MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379051812 · doi:10.3168/jds.2023-23332

Multivariate analysis of milk metabolite measures shows potential for deriving new resilience phenotypes

2023· article· en· W4379051812 sur OpenAlexaff
M. Ithurbide, H. Wang, Thierry Fassier, Zheyuan Li, José Pires, Torben Larsen, Jiguo Cao, Rachel Rupp, N.C. Friggens

Notice bibliographique

RevueJournal of Dairy Science · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and phenotypic traits in livestock
Établissements canadiensSimon Fraser University
Organismes subventionnairesHorizon 2020 Framework ProgrammeInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementAPIS-GENE
Mots-clésMultivariate analysisMultivariate statisticsMetaboliteResilience (materials science)PhenotypeStatisticsBiologyMathematicsGeneticsBiochemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In a context of growing interest in breeding more resilient animals, a noninvasive indicator of resilience would be very valuable. We hypothesized that the time-course of concentrations of several milk metabolites through a short-term underfeeding challenge could reflect the variation of resilience mechanisms to such a challenge. We submitted 138 one-year-old primiparous goats, selected for extreme functional longevity (i.e., productive longevity corrected for milk yield [60 low longevity line goats and 78 high longevity line goats]), to a 2-d underfeeding challenge during early lactation. We measured the concentration of 13 milk metabolites and the activity of 1 enzyme during prechallenge, challenge, and recovery periods. Functional principal component analysis summarized the trends of milk metabolite concentration over time efficiently without preliminary assumptions concerning the shapes of the curves. We first ran a supervised prediction of the longevity line of the goats based on the milk metabolite curves. The partial least square analysis could not predict the longevity line accurately. We thus decided to explore the large overall variability of milk metabolite curves with an unsupervised clustering. The large year × facility effect on the metabolite concentrations was precorrected for. This resulted in 3 clusters of goats defined by different metabolic responses to underfeeding. The cluster that showed higher β-hydroxybutyrate, cholesterol, and triacylglycerols increase during the underfeeding challenge was associated with poorer survival compared with the other 2 clusters. These results suggest that multivariate analysis of noninvasive milk measures show potential for deriving new resilience phenotypes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,285
Écart entre enseignants0,266 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dairy Science→Même sujetGenetic and phenotypic traits in livestock→Travaux en français237 207→