Diet Affects Muscle Quality and Growth Traits of Grass Carp (Ctenopharyngodon idellus): A Comparison Between Grass and Artificial Feed
Notice bibliographique
Résumé
Fish muscle, the main edible parts with high protein level and low fat level, is consumed worldwide. Diet contributes greatly to fish growth performance and muscle quality. In order to elucidate the correlation between diet and muscle quality, the same batch of juvenile grass carp (Ctenopharyngodon idellus) were divided into two groups and fed with either grass (Lolium perenne, Euphrasia pectinata and Sorghum sudanense) or artificial feed, respectively. However, the different two diets didn’t result in significant differences in all the detected water quality parameters (e.g. Tm, pH, DO, NH3/NH4+-N, NO3--N, NO2-, TN, TP and TOC) between the two experimental groups. After a 4-month culture period, various indexes and expression of myogenic regulatory factor (MRFs) and their related genes were tested. The weight gain of the fish fed with artificial feed (AFG) was nearly 40% higher than the fish fed with grass (GFG). Significantly higher alkaline phosphatase, total cholestrol, high density cholestrol and total protein were detected in GFG as compared to AFG. GFG also showed increased hardness, resilience and shear force in texture profile analysis, with significantly bigger and compact muscle fibers in histologic slices. The fat accumulation was most serious in the abdomen muscle of AFG. Additionally, the expression levels of MyoG, MyoD, IGF-1 and MSTNs were higher, whereas Myf-5, MRF4 and IGF-2 were lower in most positional muscles of GFG as compared to AFG. Overall, these results suggested that feeding grass could promote muscle growth and development by stimulating muscle fiber hypertrophy, as well as significantly enhance the expression of CoL1As. Feeding C. idellus with grass could also improve flesh quality by improving muscle characteristics, enhancing the production of collagen, meanthile, reducing fat accumulation and moisture in muscle, but at the cost of a slower growth.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».