Amino acid nutrition and metabolism in domestic cats and dogs
Notice bibliographique
Résumé
Domestic cats and dogs are carnivores that have evolved differentially in the nutrition and metabolism of amino acids. This article highlights both proteinogenic and nonproteinogenic amino acids. Dogs inadequately synthesize citrulline (the precursor of arginine) from glutamine, glutamate, and proline in the small intestine. Although most breeds of dogs have potential for adequately converting cysteine into taurine in the liver, a small proportion (1.3%-2.5%) of the Newfoundland dogs fed commercially available balanced diets exhibit a deficiency of taurine possibly due to gene mutations. Certain breeds of dogs (e.g., golden retrievers) are more prone to taurine deficiency possibly due to lower hepatic activities of cysteine dioxygenase and cysteine sulfinate decarboxylase. De novo synthesis of arginine and taurine is very limited in cats. Thus, concentrations of both taurine and arginine in feline milk are the greatest among domestic mammals. Compared with dogs, cats have greater endogenous nitrogen losses and higher dietary requirements for many amino acids (e.g., arginine, taurine, cysteine, and tyrosine), and are less sensitive to amino acid imbalances and antagonisms. Throughout adulthood, cats and dogs may lose 34% and 21% of their lean body mass, respectively. Adequate intakes of high-quality protein (i.e., 32% and 40% animal protein in diets of aging dogs and cats, respectively; dry matter basis) are recommended to alleviate aging-associated reductions in the mass and function of skeletal muscles and bones. Pet-food grade animal-sourced foodstuffs are excellent sources of both proteinogenic amino acids and taurine for cats and dogs, and can help to optimize their growth, development, and health.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».