MétaCan
Menu
Retour à la cohorte
Enregistrement W4410512614 · doi:10.1016/j.fochx.2025.102569

Comparative analysis of the lipid profiles of bovine fast- and slow-type muscles

2025· article· en· W4410512614 sur OpenAlexaff
Heling Li, Xiaofan Tan, Lei Zhang, Xuehai Du, Dawei Bian, Yangzhi Liu, Songyang Shang, Jing Li, David M. Irwin, Shuyi Zhang, Bojiang Li

Notice bibliographique

RevueFood Chemistry X · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesShenyang Science and Technology BureauDepartment of Education of Liaoning Province
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

Lipid molecules are an important component of meat and are the main source of flavor. However, at present the lipid molecules in meat with different muscle fiber types in cattle are not fully understood. We carried out lipid profiling of eight fast-type longissimus dorsi (LD) muscle and eight slow-type psoas major (PM) muscle samples from LYWC (Liaoyu white cattle). A total of 2032 lipid molecules were identified by our lipidomic analysis of these two muscle tissues, and 134 lipid species were identified as differentially abundant lipids (DALs). A correlation analysis showed the close relationship between the DALs identified in the LD and PM muscle. In addition, some DALs are closely associated with meat quality traits and muscle fiber types. This study identifies lipid molecules that differ between meats with different muscle fiber types and provides new insights into the role of lipids in beef quality improvement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Chemistry XMême sujetMuscle Physiology and DisordersTravaux en français237 207