MétaCan
Menu
Retour à la cohorte
Enregistrement W2974000387 · doi:10.1186/s40104-019-0382-1

Feed nutritional value of brewers’ spent grain residue resulting from protease aided protein removal

2019· article· en· W2974000387 sur OpenAlexafffund
Yizhao Shen, Ranithri Abeynayake, Xin Sun, Jianguo Li, Lingyun Chen, Wenzhu Yang

Notice bibliographique

RevueJournal of Animal Science and Biotechnology/Journal of animal science and biotechnology · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of AlbertaUniversity of Lethbridge
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésResidue (chemistry)ChemistryFermentationProteaseFood scienceDry matterRuminantNutrientHydrolysisEnzymatic hydrolysisFerulic acidEnzymeChromatographyBiochemistryAgronomyBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: This study was conducted to evaluate the feed nutritional value of brewers' spent grain (BSG) residue resulting from protease aided protein removal. The nutritional value was measured as nutrient content, gas production, nutrient digestibility and fermentation characteristics in batch culture. RESULTS: Protein extraction process decreased content of crude protein but concentrated the neutral detergent fibre (NDF) and ferulic acid in BSG residue. The changes in the chemical composition of BSG residue varied with enzyme and enzyme dosage. Digestibility of dry matter (DMD) and NDF of residue differed among proteases. Increasing alcalase dosage linearly decreased DMD, whereas, the DMD linearly increased as everlase or flavourzyme dosage increased. Compared with BSG, the DMD, gas production and fermentation acid concentration of BSG residues were lower, whereas NDF digestibility was higher. CONCLUSIONS: NDF digestibility due to protease hydrolysis suggest that BSG residue can be potentially exploited as a viable fibre source for ruminant feeding.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,124
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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.

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

Citations45
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science and Biotechnology/Journal of animal science and biotechnologyMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207