PSXIII-12 Characterization of Physiochemical and Nutrient Profiles of Feedstock and co-Products from Canola bio-oil Processing in Ruminants: Impacted by Source Origin
Notice bibliographique
Résumé
Abstract The objective of this study was to characterize physiochemical and nutrient profiles of feedstock and co-products from canola processing that were impacted by source origin to compare feedstocks and co-products (mash and pellet) from five different bio-oil processing plants with five batches of samples in each processing plant in Canada (CA) and in China (CH) collected by the Canola Council of Canada (CCC). The detailed physicochemical and nutrients parameters for ruminants were determined in chemical composition, TDN and truly digestible nutrients, energy profile (ME, NE), and protein and carbohydrate subfractions and their degradation and digestion in dairy cows. The data were analyzed using the Mixed model procedure in SAS 9.4 with RCBD. The treatment differences were compared using Tukey method. The results showed CP was greater in CH meals (P=0.003). The EE was not different between CA and CH (P >0.05). TDN1x was similar in canola meals regardless of the country (P >0.05). CH meals and feedstock had greater tdCP and tdNDF than CA (P< 0.05), while CA had greater tdNFC (P< 0.05). The energy values of ME3x, NELp3x, NEm3x, and NEg3x were similar in canola meals from both countries (P >0.05). No differences were observed in the energy profile of feedstock between CA and CH (P >0.05). The results also showed that pelleting affected the protein fractionation of CA canola meals (P< 0.05). Canola meals were different between CA and CH in the soluble (PA2) and slowly degradable fractions (PB2) (P< 0.05). The carbohydrate fractions of soluble fiber (CB2), digestible fiber (CB3), and indigestible fiber (CC) were different among CH meals (P< 0.05). CH presented greater water-soluble carbohydrate (CA4, P=0.04) and less CB2 (P=0.01) and CC (P< 0.001) than CA canola meals. Although the seeds were similar within and between counties, the oil-extraction process and pelleting seemed to have generated some different aspects on the meals in both countries.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».