Correlations between fat depot traits and fatty acid composition in abdominal subcutaneous adipose tissue and longissimus muscle: Results from a White Duroc × Erhualian intercross F2 population1
Notice bibliographique
Résumé
The aim of this study was to quantify the partial correlation coefficients (r(p)) between fat depot traits (FDT) and the fatty acid composition of abdominal subcutaneous adipose tissue and LM intramuscular fat in 639 F(2) pigs derived from a White Duroc × Chinese Erhualian cross. Fat depot traits are classified into 2 groups: 1 is adipose tissues (abdominal subcutaneous adipose tissue weight, mesenteric adipose tissue weight, perirenal adipose tissue weight, and backfat thickness at 4 locations); the other is LM [intramuscular fat content (IMF) and marbling score]. Correlations of FDT within classification groups were markedly greater (P < 0.001) than those observed between the 2 groups (r(p) = 0.62 vs. 0.26), indicating variability in fat content of muscle is relatively independent of amount of carcass fat. In general, fatter pigs had greater (P < 0.05) proportions of SFA and MUFA, and less PUFA, than leaner pigs. However, the relationships of individual fatty acids with FDT varied. We found that the amounts of some fatty acids regarded as neutral (e.g., stearic acid) or beneficial (e.g., palmitoleic acid and linolenic acid) for human health were associated with smaller amount of adipose tissues, or merely with greater IMF (P < 0.05). Therefore, we conclude that increasing the proportions of these neutral or healthy fatty acids can be achieved without reducing the IMF of LM, which is positively related to eating quality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».