MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402541136 · doi:10.1093/jas/skae234.250

54 Development of an equine metabolism model to describe post-absorptive nutrient dynamics

2024· article· en· W4402541136 sur OpenAlexaff
Emily M. Leishman, Priska Darani, Sharifa Darani, Scott Cieslar, J.L. Ellis

Notice bibliographique

RevueJournal of Animal Science · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueClinical Nutrition and Gastroenterology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésNutrientMetabolismDynamics (music)BiologyChemistryBiochemistryEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Nutrition modelling is instrumental to modern feed formulation and diet optimization across livestock sectors. Mechanistic models of nutrient digestion, absorption, and metabolism are implemented in industry as ‘decision support systems’, and in academia to summarize and examine our cumulative biological knowledge, identify knowledge gaps and test/evaluate hypotheses. However, comparatively less progress in this field has been made in the equine sector. This limits the ability of the equine sector to address complex challenges such as interactions between equine nutrition, management, health, and welfare. To address this gap, a first iteration of a dynamic, deterministic, mechanistic model describing postabsorptive nutrient dynamics for equines has been developed. Model coding and development was performed using Python with specific libraries for mathematical equations and integration. This model was developed primarily based on extant published mechanistic models of protein and energy metabolism in other species. The present model simulates the partitioning of ingested nutrients into digested nutrients, through intermediary metabolism and ultimately to growth and deposition of protein, fat, water, and ash into the body compartments. As shown in Figure 1, the model takes digested nutrients (protein, fat, starch, glucose, volatile fatty acids) as inputs and contains 12 state variables divided into metabolite pools (amino acids, fatty acids, glucose, glycogen, acetyl-CoA, ATP), and body constituent pools (muscle protein, bone protein, hide protein, viscera protein, body fat, body ash). Ingested feed is partitioned into digested nutrients using digestibility coefficients from extant equine literature, and indigestible nutrients are excreted. Meta-analysis was used to develop empirical equations to predict VFA concentrations in the hindgut. VFA absorption is estimated using Michaelis-Menten kinetics including the pH and hindgut volume, assumed as a constant value for a mature horse Acetyl-CoA, a key intermediary metabolism pool, is produced from amino acid, glucose, and fatty acid catabolism and is consumed for maintenance requirements, which is accounted for in an ATP pool. The ATP pool is a ‘zero pool’, which balances the ATP producing and -consuming reactions in the model, with any remaining ATP balance required being pulled from the acetyl-CoA pool. Turnover of protein and fat is represented by differences in accretion and catabolism. Work is ongoing to evaluate the developed model for model performance using data extracted from the literature. The model will be trained and subsequently evaluated using equine studies in three main areas: growth and body composition, protein turnover and nitrogen balance, and energy metabolism. Developing this model for the equine sector will stimulate and assist in defining future research priorities, inform revisions to the nutrient requirements of horses, increase understanding of metabolic processes as well as related disorders, reduce waste via increased focus on precision feeding and support the development of new products and services to improve equine 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 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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,042
Tête enseignante GPT0,351
Écart entre enseignants0,308 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Animal Science→Même sujetClinical Nutrition and Gastroenterology→Travaux en français237 207→