MétaCan
Menu
Retour à la cohorte
Enregistrement W3013135344 · doi:10.22175/rmc2016.052

Changes in Meat Quality and Genetic Parameter Estimation between Fresh and Frozen-Thawed Samples in Crossbred Commercial Pigs

2017· article· en· W3013135344 sur OpenAlexaff
Hulong Lei, Chen Zhang, Chengdao Li, Graham Plastow, Heather L. Bruce

Notice bibliographique

RevueMeat and Muscle Biology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMeat and Animal Product Quality
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHeritabilityCrossbreedIntramuscular fatAnimal scienceRestricted maximum likelihoodBiologyFood scienceBiotechnologyMaximum likelihoodMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

ObjectivesThe objectives were: (1) to estimate heritability of important meat quality traits in fresh and frozen-thawed pork; (2) to estimate phenotypic, genetic and environmental correlations of meat quality measurements between and within fresh and frozen-thawed pork; and (3) to analyze the effect of crude fat content on meat quality changes from fresh to frozen-thawed pork in commercial crossbred pigs.Materials and MethodsData from 2,027 crossbred commercial pigs including pork color (L*, a*, and b*), intramuscular pH and drip loss measurements performed on m. longissimus dorsi when fresh and when thawed after frozen storage were used to estimate the genetic parameters for these meat quality characteristics using univariate and bivariate animal models in ASReml. The differences (∆) in the meat quality measurements between fresh and frozen-thawed samples were tested by paired t test (dependent t test) using SAS 9.3 (SAS Inst. Inc., Cary, NC) with a significance level of P < 0.0001.ResultsAll meat quality traits changed significantly (P < 0.0001) from fresh to frozen-thawed status and intramuscular crude fat content exerted a heteroscedastic effect (P < 0.001) on the magnitude of this change. Meat quality measurements of fresh pork were all moderately to highly heritable (h2 = 0.212 to 0.436), with heritability estimates for L* (h2 = 0.434 fresh samples, versus 0.244 frozen-thawed), pH (h2 = 0.221 fresh, 0.183 frozen-thawed) and drip loss (h2 = 0.333 fresh, 0.139 frozen-thawed) were higher when estimated using fresh rather than frozen-thawed data, while heritability estimates of a* (h2 = 0.326 fresh, 0.427 frozen-thawed) and b* (h2 = 0.212 fresh, 0.242 frozen-thawed) were comparable for fresh and frozen-thawed data when their standard errors were considered. Genetic correlations for L*, a*, b* and pH between fresh and frozen-thawed meat were high (rA = 0.665, 0.816, 0.442, and 0.853 for L*, a*, b* and pH, respectively) while genetic correlation for drip loss was moderate (rA = 0.236). Genetic correlations estimated within fresh and frozen-thawed measurements specifically between L* and a* (rA = –0.240 in fresh and –0.440 in frozen-thawed), L* and b* (rA = 0.760 in fresh and 0.483 in frozen-thawed), a* and b* (rA = 0.357 in fresh and 0.450 in frozen-thawed) were all moderate to high, but genetic correlations between a* and pH (rA = 0.082), b* and drip loss (rA = 0.128) in frozen-thawed samples were low. Genetic correlation between pH and drip loss estimated in frozen-thawed samples (rA = –0.096) was smaller than that in fresh samples (rA = –0.187).ConclusionWe concluded that while either fresh or frozen-thawed pork samples can be used for L*, a*, and b* measurements, pH and drip loss should be measured using fresh rather than frozen-thawed pork for genetic selection.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,231
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

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

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 Opus0,156
Tête enseignante GPT0,341
Écart entre enseignants0,185 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeat and Muscle BiologyMême sujetMeat and Animal Product QualityTravaux en français237 207