MétaCan
Menu
Retour à la cohorte
Enregistrement W2323948989 · doi:10.1139/f2012-039

Estimating diets of Atlantic salmon (<i>Salmo salar</i>) using fatty acid signature analyses; validation with controlled feeding studies

2012· article· en· W2323948989 sur OpenAlexafffundvenue
Suzanne M. Budge, Sarah N. Penney, Santosh P. Lall

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensInstitute for Marine BiosciencesDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSalmoBiologyKrillFatty acidHerringFish oilFisheryShrimpFood scienceAnimal scienceFish <Actinopterygii>ZoologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Diets incorporating homogeneous binary mixtures of herring or krill oil were fed to Atlantic salmon ( Salmo salar ) for 22 weeks, and belly flap and muscle tissues were then analyzed for fatty acid (FA) composition. Quantitative fatty acid signature analysis (QFASA) was able to estimate proportions of major dietary components within ∼10% of actual values, but the accuracy of the estimates depended on the FA set and calibration coefficients (CC) used in the modelling. FAs present at low levels had little influence on estimates, despite having only dietary sources; the FA set used in the modelling must incorporate the major FAs in tissues to ensure accurate estimates of diet. CC, which reflect modifications that consumers make to dietary FAs, were similar in the two tissues but varied with diet. When CC were applied to correct for fish metabolism, QFASA tended to overestimate the dietary component that had been fed to determine the CC. Diet estimates were most accurate when CC that had been developed from feeding the krill oil-based diet were applied. This first application of QFASA to fish therefore establishes a set of FAs and CC to begin to investigate diets of salmonids.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,284
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquaculture Nutrition and GrowthTravaux en français237 207