Dietary live yeast and increased water temperature influence the gut microbiota of rainbow trout
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: The objective was to determine the effects of dietary substitution of fishmeal (FM) with live yeast and increasing water temperature on the diversity and composition of gut microbiota in rainbow trout. METHODS AND RESULTS: Fish were fed either FM or yeast (Saccharomyces cerevisiae) and reared in water temperatures of either 11°C (cold) or 18°C (warm) for 6 weeks. Luminal content and mucosa were collected from the distal gut and the load, diversity and species abundance of yeast and bacteria were analysed using agar plating, MALDI-TOF and rRNA gene amplicon sequencing. Yeast in the gut of fish fed FM were represented by S. cerevisiae, Rhodotorula spp. and Debaryomyces hansenii, while fish fed yeast contained 4-5 log higher CFU per g of yeast that were entirely represented by S. cerevisiae. For gut bacteria, sequencing of 16S rRNA gene amplicons using Illumina MiSeq showed lower bacterial diversity and abundance of lactic acid bacteria, especially Lactobacillus, in fish reared in warm rather than cold water. Fish fed yeast had similar bacterial diversity and lower abundance of Leuconostocaceae and Photobacterium compared with fish fed FM. CONCLUSIONS: Feeding live yeast mainly increased yeast load in the gut, while increased water temperature significantly altered the gut microbiota of rainbow trout in terms of bacterial diversity and abundance. SIGNIFICANCE AND IMPACT OF THE STUDY: Live yeast can replace 40% of FM without disrupting bacteria communities in the gut of rainbow trout, while increased water temperature due to seasonal fluctuations and/or climate change may result in a gut dysbiosis that may jeopardize the health of farmed fish.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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