350 Enhancing the nutritional value of red meats through genetic and feeding strategies
Notice bibliographique
Résumé
Abstract Consumption of red meats contributes substantially to the intake of several essential nutrients in the human diet, including protein, essential fatty acids, and several vitamins and trace minerals. Despite concerns regarding potential negative impacts on human health and the environment, demand for red meats continues to increase worldwide, particularly in developing countries. Enhancing the nutritional value of meats is essential to provide consumers with competitive products that meet their nutrient requirements and address their health concerns. Different nutrients in red meats vary in their responsiveness to dietary and genetic manipulations. The fat content and fatty acid composition of meats can be easily modified through animal nutrition. Similarly, iodine, selenium and fat-soluble vitamin content can be significantly manipulated using dietary strategies. In contrast, amino acids, copper, iron, zinc, and water-soluble vitamins are less responsive to dietary manipulations. Feeding studies (i.e. supplements, additives, production systems, life period, nutritional regimes and duration) are relatively abundant and have shown substantial changes to nutritional value in many scenarios. Traditional breeding, including genetic selection for specific traits, has been used to influence multiple carcass and meat quality attributes relevant to nutritional value of meat, including leanness. The use of molecular genetics (i.e. GWAS, identification of genetic variants, gene expression profiles) in the past decade has offered alternative genetic perspectives on improving the nutritional value of meats. Recent studies have also shown influence of rumen or gut microbiome features on nutrient bioavailability and utilization. However, a limited number of studies have combined feeding strategies for specific genetic potential. Given the nutrient composition of meat can be influenced by a dynamic interaction of genetics and environment, the fields of phenomics, nutrigenomics, integrative diet-host-microbiome, and systems biology may bring further insight to better understand the manipulation of red meat composition under both experimental and commercial conditions.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».