Notice bibliographique
Résumé
Musk is a scarce and precious medical resource secreted by male forest musk deer (FMD). Current research to promote musk secretion in FMD has used almost exclusively hormone injections, but this approach can be detrimental to the health of FMD. In order to conserve this endangered species as much as possible while increasing the production of musk, this study first used bioinformatics methods to predict the function of quercetin, a flavonoid that promotes testosterone (T) production and prevents late-onset male hypogonadism. On the basis of good prediction effect, different concentrations of quercetin were added to the diet of FMD. The results showed that quercetin could change the levels of T, luteinizing hormone releasing hormone, luteinizing hormone, and estradiol, and regulate the structure of intestinal microorganisms and musk microorganisms of FMD. Moreover, there is a correlation among musk components, hormones, intestinal microorganisms, and musk microorganisms, which indicates that the production of musk may be regulated by these three at the same time, and the addition of quercetin with 800 mg per kg diet could significantly increase the yield of muscone (P < 0.05), the most effective ingredient in musk. In addition, quercetin decreased the high level of cortisol during musk secretion, which may relieve the stress on FMD in this process. This may help to protect the health of FMD. Combined with the results of software prediction, we finally proposed a possible mechanism for the complex process of musk secretion in FMD with a view to providing ideas for further studies.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».