Feed efficiency and fecal microbiome of nursery pigs from parents with divergent breeding value for feed conversion ratio
Notice bibliographique
Résumé
Abstract Improving feed efficiency (FE) is essential for the swine industry’s economic and environmental sustainability. Genetic selection, particularly through estimating breeding values for feed conversion ratio (EBV_FCR), is a common strategy to enhance FE. However, the biological mechanisms underlying phenotypic variations in FE between pigs with different EBV_FCR values are not fully understood. This study investigates these mechanisms by examining growth performance, nutrient and energy digestibility, and fecal microbiota composition and functionality of pigs at the nursery stage. The study involved 128 pigs, weaned at 21 d (±2 d) and with an initial body weight of 6.87 kg (±0.34 kg). These pigs, selected from dam and sire lines with divergent EBV_FCR values, were randomly assigned to 32 pens with four pigs each. Pigs were fed a corn and soybean meal-based diet, divided into two feeding phases of 2 wk each, under similar rearing conditions. Results indicated no significant differences in average daily feed intake (ADFI), average daily body weight gain (ADG), or feed efficiency (FE, gain:feed) between pigs from different EBV_FCR lines (P > 0.05). Similarly, nutrient digestibility showed no significant variation (P > 0.05). While the overall fecal microbiota taxonomic composition was similar between the groups, there was a trend toward higher beta diversity in the microbiota of pigs from parents with lower EBV_FCR (high efficiency pigs, H pigs) (P < 0.083). Carbohydrate and amino acid metabolism were predominant in all pigs, regardless of genetic background, with similar predicted microbiota functionality across groups. The study concluded that genetic differences based on parents divergent EBV_FCR did not affect growth performance, nutrient utilization, or microbiota characteristics at the nursery stage. This suggests that while EBV_FCR based genetic selection does not impact early-stage performance or microbiome responses, its effects may differ in older pigs, warranting further research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».