MétaCan
Menu
← Retour à la cohorte
Enregistrement W4224300217 · doi:10.3389/fmicb.2022.872230

Analysis and Comparison of Gut Microbiome in Young Detection Dogs

2022· article· en· W4224300217 sur OpenAlexaboutno aff
Zongjie Li, Qing Sun, Yuhao Li, Zhixin Guan, Jianchao Wei, Beibei Li, Ke Liu, Donghua Shao, Rongsheng Mi, Haixia Liu, Yafeng Qiu, Zhiyong Ma

Notice bibliographique

RevueFrontiers in Microbiology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensnon disponible
Organismes subventionnairesShanghai Rising-Star ProgramNational Natural Science Foundation of China
Mots-clésMicrobiomeGut microbiomeBiologyMetagenomicsComputational biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

The detection dogs are well-known for their excellent capabilities to sense different kinds of smells, which can play an important role in completing various searching and rescuing missions. The recent studies have demonstrated that the excellent olfactory function of detection dogs might be related with the gut microbes via the bidirectional communications between the gastrointestinal tract and the brain. In this study, the gut microbial communities of three types of breeds of detection dogs (Springer Spaniel, Labrador Retriever, and German Shepherd) were studied and compared. The results revealed that the richness and the diversity of gut microbiome German Shepherd dogs were significantly higher than the Labrador Retriever dogs and the Springer Spaniel dogs. At the phylum level, the most predominant gut microbial communities of the detection dogs were comprised of Fusobacteriota, Bacteroidetes, Firmicutes, Proteobacteria, Campilobacterota, and Actinobacteriota. At the genus level the most predominant gut microbial communities were comprised of Fusobacterium, Megamonas, Prevotella, Alloprevotella, Bacteroides, Haemophilus, Anaerobiospirillum, Helicobacter, Megasphaera, Peptoclostridium, Phascolarctobacterium, and Streptococcus. However, the gut microbial communities of the three dogs group were also obviously different. The mean relative abundance of Fusobacterium, Prevotella, Alloprevotella, Megamonas, Bacteroides, and Phascolarctobacterium presented significant differences in the three groups. According to the portraits and characteristics of the gut microbiome in young detection dogs, multiple kinds of nutritional interventions could be applied to manipulate the gut microbiota, with the aim of improving the health states and the olfactory performances.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,249
Écart entre enseignants0,244 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Microbiology→Même sujetGut microbiota and health→Travaux en français237 207→