Comparative analysis of differentially abundant proteins between high and low intramuscular fat content groups in donkeys
Notice bibliographique
Résumé
Intramuscular fat (IMF) is an important regulator that determines meat quality, and its content is closely related to flavor, tenderness, and juiciness. Many studies have used quantitative proteomic analysis to identify proteins associated with meat quality traits in livestock, however, the potential candidate proteins that influence IMF in donkey muscle are not fully understood. In this study, we performed quantitative proteomic analysis, with tandem-mass-tagged (TMT) labeling, with samples from the longissimus dorsi (LD) muscle of the donkey. A total of 585,555 spectra were identified from the six muscle samples used in this study. In total, 20,583 peptides were detected, including 15,279 unique peptides, and 2,540 proteins were identified. We analyzed differentially abundant proteins (DAPs) between LD muscles of donkeys with high (H) and low (L) IMF content. We identified 30 DAPs between the H and L IMF content groups, of which 17 were upregulated and 13 downregulated in the H IMF group. Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) functional enrichment analysis of these DAPs revealed many GO terms (e.g., bone morphogenetic protein (BMP) receptor binding) and pathways (e.g., Wnt signaling pathway and Hippo signaling pathway) involved in lipid metabolism and adipogenesis. The construction of protein-protein interaction networks identified 16 DAPs involved in these networks. Our data provide a basis for future investigations into candidate proteins involved in IMF deposition and potential new approaches to improve meat quality in the donkey.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».