Metabolite fingerprinting of urine suggests breed-specific dietary metabolism differences in domestic dogs
Notice bibliographique
Résumé
Selective breeding of dogs has culminated in a large number of modern breeds distinctive in terms of size, shape and behaviour. Inadvertently, a range of breed-specific genetic disorders have become fixed in some pure-bred populations. Several inherited conditions confer chronic metabolic defects that are influenced strongly by diet, but it is likely that many less obvious breed-specific differences in physiology exist. Using Labrador retrievers and miniature Schnauzers maintained in a simulated domestic setting on a controlled diet, an experimental design was validated in relation to husbandry, sampling and sample processing for metabolomics. Metabolite fingerprints were generated from 'spot' urine samples using flow injection electrospray MS (FIE-MS). With class based on breed, urine chemical fingerprints were modelled using Random Forest (a supervised data classification technique), and metabolite features (m/z) explanatory of breed-specific differences were putatively annotated using the ARMeC database (http://www.armec.org). GC-MS profiling to confirm FIE-MS predictions indicated major breed-specific differences centred on the metabolism of diet-related polyphenols. Metabolism of further diet components, including potentially prebiotic oligosaccharides, animal-derived fats and glycerol, appeared significantly different between the two breeds. Analysis of the urinary metabolome of young male dogs representative of a wider range of breeds from animals maintained under domestic conditions on unknown diets provided preliminary evidence that many breeds may indeed have distinctive metabolic differences, with significant differences particularly apparent in comparisons between large and smaller breeds.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».