Gene expression of leptin, leptin receptor, prolactin receptor and whey acidic protein in mammary glands of late-pregnant gilts from two breeds
Notice bibliographique
Résumé
In order to identify genes which are essential for pig mammary gland development, mRNA levels of prolactin receptor (PRL-R), leptin, leptin receptor and whey acidic protein (WAP) were measured in parenchymal tissue of 110-d-pregnant gilts. Thirteen Upton-Meishan (UM) and 14 Large White (LW) pregnant gilts and 5 non-pregnant control gilts (2 LW and 3UM) were used. PRL-R and WAP mRNA levels were higher in pregnant than in non-pregnant gilts (P < 0.05). Leptin mRNA levels were higher in UM than in LW gilts (P < 0.05), but this breed effect was not seen when leptin mRNA levels were corrected for percent fat in parenchyma. Correlations were found between concentrations of IGF-I in plasma and PRL-R (P < 0.01) and WAP (P < 0.05) mRNA levels in UM gilts. Serum prolactin (PRL) was correlated with leptin mRNA levels in the overall (P < 0.05) and LW (P < 0.05) populations of gilts, while estradiol was associated with leptin receptor mRNA in UM gilts (P < 0.05). The mRNA levels of all studied genes were positively correlated with mammary parenchymal and extra parenchymal weights in UM gilts, whereas these variables were only correlated with PRL-R and WAP gene expression in LW gilts. The presence of leptin and leptin receptor mRNA in parenchymal tissue suggests a paracrine role for leptin in mammary tissue of late-pregnant gilts. These results also suggest that the PRL signalling pathway is fully active at the transcriptional level in the mammary gland of gilts at 110 d of pregnancy. Key words: Genetics, pig, mammary glands, Meishan, mRNA
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».