Identification of serum metabolites associated with the risk of metritis in transition dairy cows
Notice bibliographique
Résumé
In this study, we aimed to identify metabolite signatures that characterize metritis prior to, during, and after the disease incidence. Blood samples were collected from 100 Holstein cows at five time points before and after parturition. Six cows that developed metritis and 20 controls were selected for metabolomics analysis in a nested case-control study. Twenty nine serum metabolites were quantified using gas chromatography–mass spectroscopy. Results showed that similar panels of metabolites differentiated pre-metritic and control cows at 8 and 4 wk prepartum. The top most important metabolites that differentiated the two groups of cows at 8 wk prepartum were oxalate, ornithine, pyroglutamic acid, d-mannose, and glutamic acid, and at 4 wk prepartum were ornithine, pyroglutamic acid, d-mannose, glutamic acid, and phosphoric acid, suggesting their potential use as risk biomarkers for metritis. Area under the curve with values of 1.0 and 0.969 at 8 and 4 wk, respectively, indicated that those panels of metabolites have a very high sensitivity and specificity to be used as risk biomarkers for metritis. Overall, results showed that specific serum metabolite signatures can be used to screen cows for susceptibility to metritis during the dry off period, and to better understand the etiopathobiology of the disease.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».