A metabolomics approach to uncover the effects of grain diets on rumen health in dairy cows
Notice bibliographique
Résumé
Dairy cows fed high-grain diets during early lactation have a high incidence of metabolic disorders. However, the precise mechanism(s) of how grain feeding causes disease is not clear. In an effort to understand how this diet transition alters the rumen environment and potentially leads to certain metabolic disorders in dairy cattle, we undertook a comprehensive, quantitative metabolomic analysis of rumen fluid samples from dairy cows fed 4 different diets. Using a combination of proton nuclear magnetic resonance spectroscopy, gas chromatography-mass spectrometry, and direct flow injection tandem mass spectroscopy, we identified and quantified 93 metabolites in rumen samples taken from 8 dairy cows fed graded amounts of barley grain (i.e., 0, 15, 30, and 45% of diet dry matter). We also studied temporal changes in the rumen by studying metabolite concentration differences between the first day and the last day of each diet phase following the diet adaptation period. Multivariate analysis showed that rumen metabolites arising from the diet containing 45% barley grain were clearly different from those containing 0, 15, and 30% barley grain. Likewise, a clear separation of the metabolic composition of the ruminal fluid was evident at the beginning and at the end of each diet phase-contrary to the belief that 11 d are suitable for the adaptation of cows to high-grain diets. High-grain diets (>30%) resulted in increased rumen fluid concentrations of several toxic, inflammatory, and unnatural compounds including putrescine, methylamines, ethanolamine, and short-chain fatty acids. Perturbations in several amino acids (phenylalanine, ornithine, lysine, leucine, arginine, valine, and phenylacetylglycine) were also evident. The present study confirms and greatly extends earlier observations on dietary effects on rumen fluid composition and shows that the use of multiple metabolomic platforms permits a far more detailed understanding of metabolic causes and effects. These results may improve our understanding of diet-related rumen metabolism and the influence of grain on the overall health of dairy 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».