram aplicados agrupamento hierárquico aglomerativo e K-means, ambos com dados padronizados, com suporte de validação pelo método do Elbow e análise do coeficiente de silhueta.",{"name":113,"@type":104,"acceptedAnswer":114},"Como foi feita a avaliação estatística da diferença entre clusters?",{"text":115,"@type":107},"Para cada variável, foi aplicada ANOVA, permitindo calcular estatística F e valor-p e identificar quais variáveis mais contribuíram para a separação dos grupos.","https://schema.org",{"og:url":75,"og:type":118,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":120,"canonical":75},"index,follow",{"doc_id":122,"site_id":52},123543,1785817219,{"code":4,"msg":5,"data":125},{"doc_id":122,"user_id":126,"nickname":85,"user_avatar":127,"doc_module":4,"category_id":34,"category_name":35,"doc_title":55,"doc_description":57,"doc_content":128,"file_id":129,"file_url":130,"file_type":131,"file_size":132,"view_count":98,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":76,"language":133,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":134,"faqs":135,"seo_title":136,"seo_description":57,"update_tm":123,"read_time":137},962084925290,"https://ap-avatar.wpscdn.com/davatar_085a072bc5b1113ac321206ff7593b45","ANÁLISE DE PARÂMETROS DE FERTILIDADE EM Equus caballus UTILIZANDO MODELOS NÃO SUPERVISIONADOS DE MACHINE LEARNING  \nLUANA CARLA SALVI1 ; LUCAS PETITEMBERTE DE SOUZA2 ; WILLIAM BORGES DOMINGUES3 ; IZANI BONEL ACOSTA4 ; LUIZ ALEXANDRE CHISINI5 ;  \nVINICIUS FARIAS CAMPOS6  \n1Universidade Federal de Pelotas – [luanacarlasalvi@gmail.com](luanacarlasalvi@gmail.com)[ ](luanacarlasalvi@gmail.com)2Universidade Federal de Pelotas – [lucasouza.contato@gmail.com](lucasouza.contato@gmail.com)[ ](lucasouza.contato@gmail.com)3Universidade Federal de Pelotas – [villiamwwe@gmail.com](villiamwwe@gmail.com)[ ](villiamwwe@gmail.com)4Universidade Federal de Pelotas – [izanibonel@hotmail.com](izanibonel@hotmail.com)[ ](izanibonel@hotmail.com)5Universidade Federal de Pelotas – [alexandrechisini@gmail.com](alexandrechisini@gmail.com)[ ](alexandrechisini@gmail.com)6Universidade Federal de Pelotas – [fariascampos@gmail.com](fariascampos@gmail.com)  \n1. INTRODUÇÃO  \nO setor equestre brasileiro movimenta anualmente mais de R$16 bilhões e é responsável pela geração de cerca de 3 milhões de empregos (MAPA, 2016) . Ao contrário de outras espécies de interesse comercial, onde a seleção de machos reprodutores se baseia na fertilidade, a escolha dos garanhões é determinada principalmente pelo pedigree, características fenotípicas edesempenho atlético (VARNER et al. , 2015) .  \nA análise espermática em garanhões geralmente inclui a avaliação damotilidade total e progressiva, concentração de espermatozoides, morfologia, além de parâmetros cinéticos como velocidade média, velocidade em linha reta, velocidade curvilínea, retidão e linearidade (MEDICA et al. , 2023) . No entanto, asanálises convencionais, tanto macroscópicas quanto microscópicas, têmmostrado limitações na predição precisa da fertilidade (SALAS-HUETOS et al. , 2023) . Os parâmetros usados nessas análises não possuem a sensibilidade diagnóstica necessária para diferenciar diferentes graus de fertilidade, uma demanda comum na reprodução equina (VARNER et al. , 2015) .  \nNas últimas décadas, houve um aumento significativo no uso de biotecnologias reprodutivas no setor equestre, impulsionado pelo alto valoreconômico desses animais e pela demanda crescente por cavalos de elite com excelente desempenho (AZCONA et al. , 2020) . Nesse cenário, a identificação de biomarcadores de fertilidade, como os miRNAs, têm o potencial de melhorar aavaliação reprodutiva dos garanhões, visto que os métodos tradicionaisapresentam baixa sensibilidade, o que pode acarretar prejuízos econômicos ao setor.  \nO trabalho teve o objetivo utilizar um método não supervisionados de Machine Learning para identificar amostras de alta e baixa fertilidade em garanhões, com base no conjunto de dados fornecido pelas análises demotilidade e cinética espermática, fornecidas pelo sistema CASA (Computer-Assisted Sperm Analysis) . Este estudo foi um projeto piloto do experimento que visa identificar miRNAs espermáticos biomarcadores para análise de fertilidade em garanhões utilizando qPCR.  \n2. METODOLOGIA  \nForam analisadas amostras seminais de 28 garanhões da raça Crioula, clinicamente saudáveis e sexualmente ativos, fornecidas pela empresa Hartwig  \nFertilidade Equina, situada em Pelotas-RS. Um ejaculado foi obtido de cadagaranhão utilizando vagina artificial, imediatamente diluído, na proporção de 1:1 (diluente: sêmen) utilizando diluente comercial Botu-Sêmen® (Botupharma, Botucatu, SP, Brasil) e acondicionado em recipiente comercial para transporte dasamostras a 15ºC até o laboratório.  \nOs parâmetros de motilidade e cinética espermática foram analisados utilizando metodologia descrita por Domingues e colaboradores (2021) . Asamostras foram avaliadas utilizando o sistema computadorizado CASA (SpermVision®, Minitube, Alemanha) . Foram avaliados os seguintes parâmetros: motilidade total (TM) (%) e progressiva (PM) (%), distância média percorrida (DAP) (μm), distância curvilínea (DCL) (μm), distância retilínea (DSL) (μm), velocidade média pe","cbCaiu89OId6gJDK","https://ap.wps.com/l/cbCaiu89OId6gJDK","pdf",188402,"Portuguese","# Introdução\n## Contexto do setor e limitações de análises convencionais\n## Objetivo e proposta com Machine Learning\n# Metodologia\n## Amostras e coleta seminal\n## Parâmetros avaliados no sistema CASA\n## Pré-processamento e padronização dos dados\n## Agrupamento (hierárquico e K-means) e validação\n## Testes estatísticos entre clusters\n# Resultados e discussão","[{\"question\":\"Qual foi o objetivo do estudo com Machine Learning?\",\"answer\":\"Identificar amostras de alta e baixa fertilidade em garanhões a partir dos dados de motilidade e cinética espermática fornecidos pelo sistema CASA.\"},{\"question\":\"Quais métodos de agrupamento foram utilizados para classificar as amostras?\",\"answer\":\"Foram aplicados agrupamento hierárquico aglomerativo e K-means, ambos com dados padronizados, com suporte de validação pelo método do Elbow e análise do coeficiente de silhueta.\"},{\"question\":\"Como foi feita a avaliação estatística da diferença entre clusters?\",\"answer\":\"Para cada variável, foi aplicada ANOVA, permitindo calcular estatística F e valor-p e identificar quais variáveis mais contribuíram para a separação dos grupos.\"}]","Análise de parâmetros de fertilidade em Equus caballus - utilizando modelos não supervisionados de Machine Learning | PDF",6]