Investigation of cattle plasma proteome in response to pain and inflammation using next generation proteomics technique, SWATH-MS
Notice bibliographique
Résumé
Pain assessment in farm animals has primarily relied on a combination of behavioral and physiological responses, although these are relatively subjective and difficult to quantify. It is essential to develop more effective biomarkers of pain in production animals since they are frequently exposed to routine surgical husbandry procedures. More effective biomarkers of pain would improve welfare, limit the loss of productivity associated with pain and permit better assessment of analgesics. This study aimed to investigate the use of a modern mass spectrometry data independent acquisition strategy, termed Sequential Window Acquisition of All Theoretical Mass Spectra (SWATH-MS), to detect candidate protein biomarkers that are known to associate with nociceptive and inflammatory processes in cattle, which could then be used to assess the efficacy of potential analgesics. Calves were randomly divided into two groups that were either surgically dehorned or subjected to restraint stress, without provision of anaesthesia or analgesia in accordance with current industry standards. Samples were analysed before and after dehorning at multiple timepoints. Significant changes in protein concentrations were detected predominantly at 24 and 96 h following dehorning, including kininogens, proteins associated with the coagulation and complement cascades and serine protease inhibitors. Gene ontology analysis revealed that the identified candidate biomarkers were associated with stress, wound healing, immune response, blood coagulation and the inflammatory and acute phase responses, which could be expected following surgical damage to tissues, but can now be more objectively assessed. These results offer more definitive and quantitative monitoring of response to tissue injury induced pain and inflammation.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».