MétaCan
Menu
← Retour à la cohorte
Enregistrement W2516849265 · doi:10.5539/jas.v8n9p199

Feeding Strategy of Ruminants and Its Potential Effect on Methane Emission Reduction

2016· article· en· W2516849265 sur OpenAlexvenueno aff
Bambang Suwignyo, Bambang Suhartanto, Nafiatul Umami, Nilo Suseno, Zaenal Bachruddin

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRumenPropionatePopulationAnimal scienceFibrobacter succinogenesBiologyLeucaena leucocephalaLeucaenaChemistryFood scienceFermentationBiochemistryAgronomyMedicine

Résumé

récupéré en direct d'OpenAlex

A study was conducted to determine the potential effect of Leucaena leucocephalain the diet with 3 levels 0%, 6%, 12% of ration on the population of rumen methanogenic bacteria of cattle and buffalo. Three each ruminally-fistulated (body weight 342 ± 66.93 kg) were used in this experiment. The amount of feed offered was 2.5% of live weight on DM basis. Rumen fluid was collected from each animal before feeding, after 17 days on feed. The rumen fluid was strained it through cheesecloth and stored in freezer prior to analysis. The samples were subjected to DNA extraction and amplification. Three universal primers were used to detect methanogenic bacteria, which had more than one band, ranging from 500 bp and 1.4 kbp. The results indicated that the level of Leucaena leucocephala in the diets reduced the population of methanogenic rumen bacteria of the cattle and enhanced the Fibrobacter succinogenes. Thus, reduction of methane production increases rumen propionate since methane production is inversely proportional with propionate production. Leucaena leucocephala give many benefit e.g. for ruminant that will have a good impact in the term of ruminant nutrition and global environmental contribution through reducing methanogens in the rumen.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetRuminant Nutrition and Digestive Physiology→Travaux en français237 207→