57 President Oral Presentation Pick: The exploration of blood microRNA profiling in feedlot cattle with different lameness phenotypes
Notice bibliographique
Résumé
Abstract Lameness is a significant economic and welfare issue in feedlot production. Effective treatment depends on diagnosing the cause of lameness accurately. There is increasing evidence that circulating microRNAs may serve as useful biomarkers for diagnosing disease. However, their association with lameness in feedlot cattle is currently unknown. The objective of this study was to investigate whether blood miRNA profiles can be associated with a specific lameness phenotype. Blood samples were collected via venepuncture (into Tempus™ Blood RNA Tubes) from 39 feedlot cattle diagnosed with digital dermatitis (DD; n = 2), toe tip necrosis syndrome (TTNS; n = 5), footrot (FR; n = 26) and healthy controls (HC; n = 6) for miRNA profiling using RNA sequencing. Samples were obtained at the time each animal was pulled from their pens for medical treatment. Total RNA was extracted from blood samples and subjected to small RNA libraries construction and RNA-sequencing. The sequence data analysis was performed using a web-based tool, sRNAtoolbox. A total of 596 miRNAs were identified across 39 blood samples with the expression of 444, 437, 465 and 575 miRNAs detected in the HC, DD, TTNS and FR groups, respectively. In addition, group-specific miRNAs were identified with 9 in the DD group, 45 in the TTN group, 28 in the FR group and 2 in the HC group. Moreover, 41, 8 and 36 differential expressed miRNAs (DE miRNAs) were detected in DD, TTNS and FR groups, respectively, when compared to the HC group using DeSeq2. These data suggest that miRNA profiles may differ according to lameness diagnosis in beef cattle. However, further investigation incorporating functional analyses of miRNA, increased sample size and the physiological profile of the animals are required to better understand the relationship between blood miRNA profiles and lameness in feedlot cattle.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,266 | 0,076 |
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 ».