MétaCan
Menu
← Retour à la cohorte
Enregistrement W2984569882 · doi:10.3920/978-90-8686-893-3_10

Chapter 10 Beta-glucans and beta-glucanase in animal nutrition, do we understand their full effects?

2019· book-chapter· en· W2984569882 sur OpenAlexaff
Namalika D. Karunaratne, H.L. Classen

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésBeta-glucanGlucanasePrebioticGlucanFood scienceBiologyPolysaccharideMicrobiologyBiotechnologyBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Feeding barley to poultry and pigs has long been known to be affected by β-glucan found in grain cell walls. For poultry, the β-glucan effect can be negative because of high viscosity found in the digestive tract reducing nutrient digestibility and destabilising the resident microbiota. The effect in pigs is less because of lower digesta viscosity and an increased ability of small intestine bacteria to depolymerize β-glucan. Despite differences in the extent of the β-glucan effect, the use of exogenous β-glucanase effectively reduces or eliminates the negative effects and stabilizes the digestive tract microbiota. Despite this fundamental knowledge, research using humans, as well as in vitro models and other animal species, suggests that poultry and pigs might benefit from a more detailed understanding of β-glucan effects. Two areas with promise, particularly in a reduced or antibiotic free era, are positive effects of β-glucan on host immunity and the potential for β-glucan to serve as a prebiotic in animal feeds. Superimposed on this knowledge is the need to understand how exogenous β-glucanase can be used to produce hydrolysis products that optimize these areas.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0540,033

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 Opus0,027
Tête enseignante GPT0,209
Écart entre enseignants0,182 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAnimal Nutrition and Physiology→Travaux en français237 207→