Modellering af socialt netværk hos malkekøer

Projektleder: Per Peetz Nielsen, Adjunkt, e-mail: ppn@sund.ku.dk

Projektet tilbyder, et nødvendigt første skridt indenfor forsknings- og udviklingsindsats, til at gennem udvikling af modellering af sociale netværk fremme sundheden og reducere antibiotikaforbruget i de danske malkekvægsbesætninger. Dette vil i fremtiden, kunne bruges for at udvikle automatiske systemer for detektering af malkekøer i risiko for at være blevet smittet af andre køer og en fremtidig udvikling af effektive værktøjer, for at mindske smittespredning i besætningen, ved information om hvilke køer som har været udsatte for kontaminerede områder i stalden.

Formålet med projektet er at undersøge om et kommercielt positionssystem for malkekøer kan bruges til at modellere sociale interaktioner mellem køerne. På lidt længere sigt vil dette projekt give mulighed for modellering af smittespredning mellem køerne af for eksempel patogener for yverbetændelse.

Det overordnede formål med denne forskning, er at øge viden om dannelse af sociale interaktioner via sociale netværk, for i fremtiden, at kunne forbedre og udvikle kontrolforanstaltninger. På langt sigt vil dette studie give mulighed for, at udvikle matematiske modeller og værktøjer til brug i rådgivningen og på de enkelte bedrifter, for hvordan man bedst håndtere fritgående malkekøer i store besætninger, for at undgå smittespredning. Desuden vil fremtidige forsøg med smittespredning i store besætninger, som har et lignende positionssystem, kunne give landmanden information om hvilke dyr som potentielt er blevet smittet af kendte smittebærere, med tilhørende handlingsplan, og dermed minimere den økonomiske effekt af kliniske sygdomme. 

Nyere forskning viser, at de globale strukturelle egenskaber af dynamiske sociale netværk i høj grad er bestemt af den relative mængde af mekanismer som styrer dannelser af de mindre netværk. Det betyder at i en stor gruppe af køer, så er det mekanismerne omkring de sociale interaktioner i små grupper som bestemmer hvordan den sociale dynamik er for hele gruppen af køer fungerer. I dette projekt, vil vi udføre en multiskala analyse, for at undersøge malkekøers sociale netværk i detaljer. For at forstå, hvilke grundlæggende principper som styrer det dynamiske sociale netværk, vil vi analysere den dynamik i netværket som findes i store grupper af malkekøer, som overvåges af et kommercielt positionssystem med ca. 50 cm nøjagtighed. Blandt andet vil vi studere de enkelte interaktioner i disse sociale fællesskaber, for at forstå processen for at skabe nye netværk. Projektet vil skabe ny teoretisk viden om de dynamiske sociale strukturer, såvel som praktisk viden, der i fremtiden, vil kunne bruges for studier med henblik på at forhindre spredning af smitsomme sygdomme mellem malkekøer i store grupper.

Nylige fremskridt i positionsudstyr til malkekøer, ved hjælp af højfrekvente radiobølger, og sociale netværks modellering muliggør et videnskabelig potentiale, der nu tillader en videnskabelig undersøgelse af et helt nyt niveau af dynamisk modellering, baseret på observationer over hundrede individer i stedet for en håndfuld, og som desuden er baseret på det nøjagtige tidspunkt for alle nye netværks formationer. 

Antallet af bedrifter med fritgående køer stiger støt. De umiddelbare fordele for dyrevelfærd kan dog potentielt udlignes af den øgede risiko for overførsel af sygdomme mellem dyrene, når dyrene bevæger sig frit. Den forståelse vi har af hvordan infektionen spredes i en stor gruppe af individer er begrænset, og det er derfor vi ønsker, at udvikle en matematisk dyremodel for sociale interaktioner mellem malkekøer. 

