MétaCan
Menu
Retour à la cohorte
Enregistrement W2800041521 · doi:10.3390/ani8050063

Plasma Tryptophan/Large Neutral Amino Acids Ratio in Domestic Dogs Is Affected by a Single Meal with High Carbohydrates Level

2018· article· en· W2800041521 sur OpenAlexaboutno aff
Angelo Gazzano, Asahi Ogi, Beatrice Torracca, Chiara Mariti, Lucia Casini

Notice bibliographique

RevueAnimals · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTryptophanPhenylalanineChemistryValineMealFood scienceIsoleucineLeucineAmino acidHigh-performance liquid chromatographyComposition (language)BioavailabilityAnimal scienceChromatographyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Aim of this study was to evaluate the plasma ratio between l-tryptophan (TRP) and five large neutral amino acids (isoleucine + leucine + phenylalanine + tyrosine + valine) (5LNAAs) after a single meal with high carbohydrates level. Five female Labrador Retrievers were involved. Each dog was fed three different meals: M1 (a mix of puffed rice, minced meat and olive oil), M2 (puffed rice and olive oil) and M3 (commercial dry food usually consumed) once in the morning per day for 30 days. Blood was collected right before the first meal (t0) and after 2, 4, 6, 8, 10 and 24 h. Plasma amino acids’ concentrations were measured using an HPLC (High-performance liquid chromatography) method with fluorimetric detection. Plasmatic TRP concentrations showed no significant difference between M1, M2 and M3 samples at any sampling time. M2 led to a decrease in 5LNAAs levels and consequently led to a significant higher TRP/5LNAAs ratios in the 6 h period after the provision of carbohydrates, compared to both M1 and M3. In addition, the mean TRP/5LNAAs ratio was significantly higher in M2 than in M3 at t8 and t10. These results indicate that meal composition affects TRP/5LNAAs ratio and possibly, TRP bioavailability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,030
Score d'incertitude au seuil0,885

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,307
Écart entre enseignants0,287 · 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 tête enseignante, 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

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetHuman-Animal Interaction StudiesTravaux en français237 207