MétaCan
Menu
Retour à la cohorte
Enregistrement W3208829872 · doi:10.3389/fgene.2021.720268

Exploring Biological Impacts of Prenatal Nutrition and Selection for Residual Feed Intake on Beef Cattle Using Omics Technologies: A Review

2021· review· en· W3208829872 sur OpenAlexafffund
Aidin Foroutan, David S. Wishart, Carolyn Fitzsimmons

Notice bibliographique

RevueFrontiers in Genetics · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of AlbertaWestern University
Organismes subventionnairesAgriculture and Agri-Food CanadaAlberta Livestock and Meat Agency
Mots-clésResidual feed intakeBiologyBeef cattleContext (archaeology)BiotechnologyOffspringFeed conversion ratioSelection (genetic algorithm)Animal sciencePregnancyGeneticsComputer scienceBody weightEndocrinology

Résumé

récupéré en direct d'OpenAlex

Approximately 70% of the cost of beef production is impacted by dietary intake. Maximizing production efficiency of beef cattle requires not only genetic selection to maximize feed efficiency (i.e., residual feed intake (RFI)), but also adequate nutrition throughout all stages of growth and development to maximize efficiency of growth and reproductive capacity, even during gestation. RFI as a measure of feed efficiency in cattle has been recently accepted and used in the beef industry, but the effect of selection for RFI upon the dynamics of gestation has not been extensively studied, especially in the context of fluctuating energy supply to the dam and fetus. Nutrient restriction during gestation has been shown to negatively affect postnatal growth and development as well as fertility of beef cattle offspring. This, when combined with the genetic potential for RFI, may significantly affect energy partitioning in the offspring and subsequently important performance traits. In this review, we discuss: 1) the importance of RFI as a measure of feed efficiency and how it can affect other economic traits in beef cattle; 2) the influence of prenatal nutrition on physiological phenotypes in calves; 3) the benefits of investigating the interaction of genetic selection for RFI and prenatal nutrition; 4) how metabolomics, transcriptomics, and epigenomics have been employed to investigate the underlying biology associated with prenatal nutrition, RFI, or their interactions in beef cattle; and 5) how the integration of omics information is adding a level of deeper understanding of the genetic architecture of phenotypic traits in 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 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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,099
Tête enseignante GPT0,318
Écart entre enseignants0,219 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetGenetic and phenotypic traits in livestockTravaux en français237 207