Expression of peroxisome proliferator-activated receptor (PPARγ) mRNA in adipose and muscle tissue of Holstein and Charolais cattle
Notice bibliographique
Résumé
Peroxisome proliferator-activated receptor γ(PPARγ) regulates adipogenesis and lipid metabolism-related gene transcripts. The role, however, of PPARγ in different adipose depots and muscle in Holstein and Charolais cattle is still unclear. We used 20 animals (10 from each breed) for semi-quantitative reverse transcription polymerase chain reaction (RT-PCR) to measure PPARγ mRNA levels in subcutaneous (SC), perirenal (PR), omental (OM), and intramuscular (IM) adipose depots as well as longissimus muscle (MU). IM fat was dissected from muscle tissue in MU. Holstein were characterized by their higher OM (P < 0.01) and PR (P < 0.05) fat weights while the Charolais had a higher body weight (P < 0.001) and a larger longissimus muscle area (P < 0.001). The IM fat content and marbling scores tended to be higher in Holstein. No significant differences in PPARγ mRNA expression were observed between these two breeds for any tissue. In both breeds, MU PPARγ had the lowest expressed mRNA level (P < 0.05). In the IM fat depot, expression was higher (P < 0.05) than MU, but lower than the SC, PR, and OM fat depot PPARγ mRNA levels. Only OM PPARγ mRNA levels were higher (P < 0.05) than SC and PR in Charolais. To characterise the role of PPARγ mRNA in bovine adipogenesis, correlations were performed among PPARγ mRNA, carcass characteristics, and adipogenesis-related genes. Key words: Adipose tissue, muscle tissue, PPARγ, cattle
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 | 0,000 | 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 | 0,001 |
| 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) | 0,000 | 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 ».