MétaCan
Menu
Retour à la cohorte
Enregistrement W4307993358 · doi:10.3389/fanim.2022.1029094

Understanding variability and repeatability of enteric methane production in feedlot cattle

2022· article· en· W4307993358 sur OpenAlexafffund
K. A. Beauchemin, Paul Tamayao, Christine Rosser, Stephanie A. Terry, Robert Gruninger

Notice bibliographique

RevueFrontiers in Animal Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésAnimal scienceRumenFeedlotBeef cattleDry matterRepeatabilitySilageCrossbreedBiologyChemistryFermentationFood science

Résumé

récupéré en direct d'OpenAlex

Breeding ruminants for low methane (CH4) emissions can be permanent and cumulative, but requires a better understanding of the variability of CH4 production among animals to accurately assess low-CH4 phenotypes. Our objectives were to: 1) investigate the variation in CH4 production among and within growing beef cattle, 2) identify low-CH4 emitters, and 3) examine relationships between CH4 production and intake, feeding behavior, growth, and rumen fermentation. Crossbred beef heifers (n=77; body weight=450 kg) were allocated to 3 pens and offered a finishing diet of 90% concentrate and 10% silage (dry matter (DM) basis). The study was conducted over 3 consecutive 6-week periods (126 days). GrowSafe bunks measured individual animal DM intake (DMI) and rumen fluid was sampled orally each period. A GreenFeed system measured individual animal emissions for 2 weeks/period. Methane production was calculated by animal within period using visits that were ≥3 min with fluxes compiled into six 4-h blocks corresponding to time of day, and averaged over blocks to obtain an average daily emission for the period. Animals with <12 visits and <5 blocks were omitted for the period and animals with ≥2 periods of complete CH4 data were used in the final analysis (n=52). Animals were ranked based on CH4 yield (g/kg DMI) from low to high, and grouped as Very-low (≤10% of animals), Low (11-25%), Intermediate (26-74%), High (75-89%), and Very high (≥90%) emitters (mean ± SD, 12.6 ± 2.16). The CH4 yield was 16% less (P<0.05) for Very-low compared with Intermediate animals due to lower CH4 production (g/d, P<0.05), with no differences in DMI (P>0.05). However, the period × grouping interaction (P<0.001) for CH4 yield indicated that the ranking of animals changed over time, although there were no extreme changes in rankings. Total VFA concentration decreased as CH4 yield decreased, but molar proportions of VFA remained unchanged, suggesting lower extent of ruminal digestion rather than a shift in fermentation. There were no differences in feeding behavior or average daily gain among groupings (P>0.05). The between-animal coefficient of variation in CH4 yield of 17.3% enabled identification of low CH4-emmitting finishing beef cattle. However, accurate selection of low CH4-emitting animals should be based on repeated CH4 measurements over the production cycle.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,251
Écart entre enseignants0,197 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Animal ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207