MétaCan
Menu
← Retour à la cohorte
Enregistrement W2898633646 · doi:10.1139/cjas-2017-0165

Expression patterns of <i>PPARγ2</i>, <i>PGC-1α</i>, and <i>MEF2C</i> and their association with intramuscular fat content and skeletal muscle tenderness of crossbred Simmental bulls

2018· article· en· W2898633646 sur OpenAlexvenueno aff
Liqin Yang, Li J, Chun Wang, Qiuying Wu, Xuan-Yu Chen, Songjia Lai, Tianzeng Song, Ming Zhang

Notice bibliographique

RevueCanadian Journal of Animal Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesSichuan Agricultural University
Mots-clésIntramuscular fatCrossbreedEndocrinologyMEF2CInternal medicineSkeletal muscleTendernessAnimal scienceLongissimus dorsiBiologyChemistryGene expressionMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

PPARγ2, PGC-1α, and MEF2C play an important role in skeletal muscle development and fat deposition. This study aimed to determine their mRNA expression levels in longissimus dorsi (Ld), semitendinosus (Se), and soleus (Sol) muscles of crossbred Simmental bulls and estimate their association with intramuscular fat (IMF) content and meat shear force (MSF). We measured the muscle fiber (MF) density and area, IMF content, and MSF of 6-, 12-, and 36-mo-old bulls. We found that the expression patterns differed with age: the PPARγ2 expression in the three muscles of 36-mo-old bulls was greater than that in the muscles of 6- and 12-mo-old bulls (P < 0.05). Furthermore, PGC-1α expression in Sol of 36-mo-old and MEF2C expression in Ld of 12-mo-old bulls were higher than those in the respective muscles of 6- and 12-mo-old bulls, and 6- and 36-mo-old bulls, respectively (P < 0.05). The MF area, IMF content, and MSF increased with age (P < 0.05). The PPARγ2 mRNA expression in Ld, Se, and Sol was positively correlated with MF area and IMF content (P < 0.05) and negatively correlated with MF density (P < 0.05). Thus, PPARγ2 might be a candidate marker, which is positively correlated with IMF content and MF area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal Science→Même sujetAdipose Tissue and Metabolism→Travaux en français237 207→