Candidate serum metabolite biomarkers of residual feed intake and carcass merit in sheep
Notice bibliographique
Résumé
Mutton and lamb sales continue to grow globally at a rate of 5% per year. However, sheep farming struggles with low profit margins due to high feed costs and modest carcass yields. Selecting those sheep expected to convert feed efficiently and have high carcass merit, as early as possible in their life cycle, could significantly improve the profitability of sheep farming. Unfortunately, direct measurement of feed conversion efficiency (via residual feed intake [RFI]) and carcass merit is a labor-intensive and expensive procedure. Thus, indirect, marker-assisted evaluation of these traits has been explored as a means of reducing the cost of its direct measurement. One promising and potentially inexpensive route to discover biomarkers of RFI and/or carcass merit is metabolomics. Using quantitative metabolomics, we profiled the blood serum metabolome (i.e., the sum of all measurable metabolites) associated with sheep RFI and carcass merit and identified candidate biomarkers of these traits. The study included 165 crossbred ram-lambs that underwent direct measurement of feed consumption to determine their RFI classification (i.e., low vs. high) using the GrowSafe System over a period 40 d. Carcass merit was evaluated after slaughter using standardized methods. Prior to being sent to slaughter, one blood sample was drawn from each animal, and serum prepared and frozen at -80 °C to limit metabolite degradation. A subset of the serum samples was selected based on divergent RFI and carcass quality for further metabolomic analyses. The analyses were conducted using three analytical methods (nuclear magnetic resonance spectroscopy, liquid chromatography mass spectrometry, and inductively coupled mass spectrometry), which permitted the identification and quantification of 161 unique metabolites. Biomarker analyses identified three significant (P < 0.05) candidate biomarkers of sheep RFI (AUC = 0.80), seven candidate biomarkers of carcass yield grade (AUC = 0.77), and one candidate biomarker of carcass muscle-to-bone ratio (AUC = 0.74). The identified biomarkers appear to have roles in regulating energy metabolism and protein synthesis. These results suggest that serum metabolites could be used to categorize and predict sheep for their RFI and carcass merit. Further validation using a larger (3×) and more diverse cohort of sheep is required to confirm these findings.
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 | 0,001 | 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 | 0,000 |
| 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 ».