MétaCan
Menu
Retour à la cohorte
Enregistrement W1974126513 · doi:10.1111/j.0022-1112.2006.00965.x

Gustatory responses to feeding‐ and non‐feeding‐stimulant chemicals, with an emphasis on amino acids, in rainbow trout

2006· article· en· W1974126513 sur OpenAlexaff
Shinji Yamashita, Taeko Yamada, Toshiaki HARA

Notice bibliographique

RevueJournal of Fish Biology · 2006
Typearticle
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of ManitobaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésRainbow troutAmino acidBiologyTasteTaste receptorAlanineReceptorOdorBiochemistryFood scienceFish <Actinopterygii>FisheryNeuroscience

Résumé

récupéré en direct d'OpenAlex

Specific receptor and fibre types of rainbow trout Oncorhynchus mykiss involved in the detection and discrimination of amino acids and a heterogeneous collection of compounds were investigated by recording the electrical activity of the maxillary branch of the facial nerve innervating taste buds inside the upper jaw. Proline (Pro), alanine (Ala), leucine (Leu), betaine (Bet) and 2‐amino‐3‐guanidinopropionic acid (Agp) were the major amino acids detected by the gustatory system. The two experimental approaches, concentration‐response curves and cross‐adaptations, showed that all amino acids were detected by three independent receptor types: Pro ‐, Agp/Bet ‐ and Leu ‐receptors. Bile acids, the most potent stimulants recorded, were detected by a single receptor type independent of those for amino acids, with threshold concentrations of 10 −12 M. Strychnine, quinine and tetrodotoxin may have partially shared a single receptor mechanism. The gustatory sensibility narrowly tuned towards the amino acid spectrum compared to those for a diverse array of non‐feeding stimulant chemicals, combined with feeding behaviour triggered primarily by vision and olfaction, suggest that in rainbow trout, and possibly other salmonid species, gustatory chemical cues, in addition to food finding and intake, play an important role in detecting poisonous prey and substances.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,173
Score d'incertitude au seuil0,510

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,282
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207