Effect of colostrum feeding strategies on the expression of neuroendocrine genes and active gut mucosa-attached bacterial populations in neonatal calves
Notice bibliographique
Résumé
Colostrum feeding is vital for the development of the immune system and gastrointestinal tract in neonatal calves; however, it is currently unknown whether different colostrum feeding strategies affect their neuroendocrine system and potentially the gut-brain axis. The present study investigated the effect of 3 different colostrum feeding regimens on the expression of neuroendocrine genes in adrenal glands and gastrointestinal tissues and on the abundance of intestinal commensal bacteria. Holstein bull calves were fed colostrum immediately after birth and randomly assigned to 3 groups: whole milk (n = 8), mixture of 50% colostrum and 50% whole milk (n = 8), and colostrum (CF; n = 8) for 72 h with 12-h intervals. Adrenal glands, ileum, and colon tissues were collected at 75 h and were subjected to the expression of 11 targeted neuroendocrine genes and the abundance of tissue mucosa-associated bacteria measurement using quantitative real-time PCR and quantitative PCR, respectively. The expressions of all targeted genes were detected, and the expression of α-adrenergic receptor (ADRA1A) gene was affected by CF in adrenal glands and gut tissues. In addition, CF upregulated the expression of HTR4 (serotonin receptor) and SLC4A4 (serotonin transporter) genes in the ileum and increased the abundance of active Lactobacillus spp. and Escherichia coli (as detected at RNA level) associated with ileum and colon tissue. Furthermore, there were positive correlations between the abundance of active Lactobacillus spp. and E. coli with expression of HTR2B and HTR4 genes in the colon, suggesting that extended colostrum feeding strategies may affect the interaction between gut microbiota and host endocrine functions in neonatal calves.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».