Variations of Physiological Parameters and HSP70 and HSP90 Polymorphisms in Water Buffaloes in Taiwan During Cool and Warm Season
Notice bibliographique
Résumé
Background: This study examined the physiological parameters of water buffaloes in Taiwan in the cool (February) and warm (August) seasons of 2020 and 2021.
 Methods: Data was collected for a study in February, August 2020, and 2021. The ambitious temperature, humidity, water buffaloes’ rectal temperature (RT), and respiratory rate (RR) were recorded. The plasma expression levels of heat-shock protein (HSP)70 and HSP90 were examined using an ELISA kit. Furthermore, the HSP70 and HSP90 fragment genetic sequence variations were analyzed using the PCR method and MEGA6 software.
 Results: The results revealed that in the warm season, the rectal temperature (RT), respiratory rate (RR), and heat tolerance coefficient (HTC) were significantly higher compared to the cool season (all P < 0.05). Additionally, the temperature-humidity index (THI) had moderate to high correlations with RT (0.518), RR (0.744), and HTC (0.757). Plasma HSP70 expression levels were higher in the warm season than in the cool season (P < 0.05). The genetic sequences of HSP70 and HSP90 fragments were compared, and five single-nucleotide variation (SNV) sites were identified. However, each genotype showed no significant physiological difference between the cool and warm seasons.
 Conclusion: Temperature and humidity changes in Taiwan had a significant correlation with the physical condition of water buffaloes. This information can be valuable in improving the living conditions of these animals, leading to better animal welfare. Additionally, the HSP70 and HSP90 gene variations in water buffaloes in Taiwan could be used as a reference for future research on breeding and identifying molecular markers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».