Impact of strain and dose of live yeast and yeast derivatives on in vitro ruminal fermentation of a high-grain diet at two pH levels
Notice bibliographique
Résumé
The objective of this study was to determine the effects of live yeast (LY) or yeast derivatives (YD) on gas production (GP), dry matter (DM) disappearance (DMD), fermentation characteristics, and microbial profiles in batch culture. The study was a completely randomized design with a factorial arrangement: 2 media pH × 5 yeasts × 4 dosages. An additional treatment of monensin (Mon) was added as a positive control for each pH level. Media pH was low (5.8) and high (6.5); the yeasts were three LY (LY1-3) and two YD (YD4-5); and doses were 0, 4 × 106, 8 × 106, and 1.6 × 107 cfu mL−1 for LY and 0, 15, 30, and 60 mg bottle−1 for YD. Substrate consisted of 10% silage and 90% concentrate (DM basis) and samples were incubated for 24 h. Media pH of 6.5 vs. 5.8, increased (P < 0.01) GP, DMD, and volatile fatty acid (VFA) concentrations but decreased (P < 0.01) NH3-N concentration and copy numbers of Ruminococcus albus, Ruminococcus flavefaciens, and Selenomonas ruminantium. Increasing dose of LY2 linearly (P < 0.05) increased DMD. Total VFA concentration was greater with LY2 (P < 0.01) than LY3 and YD5 at pH 6.5. Overall, adding yeast products improved (P < 0.05) DMD at pH 5.8, and increased VFA concentration compared with Mon. These results indicate that in vitro GP and DMD of a high-grain diet varied with source and dose of yeast supplementation. Some yeast products have the potential to improve fermentation of feedlot diets when supplemented at appropriate doses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».