MétaCan
Menu
Retour à la cohorte
Enregistrement W3115946455 · doi:10.3390/microorganisms8122042

Rumen and Hindgut Bacteria Are Potential Indicators for Mastitis of Mid-Lactating Holstein Dairy Cows

2020· article· en· W3115946455 sur OpenAlexaff
Yifan Zhong, Ming‐Yuan Xue, Hui‐Zeng Sun, Teresa G. Valencak, Le Luo Guan, Jianxin Liu

Notice bibliographique

RevueMicroorganisms · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMilk Quality and Mastitis in Dairy Cows
Établissements canadiensUniversity of Alberta
Organismes subventionnairesAgriculture Research System of ChinaZhejiang UniversityMinistry of Science and Technology of the People's Republic of China
Mots-clésMastitisRumenHindgutBiologyBacteriaSomatic cell countDairy cattleAnimal scienceEubacteriumFermentationMicrobiologyFood scienceLactationIce calvingEcologyPregnancyGenetics

Résumé

récupéré en direct d'OpenAlex

Mastitis is one of the major problems for the productivity of dairy cows and its classifications have usually been based on milk somatic cell counts (SCCs). In this study, we investigated the differences in milk production, rumen fermentation parameters, and diversity and composition of rumen and hindgut bacteria in cows with similar SCCs with the aim to identify whether they can be potential microbial biomarkers to improve the diagnostics of mastitis. A total of 20 dairy cows with SCCs over 500 × 103 cells/mL in milk but without clinical symptoms of mastitis were selected in this study. Random forest modeling revealed that Erysipelotrichaceae UCG 004 and the [Eubacterium] xylanophilum group in the rumen, as well as the Family XIII AD3011 group and Bacteroides in the hindgut, were the most influential candidates as key bacterial markers for differentiating “true” mastitis from cows with high SCCs. Mastitis statuses of 334 dairy cows were evaluated, and 96 in 101 cows with high SCCs were defined as healthy rather than mastitis according to the rumen bacteria. Our findings suggested that bacteria in the rumen and hindgut can be a new approach and provide an opportunity to reduce common errors in the detection of mastitis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,020
Tête enseignante GPT0,212
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), 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

Citations32
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetMilk Quality and Mastitis in Dairy CowsTravaux en français237 207