MétaCan
Menu
← Retour à la cohorte
Enregistrement W4298075461

Des recherches permanentes pour améliorer la qualité du lait.

2011· preprint· fr· W4298075461 sur OpenAlexaff
Didier Dupont, Anne Jeanblanc

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2011
Typepreprint
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensWorld Federation of Science Journalists
Organismes subventionnairesnon disponible
Mots-clésArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L'Institut national de la recherche agronomique tente de rendre le lait plus adapté aux besoins de l'homme et plus digeste.L'Inra réalise beaucoup de travaux sur la teneur et la composition du lait en matières grasses, car elles sont très variables et elles dépendent en partie des pratiques d'élevage. Il faut savoir que tous les acides gras (il en existe plus de 400 différents dans cet aliment) n'ont pas la même valeur nutritionnelle. Les recherches visent à réduire les teneurs en acides gras saturés (qui représentent 65 à 70 % des graisses du lait) et à augmenter celles en acides gras insaturés (les "bonnes" graisses). Mais ce n'est pas simple. L'équipe de Jean-Louis Peyraud (unité de production du lait à l'Inra) tente par exemple de diminuer la quantité d'acide palmitique, qui est impliqué dans le risque de maladies cardio-vasculaires. Autre objectif : accroître les teneurs en oméga 3, car ces acides gras insaturés sont bénéfiques, notamment pour le développement des capacités cognitives chez les enfants.Les travaux de Jean-Louis Peyraud ont permis de conclure que l'herbe verte est le fourrage qui permet de produire un lait répondant le mieux aux critères aujourd'hui requis. Et en hiver, les rations à base d'ensilage de maïs conduisent généralement à des laits dont la matière grasse est riche en acides gras saturés. "Les rations à base d'ensilage d'herbe ou de foin entraînent des profils d'acides gras intermédiaires avec l'herbe pâturée", note-t-il. Mais la quantité et la nature des compléments donnés pour couvrir les besoins nutritifs des vaches laitières peuvent fortement les modifier. Enfin, des travaux sont en cours pour comparer les génomes des races de vache et la composition des laits afin de sélectionner des animaux capables de donner un lait plus adapté aux besoins du consommateur. C'est le projet "PhénoFinLait" dont les premiers résultats sont attendus en 2013.Recrudescence d'allergiesAutre thème de recherche : l'intolérance au lactose (qui n'a rien à voir avec l'allergie), qui concerne la moitié des enfants dans le monde. Chez eux, la consommation de lait provoque assez rapidement l'apparition de troubles digestifs. Mais rien ne les empêche de manger des yaourts, un aliment à la fois diététique et source de calcium, qui plus est très apprécié des jeunes. Les chercheurs de l'Inra ont démontré l'effet favorable du yaourt sur la digestion du lactose ainsi que le mécanisme d'action des bactéries du yaourt. "Elles synthétisent une enzyme, la lactase, qui va digérer le lactose dans l'intestin grêle", explique Gérard Corthier (unité de microbiologie de l'alimentation au service de la santé humaine, centre Inra Versailles-Grignon). "Ainsi, les populations microbiennes présentes dans le côlon ont moins de lactose à fermenter et les douleurs abdominales, flatulences ou ballonnements disparaissent."L'Inra s'intéresse également à l'allergie au lait. Ce type de problème touche essentiellement les très jeunes et il disparaît en général à l'âge de 3 ou 4 ans. "On observe depuis une quarantaine d'années une recrudescence des allergies au lait ainsi qu'une modification majeure du profil des patients concernés : la majorité des allergènes incriminés ne sont plus les protéines du lactosérum, mais les caséines", note Didier Dupont (unité science et technologie du lait et de l'oeuf, centre Inra Rennes). Pour expliquer ce phénomène, les chercheurs de son équipe mettent en cause les traitements thermiques trop intenses des laits infantiles qui modifient complètement la structure des caséines. Maintenant que la cause est connue, reste à trouver un moyen de l'éviter...

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,006

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 Opus0,055
Tête enseignante GPT0,262
Écart entre enseignants0,207 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetAgriculture and Rural Development Research→Travaux en français237 207→