MétaCan
Menu
Retour à la cohorte
Enregistrement W3130410454 · doi:10.1111/1750-3841.15647

Gonadal development and biochemical composition of Chinese mitten crabs ( <i>Eriocheir sinensis</i> ) from four sources

2021· article· en· W3130410454 sur OpenAlexaff
Shihui Wang, Yingze Wang, Xugan Wu, Xubin Zhang, Jinshan Zhao, Jingming Yang, Yongxu Cheng

Notice bibliographique

RevueJournal of Food Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesEarmarked Fund for China Agriculture Research System
Mots-clésEriocheirGonadosomatic IndexBiologyDocosahexaenoic acidChinese mitten crabEicosapentaenoic acidArachidonic acidLinoleic acidDecapodaAnimal scienceShrimpCrustaceanFatty acidFood scienceBotanyFisheryPolyunsaturated fatty acidBiochemistryFecundityEnzymePopulation

Résumé

récupéré en direct d'OpenAlex

The gonadal development; edible tissue ratio; and proximate, fatty acid, and free amino acid composition were examined and compared among Eriocheir sinensis samples from four sources. The gonadosomatic index (GSI) of Heilongjiang (HLJ) crabs was significantly higher than that of the other crabs from September to October (P < 0.05). Of all the edible tissues of E. sinensis, HLJ crab had the highest linolenic acid (18:3n3, LNA) and arachidonic acid (20:4n6, ARA) contents (P < 0.05), while Qinghai (QH) crab had the highest eicosapentaenoic acid (20:5n3, EPA) content (P < 0.05). The highest docosahexaenoic acid (22:6n3, DHA) and DHA/EPA contents were observed in Shandong (SD) crabs (P < 0.05), and the highest linoleic acid (18:2n6, LA) content was found in Shanghai (SH) crabs (P < 0.05). In conclusion, E. sinensis inhabiting relatively low-temperature regions (northern China) can initiate gonadal development earlier, and the quality of E. sinensis living in paddies and lakes is better than that of crabs living in ponds.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,210
Écart entre enseignants0,195 · 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

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Food ScienceMême sujetAquaculture Nutrition and GrowthTravaux en français237 207