Effect of Limit-Fed Diets With Different Forage to Concentrate Ratios on Fecal Bacterial and Archaeal Community Composition in Holstein Heifers
Notice bibliographique
Résumé
Limit-feeding of a high concentrate diet has been proposed as an effective method for improving feed efficiency and reducing total manure output of dairy heifers; meanwhile the effects of these methods on hindgut microbiota are still unclear. This study investigated the effects of a wide range of dietary forage:concentrate ratios (F:C) on the fecal composition of bacteria and archaea in heifers using next-generation sequencing. Four diets with different F:C (80:20, 60:40, 40:60, and 20:80) were limit-fed to 24 Holstein heifers, and the fecal fermentation parameters and bacterial and archaeal communities were investigated. With increasing dietary concentrate levels, the fecal dry matter output, neutral detergent fiber content (NDF), and proportion of acetate decreased linearly (P < 0.01), while the fecal starch content and proportion of propionate, butyrate, and total branched-chain volatile fatty acids (TBCVFAs) were increased (P ≤ 0.05). An increased concentrate level linearly increased (P = 0.02) the relative abundance of Proteobacteria, and linearly decreased (P = 0.02) the relative abundance of Bacteroidetes in feces. At the genus level, the relative abundance of unclassified Ruminococcaceae and Paludibacter which may have the potential to degrade forage decreased linearly (q ≤ 0.02) with increasing dietary concentrate levels, while the relative abundance of Roseburia and Succinivibrio which may be non-fibrous carbohydrate degrading bacteria increased linearly (q ≤ 0.05). Some core microbiota operational taxonomic units (OTUs) also showed significant association with fecal VFAs, NDF and/or acid detergent fiber (ADF) content. Meanwhile, the relative abundance of most detected taxa in archaea were similar across different F:C, and only Methanosphaera showed a linear decrease (P = 0.01) in high concentrate diets. Our study provides a better understanding of fecal fermentation parameters and microbiota under a wide range of dietary F:C. These findings support the potential for microbial manipulation by diet, which could enhance feed digestibility and relieve environmental problems associated with heifer rearing.
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 | 0,000 | 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) | 0,000 | 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 ».