MétaCan
Menu
Retour à la cohorte
Enregistrement W2037913242 · doi:10.1007/s11745-012-3688-8

Evaluating the In Vitro Metabolism of Docosahexaenoic Acid in Sheep Rumen Fluid

2012· article· en· W2037913242 sur OpenAlexaff
Noelia Aldai, Gonzalo Hervás, Álvaro Belenguer, Pilar Frutos, Ángel R. Mantecón, John K. G. Kramer

Notice bibliographique

RevueLipids · 2012
Typearticle
Langueen
DomaineNursing
ThématiqueFatty Acid Research and Health
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésRumenDocosahexaenoic acidPolyunsaturated fatty acidIncubationMetabolismBiochemistryChemistryLinoleic acidClinical chemistryRuminantFatty acidFood scienceBiologyFermentation

Résumé

récupéré en direct d'OpenAlex

Rumen metabolism (e.g., biohydrogenation) of dietary unsaturated fatty acids (FA) is one of the main reasons why ruminant fats tend to be highly saturated and contain many isomerized FA intermediates. The process by which long-chain (20- to 24-carbon FA) polyunsaturated FA (LC-PUFA) are metabolized by rumen bacteria is not as well understood as that of linoleic or linolenic acids. In order to better understand the fate of LC-PUFA in the rumen several concentrations of docosahexaenoic acid (DHA) were evaluated in in vitro batch incubations ranging from 100 to 1,500 μg per 6 mL of incubation volume using rumen fluid from sheep and incubated for 0, 1, 2, 3, and 6 h. From the results, it was shown that DHA was extensively metabolized at low (100 to 300 μg/6 mL incubation volume), but not at high level of inclusion (800 μg). At 300 μg of DHA most of the depleted DHA was recovered as LC-DHA metabolites within the first 6 h of incubation, and at the lowest levels (100 μg of incubation volume) further metabolism is apparent at 6 h. Using SP-2560 GC columns several LC-DHA metabolites were shown to elute after 24:0 and just past DHA, a region generally free of interfering FA. The present in vitro study would appear to be a useful method to evaluate the production of DHA metabolites in combination with its depletion.

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)0,003
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 enseignants0,227
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 Opus0,062
Tête enseignante GPT0,386
Écart entre enseignants0,324 · 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

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLipidsMême sujetFatty Acid Research and HealthTravaux en français237 207