MétaCan
Menu
Retour à la cohorte
Enregistrement W2577646590 · doi:10.1186/s40104-016-0135-3

Understanding host-microbial interactions in rumen: searching the best opportunity for microbiota manipulation

2017· review· en· W2577646590 sur OpenAlexafffund
Nilusha Malmuthuge, Le Luo Guan

Notice bibliographique

RevueJournal of Animal Science and Biotechnology/Journal of animal science and biotechnology · 2017
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAlberta Ministry of Agriculture and ForestryAgriculture Food and Rural DevelopmentUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésRumenHost (biology)BiologyFermentationFunction (biology)MicrobiomeBiotechnologyFood scienceEcologyEvolutionary biologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

Ruminants utilize a wide variety of dietary substrates that are not digestible by the mammals, through microbial fermentation taking place in the rumen. Recent advanced molecular based approaches have allowed the characterization of rumen microbiota and its compositional changes under various treatment conditions. However, the knowledge is still limited on the impacts of variations in the rumen microbiota on host biology and function. This review summarizes the information to date on host-microbial interactions in the rumen and how we can apply such information to seek the opportunities to enhance the animal performance through manipulating the rumen function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,008
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
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 Opus0,261
Tête enseignante GPT0,375
Écart entre enseignants0,114 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations202
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science and Biotechnology/Journal of animal science and biotechnologyMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207