A Multi-Platform Metabolomics Approach Identifies Urinary Metabolite Signatures That Differentiate Ketotic From Healthy Dairy Cows
Notice bibliographique
Résumé
Ketosis and subclinical ketosis are widespread among dairy cows especially after calving. Etiopathology of ketosis has been related to negative energy balance. The objective of this study was to investigate metabolite fingerprints in the urine of pre-ketotic, ketotic, and post-ketotic cows to identify potential metabolite alterations that can be used in the future to identify susceptible cows for ketosis and metabolic pathways involved in the development of disease. In this study, NMR, DI/LC-MS/MS, and GC-MS-based metabolomics were used to analyze urine samples from 6 cows diagnosed with ketosis and 20 healthy control (CON) cows at -8 and -4 weeks prepartum, the week (+1 to +3) of ketosis diagnosis, and at +4 and +8 weeks after parturition. Univariate and multivariate analyses were used to screen metabolite panels that can identify cows at their pre-ketotic stage. A total of 54, 42, 48, 16, and 31 differential metabolites between the ketotic and CON cows were identified at -8 and -4 weeks prepartum, ketosis week, and at +4, and +8 weeks postpartum, respectively. Variable importance in projection (VIP) plots ranked the most significant differential metabolites, which differentiated ketotic cows from the CON ones. Additionally, several metabolic pathways that are related to ketosis were identified. Moreover, two promising metabolite panels were identified which clearly separated ketotic from CON cows with excellent level of sensitivity and specificity. Overall, multiple urinary metabolite alterations were identified in pre-ketotic, ketotic, and post-ketotic cows. The metabolite panels identified need to be validated in the future in a larger cohort of animals.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».