Unsalable Vegetables Ensiled With Sorghum Promote Heterofermentative Lactic Acid Bacteria and Improve in vitro Rumen Fermentation
Notice bibliographique
Résumé
This study characterized the nutritive and microbial profiles and the fermentation characteristics of silage with the following compositions on a dry matter (DM) basis: (1) 100% sorghum, (2) 70% sorghum + 30% carrot or pumpkin, and (3) 40% sorghum + 60% carrot or pumpkin. The treatments were further divided based on the addition or no addition of a probiotic inoculant. After 70 days of ensiling, the silage was incubated for 48 h using the in vitro batch culture technique. Crude protein and non-fiber carbohydrates in the silage increased (P ≤ 0.01) by 5.7 percent point (pp) and 9.6 pp, respectively, with pumpkin at 60% DM. The V4 region of the 16S rRNA gene was sequenced to profile pre-ensiled and ensiled archeal and bacterial communities. Silages containing carrot or pumpkin strongly influenced the microbial structure (PERMANOVA: R2 = 0.75; P < 0.001), despite the ensiled treatments being dominated by Lactobacillus spp., except for the control, which was dominated by Weissella and Pediococcus spp. (P < 0.01). Linear discriminant analysis indicated that carrot and pumpkin silages were responsible for the increased relative abundance of Lactobacillus and Acinetobacter spp. (log LDA score ≥ 2), respectively. After 48 h of incubation, carrot and pumpkin inclusion increased (P < 0.01) the in vitro DM digestibility by 22.5 and 31.3%, increased the total volatile fatty acids (VFAs) by 16 and 20.6% (P < 0.01), respectively, and showed a tendency (P = 0.07) to increase the gas production. Therefore, this study supports the use of carrot or pumpkin in sorghum silages to maximize feed digestibility and total VFA concentrations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».