Aktuelle netværksmodeller er enten lavet på et stort antal statiske individer, såsom netværk hubs (et netværk hub er en enhed, der kombinerer en række forskellige segmenter i ét stort netværk/segment), i et chat netværk eller dynamiske individer, men med et maksimum på 5-8 personer. I vores projekt, vil omkring 150 malkekøer fra en forsøgsgård i Clermont Ferrand (INRA), Frankrig, spores for at indsamle data til modellering af dynamiske netværk. Dette data fra INRA er valgt da de har en forsøgsgård med måleudstyret installeret, og fordi de allerede arbejde med dette data, for at detektere syge dyr (blandt andet SARA). Hver enkelt kos position i stalden vil blive fulgt med en nøjagtighed på 50 cm (95% korrekte) og positionen vil blive ajourført hvert sekund, hvilket giver en serie af X, Y koordinater. Da positionen ajourføres på så høj frekvens, er vi i stand til at modellere den eksakte vej, som koen gård i stalden, og derved kan vi bestemme, hvornår kontakter mellem individer forekommer. 

Modellering

I vores datasæt, kan vi følge fødslen og udviklingen af sociale interaktioner i deres helhed, herunder tidsmæssige strukturer. Vi vil skabe rumlige kort (og sociogrammer) for at vise variable såsom afstand som koen har flyttet sig, kontakt med andre køer, længden af kontakt og antallet af hvert enkelt individs kontakter.

Vi vil udvikle en social kontakt klassifikation, bygget på en netværksordning som passer dyrepopulationer der er spredt på en todimensionel overflade (f.eks. malkekøer i en stald). Klassificeringen vil derefter blive anvendt, for at estimere den relative forekomst af de forskellige typer af netværks formationer. Estimaterne vil i sidste ende blive brugt til at generere netværksstrukturer, som vil blive sammenlignet med de observerede netværk fra det indsamlede data. 

Datasæt

I dette projekt vil vi gennem vores samarbejde med INRA få tilgang til positionsdata fra 150 køer opstillet på deres forsøgsgård i Clermont Ferrand. Hver ko genererer omkring 8GB data per måned hvilket totalt giver 3.6 TB data over en periode på tre måneder. Derfor vil den initiale fase af dette projekt fokusere på at organisere analysen af denne enorme datamængde, hvilket kommer at kræve indkøb af en central placeret regnekraftig stationær computer og nært samarbejde mellem alle involverede partnere. Selve modelleringen af data vil primært blive udført af en partner fra Karolinska Instituttet i Sverige, som har meget stor erfaring af analyser og modellering af store datasæt.

Fremtidige perspektiver

Projektet har stort potentiale for i fremtiden, at kunne gavne den enkelte mælkeproducent ved, at foranledige forbedret generel smitteforebyggelse, sygdomsregistrering og målrettet sygdomsbekæmpelse, af nogle af de væsentligste sygdomme, der plager mælkeproduktionen. Dette medfører øget produktionssikkerhed og økonomi, nedsat
behandlingsbehov og derved lavere antibiotikaforbrug. Derfor gavner projektet også branchen som helhed, ved et langsigtet forbedret image. Derudover får dyrene også stor gavn af den forbedrede sundhed og velfærd. Endelig har projektet stort potentiale, for i fremtiden at kunne bidrage til, at forbedre fødevaresikkerheden i primærproduktionsleddet af jord-til-bord kæden, ved potentielt at kunne reducere mængden af sub-klinisk og klinisk mastitis samt andre sygdomme.

Partnere

  • Adjunkt Luis Rocha (Karolinska Instituttet, Sverige) har stor erfaring i modellering af sociale netværk og håndtering af store datasæt. 
  • Lektor Olle Terenius (Sveriges landbrugsuniversitet) har stor erfaring i studier af smittespredning hos honningbier.
  • Professor Fredrik Liljeros (Stockholms Universitet, Sverige) er specialist på modellering af smittespredning og sociale strukturer hos mennesker. (https://www.su.se/profiles/liljeros-1.184158)
  • Senior forsker Isabel Veissier (Institut National de la recherche Agronomique (INRA), Frankrig) har stor erfaring i arbejdet med mindskning af smittespredning og udvikling af modeller for detektering af sygdomme med hjælp af tekniske løsninger. 

Sponsorer

Projektet i finansieret af Promilleafgiftsfonden for landbrug med kr. 469.000 i perioden august til december 2016.