MétaCan
Menu
Retour à la cohorte
Enregistrement W2768506067 · doi:10.1016/j.eng.2017.03.007

Molecular Structure of Feeds in Relation to Nutrient Utilization and Availability in Animals: A Novel Approach

2017· article· en· W2768506067 sur OpenAlexaff
Peiqiang Yu, Luciana L. Prates

Notice bibliographique

RevueEngineering · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésSynchrotron radiationSynchrotronNanotechnologyBioanalysisBiochemical engineeringComputer scienceMaterials sciencePhysicsOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

The invention and development of new research concepts, novel methodologies, and novel bioanalytical techniques are essential in advancing the animal sciences, which include feed and nutrition science. This article introduces a novel approach that shows the potential of advanced synchrotron-based bioanalytical technology for studying the effects of molecular structural changes in feeds induced by various treatments (e.g., genetic modification, gene silencing, heat-related feed processing, biofuel processing) in relation to nutrient digestion and absorption in animals. Advanced techniques based on synchrotron radiation (e.g., synchrotron radiation infrared microspectroscopy (SR-IMS) and synchrotron radiation X-ray techniques) have been developed as a fast, noninvasive, bioanalytical technology that, unlike traditional wet chemistry methods, does not damage or destroy the inherent molecular structure of the feed. The cutting-edge and advanced research tool of synchrotron light (which is a million times brighter than sunlight) can be used to explore the inherent structure of biological tissue at cellular and molecular levels at ultra-high spatial resolutions. In conclusion, the use of recently developed bioanalytical techniques based on synchrotron radiation along with common research techniques is leading to dramatic advances in animal feed and nutritional research.

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 seuil0,004

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,044
Tête enseignante GPT0,247
Écart entre enseignants0,203 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineeringMême sujetMeat and Animal Product QualityTravaux en français237 207