Systematic microRNAome profiling reveals the roles of microRNAs in milk protein metabolism and quality: insights on low-quality forage utilization
Notice bibliographique
Résumé
In this study, we investigated the molecular regulatory mechanisms of milk protein production in dairy cows by studying the miRNAomes of five key metabolic tissues involved in protein synthesis and metabolism from dairy cows fed high- and low-quality diets. In total, 340, 338, 337, 330, and 328 miRNAs were expressed in the rumen, duodenum, jejunum, liver, and mammary gland tissues, respectively. Some miRNAs were highly correlated with feed and nitrogen efficiency, with target genes involved in transportation and phosphorylation of amino acid (AA). Additionally, low-quality forage diets (corn stover and rice straw) influenced the expression of feed and nitrogen efficiency-associated miRNAs such as miR-99b in rumen, miR-2336 in duodenum, miR-652 in jejunum, miR-1 in liver, and miR-181a in mammary gland. Ruminal miR-21-3p and liver miR-2285f were predicted to regulate AA transportation by targeting ATP1A2 and SLC7A8, respectively. Furthermore, bovine-specific miRNAs regulated the proliferation and morphology of rumen epithelium, as well as the metabolism of liver lipids and branched-chain AAs, revealing bovine-specific mechanisms. Our results suggest that miRNAs expressed in these five tissues play roles in regulating transportation of AA for downstream milk production, which is an important mechanism that may be associated with low milk protein under low-quality forage feed.
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 | 0,003 | 0,001 |
| 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 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 ».