Different phenotypic and proteomic markers explain variability of beef tenderness across muscles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study analyzed the abundance of 24 different proteins, tenderness biomarkers, and 11 phenotypic carcass characteristics and muscle properties. This was done on 111 samples of two muscles, Longissimus thoracis (LT) and Semitendinosus (ST) from the Charolais bovine breed. The strategy was to constitute three classes of tenderness on the two muscles separately on the shear-force data (Warner-Bratzler). Then we tested which proteins or phenotypic characteristics explained this classification. Results showed that tenderness classes of ST muscle were well-explained by 12 proteins and 6 phenotypic characteristics. However, for LT muscle the classification could only be explained by 7 phenotypic characteristics. This demonstrates that in ST and LT the variability of beef tenderness is explained by different factors. In ST muscle, the main results of this study demonstrated the importance of Heat Shock Proteins such as Hsp27 (P = 0.002) and the oxidative stress protein: PRDX6 (P = 0.003). We also confirmed the role of Enolase 3, involved in glycolytic metabolism (P = 0.003), and contractile protein such as MyHC IIx (P = 0.028).
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.
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 | 0,000 |
| 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 découle