Effect of dietary coriander oil and vegetable oil sources on fillet fatty acid composition of rainbow trout
Notice bibliographique
Résumé
Randall, K. M., Reaney, M. J. T. and Drew, M. D. 2013. Effect of dietary coriander oil and vegetable oil sources on fillet fatty acid composition of rainbow trout. Can. J. Anim. Sci. 93: 345–352. A 16-wk feeding trial was conducted to examine the effect of adding coriander oil to vegetable oil (VO) diets on the bioconversion of linoleic acid (LA; 18:2n-6) to arachidonic acid (ARA; 20:4n-6) and alpha-linolenic acid (ALA; 18:3n-3) to eicosapentaenoic acid (EPA; 20:5n-3) and docosahexaenoic acid (DHA; 22:6n-3) in rainbow trout. The experimental treatments were a 4×2 factorial arrangement of diets using four dietary oils (fish, flax, canola and camelina oils) and two levels of coriander oil (0 and 5 g kg−1 inclusion levels). Twenty-four tanks of triploid female rainbow trout (130 g initial weight; n=3) were used in the experiment. The experiment lasted 112 d during which fish were fed to satiation twice per day. The fatty acid composition of fillets from coriander-fed fish had increased concentrations of 20:5n-3 and 22:6n-3 (P<0.05). Furthermore, a trend to increased (20:5n-3+22:6n-3)/20:4n-6 ratios was seen when coriander oil was added to the diet (P=0.067). These results suggest that the addition of coriander oil to VO diets can significantly increase the bioconversion of 18:3n-3 to 20:5n-3 and 22:6n-3 in rainbow trout.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».