MétaCan
Menu
Retour à la cohorte
Enregistrement W3012515161 · doi:10.1080/09064702.2020.1737215

Propionic acid bacteria enhance ruminal feed degradation and reduce methane production <i>in vitro</i>

2020· article· en· W3012515161 sur OpenAlexaff
Jikun Chen, O. M. Harstad, Tim A. McAllister, Peter Dörsch, Helge Holo

Notice bibliographique

RevueActa Agriculturae Scandinavica Section A – Animal Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesNorges Forskningsråd
Mots-clésRumenFood scienceBacteriaSubstrate (aquarium)ChemistryFatty acidSilageMethaneDegradation (telecommunications)Lactic acidPropionibacteriumAnimal scienceBiochemistryBiologyFermentationOrganic chemistryEcology

Résumé

récupéré en direct d'OpenAlex

Thirty-one strains of propionic acid bacteria were screened for their effects on methane production and volatile fatty acid concentrations using in vitro assays of rumen fluid from Norwegian dairy cows and a grass silage–concentrate mixture as substrate. Nine of 31 strains were further analysed for effects on substrate degradation. Propionic acid bacteria led to reductions of up to 20% in methane production. Seven strains stimulated volatile fatty acid production, and in their presence in vitro substrate degradation tended to increase (P < .10). Most consistent results were found with Propionibacterium thoenii T159, which reduced methane production by 20% and caused 8% and 21% overall increases in substrate degradation and total volatile acid production, respectively (P < .05). Concomitant beneficial effects of a reduction in methane emissions and an increase in feed degradation suggest that this strain may be a promising tool for improving the productive performance of dairy cows.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,242
Écart entre enseignants0,222 · 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'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

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Agriculturae Scandinavica Section A – Animal ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207