Nanowater enhances cryoprotective properties of glycerol-containing extenders used for ram semen freezing: A preliminary study spanning laboratory testing
Notice bibliographique
Résumé
Abstract It has been suggested that nanowater (NW-water declustered in the cold plasma generator and characterized by a low freezing point and high diffusivity) could improve ram semen quality after freezing in glycerol-containing extenders. Eighteen ejaculates from six Olkuska rams were divided into six equal portions each, and then diluted (800×10 6 spermatozoa/ml) and frozen in the fructose-skimmed milk-egg yolk Kareta extenders containing 3% or 7% of glycerol. The extenders were prepared with deionized water (DW-3% and DW-7%) or NW declustered for 15 min (NW15’) or 30 min (NW30’). Post-thaw sperm motility, proportions of sperm defects and percentages of apoptotic, necrotic, and live spermatozoa were determined. The proportion of spermatozoa with midpiece defects was lower (P<0.05) in NW15’-3% compared with DW-3%. Sperm progressive motility was greater (P<0.05) for spermatozoa cryopreserved in both NW30’ (NW30’-3%/7%) extenders compared with their respective controls (DW30’-3%/7%). The proportion of necrotic spermatozoa 1 h after thawing was lower (P<0.05) in NW30’-7% compared with DW-7%, whereas the proportion of live cells detected immediately and 1 h after thawing was greater (P<0.05) in NW30’-7% than in DW-7%. In summary, NW enhanced cryoprotective effects of glycerol-containing extenders with an increase in sperm viability being greater with 7% than 3% of glycerol. Different declustering times appear to alter NW properties. These observations merit future studies of the utility of NW for semen cryopreservation in rams and other mammalian species. The specific mechanisms whereby NW ameliorates the quality of frozen-thawed ram spermatozoa remain to be elucidated.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».