MétaCan
Menu
Retour à la cohorte
Enregistrement W2525920222 · doi:10.5539/ijb.v8n4p66

Effect of Beta-propeller Phytase from Pichia pastoris on Energy Partition in Juvenile Litopenaeus vannamei Fed a Plant Protein-Based Diet

2016· article· en· W2525920222 sur OpenAlexvenueno aff
Jorge Gamboa, Gérard Cuzon, Martha Guerrero‐Olazarán, José María Viader-Salvadó, Gabriela Gaxiola

Notice bibliographique

RevueInternational Journal of Biology · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesConsejo Nacional de Ciencia y TecnologíaHort Innovation
Mots-clésPhytasePichia pastorisLitopenaeusPhytic acidBiologyFood scienceAnimal scienceBiochemistryEnzymeShrimpRecombinant DNAGeneFishery

Résumé

récupéré en direct d'OpenAlex

The main objective of this study was to evaluate the effect of a new isolated exogenous Beta-propeller phytase (FTEII) obtained from Pichia pastoris, on growth, survival and energy partition of juveniles of Litopenaeus vannamei fed a plant protein diet. Two treatments were designed for the experiment: a plant protein-based diet without phytase (T1), and adiet comprisingpretreated plant protein with Beta-propeller phytase (T2). The gowth rate monitored over 30 days significantly improved when phytase was added to the diet (T2) compared to control T1(p<0.05), and survival rates were similar between treatments (p>0.05). Energy partitioning was affected by basal metabolism (HeE) which was similar in both dietary treatments (p> 0.05) but the heat increment of feeding (HiE) was higher with T1 than T2 (p<0.05), whereas retained energy (RE) increased in T2 compared to T1 (p<0.05). In summary, exogenous phytase added to a plant protein-based diet decreased the negative effect of phytic acid, released phosphorus, and therefore improved weight gain.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,012
Tête enseignante GPT0,238
Écart entre enseignants0,226 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiologyMême sujetAquaculture Nutrition and GrowthTravaux en français237 207